OpenAI lança GPT-6.1 Terra: metade do preço e o dobro de precisão em código

A OpenAI apresentou o GPT-6.1 Terra, modelo de faixa intermediária que se aproxima dos modelos carro-chefe em tarefas de agentes, com preço bem menor. Os preços padrão da API são $1 por milhão de tokens de entrada, $0,05 por milhão de tokens em cache e $5 por milhão de tokens de saída. Isso é 50% menos que no GPT-5.6 Terra e no GPT-6.1 Sol. No Terminal-Bench 4.0, com esforço máximo, a Terra resolve 50,3% das tarefas; a versão anterior resolvia 21,5%. O modelo está disponível no ChatGPT Work e no Codex para assinantes Plus, Pro, Enterprise e Edu, e para desenvolvedores via API com o nome gpt-6.1-terra.

Computador em vez de chat: o foco da Terra

A OpenAI posiciona o modelo como um cavalo de batalha para tarefas de escritório: montar propostas comerciais, ler desenhos técnicos, preencher formulários, editar vídeo. Para desenvolvedores, o exemplo do anúncio é bem prático: ler notas fiscais recebidas e lançar os dados no sistema contábil. Nesse tipo de tarefa, importam mais o custo por mil documentos e a velocidade do que a inteligência de pico.

No Agents' Last Exam, benchmark de tarefas profissionais, a Terra consegue transformar desenhos arquitetônicos em um modelo 3D e fazer a marcação quadro a quadro de um filme de animação para uma equipe de restauração. Com esforço de raciocínio médio, o modelo marca 15 p.p.

a mais que o GPT-5.6 Terra, a cerca de um terço do custo. Em resultados, fica no nível do GPT-6 Astra, o modelo principal, mas com um preço por token dez vezes menor.

Com esforço máximo, a Terra é mais de três vezes mais eficiente que o Claude Opus 5.5 em uso de tokens, e seu token custa quatro vezes menos. No fim, cada tarefa sai cerca de nove vezes mais barata.

Além disso, a Terra executa tarefas mais de três vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol.

Números de benchmarks e segurança

• Agents' Last Exam (médio): +15 p.p. sobre o GPT-5.6 Terra com ~1/3 do custo; nível do GPT-6 Astra com 1/10 do preço por token.
• Agents' Last Exam (máximo): usa 3+ vezes menos tokens que o Claude Opus 5.5, com token 4 vezes mais barato e custo por tarefa ~9 vezes menor.
• Velocidade: tarefas concluídas mais de 3 vezes mais rápido que com GPT-6 Astra e GPT-6.1 Sol.
• MMMU-Pro (raciocínio visual): acima do GPT-5.6 Terra em qualquer configuração, quase empatado com Astra e Sol.
• OSWorld 2.1 (trabalho em várias etapas em aplicativos de desktop): com esforço médio, supera o melhor resultado do GPT-5.6 Terra com uma pequena fração do custo da tarefa.
• Erros em prompts provocativos (teste interno): com esforço baixo, 53,6% → 16,7%; com esforço máximo, queda de 18 p.p., até 4,3%, quase igual a Astra e Sol.
• Terminal-Bench 4.0: 50,3% contra 21,5%.
• Terminal-Bench-Science 0.1: no máximo, supera o GPT-6.1 Sol com custo menor e fica a cinco pontos do Opus 5.5, por menos de um quinto do preço estimado.
• Segurança: nível Critical em cibersegurança no Preparedness Framework, com as proteções do GPT-6 Astra mantidas; maior resistência a prompt injection, e o modelo permanece mais vezes dentro do escopo da tarefa e é mais honesto ao relatar limitações.

A diferença nas alucinações com esforço baixo é especialmente reveladora: de 53,6% para 16,7%. Em geral, é justamente no modo barato que os modelos mais erram, e é assim que eles precisam operar na automação em larga escala. A OpenAI, porém, deixa claros os limites. Para as tarefas de programação mais complexas, as melhores opções continuam sendo o GPT-6.1 Sol e o GPT-6 Astra.

Como calcular a economia na prática

Com preços de $1/$5 e cache a $0,05, a Terra se encaixa bem em pipelines com contexto repetido. É o caso de uma instrução longa, do regulamento da contabilidade ou do esquema de campos de um formulário, enviados junto com cada documento. Numa estimativa grosseira, uma nota fiscal de 3000 tokens de entrada, incluindo a imagem escaneada, e uma resposta de 300 tokens custam cerca de $0,0045. Dez mil notas sairiam por cerca de $45, sem considerar o cache. Os números reais dependem do tamanho das imagens e do nível de esforço escolhido, e vale medi-los com os seus próprios dados.

A ordem prática é esta. Rode uma amostra de tarefas na Terra com esforço baixo e médio e compare a taxa de erros e o custo por tarefa. Encaminhe para Sol ou Astra os casos difíceis, com documentos mal estruturados ou longas cadeias de edições em código. Para agentes que leem e-mails e páginas web de terceiros, teste separadamente a resistência a prompt injection nos seus próprios cenários. Os resultados divulgados pela OpenAI vêm de benchmarks internos e especializados, e o fluxo de documentos da sua empresa pode se comportar de outra forma.

No ChatGPT Work e no Codex, o mesmo limite da assinatura cobre mais tarefas do que com o GPT-5.6 Terra e bem mais do que com Sol ou Astra. Para equipes que esbarram nas cotas, é a forma mais rápida de aumentar o volume de trabalho sem trocar de plano.