GPT-6.1 Terra: Computer Use, API A US$ 1/US$ 5 E O Que Os Números Da OpenAI Ainda Não Provam

Existe uma planilha que todo tech lead que decide modelo acaba mantendo, oficial ou não. Ela tem uma linha por modelo, colunas de preço de entrada e saída, uma estimativa de volume mensal e, no fim, um total que alguém da área financeira vai querer ver. O problema dessa planilha é que ela envelhece em semanas. Eu a revisito a cada lançamento relevante, e a sensação, que suspeito não ser só minha, é de enxugar gelo: antes de terminar de entender o modelo anterior, o próximo já mexeu nas células.

Foi com esse cansaço que li as notícias sobre o GPT-6.1 Terra, lançado pela OpenAI em 26 de outubro de 2026, cerca de quatro semanas depois do GPT-6.1 Sol, de 29 de setembro. O pacote chama atenção por três razões ao mesmo tempo: um preço de API muito abaixo do que o antecessor cobrava, um salto grande num benchmark de agentes de código e uma ênfase em computer use, a capacidade de o modelo operar aplicativos olhando a tela. Quando três manchetes boas chegam juntas, é quando a planilha mais precisa de desconfiança.

Uma transparência antes de continuar. Não usei o Terra. Quase tudo o que sei vem de um resumo do AI Weekly que cita a ficha de lançamento da OpenAI, e o próprio AI Weekly diz que não verificou os números de forma independente. A Fox News, em cobertura de 28 de outubro, corrobora o essencial, e o BleepingComputer publicou uma manchete sobre o lançamento que só consegui ler no título. Ou seja, descrevo o que a OpenAI afirma, não o que o modelo entrega no meu código ou no seu.

O post segue esta ordem: o que foi anunciado, por que preço por token não é custo por tarefa, o que foi dito (e o que faltou) sobre computer use, como ler a comparação com o Claude Opus 5.5 e o GPT-6.1 Sol, e um roteiro hipotético para avaliar o modelo antes de mexer em produção.

O Que A OpenAI Anuncia Para O GPT-6.1 Terra

Começo pelos números de preço, porque são os mais fáceis de conferir contra a sua própria planilha. Segundo o AI Weekly, a API cobra US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída. O GPT-5.6 Terra, o antecessor direto na linha, custava US$ 2 e US$ 12. A conta é simples: na entrada, a queda é de 50%; na saída, de 5 contra 12, ela chega a cerca de 58%. A Fox News resume o movimento como preços de API padrão 50% menores que os do GPT-5.6 Terra, o que é verdade para a entrada e conservador para a saída. O resumo também registra que o GPT-6.1 Sol custa cerca do dobro via API, o que posiciona o Terra como a opção barata da família.

No desempenho, o dado de capa é o Terminal-Bench 4.0, um benchmark de agentes de código que trabalham em linha de comando. Pela página citada pelo AI Weekly, o Terra resolve 50,3% das tarefas em esforço máximo, contra 21,5% do GPT-5.6 Terra. Deixo os dois percentuais lado a lado de propósito: quem faz a subtração vê que o ganho é grande, e a Fox descreve isso como mais que dobrar a pontuação do antecessor em um benchmark de engenharia de software. A OpenAI ainda descreve o modelo, em esforço máximo, como rivalizando com o GPT-6.1 Sol.

Há mais dois resultados que a página cita. O primeiro é o "Agents' Last Exam", em que o Terra igualaria o GPT-6 Astra, segundo a própria página. O segundo é a comparação em esforço médio: o Terra obtém 15 pontos a mais que o GPT-5.6 Terra por cerca de um terço do custo. Esse é o tipo de frase que um time de finanças ama, e por isso mesmo merece a pergunta de sempre: custo de quê, medido como, em que tarefas? A fonte que li não detalha a metodologia.

Sobre velocidade, a afirmação do lançamento é que o Terra conclui tarefas mais de três vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol. Existe um teste independente dessa alegação, feito pela eesel AI, mas não vi os resultados, então não posso dizer se confirmam ou não. Até alguém publicar números reproduzíveis, a velocidade é uma afirmação do fornecedor.

Quanto à disponibilidade, a entrada é imediata para assinantes Plus, Pro, Enterprise e Edu, no ChatGPT Work e no Codex, e na API o identificador é gpt-6.1-terra. A manchete do BleepingComputer, que só li no título, fala em agentes três vezes mais rápidos e preço 50% menor, o que repete a mesma narrativa. Para consultar a versão oficial, a página de notas de versão de modelos da OpenAI é o lugar certo; eu a deixo nas fontes como página a ser consultada, não como algo que li inteiro.

Preço Por Token Versus Custo Por Tarefa Concluída

A planilha de que falei na abertura costuma multiplicar tokens por preço. É o método natural, porque preço por token é o único número que o fornecedor publica com precisão. O que ela não captura é o que realmente importa para o orçamento: quanto custa levar uma tarefa até o fim, com o resultado correto. Essas duas medidas só coincidem se os dois modelos gastarem a mesma quantidade de tokens por tarefa e acertarem na mesma proporção, e quase nunca é o caso.

Pense na decomposição. O custo de uma tarefa concluída é, grosso modo, o preço por token multiplicado pelos tokens consumidos por tentativa, multiplicado pelo número médio de tentativas até acertar, mais o custo humano de revisar o que saiu errado. Um modelo 58% mais barato na saída, mas que gasta o dobro de tokens raciocinando em esforço máximo, entrega menos economia do que a manchete sugere. Um modelo que acerta mais na primeira tentativa pode custar mais por token e menos por tarefa. Já escrevi sobre essa lógica ao discutir o custo por tarefa concluída e o Reflection Beam, e o Terra é um caso de manual para aplicá-la.

Isso vale ainda mais para o esforço configurável. A OpenAI reporta resultados em esforço máximo e em esforço médio, e os dois números contam histórias diferentes. O ganho de 15 pontos por um terço do custo vem do esforço médio; o 50,3% do Terminal-Bench vem do esforço máximo. Se a sua carga de trabalho precisa de esforço máximo para chegar perto do resultado anunciado, o custo real da sua operação se parece mais com o primeiro regime do que com a promessa do segundo. A página que li não informa quantos tokens cada configuração consome, e essa é a variável que decide a conta.

Existe um segundo ponto que a planilha ignora, o do calendário. Promoções de preço, descontos de cache e condições de lançamento têm prazo, e já discuti em um post sobre FinOps para LLMs, cache read e promoções que expiram por que vale registrar a data de validade de cada preço ao lado do valor. Não sei se o preço de US$ 1/US$ 5 do Terra é permanente, promocional ou de lançamento; o resumo que li não diz. Até a OpenAI esclarecer, eu trataria o número como válido hoje e sujeito a revisão.

Minha opinião, e rotulo como tal, é que o erro mais comum nesse momento será comparar o Terra com o GPT-5.6 Terra apenas pela tabela de preços e declarar vitória. A comparação honesta é entre custo por tarefa concluída na sua base de tarefas, e isso só se obtém medindo. Vale também lembrar que o antecessor não é o único concorrente: a pergunta relevante para quem escolhe é o que o Terra faz melhor ou pior do que o modelo que o time já usa hoje.

Um último detalhe da conta: o preço de entrada e o de saída pesam diferente conforme o tipo de uso. Agentes que leem muito contexto e respondem pouco são dominados pela entrada, onde a queda é de 50%. Fluxos que geram muito texto ou código são dominados pela saída, onde a queda é maior. O mesmo desconto, portanto, rende de forma diferente em cada produto, e é por isso que uma conta única, "metade do preço", não serve para ninguém em particular.

Computer Use: O Que Foi Dito E O Que Faltou

O argumento de venda mais novo do Terra é computer use. Pela descrição da OpenAI, o modelo entende o que está na tela, age entre aplicativos e escreve de forma natural. A Fox News dá o mesmo foco: entender telas, operar aplicativos e completar tarefas de trabalho, com acesso também para desenvolvedores via API. Como ideia de produto, é coerente com a direção que as empresas de modelos vêm tomando, e há muito trabalho real de escritório que vive em interfaces sem API.

O que não encontrei foi um benchmark específico de computer use na página que o AI Weekly resume. Os números que a OpenAI destaca são de agentes de código em terminal e do Agents' Last Exam, que são trabalhos relacionados, mas não são a mesma coisa que operar uma interface gráfica. Um agente que se sai bem na linha de comando não necessariamente clica no botão certo de uma tela que mudou de layout. Isso não quer dizer que o Terra seja ruim nisso; quer dizer que, no material que li, a capacidade que dá título ao lançamento não vem acompanhada de uma medição própria.

Faltam também as perguntas operacionais, que são as que importam para quem pensa em colocar isso em produção. Qual a taxa de sucesso em tarefas de várias etapas? O que acontece quando a tela muda no meio da tarefa? Que permissões o agente recebe, e como se limita o que ele pode tocar? Como se audita o que ele fez? Nada disso aparece nas fontes que tenho, e não vou fingir que aparece. Quem pretende usar o modelo para operar sistemas com dados sensíveis precisa dessas respostas antes de qualquer ganho de custo.

Há ainda uma pergunta de custo que formulo como pergunta, não como fato: computer use costuma depender de enviar ao modelo capturas de tela repetidas, e capturas de tela podem pesar bastante em tokens de entrada. Se isso vale para o Terra, e em que proporção, é algo a verificar na documentação e em medição própria. Se valer, o desconto de 50% na entrada ajuda justamente onde mais pesa, mas também pode ser que o número de passos por tarefa suba, e aí a conta muda de novo. A fonte não informa.

Sobre a velocidade de mais de três vezes, a ressalva do teste independente vale em dobro aqui. Em computer use, a latência de cada passo se soma ao longo de uma tarefa longa, e uma melhora real de velocidade pode ser o diferencial entre um agente utilizável e um agente que ninguém espera terminar. Mas é exatamente por isso que eu gostaria de ver o resultado da eesel AI, ou de qualquer medição reproduzível, antes de repetir a afirmação como fato.

Terra Contra Opus 5.5 E Sol, Com Ressalvas

A comparação mais citada é com o Claude Opus 5.5 em esforço máximo. Segundo a página, o Terra fica 3,2 pontos atrás. O ponto relevante é que ficar atrás por 3,2 pontos, a um preço bem menor, é o tipo de trade-off que muda decisão em muita empresa. O AI Weekly também reproduz um custo de cerca de US$ 1,01 contra US$ 8,82 por milhão de tokens de entrada, do Terra e do Opus 5.5 respectivamente. Se esses valores se confirmarem, o Opus custaria cerca de 8,7 vezes mais na entrada.

Preciso ser cuidadoso aqui, porque esses números chegam por dois intermediários. São dados que o agregador reproduziu da página da OpenAI, e não os verifiquei na tabela de preços da Anthropic. Também estranho um detalhe: o preço de API do Terra, no mesmo resumo, é de US$ 1 por milhão de tokens de entrada, e a comparação cita US$ 1,01. Pode ser arredondamento, uma métrica diferente (talvez um custo médio ponderado, mas a fonte não explica) ou um erro de transcrição. Prefiro tratar o par de valores como número do agregador, a conferir, e não como preço de referência.

Há também a questão de quem mede o quê. Um benchmark publicado pela empresa que vende um dos modelos comparados é um resultado do fornecedor, e a escolha de tarefas, da configuração de esforço e das versões dos concorrentes influencia o resultado. Não estou dizendo que seja enviesado; estou dizendo que é um número que ainda precisa de replicação independente, de preferência na sua própria base de tarefas. A diferença de 3,2 pontos, em especial, é pequena o bastante para que variações de metodologia a invertam.

Em relação ao Sol, a informação é mais limitada: o Terra rivalizaria com ele em esforço máximo, e o Sol custa cerca do dobro via API, segundo o resumo. Não afirmo nada além disso sobre o Sol ou sobre o Luna, e quem quiser rever o que se sabia na época do lançamento da família pode ler meu post sobre o lançamento do GPT-6 Sol e Luna, com preços e benchmarks, e o de comparação entre Opus 5.5 e GPT-6 Sol/Luna para escolha de modelo. Ambos mostram como o cenário já mudou em poucas semanas.

Essa velocidade de mudança é, na verdade, o principal argumento contra decidir pelo benchmark. Quatro semanas separam o Sol do Terra. Se o ciclo de lançamentos continua nesse ritmo, qualquer escolha baseada em tabela de comparação envelhece antes da próxima reunião de planejamento. Discuti isso em um post sobre fadiga de lançamentos e como escolher modelo, e a conclusão que mantenho é que o processo de avaliação importa mais do que o modelo escolhido: se medir leva dias, vale a pena medir; se leva meses, a medição chega tarde.

Uma observação sobre como interpreto a tabela inteira: quando um modelo mais barato chega perto do topo em um benchmark, existem duas leituras. A otimista é que a fronteira de custo-benefício se deslocou e o modelo caro ficou menos justificável. A cética é que o benchmark escolhido favorece o modelo barato e que as tarefas que realmente doem no seu produto são outras. As duas podem ser verdadeiras ao mesmo tempo, e só a medição própria distingue uma da outra.

Como Avaliar Antes De Migrar: Um Roteiro Hipotético

O que segue é um cenário hipotético, não um relato. Imagine um time de plataforma que mantém um agente interno para triagem de chamados e pequenas correções de código, hoje rodando num modelo de custo mais alto. Chega o anúncio do Terra e a diretoria pergunta se dá para cortar a conta pela metade. A resposta responsável começa por não responder ainda.

O primeiro passo seria montar uma amostra representativa de tarefas reais, com algumas centenas de casos retirados do histórico, incluindo os difíceis e os que deram errado. Cada tarefa precisa de um critério de sucesso objetivo, como testes passando, campo preenchido corretamente ou revisão humana aprovada. O segundo passo seria rodar a amostra no modelo atual e no Terra, nas duas configurações de esforço que a OpenAI reporta, registrando para cada execução o resultado, os tokens de entrada, os tokens de saída, o número de tentativas e o tempo.

Com esses dados, a comparação deixa de ser preço por token e passa a ser custo por tarefa concluída. Se o Terra em esforço médio resolve 90% do que o modelo atual resolve, a um terço do custo, a migração parcial faz sentido: usar o Terra para o grosso do volume e reservar o modelo mais caro para os casos que falham. Se o Terra só se aproxima do resultado em esforço máximo, e o consumo de tokens dobra, a economia pode quase desaparecer. Nenhum desses desfechos está garantido, e é exatamente por isso que o teste existe.

Para o caso de computer use, o roteiro precisaria de mais cuidado. Eu começaria com tarefas de baixo risco, em ambiente isolado, sem acesso a dados sensíveis, medindo taxa de sucesso, número de passos e tokens por tarefa, e observando o que acontece quando a interface muda. Registraria também cada ação do agente, para auditoria. A pergunta sobre o peso das capturas de tela entraria como hipótese a medir, não como premissa.

Por fim, eu documentaria na planilha, ao lado de cada preço, a data da medição e a data de validade conhecida, e agendaria uma nova rodada para quando o próximo lançamento chegar. Isso transforma a planilha de um retrato envelhecido em um processo repetível. A parte cara da avaliação é montar a amostra e o critério de sucesso uma vez; depois disso, cada novo modelo custa apenas o tempo de rodar.

Conclusão

O GPT-6.1 Terra, pelo que a OpenAI afirma, é um movimento agressivo de preço combinado com um salto de desempenho em agentes de código, e se os números se confirmarem, muda a conta de muita gente. A queda de 50% na entrada e de cerca de 58% na saída é aritmética verificável; o resto, o 50,3% do Terminal-Bench, os 3,2 pontos atrás do Opus 5.5, a velocidade três vezes maior, são números de fornecedor, repetidos por um agregador que avisa não os ter verificado.

Minha posição, que é opinião, é de interesse com cautela. O interesse vem de que um modelo mais barato e capaz amplia o que dá para automatizar dentro de um orçamento. A cautela vem de três lacunas que as fontes não preenchem: o custo real por tarefa concluída, a ausência de benchmark específico para computer use, que é justamente a capacidade em destaque, e a falta, até onde vi, de resultados independentes sobre a velocidade. Nenhuma delas invalida o lançamento; todas impedem que eu repita a manchete como conclusão.

Se eu tivesse de apostar numa coisa, seria que o ciclo de lançamentos vai continuar rápido o bastante para que a vantagem esteja em quem mede melhor, não em quem escolhe primeiro. O Terra pode ser a melhor escolha para o seu caso, ou pode ser mais um número que não sobrevive ao contato com a sua carga de trabalho. Não sei qual dos dois, e é sobre isso que a planilha deveria falar.

Fontes:

GPT-6.1 Terra: Computer Use, API A US$ 1/US$ 5 E O Que Os Números Da OpenAI Ainda Não Provam

GPT-6.1 Terra: Computer Use, API A US$ 1/US$ 5 E O Que Os Números Da OpenAI Ainda Não Provam

O Que A OpenAI Anuncia Para O GPT-6.1 Terra

Preço Por Token Versus Custo Por Tarefa Concluída

Computer Use: O Que Foi Dito E O Que Faltou

Terra Contra Opus 5.5 E Sol, Com Ressalvas

Como Avaliar Antes De Migrar: Um Roteiro Hipotético

Conclusão

Receba os artigos mais relevantes da semana, sem quebrar seu ritmo de leitura

eltonjose