OpenAI は10月26日、画面を見てアプリを操作できる新しいモデル「GPT-6.1 Terra」を API で公開した。開発者向けの料金は入力100万トークンあたり1ドル、出力5ドルで、前の世代の GPT-5.6 Terra (入力2ドル・出力12ドル) の半分以下になった。
画面を読んでクリックや入力をこなす AI が、安く速く使えるようになる。第一報は「OpenAI、画面認識と自動操作が可能な「GPT-6.1 Terra」を発表」で伝えた。ここでは公開された仕様を確かめ、毎日の作業のどこまでを任せられるかを考える。
公開された仕様と料金
OpenAI の API の変更履歴によると、GPT-6.1 Terra は10月26日に公開された。モデルのページは、視覚的な推論、正確なコンピューター操作、自然で明快な文章作成に向いた、速く効率のよいモデルと説明している。用途の例には、商品写真とカタログの照合、技術図面の読み取り、アプリの画面の操作、文章の作成と推敲が挙がる。
| GPT-6.1 Terra | GPT-5.6 Terra | GPT-6.1 Sol | |
|---|---|---|---|
| 入力 (100万トークンあたり) | 1ドル | 2ドル | 2ドル |
| 出力 (100万トークンあたり) | 5ドル | 12ドル | 10ドル |
キャッシュした入力は100万トークンあたり0.05ドル。27万2000トークンを超える長い指示では、入力の料金が2倍、出力が1.5倍になる。一度に扱える量は105万トークン、出力は最大12万8000トークンで、知識は2026年6月1日までのものだ。画面を操るコンピューター操作 (computer use) は、Responses API のツールとして使える。
開発者向けの文書から確かめられるのは API での提供で、ChatGPT のどのプランでいつから使えるかは、この文書からは読み取れない。
安くなると、任せる作業が変わる
画面を操る AI は、これまで1回の作業にかかる費用が気になって、試しに使う段階にとどまりやすかった。画面を1枚ずつ読み、次の操作を決めるたびにトークンを使うからだ。料金が半分以下になれば、同じ予算で回せる作業の回数は倍以上になる。
たとえば、毎月届く請求書の PDF を開いて金額を表計算ソフトに写す、通販サイトの注文履歴から必要な行を拾う、といった画面をまたぐ繰り返しの作業だ。人が手でやれば10分かかることを、AI に頼んで結果だけ確かめる形にできる。
任せる前に決めておくこと
ただし、画面を操る AI は、ログインした状態の画面にも手が届く。メールや銀行のサイトが開いたままの端末で動かせば、意図しない操作の先にそうした画面がある。読み込んだウェブページや文書に紛れ込んだ指示に、AI が従ってしまう攻撃 (プロンプトインジェクション) もある。
任せるなら、間違えても元に戻せる作業から始めるのが手堅い。送信・購入・削除のように取り消せない操作の手前では、人が確認する手順を残す。専用のアカウントや作業用の環境を分けて、AI が触れる範囲を最初から狭めておく方法もある。いずれも手間が増えるので、作業そのものにかかる時間とのつり合いで決めることになる。
次に確かめるのは、OpenAI の API の変更履歴と ChatGPT のリリースノートだ。GPT-6.1 Terra が ChatGPT のどのプランに入るか、コンピューター操作がどこまで使えるかが、そこで示される。
ことば
- コンピューター操作 (computer use) — AI が画面の画像を読み取り、人と同じようにクリック・入力・画面の切り替えをする機能。今回のモデルは、この機能を安く速く使えることを前面に出している。
- トークン — AI が文章や画像を処理するときの単位。API の料金は、読み込ませた量 (入力) と書き出した量 (出力) のトークン数で決まり、画面を何枚も読む作業ほど多く使う。
- キャッシュ入力 — 同じ指示や資料を繰り返し読ませるとき、前回の処理を使い回して安くする仕組み。今回は入力の20分の1の料金に設定されている。
毎日の作業のうち、確認だけ自分でして残りを AI に渡せるものを、あなたはいくつ挙げられるだろうか？
