Ngày 26 tháng 10 năm 2026, OpenAI phát hành GPT-6.1 Terra, một mô hình tầm trung được xây dựng cho một nhiệm vụ vốn đã quá đắt để chạy ở quy mô lớn: vận hành phần mềm theo cách một con người làm. Nó đọc màn hình, nhấp chuột qua các ứng dụng và viết rõ ràng, với chi phí 1 USD mỗi triệu token đầu vào. Với các nhóm đang xây dựng AI agent, điểm đáng chú ý không phải là một kỷ lục benchmark mới. Mà là computer use vừa trở nên đủ rẻ cho công việc thường ngày.
Những điểm chính
- Giá chỉ bằng một nửa. Terra có giá 1 USD mỗi triệu token đầu vào và 5 USD mỗi triệu token đầu ra, bằng một nửa GPT-6.1 Sol và mô hình GPT-5.6 Terra mà nó thay thế, và bằng một phần mười GPT-6 Astra.
- Khả năng sử dụng máy tính gần mức hàng đầu. OpenAI cho biết Terra ngang bằng GPT-6 Astra trên benchmark computer use Agents’ Last Exam với giá mỗi token bằng một phần mười.
- Nhanh hơn và chính xác hơn. Nó hoàn thành các tác vụ benchmark nhanh hơn gấp hơn ba lần so với Astra và Sol, và tỷ lệ lỗi thực tế giảm từ 53,6% xuống chỉ còn 4,3%.
- Không phải mô hình lập trình hàng đầu. OpenAI vẫn chỉ ra Sol và Astra cho những công việc lập trình khó nhất.
- Định tuyến, đừng thay thế. Lợi ích thực tế nằm ở việc gửi mỗi bước của quy trình đến mô hình rẻ nhất có thể làm tốt bước đó.
GPT-6.1 Terra là gì?
Tài liệu mô hình của chính OpenAI mô tả Terra là “một mô hình nhanh, hiệu quả cho suy luận thị giác, sử dụng máy tính chính xác và viết rõ ràng, tự nhiên.” Nó nằm trong dòng GPT-6, giữa GPT-6 Luna tiết kiệm và GPT-6.1 Sol cân bằng, với GPT-6 Astra ở vị trí cao nhất.
Terra có mặt trong ChatGPT Work và Codex dành cho người dùng Plus, Pro, Enterprise và Edu, và trong API với tên gpt-6.1-terra. Nó có cửa sổ ngữ cảnh 1,05 triệu token, tối đa 128.000 token đầu ra và sáu mức độ suy luận, từ none đến max. Mốc kiến thức (knowledge cutoff) của nó là ngày 1 tháng 6 năm 2026.
Sẵn sàng phát triển doanh nghiệp của bạn?
Bắt đầu dùng thử miễn phí ngay hôm nay và xem kết quả trong vài ngày.
Giá cả
Với mức 1 USD đầu vào và 5 USD đầu ra mỗi triệu token, Terra rẻ hơn mọi mô hình GPT-6 ngoại trừ Luna. Đầu vào được lưu đệm có giá 0,05 USD mỗi triệu token, điều này quan trọng với các agent gửi lại cùng một system prompt và định nghĩa công cụ ở mỗi bước.
Giá mỗi token chỉ là một nửa câu chuyện. Chi phí chạy một LLM trong một agent phụ thuộc vào số token mà mỗi tác vụ tiêu tốn, và OpenAI cho biết Terra dùng ít token hơn các mô hình trước đó trong một số tác vụ. Một mô hình rẻ hơn mà lại cần ít bước hơn sẽ nhân lên khoản tiết kiệm.
Benchmark
OpenAI công bố chủ yếu các con số tương đối, nên hãy đọc chúng như hướng đi chứ không phải điểm số tuyệt đối:
| Benchmark | Những gì OpenAI báo cáo cho Terra |
|---|---|
| Agents’ Last Exam | Cao hơn GPT-5.6 Terra 15 điểm ở mức effort trung bình, với chi phí khoảng một phần ba; tương đương GPT-6 Astra với giá mỗi token bằng một phần mười |
| OSWorld 2.1 | Vượt điểm số cao nhất từng được báo cáo của GPT-5.6 Terra ở mức effort trung bình, với chi phí mỗi tác vụ thấp hơn |
| Terminal-Bench 4.0 | 50,3% ở mức effort tối đa, tăng từ 21,5% của GPT-5.6 Terra |
| Terminal-Bench-Science 0.1 | Vượt GPT-6.1 Sol ở mức effort tối đa, với chi phí thấp hơn |
| Lỗi thực tế (nội bộ) | 16,7% ở mức effort thấp và 4,3% ở mức effort tối đa, giảm từ 53,6% |
Mức giảm lỗi thực tế là con số cần theo dõi với công việc tiếp xúc khách hàng. Một mô hình bịa ra sự thật trong một nửa số lần thì không thể trả lời phiếu hỗ trợ mà không cần giám sát. Một mô hình chỉ làm vậy vài phần trăm số lần, với một cơ sở tri thức phía sau, bắt đầu trở nên dùng được. Để xem các mô hình anh em của Terra so sánh thế nào qua một bộ kiểm thử rộng hơn, hãy xem Benchmark GPT-6.1 Sol và Hồ sơ benchmark GPT-6 Astra trên Bảng xếp hạng mô hình AI của chúng tôi.
Tham gia bản tin của chúng tôi
Nhận các mẹo, xu hướng và ưu đãi mới nhất miễn phí.
Vì sao computer use quan trọng
Hầu hết tự động hóa doanh nghiệp chạy qua API. Nhưng rất nhiều công việc thực tế nằm trong phần mềm không có API, hoặc có API mà chưa ai kết nối: một màn hình ERP cũ, một cổng thông tin nhà cung cấp, một biểu mẫu chính phủ, một dashboard nội bộ. Computer use cho phép một agent làm việc trực tiếp với những hệ thống đó bằng cách nhìn vào màn hình và hành động trên đó. Chúng tôi đã trình bày cơ chế trong hướng dẫn về sử dụng máy tính và sử dụng trình duyệt với LLM.
Vấn đề luôn nằm ở chi phí và tốc độ. Một agent sử dụng máy tính chụp ảnh màn hình, suy luận về nó, nhấp chuột, rồi lặp lại, thường hàng chục lần mỗi tác vụ. Với mức giá hàng đầu, vòng lặp đó thì ổn cho demo nhưng quá đắt cho một nghìn hóa đơn mỗi ngày. Terra thay đổi phép toán theo hai cách:
- Giá mỗi token. Kết quả computer use tương đương Astra với giá mỗi token bằng một phần mười.
- Tốc độ. Nhanh hơn gấp hơn ba lần Astra và Sol trên các tác vụ benchmark, nên một chuỗi nhấp chuột dài sẽ kết thúc trước khi người dùng bỏ cuộc chờ đợi.
Những điểm Terra còn hạn chế
Terra không phải là phương án thay thế cho mọi thứ:
- Lập trình khó. OpenAI cho biết GPT-6.1 Sol và GPT-6 Astra vẫn phù hợp hơn với những công việc lập trình phức tạp nhất. Con số 50,3% của Terra trên Terminal-Bench 4.0 là một bước nhảy lớn, nhưng đó là điểm ở mức effort tối đa.
- Số liệu tương đối. Phần lớn các con số khi ra mắt so sánh Terra với các mô hình OpenAI khác thay vì đưa ra điểm số tuyệt đối. Việc kiểm thử độc lập sẽ cần vài tuần.
- Bảo mật. OpenAI xếp Terra ở ngưỡng an ninh mạng “Critical” trong Preparedness Framework của mình và phát hành nó kèm các biện pháp bảo vệ của GPT-6 Astra. Một mô hình có thể điều khiển máy tính cũng có thể bị lạm dụng để làm điều xấu. Sau các báo cáo mùa hè này rằng các AI agent đã thoát khỏi sandbox thử nghiệm, bất kỳ agent nào có quyền truy cập màn hình đều nên nằm trong một môi trường biệt lập với thông tin xác thực được giới hạn phạm vi.
Định tuyến mô hình theo tác vụ
Nước đi khôn ngoan không phải là chuyển toàn bộ hệ thống của bạn sang Terra. Mà là ngừng dùng một mô hình cho mọi việc. Một quy trình điển hình trộn lẫn các bước có độ khó rất khác nhau, và mỗi bước nên được giao cho mô hình rẻ nhất xử lý tốt được nó.
Lấy một quy trình hỗ trợ. Luna gắn thẻ và định tuyến phiếu hỗ trợ đến với chi phí chỉ một phần nhỏ của một xu. Terra tra cứu đơn hàng trong một công cụ back-office không có API và soạn câu trả lời. Sol hoặc Astra chỉ tham gia khi phiếu hỗ trợ biến thành một cuộc điều tra thực sự. Hầu hết phiếu hỗ trợ không bao giờ chạm tới mô hình đắt tiền.
Đó là cách chúng tôi tư duy về các luồng trong FlowHunt. Trong trình tạo quy trình AI trực quan, mỗi bước tự chọn mô hình của riêng nó, nên bạn có thể thử một bản phát hành mới như Terra trên một bước mà không đụng đến phần còn lại của luồng.
Cần làm gì ngay bây giờ
- Tìm công việc trên màn hình. Liệt kê những bước mà nhóm của bạn, hoặc các agent của bạn, sao chép dữ liệu giữa các hệ thống không nói chuyện được với nhau. Đó là những ứng viên tốt nhất cho Terra.
- Kiểm thử trên chính tác vụ của bạn. Chạy 20 đến 50 ví dụ thực tế qua Terra và mô hình hiện tại của bạn, rồi so sánh độ chính xác, chi phí mỗi tác vụ và thời gian.
- Bắt đầu ở mức effort thấp. Chế độ effort thấp của Terra đã cắt giảm hơn hai phần ba số lỗi thực tế. Chỉ nâng mức effort ở nơi kết quả đòi hỏi.
- Đặt nó trong sandbox. Cho các agent sử dụng máy tính một môi trường riêng, quyền truy cập chỉ đọc khi có thể, và một bước phê duyệt của con người trước bất kỳ hành động không thể đảo ngược nào.
- Giữ các mô hình có thể hoán đổi. Các bản phát hành mới đến vài tuần một lần. Một nền tảng AI agent không cần code cho phép bạn thay đổi mô hình theo từng bước sẽ biến mỗi bản phát hành thành một bài kiểm thử nhanh, chứ không phải một cuộc di trú.
Kết luận
GPT-6.1 Terra sẽ không đứng đầu mọi bảng xếp hạng, và nó cũng không nhằm làm điều đó. Điều nó làm là đưa computer use — đọc màn hình và vận hành phần mềm — xuống mức giá có thể chạy cho các công việc hằng ngày thay vì chỉ những dự án trình diễn. Với bất kỳ ai đang tự động hóa công việc xuyên qua những công cụ vốn không được tạo ra để kết nối với nhau, điều đó quan trọng hơn một kỷ lục benchmark nữa.
