OpenAIは2026年10月26日、AnthropicがClaude Sonnet 5.5をリリースしてから4週間後に、GPT-6.1 Terraをリリースしました。OpenAIの発表記事ではTerraをClaude Opus 5.5と比較していましたが、報道では別の構図が描かれました。The DecoderはTerraを「AnthropicのミッドティアSonnetシリーズに最も近い競合モデル。価格は半分」と評し、AlphaCorpはTerraとSonnetの対決を「ミッドティアをめぐる本当の戦い」と呼びました。GPT-6.1 SolとSonnet 5.5の価格はどちらも$2 / $10です。そのため、今月ミッドティアモデルを選ぶチームにとって、実際の選択肢は$1 / $5のTerraか、$2 / $10のSonnetです。
この記事では、ある種類の業務、つまり画面・ドキュメントエージェントに絞って、どちらを選ぶべきかを検討します。エージェントは請求書、フォーム、スクリーンショットを読み取り、必要な項目を抽出して別のアプリに入力します。各ステップは短く、検証可能で、1日に何千回も実行されます。このタスクでは、両モデルの得意分野が異なります。Sonnet 5.5は、OpenAI自身の発表に掲載されたコンピュータ操作のベンチマークを含め、難度の高いエージェント系ベンチマークでより多くのタスクを完了します。Terraはトークンあたりの価格が半分で、独立テストではタスクごとのトークン使用量がはるかに少なく、小規模なパイロットでは厳密な出力形式にもより確実に従いました。
要点を先に述べると、出力を検証できる大量処理のステップでは、まずTerraを試すのがおすすめです。実行中に人が監視しない長時間のデスクトップ操作では、失敗時のコストがトークン料金を上回るため、Sonnet 5.5の価格にも価値があります。どちらもAIHubMixなら1つのキーで利用でき、料金は各社の公式APIと同額です。詳細はGPT-6.1 Terraのモデルページをご覧ください。
この比較で取り上げるタスク
画面・ドキュメントエージェントのステップは、通常次のようなものです。
- 入力：毎回の呼び出しで繰り返される固定のプレフィックス（システムプロンプト、出力スキーマ、ツール定義）と、新しいコンテンツ（ページ画像、スクリーンショット、抽出したテキスト）。
- 出力：JSONフィールドや次のUI操作など、短く構造化された回答。
- 処理量：数千から数十万件のステップ。それぞれ、後続の処理に書き込む前にコードで検証されます。
ここでモデルを選ぶ決め手は4つです。必要な項目を正しく抽出できるか、後処理なしで解析できる出力か、1,000ステップあたりのコスト、そして1ステップあたりの所要時間です。各ステップが短く検証される場合、長いタスクを最後まで完遂できるかはそれほど重要ではありません。一方、誰も監視せずにエージェントが数十もの操作を行う場合は、大きな判断材料になります。
どちらのモデルもテキストと画像を入力でき、この用途に適しています。ここで重要な仕様は次のとおりです。
| GPT-6.1 Terra | Claude Sonnet 5.5 | |
|---|---|---|
| リリース日 | 2026年10月26日 | 2026年9月28日 |
| 入力／出力 | $1 / $5 | $2 / $10 |
| キャッシュ読み取り | $0.05 | $0.10 |
| キャッシュ書き込み | $1.25（30分）、$2.50（12時間） | $2.50（5分）、$4（1時間） |
| コンテキストウィンドウ | 1,050,000 | 1M |
| 最大出力 | 128K | 128K |
| デフォルトの推論レベル | medium | high |
価格は公式の100万トークンあたりの標準料金です。AIHubMixでは両モデルとも同額で利用できます。Sonnetのデフォルトの推論レベルはClaude Platformのデフォルト設定です。Terraは入力が272Kトークンを超えると、リクエスト全体に対して入力料金が2倍、出力料金が1.5倍になります。1ページのドキュメントを扱うステップで、この上限に達することはありません。
画面エージェントに関する実用上のポイントを1つ。OpenAIは、組み込みのコンピュータ操作ツールを含むTerraのツール呼び出しを、Responses APIの機能として説明しています。10月27日にAIHubMixで確認したところ、Responsesエンドポイント上のTerraにコンピュータ操作ツールとスクリーンショットを渡すと、computer_callアクションが返されました。この経路はAIHubMix経由で利用できます。
Sonnet 5.5が優れている点：難度の高いエージェント実行の完遂
以下のベンチマーク数値は、意図的に3つの情報源に分けて示します。OpenAIの発表グラフはKingyが書き起こしたもので、自己申告の数値であり、独立した再現テストは行われていません。Sonnet 5.5の発表時の数値もAnthropicによる自己申告です。Artificial Analysis（AA）は独立系のテスターです。元の情報源に推論レベルの記載がある場合は、それも併記しています。
まず、Sonnet 5.5を比較対象として掲載しているOpenAI自身のグラフを見てみましょう。
| OpenAIのグラフ | Terra medium | Terra max | Sonnet 5.5 |
|---|---|---|---|
| OSWorld 2.1 offline | 66.7% | 74.2% | 83.9% |
| Terminal-Bench 4.0 | 35.8% | 50.3% | 70.6% |
| Terminal-Benchのタスクあたりコスト | – | $1.84 | $10.44 |
Sonnet 5.5の数値は、OpenAIのグラフに示されたmax推論レベルでの結果です。タスクあたりのコストはOpenAIの推定値です。
OSWorld 2.1は、画面エージェントに最も近い公開ベンチマークであるコンピュータ操作の評価です。OpenAIのオフラインセットでは、Sonnet 5.5はmax推論レベルのTerraを9.7ポイント上回っています。デフォルトのmedium推論レベルのTerraは17.2ポイント下回ります。
AnthropicのSonnet 5.5の発表ページでは、同社独自のOSWorld 2.1テストの結果が80.1%（「partial」と注記）、Terminal-Bench 4.0の結果が70.6%と報告されています。このOSWorldテストはOpenAIのオフラインセットとは条件が異なるため、80.1%と83.9%を相互に比較することはできません。また、どちらの数値も別の事業者によるテストでのTerraのスコアと比較すべきではありません。両社の資料が示す方向性は同じです。Sonnet 5.5はデスクトップ操作やターミナル操作のエージェントタスクに強いモデルです。
Artificial Analysisは、独自のテスト環境で両モデルを評価しました。
| Artificial Analysis | Terra max | Sonnet 5.5 max |
|---|---|---|
| Intelligence Index | 48 | 56 |
| AutomationBench-AA | 60% | 72% |
| Terminal-Bench 4.0 | 56% | 64% |
| AA-LCR（長文コンテキスト） | 83% | 83% |
| GDP.pdf | 29% | 26% |
AAのSonnet 5.5の数値は、AAの表記によると、フォールバックありのmax推論レベル設定での結果です。
独立テストでも、エージェント関連のタスクではSonnetが優位を保っており、AutomationBench-AAで12ポイント、AAのTerminal-Benchテストで8ポイント上回っています。ただし、傾向に当てはまらない結果が2つあります。長文コンテキスト推論テストのAA-LCRでは、両モデルとも83%で並びました。GDP.pdfではTerraが29%対26%でわずかに上回っています。いずれの結果もTerraのほうが優れたモデルだと示すものではありませんが、エージェント実行のようにSonnetが大きく引き離しているわけでもありません。
ここに挙げた結果を、コンピュータ操作でTerraがSonnetに勝っていると解釈しないでください。この記事で取り上げたコンピュータ操作およびエージェント系のすべてのベンチマークで、Sonnet 5.5のスコアが上回っています。
Terraが優れている点：タスクあたりのコスト、速度、出力の規律
同じAAテストでは、各モデルがスコアを得るために費やしたコストも測定されています。
| AA、max推論レベル | Terra | Sonnet 5.5 |
|---|---|---|
| インデックス対象タスクあたりのコスト | $0.40 | $5.46 |
| タスクあたりの出力トークン数 | 35k | 197k |
| うち推論トークン数 | 25k | 147k |
| タスクあたりの所要時間 | 384s | 901s |
Sonnet 5.5はタスクあたり、Terraの5倍を超える出力トークンを使用し、そのトークン1つあたりの料金も2倍です。その結果、タスクあたりのコストはSonnetの10分の1未満（$0.40対$5.46）で、AAが測定したタスクあたりの所要時間も約43%です（384秒対901秒。AAが計測しているのは生成時間で、最初のトークンが出るまでの待ち時間ではありません）。同じテストでは、Sonnetの出力速度自体はTerraの毎秒91トークンに対して141トークンと速いため、Terraが時間で優位なのはモデルの応答が速いからではなく、出力するトークン数が少ないからです。Sonnetはこのコストをかけてインデックスで8ポイント多く獲得しました。その8ポイントに約14倍のコストをかける価値があるかどうかは、ステップの失敗にどれだけのコストが伴うかによります。
OpenAIのTerminal-Benchのグラフも、別の角度から同じトレードオフを示しています。Sonnetはタスクあたり$10.44で70.6%、Terraはmax推論レベルでタスクあたり$1.84で50.3%です。Kingyはビジネス上の問いを端的に示しました。再試行や人による確認まで考慮したとき、完了率の向上にどれだけの価値があるのか、という問いです。
画面・ドキュメント関連のタスクに最も関係する独立データは、10月26日に行われたKingyのパイロットテストです。規模は小さく、ツールを使わずmedium推論レベルで、短いタスクを6つ、それぞれ2回試しました。タスクの1つでは、合成画像の請求書から項目を抽出しました。それ以外は、JSON、Python、SQLを指定された厳密な形式で出力するよう求めました。
| Kingyのパイロットテスト、medium推論レベル | Terra | Sonnet 5.5 |
|---|---|---|
| 正解率（客観的に採点できる回答） | 10/10 | 10/10 |
| 正解かつ指定形式どおり | 10/10 | 4/10 |
| 採点対象の12回の呼び出しに対するクレジット消費量 | $0.0203 | $0.0499 |
| リクエスト時間の中央値 | 3.84s | 2.83s |
リクエスト時間には、ネットワークとプロバイダー側の遅延が含まれます。
両モデルとも、すべての問いに正解しました。違いは回答の出し方にありました。Sonnetは、あるタスクで2回ともJSONの前に計算過程を追加し、PythonとSQLの回答もプロンプトで禁止されていたMarkdownのコードフェンスで囲みました。Kingyは、本番用パーサーや構造化出力の強制によって、こうした囲みの一部には対処できると指摘していますが、その修正方法はテストしていません。ただし、すべてのステップをコードで解析するパイプラインでは、促さなくても余計なもののないJSONを返すモデルなら、再試行や後処理を省けます。Terraは10回の試行すべてでそれを実現し、クレジット消費量はSonnetの約41%でした。このパイロットでは、リクエストごとの応答はSonnetのほうが速くなりました。
もう1つ広く共有されているデータがありますが、あくまでも1つの事例として受け止めるべきです。atomic.chatは、8体のエージェントからなるチームに同じプロンプトを与え、小さなゲームを作らせました。Terraは6分、$1.06で完成させた一方、Sonnet 5.5は1時間、$18.10を要しました。atomic.chatの評価では、Sonnetのゲームのほうが「はるかに優れていた」とされています。テスト条件は公開されていないため、この事例だけでは何も証明できませんが、上記の傾向とは一致しています。Sonnetはより多くのコストをかけ、その分、より良い結果を出すことがよくあります。
それぞれのモデルでかかるコスト
リスト価格を使った計算例です。トークン数は両モデルで同じと仮定します。ドキュメント処理を10,000ステップ実行するとします。1ステップごとに、キャッシュにヒットする2,500トークンの固定プレフィックスと、新しい入力トークン1,500個（ページやスクリーンショットの内容）を送り、出力トークン1,500個を受け取ります。
| 10,000ステップ | GPT-6.1 Terra | Claude Sonnet 5.5 |
|---|---|---|
| キャッシュ済み入力（25M） | $1.25 | $2.50 |
| 新規入力（15M） | $15.00 | $30.00 |
| 出力（15M） | $75.00 | $150.00 |
| 合計 | $91.25 | $182.50 |
キャッシュ書き込みの料金は除外しています。上記の仕様表にある書き込み料金に基づき、どちらの場合もわずかなコストが追加されます。
トークン数が同じなら、すべての単価が2倍なのでSonnetのコストもきっかり2倍になります。実際のトークン数は同じにはなりません。AAのテストでは、max推論レベルでSonnetのタスクあたりの出力トークン数はTerraの約5.6倍でした。この例では出力が最大の費用項目なので、エージェント業務での実際の差は2倍を超える可能性が高いでしょう。どれほど差が開くかはプロンプトと推論レベルの設定次第です。導入を決める前に、自社のステップをサンプルとして実測してください。
料金に関する補足です。AIHubMixではBatchエンドポイントを提供していないため、OpenAI Batch APIの割引は適用されません。上記の金額は標準料金です。
どちらを選ぶべきか
次のような場合はGPT-6.1 Terraを選びましょう。
- 請求書の項目抽出、フォーム入力、画面が既知の状態で次のボタンをクリックするなど、短く大量に処理でき、コードで検証できるステップ。
- 出力を後処理なしで解析する必要があり、修正用のレイヤーを追加したくない。
- 予算を左右するのが1,000ステップあたりのコスト。
- ステップに失敗しても、安価に再試行したり人に回したりできる。
次のような場合はClaude Sonnet 5.5を選びましょう。
- エージェントがデスクトップ上で人の確認を受けずに、複数のステップからなる長時間の処理を実行する。
- 処理の失敗にかかるコストがトークン料金を上回るため、料金よりも完了率を重視する。
- 同じエージェントがコーディング作業も行い、OpenAIのグラフとAAのテストの両方でSonnetがTerminal-BenchにおいてTerraを上回っている。
両方を併用する方法もあります。大量の抽出や入力にはTerraを使い、長く難しい実行やTerraの出力が検証に通らないケースにはSonnetを使います。AIHubMix経由なら、必要なのはモデルIDの変更だけで、2つ目の連携を構築する必要はありません。
AIHubMix経由で両方を試す
どちらのモデルも、公式価格で1つのAIHubMixキーから利用できます。AIHubMixのモデル一覧によると、Sonnet 5.5はChat Completions、Responses、Anthropic Messagesに対応しています。また、10月27日のAIHubMix独自の検証では、Terraも3つすべてで応答しました。TerraにはResponsesエンドポイントを使ってください。OpenAIはツールをResponses専用と案内しており、AIHubMixの検証でも、推論レベルの設定が反映されたのはResponsesのみでした。リクエスト形式については、AIHubMix Responses APIのドキュメントをご覧ください。
このサンプルでは、OpenAI SDKを使って同じ抽出プロンプトを両方のモデルに送り、それぞれの回答とトークン使用量を出力します。
import os
from openai import OpenAI
client = OpenAI(
base_url="https://aihubmix.com/v1",
api_key=os.environ["AIHUBMIX_API_KEY"],
)
prompt = (
"Extract the invoice number, date and total from this text. "
"Return only JSON with keys invoice_number, date, total.\n\n"
"Invoice INV-2041, issued 2026-10-12. Amount due: $1,291.50."
)
for model in ["gpt-6.1-terra", "claude-sonnet-5-5"]:
response = client.responses.create(model=model, input=prompt)
print(f"--- {model}")
print(response.output_text)
print(response.usage)
自分の文書や画面のサンプルで実行し、各回答がどの程度の頻度でパースできるかを確認して、使用量の行を比較してください。それが実際のトークン比率です。仕様と価格を並べて比較するには、TerraとSonnet 5.5の比較ページをご覧ください。
よくある質問
コンピューター操作では、GPT-6.1 TerraはClaude Sonnet 5.5より優れていますか？
いいえ。OpenAI独自の比較表では、OSWorld 2.1のスコアはSonnet 5.5のほうが高く（最大effort時にTerraは74.2%、Sonnetは83.9%）、Artificial AnalysisのテストでもAutomationBench-AAのスコアはSonnetのほうが高い結果でした（Terraは60%、Sonnetは72%）。Terraの強みは能力ではなく、コストと出力形式です。
TerraはSonnet 5.5よりどれくらい安いですか？
トークン単価は半額です。100万トークンあたり入力$1、出力$5で、Sonnet 5.5の入力$2、出力$10と比べて半額です。キャッシュ入力も、$0.10に対して$0.05です。タスク単位では、Sonnetのほうが出力トークンを多く使う傾向があるため、差がさらに開くことがあります。Artificial Analysisの最大effort時のテストでは、Terraはタスクあたり$0.40、Sonnetは$5.46でした。
請求書やフォームの抽出には、どちらのモデルが適していますか？
コードで検証する大量の抽出なら、Terraを出発点にするのがおすすめです。Kingyの小規模なパイロットでは、両モデルとも請求書の項目を正しく抽出し、指定された形式で出力しました。ただし、客観的に評価できる10回の試行全体では、Terraは指定形式どおりの出力が10回、Sonnetは4回でした。Sonnetは別のJSONタスクとPython、SQLのタスクで指定形式を外しており、Terraのクレジット消費はSonnetの約41%でした。導入を決める前に、自分の文書で両方をテストしてください。
AnthropicとOpenAIが報告するSonnet 5.5のOSWorldスコアが異なるのはなぜですか？
異なる条件で実行したためです。Anthropicは部分評価としてOSWorld 2.1で80.1%を報告しています。一方、OpenAIの比較表では、同社のOSWorld 2.1オフラインセットで83.9%となっています。これらの数値は相互に比較できず、それぞれ同じテストで得られたスコアとの比較にのみ使うべきです。
AIHubMixで利用する場合、両モデルの料金は公式APIと同じですか？
はい。AIHubMixでは両モデルとも公式の標準価格が適用され、100万トークンあたりTerraは入力$1、出力$5、Sonnet 5.5は入力$2、出力$10です。AIHubMixはBatchエンドポイントを提供していないため、OpenAIのBatch API割引は利用できません。
AIHubMix経由でTerraを呼び出すには、どのエンドポイントを使えばよいですか？
Responses APIを使ってください。OpenAIは、コンピューターツールを含むTerraのツールをResponses専用と案内しています。また、10月27日のAIHubMixの検証では、推論レベルの設定が反映されたのはResponsesで、Chat Completionsでは反映されませんでした。Sonnet 5.5もResponsesで利用できるため、同じループから両方を呼び出せます。
続けて読む：GPT-6.1 Terraシリーズ
- 現在エージェントにGPT-5.6 Terraを使っているなら、ベンダーを比較する前に、アップグレードだけで何が変わるかを確認してください：GPT-6.1 Terra vs GPT-5.6 Terra：半額で何が変わったのか、誰が切り替えるべきか
- 画面操作エージェントをTerraに移行する前に、切り替え時に問題となるパラメーターとツール呼び出しを修正しましょう：GPT-6.1 Terraへの移行：temperatureの400エラーを修正し、ツールをResponsesに移し、Codexを設定する
- デスクトップでの長時間実行にTerra以上の性能が必要でも、OpenAIを使い続けたい場合は、上位モデルと比較してください：GPT-6.1 Terra vs GPT-6.1 Sol：どのタスクにはまだSolが必要か？
- 上記の料金表を自分のトラフィックに合わせて調整するには、effortレベルとキャッシュについて確認してください：GPT-6.1 Terraの実際のコスト：effortレベル、272Kの境界、キャッシュ
出典
- OpenAI：GPT-6.1 Terraの発表
- Anthropic：Claude Sonnet 5.5の発表
- Artificial Analysis：GPT-6.1 TerraとClaude Sonnet 5.5の比較
- Kingy：GPT-6.1 Terra：ベンチマーク、料金、モデル比較
- AIHubMix：GPT-6.1 TerraとClaude Sonnet 5.5の比較ページ
