GPT-6.1 Terra 开发体验与 Token 消耗实测对比

GPT-6.1 Terra に作業を任せてみると、画面操作や実装は速く進む一方で意図を説明し直すことも何度もありました。最近メインで使っているモデルのログも集計し、使い勝手とトークン消費を比べてみました。

TL;DR

• Terra は GUI の操作や日常の簡単なタスクが速いです。コードの修正や実装もテンポよく進みます。
• 仕様を相談していると意図が伝わらず、何度も説明し直すことに不満を感じます。Luna より話が通じにくいと感じる場面もありました。
• 集計した Terra のログは使用開始直後の2日分です。モデルごとに任せた仕事も大きく違い、その違いが消費量にも表れています。
• API 単価は Sol の半額です。ただ、処理が速く進むこともあって利用枠の消費が少ないという実感はありません。

はじめに

最近一般公開された GPT-6.1 Terra は画像や画面の理解、PC 操作、文章作成に向けた OpenAI の高速なモデルです。Codex や ChatGPT Work で利用できます。

Codex で使ってみると、コードの修正や画面操作、日常のちょっとした用事を速くこなしてくれるところが気に入りました。

ただ、仕様の相談ではこちらが指摘した問題へ次の提案でも戻ってしまい、何度も説明し直すことがありました。個々の作業は速いのに、続けて任せるには気を使います。

使い勝手に加えて消費量も気になったので、最近の開発で主に使っているモデルのログを集計しました。対象は Luna / DeepSeek / Opus / Sol / Terra / Astra です。

同じ条件でモデルの性能差を測った比較ではなく、普段の運用でのトークン消費と使い勝手から Terra に合う使い方を考えた記事になります。まだ Terra を使い始めて日が浅いですが、ここまでに感じたことを普段の使い方の棚卸しも兼ねてまとめてみました。

普段使っているモデルと任せている仕事

普段はゲームや開発ツールを作っています。AI には仕様の相談から実装・レビュー・画面の確認まで頼んでいます。

集計したのは4台の開発環境に残っていた Codex / Claude Code / OpenCode のログです。普段は次のようにモデルを使い分けています。以下ではモデル名を表の括弧内の名前で略します。

Sol では仕様を相談しながら実装まで続けることがあります。長く相談を続ける親と、範囲を決めた仕事を任せるサブエージェントでは会話の長さも変わるので、その違いも今回集計したトークン消費量に影響しています。

この応答件数には、ツールを呼び出しながら作業を進める途中の応答も含まれています。1件の依頼で何度も応答するので、表はモデルとのやり取りを数えたものです。

推論の設定も普段の使い方に合わせたものです。Sol は high と ultra、Terra は主に high、Luna は medium が多く、設定の違いも含まれています。

速さをうたうモデルだけあって、GUI の操作や画面の確認はテンポよく進みます。コードの修正や実装も進められますし、比較的簡単な日常のタスクを頼んだときの応答も速いです。細かい用事を手早く済ませたいときには助かっています。

気になるのは仕様の相談です。一度伝えた前提を取り違えたり、指摘には同意したのに次の提案で同じ問題へ戻ったりすることがありました。何を相談したいのかから説明し直す必要があり、なかなか話が進みません。

意図の伝わりやすさでは Luna より話が通じにくいと感じることもあります。作業の速さは助かるのですが、何度も説明し直すことには不満を感じます。

その後の作業まで続けて任せる場合も、こちらで途中のずれに気付いて指示し直す必要があります。特に仕様を決めながら進める仕事では気を使います。

利用ログで見るトークン消費

モデルごとに用途や会話の長さが異なるので、以下は普段の使い方での消費量の目安として見てください。Terra のログは使用開始直後の2日分です。

入力はキャッシュを利用した分も含む合計、出力は推論トークンを含む量で集計しました。同じ応答が重複して記録されている分は除いています。

総消費は長く使ってきた Sol が最も多くなりました。1応答あたりの出力では Terra が約159トークン、Sol が約648トークンです。

1応答あたりの平均出力トークン。

出力のうち推論に使った量

出力トークンの内訳も比べてみました。

平均の単位はトークン / 応答です。Opus の推論は記録のある2,711件から計算しています。

Sol と Astra の平均出力の差は約194トークンで、そのうち約138トークンは推論の差でした。DeepSeek も平均出力の半分以上を推論が占めています。

回答文の長さだけで出力トークンを比べると、この分が見えなくなります。今回のログでは Terra は推論もそれ以外の出力も少なくなっていました。

入力とキャッシュ

どのモデルも集計したトークンの99%以上は入力で、その入力の約94〜99%にキャッシュが使われていました。

Terra は1応答あたりの入力が平均約22万トークンと大きくなっています。キャッシュが使われた分を除くと、平均は Terra が約1,626トークン、Sol が約3,817トークンでした。

灰色がキャッシュを利用した入力、青色がそれ以外の入力。

長い会話では過去の指示やツールの結果も繰り返し入力します。Terra の平均入力が大きいことにも、使い始めに長い会話で作業を続けた影響が含まれています。

消費量と任せる仕事

Terra と Sol の API 料金は次のとおりです。通常料金・入力272Kトークン以下の条件で、100万トークンあたりの単価です。

API 単価は Terra が半額です。ただ、Codex で使っていると利用枠はそれなりに減っていく印象があります。

その間に仕事も速く進むので、同じトークン数で Sol より多くの作業が進むのではないかと感じることもあります。ただ、仕様の意図を何度も説明し直すのは面倒です。

Terra は目的が決まった日常のタスクや画面操作を任せると使いやすそうです。特に、GUI 操作を含む検証をサブエージェントへ任せる使い方は合っていると思います。親が確認したい内容を決め、Terra に画面操作と結果の報告を任せる形です。

仕様を相談しながら固める仕事には不満が残っていますが、確認することが決まった検証なら速さを生かしやすそうです。モデルを選ぶ際も、どんな仕事を任せるかと合わせて考えたいと思っています。

おわりに

Terra は画面操作や実装が速く、日常の簡単な用事も手早くこなしてくれるところが気に入っています。一方で、仕様の相談では意図が伝わらず何度も説明し直すことがありました。

今は速さを生かせる仕事、特に画面操作を含む検証をサブエージェントとして任せる使い方がよさそうだと感じています。