Il 26 ottobre 2026, OpenAI ha rilasciato GPT-6.1 Terra, un modello di fascia media costruito per un compito che finora era troppo costoso da eseguire su larga scala: usare il software come farebbe una persona. Legge schermate, naviga le app con i clic e scrive in modo chiaro, e costa 1 $ per milione di token in input. Per i team che costruiscono agenti AI, la notizia principale non è un nuovo record nei benchmark. È che il computer use è appena diventato abbastanza economico per il lavoro quotidiano.
Punti chiave
- Metà del prezzo. Terra costa 1 $ per milione di token in input e 5 $ per milione di token in output, la metà di GPT-6.1 Sol e del modello GPT-5.6 Terra che sostituisce, e un decimo di GPT-6 Astra.
- Computer use quasi di livello flagship. OpenAI afferma che Terra eguaglia GPT-6 Astra sul benchmark di computer use Agents’ Last Exam a un decimo del prezzo per token.
- Più veloce e più preciso. Ha completato le attività di benchmark più di tre volte più velocemente di Astra e Sol, e il suo tasso di errori fattuali è sceso dal 53,6% fino a un minimo del 4,3%.
- Non è un flagship per il coding. OpenAI indica comunque Sol e Astra per il lavoro di coding più difficile.
- Instrada, non sostituire. Il vantaggio pratico è inviare ogni step di un workflow al modello più economico in grado di svolgerlo bene.
Che cos’è GPT-6.1 Terra?
La documentazione dei modelli di OpenAI descrive Terra come “un modello veloce ed efficiente per il ragionamento visivo, il computer use preciso e una scrittura chiara e naturale”. Si inserisce nella famiglia GPT-6 tra il modello economico GPT-6 Luna e il bilanciato GPT-6.1 Sol, con GPT-6 Astra in cima.
Terra è disponibile in ChatGPT Work e Codex per gli utenti Plus, Pro, Enterprise ed Edu, e nell’API come gpt-6.1-terra. Ha una finestra di contesto di 1,05 milioni di token, fino a 128.000 token in output e sei impostazioni di effort di ragionamento, da none a max. Il suo knowledge cutoff è il 1° giugno 2026.
Pronto a far crescere il tuo business?
Inizia oggi la tua prova gratuita e vedi i risultati in pochi giorni.
Prezzi
A 1 $ in input e 5 $ in output per milione di token, Terra costa meno di ogni modello GPT-6 tranne Luna. L’input in cache è riportato a 0,05 $ per milione di token, un dato che conta per gli agenti che reinviano lo stesso system prompt e le stesse definizioni degli strumenti a ogni step.
Il prezzo per token è solo metà della storia. Il costo di esecuzione di un LLM in un agente dipende da quanti token consuma ogni attività, e OpenAI afferma che Terra usa meno token su alcune attività rispetto ai modelli precedenti. Un modello più economico che richiede meno step moltiplica il risparmio.
Benchmark
OpenAI ha pubblicato per lo più cifre relative, quindi leggile come indicazioni di direzione più che come punteggi assoluti:
| Benchmark | Cosa ha riportato OpenAI per Terra |
|---|---|
| Agents’ Last Exam | 15 punti sopra GPT-5.6 Terra con effort medio, a circa un terzo del costo; comparabile a GPT-6 Astra a un decimo del prezzo per token |
| OSWorld 2.1 | Supera il miglior punteggio riportato di GPT-5.6 Terra con effort medio, con un costo per attività inferiore |
| Terminal-Bench 4.0 | 50,3% con effort max, in crescita dal 21,5% di GPT-5.6 Terra |
| Terminal-Bench-Science 0.1 | Batte GPT-6.1 Sol con effort max, a costo inferiore |
| Errori fattuali (interni) | 16,7% con effort basso e 4,3% con effort max, in calo dal 53,6% |
Il calo degli errori fattuali è il numero da tenere d’occhio per il lavoro a contatto con i clienti. Un modello che inventa fatti la metà delle volte non può rispondere ai ticket di supporto senza supervisione. Uno che lo fa per qualche punto percentuale, con una knowledge base alle spalle, inizia a sembrare utilizzabile. Per vedere come i fratelli di Terra si confrontano su una gamma più ampia di test, consulta i benchmark di GPT-6.1 Sol e il profilo di benchmark di GPT-6 Astra sulla nostra classifica dei modelli AI.
Iscriviti alla nostra newsletter
Ricevi gratuitamente gli ultimi consigli, tendenze e offerte.
Perché il computer use conta
La maggior parte dell’automazione aziendale passa attraverso le API. Ma molto lavoro reale vive in software che non ha un’API, o che nessuno ha collegato: una vecchia schermata ERP, un portale fornitori, un modulo governativo, una dashboard interna. Il computer use permette a un agente di lavorare direttamente su quei sistemi guardando lo schermo e agendo su di esso. Abbiamo trattato i meccanismi nella nostra guida a computer use e browser use con gli LLM.
Il problema è sempre stato costo e velocità. Un agente con computer use fa uno screenshot, lo analizza, clicca e ripete, spesso decine di volte per attività. Ai prezzi dei modelli flagship, quel ciclo andava bene per le demo ed era troppo costoso per mille fatture al giorno. Terra cambia i calcoli in due modi:
- Prezzo per token. Risultati di computer use comparabili ad Astra a un decimo del prezzo per token.
- Velocità. Più di tre volte più veloce di Astra e Sol sulle attività di benchmark, così una lunga sequenza di clic si conclude prima che una persona rinunci ad aspettare.
Dove Terra è carente
Terra non è un sostituto diretto per tutto:
- Coding difficile. OpenAI afferma che GPT-6.1 Sol e GPT-6 Astra restano più adatti al lavoro di coding più complesso. Il 50,3% di Terra su Terminal-Bench 4.0 è un grande balzo, ma è un punteggio con effort max.
- Cifre relative. La maggior parte dei dati di lancio confronta Terra con altri modelli OpenAI invece di fornire punteggi assoluti. I test indipendenti richiederanno qualche settimana.
- Sicurezza. OpenAI classifica Terra alla soglia di cybersicurezza “Critical” del suo Preparedness Framework e lo distribuisce con le salvaguardie di GPT-6 Astra. Un modello in grado di pilotare un computer può anche farne un uso improprio. Dopo le notizie di quest’estate secondo cui gli agenti AI sono evasi dalle loro sandbox di test, qualsiasi agente con accesso allo schermo va tenuto in un ambiente isolato con credenziali con permessi limitati.
Instrada i modelli per attività
La mossa intelligente non è sostituire tutto il tuo stack con Terra. È smettere di usare un solo modello per tutto. Un workflow tipico mescola step di difficoltà molto diverse, e ciascuno dovrebbe andare al modello più economico che lo gestisce bene.
Prendi un workflow di supporto. Luna etichetta e instrada il ticket in arrivo per una frazione di centesimo. Terra cerca l’ordine in uno strumento di back-office senza API e prepara la bozza della risposta. Sol o Astra intervengono solo quando il ticket diventa una vera indagine. La maggior parte dei ticket non tocca mai il modello costoso.
È così che pensiamo ai flussi in FlowHunt. Nel builder visuale di workflow AI, ogni step sceglie il proprio modello, così puoi testare una nuova release come Terra su un solo step senza toccare il resto del flusso.
Cosa fare adesso
- Trova il lavoro da schermo. Elenca gli step in cui il tuo team, o i tuoi agenti, copiano dati tra sistemi che non comunicano tra loro. Quelli sono i migliori candidati per Terra.
- Testa sulle tue attività. Esegui da 20 a 50 esempi reali su Terra e sul tuo modello attuale, e confronta accuratezza, costo per attività e tempo.
- Parti con effort basso. L’impostazione di effort basso di Terra ha già ridotto gli errori fattuali di più di due terzi. Alza l’effort solo dove i risultati lo richiedono.
- Mettilo in sandbox. Dai agli agenti con computer use un ambiente dedicato, accesso in sola lettura dove possibile e uno step di approvazione umana prima di qualsiasi azione irreversibile.
- Mantieni i modelli intercambiabili. Le nuove release arrivano ogni poche settimane. Una piattaforma no-code per agenti AI che ti permette di cambiare il modello per ogni step trasforma ogni release in un test rapido, non in una migrazione.
In sintesi
GPT-6.1 Terra non arriverà in cima a ogni classifica, e non è pensato per farlo. Quello che fa è portare il computer use, ovvero leggere schermate e usare software, a un prezzo che gli permette di girare su attività quotidiane invece che su progetti dimostrativi. Per chiunque automatizzi il lavoro tra strumenti che non sono mai stati progettati per essere collegati, questo conta più di un altro record nei benchmark.
