🧩 26 октября OpenAI представила GPT-6.1 Terra. Её сильная сторона — задача, где нужно увидеть детали на изображении, понять экран приложения и выполнить ограниченное действие. Для команды это интереснее ещё одного чат-бота, который красиво пересказывает файл.

Что поручить модели?

● Сопоставить фото товара с карточками каталога и объяснить, по каким признакам найдено совпадение.

● Прочитать техническую схему и выписать параметры, которые нужно проверить человеку.

● Подготовить письмо, затем пройти несколько шагов в рабочем приложении через подключённые инструменты.

● Исправить локальную ошибку в коде и показать, какие тесты подтверждают правку.

👀 Модель принимает текст и изображения. Но пример OpenAI про редактирование видео означает работу через интерфейс приложения; собственный видеовход и видеовыход у API-модели не заявлены. То же с компьютером: без инструментов и прав доступа она не «нажимает кнопки» сама.

Что показывают цифры?

По внутреннему бенчмарку OpenAI, на Terminal-Bench 4.0 GPT-6.1 Terra решила 50,3% задач при максимальном режиме рассуждения против 21,5% у GPT-5.6 Terra. Это ориентир для сравнения моделей, а не прогноз результата в вашей системе.

💰 Стандартная цена API на дату проверки — $1 за миллион входных и $5 за миллион выходных текстовых токенов; кэшированный вход — $0,05. В ChatGPT модель доступна в Work и Codex для указанных платных планов, в обычном Chat её нет. API оплачивается отдельно от подписки.

Как проверить пользу без большого внедрения?

Возьмите 20 однотипных задач с правильными ответами. Для каждой запишите три вещи: точность, время сотрудника на исправления и полную цену выполнения. Если модель ошибается в важных полях или требует долгой перепроверки, низкая цена токена не спасёт экономику процесса.

На иллюстрации — схема такого маршрута: исходное изображение → действие в приложении → проверка человеком. Какой этап в вашей работе уже можно отдать ИИ, а где контроль пока нельзя ослаблять?