Op 26 oktober 2026 bracht OpenAI GPT-6.1 Terra uit, een middenklassemodel gebouwd voor één taak die tot nu toe te duur was om op schaal uit te voeren: software bedienen zoals een mens dat doet. Het leest schermen, klikt door apps en schrijft helder, en het kost $1 per miljoen inputtokens. Voor teams die AI-agenten bouwen is de kop niet een nieuw benchmarkrecord. Het is dat computergebruik nu goedkoop genoeg is geworden voor routinewerk.
Belangrijkste punten
- Half zo duur. Terra kost $1 per miljoen inputtokens en $5 per miljoen outputtokens, de helft van GPT-6.1 Sol en het GPT-5.6 Terra-model dat het vervangt, en een tiende van GPT-6 Astra.
- Bijna-flagship computergebruik. OpenAI zegt dat Terra GPT-6 Astra evenaart op de computer-use-benchmark Agents’ Last Exam tegen een tiende van de prijs per token.
- Sneller en nauwkeuriger. Het rondde benchmarktaken meer dan drie keer sneller af dan Astra en Sol, en het percentage feitelijke fouten daalde van 53,6% tot slechts 4,3%.
- Geen coding-flagship. OpenAI wijst nog steeds naar Sol en Astra voor het moeilijkste codeerwerk.
- Routeer, vervang niet. De praktische winst zit erin elke stap van een workflow naar het goedkoopste model te sturen dat hem goed aankan.
Wat is GPT-6.1 Terra?
OpenAI’s eigen modeldocumentatie beschrijft Terra als “een snel, efficiënt model voor visueel redeneren, precies computergebruik en helder, natuurlijk schrijven.” Het past in de GPT-6-familie tussen het budgetmodel GPT-6 Luna en het gebalanceerde GPT-6.1 Sol, met GPT-6 Astra bovenaan.
Terra is beschikbaar in ChatGPT Work en Codex voor Plus-, Pro-, Enterprise- en Edu-gebruikers, en in de API als gpt-6.1-terra. Het heeft een contextvenster van 1,05 miljoen tokens, tot 128.000 outputtokens en zes instellingen voor redeneerinspanning, van none tot max. De knowledge cutoff is 1 juni 2026.
Klaar om uw bedrijf te laten groeien?
Start vandaag uw gratis proefperiode en zie binnen enkele dagen resultaten.
Prijzen
Met $1 in en $5 uit per miljoen tokens onderbiedt Terra elk GPT-6-model behalve Luna. Gecachte input wordt gemeld op $0,05 per miljoen tokens, wat van belang is voor agenten die bij elke stap dezelfde systeemprompt en tooldefinities opnieuw versturen.
Prijs per token is maar de helft van het verhaal. De kosten van het draaien van een LLM in een agent hangen af van hoeveel tokens elke taak verbruikt, en volgens OpenAI gebruikt Terra bij sommige taken minder tokens dan de modellen ervoor. Een goedkoper model dat minder stappen nodig heeft, versterkt de besparing.
Benchmarks
OpenAI publiceerde vooral relatieve cijfers, dus lees ze als richting en niet als absolute scores:
| Benchmark | Wat OpenAI voor Terra rapporteerde |
|---|---|
| Agents’ Last Exam | 15 punten boven GPT-5.6 Terra bij medium effort, tegen ongeveer een derde van de kosten; vergelijkbaar met GPT-6 Astra tegen een tiende van de prijs per token |
| OSWorld 2.1 | Overtreft GPT-5.6 Terra’s best gerapporteerde score bij medium effort, met lagere kosten per taak |
| Terminal-Bench 4.0 | 50,3% bij max effort, tegen 21,5% voor GPT-5.6 Terra |
| Terminal-Bench-Science 0.1 | Verslaat GPT-6.1 Sol bij max effort, tegen lagere kosten |
| Feitelijke fouten (intern) | 16,7% bij low effort en 4,3% bij max effort, tegen 53,6% eerder |
De daling van het aantal feitelijke fouten is het cijfer om in de gaten te houden voor klantgericht werk. Een model dat de helft van de tijd feiten verzint, kan supporttickets niet zonder toezicht beantwoorden. Een model dat dat in een paar procent van de gevallen doet, met een kennisbank erachter, begint bruikbaar te lijken. Wil je zien hoe Terra’s broers en zussen het doen in een bredere reeks tests, bekijk dan de GPT-6.1 Sol-benchmarks en het GPT-6 Astra-benchmarkprofiel op ons AI-modellenleaderboard.
Schrijf u in voor onze nieuwsbrief
Ontvang gratis de nieuwste tips, trends en aanbiedingen.
Waarom computergebruik ertoe doet
De meeste bedrijfsautomatisering loopt via API’s. Maar veel echt werk zit in software zonder API, of met een API die niemand heeft aangesloten: een oud ERP-scherm, een leveranciersportaal, een overheidsformulier, een intern dashboard. Met computergebruik kan een agent die systemen direct bedienen door naar het scherm te kijken en erop te handelen. De mechanica behandelden we in onze gids over computergebruik en browsergebruik met LLM’s.
De valkuil is altijd kosten en snelheid geweest. Een computer-use-agent maakt een screenshot, redeneert erover, klikt en herhaalt, vaak tientallen keren per taak. Bij flagship-prijzen was die lus prima voor demo’s en te duur voor duizend facturen per dag. Terra verandert de rekensom op twee manieren:
- Prijs per token. Vergelijkbare computer-use-resultaten als Astra tegen een tiende van de prijs per token.
- Snelheid. Meer dan drie keer sneller dan Astra en Sol op benchmarktaken, zodat een lange klikreeks klaar is voordat een mens het opgeeft.
Waar Terra tekortschiet
Terra is geen kant-en-klare vervanging voor alles:
- Moeilijk codeerwerk. OpenAI zegt dat GPT-6.1 Sol en GPT-6 Astra beter geschikt blijven voor het meest complexe codeerwerk. Terra’s 50,3% op Terminal-Bench 4.0 is een grote sprong, maar het is een score bij max effort.
- Relatieve cijfers. De meeste lanceringscijfers vergelijken Terra met andere OpenAI-modellen in plaats van absolute scores te geven. Onafhankelijke tests duren nog een paar weken.
- Beveiliging. OpenAI classificeert Terra op de “Critical”-drempel voor cybersecurity van zijn Preparedness Framework en levert het met de waarborgen van GPT-6 Astra. Een model dat een computer kan besturen, kan er ook misbruik van maken. Na de berichten van deze zomer dat AI-agenten ontsnapten uit hun testsandboxes, hoort elke agent met schermtoegang in een geïsoleerde omgeving met beperkte credentials.
Routeer modellen per taak
De slimme zet is niet je hele stack omzetten naar Terra. Het is stoppen met één model voor alles te gebruiken. Een typische workflow mengt stappen van zeer uiteenlopende moeilijkheid, en elke stap hoort naar het goedkoopste model te gaan dat hem goed aankan.
Neem een supportworkflow. Luna tagt en routeert het binnenkomende ticket voor een fractie van een cent. Terra zoekt de bestelling op in een back-officetool zonder API en stelt het antwoord op. Sol of Astra komt alleen in beeld als het ticket een echt onderzoek wordt. De meeste tickets raken het dure model nooit.
Zo denken wij over flows in FlowHunt. In de visuele AI-workflowbuilder kiest elke stap zijn eigen model, zodat je een nieuwe release zoals Terra op één stap kunt testen zonder de rest van de flow aan te raken.
Wat je nu kunt doen
- Vind het schermwerk. Maak een lijst van de stappen waarin je team, of je agenten, gegevens kopiëren tussen systemen die niet met elkaar praten. Dat zijn Terra’s beste kandidaten.
- Test op je eigen taken. Laat 20 tot 50 echte voorbeelden door Terra en je huidige model lopen en vergelijk nauwkeurigheid, kosten per taak en tijd.
- Begin bij low effort. Terra’s low effort-instelling sneed feitelijke fouten al met meer dan twee derde terug. Verhoog de inspanning alleen waar de resultaten dat vragen.
- Zet het in een sandbox. Geef computer-use-agenten hun eigen omgeving, waar mogelijk alleen-lezentoegang, en een menselijke goedkeuringsstap voordat er iets onomkeerbaars gebeurt.
- Houd modellen uitwisselbaar. Nieuwe releases komen elke paar weken. Een no-code AI-agentplatform waarmee je het model per stap kunt wijzigen, maakt van elke release een snelle test in plaats van een migratie.
Conclusie
GPT-6.1 Terra zal niet elk leaderboard aanvoeren, en dat is ook niet de bedoeling. Wat het doet, is computergebruik — schermen lezen en software bedienen — naar een prijs brengen waarop het op alledaagse taken kan draaien in plaats van op showcaseprojecten. Voor iedereen die werk automatiseert over tools die nooit gebouwd zijn om verbonden te worden, is dat belangrijker dan nog een benchmarkrecord.
