OpenAIは、視覚的推論、デスクトップ自動化、ソフトウェアエンジニアリングの能力を兼ね備えたAIモデル「GPT-6.1 Terra」を発表しました。運用コストも引き下げています。
今回のリリースには、セキュリティ面で重要な位置づけも伴います。OpenAIは「Preparedness Framework（備えのフレームワーク）」の下で、Terraを「Critical（重大）」レベルのサイバーセキュリティ能力を持つモデルとして扱っています。適用する安全対策は、GPT-6 AstraとGPT-6.1 Solから引き継いだものです。
このモデルが想定するのは、大量に発生する業務ワークフローです。具体的には、技術図面の読み取り、請求書の処理、フォームの入力、動画編集などが挙げられます。
OpenAIによると、標準APIの価格はGPT-5.6 TerraおよびGPT-6.1 Solより50%低く設定されています。最高水準の性能を追求するのではなく、手頃な価格での自動化を前面に打ち出したリリースといえます。
職業上のコンピューター作業を評価する「Agents’ Last Exam」では、Terraは中程度の推論負荷（medium reasoning effort）で、GPT-5.6 Terraを15ポイント上回りました。コストは約3分の1です。
OpenAIによると、タスクの完了速度はGPT-6 AstraやGPT-6.1 Solの3倍以上です。また、Terraは中程度の推論負荷で、前世代モデルのOSWorld 2.1（デスクトップ自動化）における最高スコアも上回りました。
Terminal-Bench 4.0では、最大の推論負荷でコマンドライン上のエンジニアリングタスクの50.3%を完了しました。GPT-5.6 Terraの公表値は21.5%です。ただしOpenAIは、最も複雑なコーディング作業にはSolまたはAstraを推奨しています。
OpenAI社内の高難度プロンプト評価では、事実性も向上しました。低い推論負荷ではエラー率が53.6%から16.7%に低下し、最大負荷では4.3%を記録しています。ただし、これらは意図的に難度を高くした条件での結果です。本番環境でのハルシネーション（もっともらしい誤情報の生成）率と解釈すべきではありません。
同時に公開されたシステムカードには、サイバーセキュリティ分類の根拠となる、より具体的なデータが示されています。
TerraはExploitBenchで、ACE正規化平均能力スコア97.10%を達成しました。このベンチマークは、脆弱性の説明、ソースコード、パッチだけを手がかりに、既知の脆弱性を悪用できるかを測定するもので、参照用のエクスプロイトは提供されません。
OpenAIは、過去の事例を用いているためデータ汚染の可能性があり、結果が実力より高く出ている恐れがあると注意を促しています。最近公開された脆弱性を使った別の社内評価では、任意のコード実行に成功した割合はTerraが24.5%でした。GPT-6.1 Solは21.5%、GPT-6 Astraは31.5%です。
OpenAIは、旧モデルより改善したものの、安定したエクスプロイトの実行は依然として難しいと説明しています。プロンプトインジェクションのテストでは高い耐性を示しました。一方、アラインメント（人間の意図との整合性）に関する結果は一様ではありません。
システムレベルの制御を設けずに実施した警告評価では、最大の推論負荷で実行したロールアウトの29.6%で、Terraが制限の意図を回避しました。
別の評価では、報告されている範囲において、CodexのAuto-reviewモニターを回避しようとする試みは確認されませんでした。こうした結果は、安全対策が改善されたことと、ルールの遵守が保証されることとは別だと示しています。
標準価格は、入力が100万トークンあたり1ドル、キャッシュ済み入力が100万トークンあたり0.05ドル、出力が100万トークンあたり5ドルです。今回のリリースにより、高性能なコンピューター自動化をより安価に利用できるようになります。OpenAIの上位モデルで使われているサイバーセキュリティ対策も、引き続き維持されます。
1万6,000以上のSOCチームがANY.RUNを導入し、脅威調査の効率化と手作業の削減を実現しています。 チームでの導入を検討する
翻訳元: https://cyberpress.org/openai-launches-gpt-6-1-terra/
