26 октября 2026 года OpenAI представил GPT-6.1 Terra. Не флагман, не дешёвка — намеренная середина. Цена: $1 за миллион input-токенов и $5 за миллион output-токенов. Это примерно вдвое дешевле GPT-6.1 Sol и предыдущего GPT-5.6 Terra, но в десять раз дороже самой бюджетной модели линейки, GPT-6 Luna. Акцент в официальном анонсе — на визуальном рассуждении, computer use и ясности текста. Не рекорды бенчмарков, а рабочие задачи: черновики предложений, разбор технических чертежей, заполнение форм, редактирование видео.
Контекст
OpenAI выстраивает читаемую иерархию из четырёх уровней. На верхушке — GPT-6 Astra, максимальная мощность. Следом — GPT-6.1 Sol, дорогой и сильный вариант. Снизу — GPT-6 Luna, минимальная стоимость для высоких объёмов. Terra занимает позицию между Sol и Luna: достаточно умна для сложных задач, не разорительна при масштабировании.
Это та же логика, что у Anthropic с Claude Sonnet: не самый дешёвый и не самый мощный, но sweet spot для большинства production-сценариев. Имена — Terra, Sol, Luna, Astra — выстраивают внятную систему, которую легко объяснить команде или клиенту. Примечательно, что в анонсе нет привычного «лучшая модель в мире» — только конкретные задачи и конкретный профиль пользователя.
Показательно и снижение цены: вдвое по сравнению с предшественником GPT-5.6 Terra без явной деградации ключевых возможностей. Ценовая конкуренция в mid-tier сегменте идёт быстро.
Аналитика
Старший инженер OpenAI Ted Sanders дал развёрнутый комментарий прямо на Hacker News — и это редкость для крупной лаборатории. По его словам, Terra лучше Astra и Sol в техническом тексте и коммуникации, сопоставима по визуальным задачам и computer use, но работает значительно быстрее. При этом на большинстве других задач Terra уступает старшим моделям. Честная оценка, которая помогает разработчикам принимать решения без угадайки.
Computer use — задача, где экономика модели имеет решающее значение. Агент, который нажимает кнопки, читает экраны и заполняет формы, совершает десятки шагов на один результат. Дорогая модель делает такие пайплайны нерентабельными. Terra закрывает этот разрыв: держит сложные UI-последовательности и не разрушает юнит-экономику.
Рынок mid-tier LLM превратился в самое конкурентное поле. Claude Sonnet, продвинутые конфигурации Gemini Flash, теперь GPT-6.1 Terra — все претендуют на одного клиента: команды, которым нужна надёжность при разумных затратах. Terra появляется в этом сегменте с чёткими преимуществами именно там, где растёт спрос — визуал и управление интерфейсами.
Кейсы применения в бизнесе
B2B-SaaS стартап с агентным UX: пользователь описывает задачу голосом или текстом, агент открывает нужный раздел, вносит данные, отправляет форму. GPT-6.1 Terra подходит как основная модель для шагов с UI: понимает скриншоты интерфейса, держит многошаговый контекст, при этом стоимость транзакции остаётся управляемой. Флагман оставь для планирования и сложных решений.
Корпорация с legacy-документооборотом: разбор технических чертежей, PDF-инструкций, таблиц из сканов — задачи, где раньше требовался человек. Terra с visual reasoning берёт на себя первичный анализ: что изображено, какие параметры, есть ли отклонение от нормы. Первый шаг к автоматизации без замены всей инфраструктуры.
SMB и малый бизнес в КР/СНГ: небольшая компания, которая хочет автоматизировать обработку входящих документов — счетов, актов, заявок. Через API можно настроить пайплайн: входит скан — выходит структурированные данные. При цене $1 за миллион токенов порог входа для реальных объёмов стал ощутимо ниже.
Кейсы в личной жизни
Разработчик: используй Terra для code review с архитектурными диаграммами. Скриншот схемы плюс вопрос — получаешь разбор с комментариями. Быстрее Sol, вдвое дешевле. Хорошая точка по соотношению цены и скорости для ежедневного рабочего цикла.
Контент-мейкер: Terra читает кадры, помогает с описаниями, анализирует скриншоты конкурентных материалов. Задачи «что изображено», «напиши подпись», «опиши стиль» — быстро и без лишних затрат на токены. Удобно при работе с большим объёмом визуального контента.
Студент или фрилансер: нужно разобрать технический документ, схему, таблицу из PDF? Terra справляется с визуальным вводом и выдаёт понятный текст. Для самостоятельного обучения или работы с профессиональной документацией — практичный выбор без компромисса по качеству разбора.
Как применить сегодня
- Возьми задачу, которую сейчас решаешь через Sol, и прогони её через Terra — сравни качество и посчитай реальную экономию по цене $1/$5 за миллион токенов.
- Если строишь агентный пайплайн с computer use, поставь Terra на шаги с UI-взаимодействием, оставив старшую модель для планирования и принятия сложных решений.
- Передай модели скан технического документа, схемы или чертежа с вопросом «какие ключевые параметры, есть ли отклонения» — оцени уровень visual reasoning на реальных данных.
- Замерь скорость ответа Terra против Sol на идентичных промптах: по оценке Ted Sanders Terra работает заметно быстрее — это может быть решающим для UX в real-time продуктах.
- Просчитай юнит-экономику агентного сценария: умножь среднее число токенов на шаг на количество шагов — Terra vs Sol по цене даёт ощутимую разницу при масштабировании.