Em 26 de outubro de 2026, a OpenAI lançou o GPT-6.1 Terra, um modelo de faixa intermediária criado para uma tarefa que vinha sendo cara demais para rodar em escala: operar software como uma pessoa faz. Ele lê telas, clica por aplicativos e escreve com clareza, e custa US$ 1 por milhão de tokens de entrada. Para equipes que constroem agentes de IA, a manchete não é um novo recorde de benchmark. É que o uso de computador acabou de ficar barato o suficiente para o trabalho rotineiro.
Principais conclusões
- Metade do preço. O Terra custa US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída, metade do GPT-6.1 Sol e do modelo GPT-5.6 Terra que ele substitui, e um décimo do GPT-6 Astra.
- Uso de computador quase de ponta. A OpenAI afirma que o Terra iguala o GPT-6 Astra no benchmark de uso de computador Agents’ Last Exam a um décimo do preço por token.
- Mais rápido e mais preciso. Ele concluiu tarefas de benchmark mais de três vezes mais rápido que o Astra e o Sol, e sua taxa de erros factuais caiu de 53,6% para até 4,3%.
- Não é um carro-chefe de programação. A OpenAI ainda aponta o Sol e o Astra para o trabalho de programação mais difícil.
- Roteie, não substitua. O ganho prático é enviar cada etapa de um fluxo para o modelo mais barato que consiga executá-la bem.
O que é o GPT-6.1 Terra?
A própria documentação de modelos da OpenAI descreve o Terra como “um modelo rápido e eficiente para raciocínio visual, uso preciso de computador e escrita clara e natural”. Ele se encaixa na família GPT-6 entre o econômico GPT-6 Luna e o equilibrado GPT-6.1 Sol, com o GPT-6 Astra no topo.
O Terra está disponível no ChatGPT Work e no Codex para usuários Plus, Pro, Enterprise e Edu, e na API como gpt-6.1-terra. Ele tem uma janela de contexto de 1,05 milhão de tokens, até 128.000 tokens de saída e seis configurações de esforço de raciocínio, de none a max. Seu corte de conhecimento é 1º de junho de 2026.
Pronto para expandir seu negócio?
Comece seu teste gratuito hoje e veja resultados em dias.
Preços
A US$ 1 de entrada e US$ 5 de saída por milhão de tokens, o Terra custa menos que todos os modelos GPT-6, exceto o Luna. A entrada em cache é reportada a US$ 0,05 por milhão de tokens, o que importa para agentes que reenviam o mesmo prompt de sistema e as mesmas definições de ferramentas a cada etapa.
O preço por token é apenas metade da história. O custo de rodar um LLM em um agente depende de quantos tokens cada tarefa consome, e a OpenAI afirma que o Terra usa menos tokens em algumas tarefas do que os modelos anteriores. Um modelo mais barato que precisa de menos etapas multiplica a economia.
Benchmarks
A OpenAI publicou majoritariamente números relativos, então leia-os como direção, não como pontuações absolutas:
| Benchmark | O que a OpenAI relatou para o Terra |
|---|---|
| Agents’ Last Exam | 15 pontos acima do GPT-5.6 Terra em esforço médio, com cerca de um terço do custo; comparável ao GPT-6 Astra a um décimo do preço por token |
| OSWorld 2.1 | Supera a melhor pontuação relatada do GPT-5.6 Terra em esforço médio, com menor custo por tarefa |
| Terminal-Bench 4.0 | 50,3% em esforço máximo, acima dos 21,5% do GPT-5.6 Terra |
| Terminal-Bench-Science 0.1 | Supera o GPT-6.1 Sol em esforço máximo, com custo menor |
| Erros factuais (internos) | 16,7% em esforço baixo e 4,3% em esforço máximo, abaixo dos 53,6% |
A queda dos erros factuais é o número a observar em trabalho voltado ao cliente. Um modelo que inventa fatos metade das vezes não consegue responder tickets de suporte sem supervisão. Um que o faz em alguns por cento das vezes, com uma base de conhecimento por trás, começa a parecer utilizável. Para ver como os irmãos do Terra se comparam em um conjunto mais amplo de testes, confira os benchmarks do GPT-6.1 Sol e o perfil de benchmark do GPT-6 Astra no nosso ranking de modelos de IA.
Junte-se à nossa newsletter
Receba gratuitamente as últimas dicas, tendências e ofertas.
Por que o uso de computador importa
A maior parte da automação empresarial passa por APIs. Mas muito trabalho real vive em softwares que não têm API, ou que ninguém conectou: uma tela antiga de ERP, um portal de fornecedores, um formulário governamental, um dashboard interno. O uso de computador permite que um agente trabalhe nesses sistemas diretamente, olhando para a tela e agindo sobre ela. Cobrimos os mecanismos no nosso guia sobre uso de computador e uso de navegador com LLMs.
O problema sempre foi custo e velocidade. Um agente de uso de computador tira uma captura de tela, raciocina sobre ela, clica e repete, muitas vezes dezenas de vezes por tarefa. A preços de carro-chefe, esse loop era aceitável para demonstrações e caro demais para mil faturas por dia. O Terra muda a matemática de duas formas:
- Preço por token. Resultados de uso de computador comparáveis aos do Astra a um décimo do preço por token.
- Velocidade. Mais de três vezes mais rápido que o Astra e o Sol em tarefas de benchmark, então uma longa sequência de cliques termina antes que uma pessoa desista de esperar.
Onde o Terra fica aquém
O Terra não é um substituto direto para tudo:
- Programação difícil. A OpenAI afirma que o GPT-6.1 Sol e o GPT-6 Astra continuam mais adequados ao trabalho de programação mais complexo. Os 50,3% do Terra no Terminal-Bench 4.0 são um salto grande, mas é uma pontuação de esforço máximo.
- Números relativos. A maioria dos números de lançamento compara o Terra com outros modelos da OpenAI, em vez de apresentar pontuações absolutas. Testes independentes levarão algumas semanas.
- Segurança. A OpenAI classifica o Terra no limiar de cibersegurança “Critical” do seu Preparedness Framework e o entrega com as salvaguardas do GPT-6 Astra. Um modelo capaz de operar um computador também pode usá-lo de forma indevida. Depois dos relatos deste verão de que agentes de IA escaparam de suas sandboxes de teste, qualquer agente com acesso à tela pertence a um ambiente isolado, com credenciais de escopo restrito.
Roteie modelos por tarefa
A jogada inteligente não é trocar toda a sua stack pelo Terra. É parar de usar um único modelo para tudo. Um fluxo típico mistura etapas de dificuldade muito diferente, e cada uma deve ir para o modelo mais barato que a execute bem.
Pegue um fluxo de suporte. O Luna marca e encaminha o ticket recebido por uma fração de centavo. O Terra consulta o pedido em uma ferramenta de back-office sem API e redige a resposta. O Sol ou o Astra só entram em cena quando o ticket se transforma em uma investigação de verdade. A maioria dos tickets nunca chega ao modelo caro.
É assim que pensamos os fluxos no FlowHunt. No construtor visual de fluxos de IA, cada etapa escolhe seu próprio modelo, então você pode testar um lançamento novo como o Terra em uma etapa sem tocar no resto do fluxo.
O que fazer agora
- Encontre o trabalho de tela. Liste as etapas em que sua equipe, ou seus agentes, copiam dados entre sistemas que não conversam entre si. Esses são os melhores candidatos para o Terra.
- Teste com suas próprias tarefas. Rode de 20 a 50 exemplos reais no Terra e no seu modelo atual, e compare precisão, custo por tarefa e tempo.
- Comece com esforço baixo. A configuração de esforço baixo do Terra já reduziu os erros factuais em mais de dois terços. Aumente o esforço só onde os resultados exigirem.
- Isole em sandbox. Dê aos agentes de uso de computador seu próprio ambiente, acesso somente leitura quando possível, e uma etapa de aprovação humana antes de qualquer ação irreversível.
- Mantenha os modelos intercambiáveis. Novos lançamentos chegam a cada poucas semanas. Uma plataforma no-code de agentes de IA que permite trocar o modelo por etapa transforma cada lançamento em um teste rápido, não em uma migração.
Conclusão
O GPT-6.1 Terra não vai liderar todos os rankings, e não é essa a sua proposta. O que ele faz é trazer o uso de computador — ler telas e operar software — para um preço em que ele pode rodar em tarefas do dia a dia, em vez de projetos de vitrine. Para quem automatiza trabalho em ferramentas que nunca foram feitas para se conectar, isso importa mais do que outro recorde de benchmark.
