OpenAI lança GPT-6.1 Terra: metade do preço e quase no nível dos modelos de ponta

A OpenAI lançou o GPT-6.1 Terra, modelo de classe média que custa metade do preço do antecessor e se aproxima dos modelos de ponta. Um milhão de tokens de entrada sai por $1, e um milhão de tokens de saída, por $5. O GPT-5.6 Terra cobrava $2 e $12; o Claude Sonnet 5.5, $2 e $10. Pela avaliação da Artificial Analysis, o custo médio de uma tarefa no nível máximo de raciocínio caiu de $1,40 para $0,40, e o Intelligence Index subiu 6 pontos. O modelo está disponível para assinantes Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex, além de via API.

Economia de tokens: onde o preço foi cortado

A OpenAI posiciona o Terra como concorrente direto da linha Sonnet, da Anthropic, só que com metade do preço. Os tokens de saída ficaram mais baratos, de $12 para $5, ou seja, 2,4 vezes. Para cenários com agentes, isso pesa mais do que o desconto na entrada: o agente escreve muito, e os tokens de saída respondem pela maior parte da fatura. A entrada em cache custa $0,05 por milhão, um quarto da tarifa anterior. Prompts de sistema longos e contexto repetitivo quase deixam de influenciar o orçamento.

A Artificial Analysis chama o modelo de novo referencial em "inteligência por dólar". Nos níveis baixos de raciocínio, o ganho no Intelligence Index vai de 7 a 13 pontos, e ali o Terra está na fronteira de Pareto: já não é possível melhorar preço e qualidade ao mesmo tempo. O índice do Terra é 48. O GPT-6.1 Sol marca 52, e o GPT-5.6 Terra, 42.

Controle de computador e programação

A aposta principal é o controle automático de software. No Agents' Last Exam, o Terra iguala o resultado do GPT-6 Astra com tokens dez vezes mais baratos. Em comparação com o Claude Opus 5.5 em esforço máximo, o modelo usa três vezes menos tokens, a um quarto do preço deles, o que resulta numa diferença de cerca de nove vezes no custo da tarefa. Segundo a empresa, o Terra conclui tarefas mais de três vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol.

Em programação, o salto é igualmente forte. No Terminal-Bench 4.0, o modelo resolve 50,3% das tarefas, contra 21,5% do GPT-5.6 Terra. O avanço de 20 pontos, na avaliação da Artificial Analysis, o coloca na mesma classe do GPT-6.1 Sol. No Terminal-Bench-Science 0.1, o Terra supera o Sol gastando menos e fica cinco pontos atrás do Claude Opus 5.5, com custo inferior a um quinto. Para as tarefas mais pesadas, a OpenAI ainda recomenda o GPT-6.1 Sol e o GPT-6 Astra.

Os números do lançamento

• Preços da API: $1 de entrada, $5 de saída, $0,05 de entrada em cache por milhão de tokens • Intelligence Index: Terra 48, Sol 52, GPT-5.6 Terra 42 • Custo da tarefa com raciocínio máximo: $0,40 contra $1,40 • Coding Agent Index v2.0: Terra 48, Sol 54, GPT-6 Luna 31 • AA-Omniscience: palpite quando o modelo não sabe a resposta, 38% contra 88%; precisão 2 pontos maior • Terminal-Bench 4.

0: 50,3% contra 21,5% • MMMU-Pro: acima do antecessor em todos os níveis de raciocínio, quase no nível do Astra e do Sol • OSWorld 2.1: em esforço médio, supera o melhor resultado do GPT-5.

A redução das alucinações é a que mais se destaca entre as métricas. O modelo inventa menos respostas quando não sabe, e a precisão ainda sobe. Para automatizar formulários, ler desenhos técnicos e preparar propostas, esse é um argumento prático.

Segurança e para quem vale adotar o Terra

Segundo o system card, o GPT-6.1 Terra atinge o limiar "Critical" em cibersegurança no âmbito do Preparedness Framework e herda a proteção do GPT-6 Astra. O modelo tende a permanecer mais vezes dentro dos limites definidos e a avisar o usuário sobre restrições. Contra ataques diretos à hierarquia de instruções, o Terra se sai de forma parecida com o Astra e o Sol, cujo índice é 99,99%. Contra injeções indiretas, em que o comando malicioso fica escondido em conteúdo de terceiros, a proteção subiu para 98,8%. Para agentes que leem e-mails, páginas e documentos, esse indicador é crítico.

A conclusão prática para as equipes: o Terra serve como cavalo de batalha para cenários de agentes e de escritório em larga escala. Onde antes se usavam modelos maiores por causa de velocidade e preço, vale transferir os testes. O Sol e o Astra ficam melhor reservados para tarefas complexas. Antes de migrar, faz sentido rodar as próprias tarefas nos níveis baixo e médio de raciocínio: é justamente ali que, segundo a Artificial Analysis, o ganho na relação entre preço e qualidade é maior.