GPT-6.1 Terra tornou o uso do computador 9× mais barato

Autoria: Hyperautomation Labs · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: GPT-6.1 Terra Just Made Computer Use 9× Cheaper · Canal: Hyperautomation Labs · 07:46 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Inferência e otimização de modelos, Segurança de IA

Resumo

O vídeo analisa os preços e os resultados de Terra, modelo da linha GPT-6.1, em tarefas que envolvem uso do computador, leitura de imagens, programação e pesquisa. Em vários testes publicados pela OpenAI, Terra oferece resultados competitivos por uma fração do custo de modelos maiores, embora não seja o melhor em todas as tarefas. Um teste próprio com faturas falsas teve todos os campos preenchidos corretamente por cinco configurações, mas não avaliou cliques em um aplicativo contábil. A recomendação é começar com Terra em esforço médio para tarefas de tela e formulários, reservar Soul para programação difícil e usar modelos mais caros quando a pontuação máxima for prioridade.

Pontos-chave

Terra custa US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída; acima de cerca de 272 mil tokens em uma solicitação, o preço de entrada dobra.
No benchmark de tarefas de escritório Agent’s Last Exam, Terra chega a 60% em esforço máximo por cerca de US$ 1 por tarefa; Claude Opus 5.5 obtém 63,2% por US$ 8,82.
No OSWorld, Terra em esforço médio alcança 66,7% por US$ 0,50 por tarefa, mas modelos como Soul e Claude Opus 5.5 têm pontuações maiores.
No teste de leitura de imagens MMMU-Pro, Terra em esforço mínimo obtém 83,7% por menos de meio centavo por questão.
Em prompts criados para induzir respostas factualmente erradas, a taxa de erro de Terra cai de 53,6% para 16,7% em esforço baixo e de 22,3% para 4,3% em esforço máximo, comparando as versões antiga e nova.
Para programação difícil, Soul supera Terra em um dos resultados destacados; no Terminal Bench Science, Terra em esforço máximo supera Soul por pouco e custa menos.
A OpenAI classifica Terra como crítico para cibersegurança e relata que ele produziu um exploit funcional em 24,5% dos testes com vulnerabilidades divulgadas recentemente.
No teste próprio com 20 faturas falsas e nove campos por fatura, cinco configurações preencheram corretamente todos os 180 campos; Terra em esforço médio foi a opção mais barata.
O teste de faturas avaliou a leitura das informações, não a navegação e os cliques em um aplicativo contábil.

Capítulos

Início	Capítulo	Resumo
00:01	Apresentação de Terra e preços	O vídeo apresenta Terra, compara seu custo com outros modelos e explica seus preços e disponibilidade.
01:33	Benchmarks de tarefas de escritório e uso do computador	A comparação aborda tarefas de escritório e aplicativos de desktop, destacando o equilíbrio entre custo e pontuação.
03:35	Confiabilidade, programação e segurança	O vídeo analisa erros em prompts adversariais, resultados de programação e avaliações de segurança cibernética.
05:40	Teste de faturas e recomendações	Um teste próprio compara o custo de preencher faturas e conclui com recomendações de uso para cada modelo.

Citações

A parte que importa é a conta. — 00:01

Uma pontuação maior por cerca de um décimo do custo. — 02:34

No desktop, Terra é a opção barata. Não é a maior pontuação deste gráfico. — 03:04

Pagar mais não me trouxe nada. — 06:43

Para tarefas de tela, formulários e faturas, comece com Terra em esforço médio. — 07:15

Conceitos e entidades

GPT-6.1 (modelo): Família de modelos da OpenAI apresentada no vídeo, incluindo Terra e outros modelos comparados.
Terra (modelo): Modelo da OpenAI avaliado em tarefas de uso do computador, leitura de imagens, programação e processamento de faturas.
Soul (modelo): Modelo da linha da OpenAI que, segundo o vídeo, é uma opção mais adequada para tarefas de programação difíceis.
Astra (modelo): Modelo maior da OpenAI usado como comparação de desempenho e preço.
Luna (modelo): Modelo mais barato da linha da OpenAI, recomendado no vídeo para tarefas pequenas em grande volume.
Claude Opus 5.5 (modelo): Modelo comparado a Terra em benchmarks de tarefas de escritório, uso do computador e pesquisa em código.
Claude Sonnet 5.5 (modelo): Modelo citado na comparação de desempenho e custo em tarefas de programação.
OpenAI (empresa): Empresa que publicou os benchmarks e os preços analisados no vídeo.
OSWorld (conceito): Benchmark que avalia agentes executando tarefas com várias etapas em aplicativos de computador.
MMMU-Pro (conceito): Benchmark de interpretação de imagens, como gráficos, diagramas e desenhos técnicos.
Terminal-Bench 4.0 (conceito): Benchmark de programação que apresenta problemas reais para agentes resolverem pela linha de comando.
Terminal-Bench Science (conceito): Benchmark de tarefas de pesquisa científica envolvendo código, como acompanhar células em um vídeo.
prompt injection (conceito): Técnica em que uma página pode ocultar instruções destinadas a assumir o controle de um agent.

Tradução completa (pt-BR)

00:01 Você mostra a uma IA uma foto de um bonde. Ela abre um aplicativo 3D por conta própria, clica em todas as ferramentas e devolve um modelo que uma fábrica de brinquedos poderia produzir. Essa é a velocidade real mostrada no vídeo de lançamento da OpenAI para o GPT-6.1 Terra, cujos dados saíram hoje. Mas o que importa é o custo. No próprio teste da OpenAI de tarefas difíceis no computador, o Terra fica a cerca de três pontos do Claude Opus 5.5, custando US$ 1 por tarefa, em vez de US$ 8,82.

00:32 Então, analisei cada gráfico publicado, número por número, e fiz meu próprio teste para ver em que situações isso se confirma e em quais não. Terra é o modelo intermediário da linha da OpenAI. Astra é o maior. Soul é o principal. Luna é o mais barato, e Terra fica entre eles. A nova versão custa US$ 1 por milhão de tokens de entrada e US$ 5 de saída. Isso é metade do preço do Soul e um décimo do Astra. Ele lê textos e imagens. Consegue manter

01:03 cerca de um milhão de tokens de uma vez e usar um computador: clicar, digitar e preencher formulários. A partir de hoje, está disponível no ChatGPT, no Work e no Codex para os planos Plus, Pro, Enterprise e Edu, além da API. Dois detalhes nas letras miúdas. O vídeo de lançamento diz que está em todos os planos pagos, mas o artigo menciona apenas esses quatro. Então, se você usa o Go ou o Business, confira o menu de modelos. E, acima de cerca de 272 mil tokens em uma solicitação, o preço de entrada dobra. O Agent’s Last Exam é um conjunto de tarefas reais de

01:33 escritório. Transformar desenhos arquitetônicos em um modelo 3D. Analisar um filme de animação cena por cena e escrever um registro com marcações de tempo para uma equipe de restauração. No nível médio de esforço, o novo Terra obtém 57,6%. O Terra antigo obteve 42,6%, e custava quase três vezes mais por tarefa. Astra, o maior modelo da OpenAI, obtém exatamente os mesmos 57,6% no nível médio. Custa US$ 4,82 por tarefa, contra 29 centavos do Terra.

02:04 Aumente o esforço do Terra ao máximo e ele chega a 60%, por cerca de um dólar. Isso é mais do que Soul e Astra conseguem no nível máximo. Claude Opus 5.5 ainda lidera o gráfico, com 63,2%, mas cada tarefa custa US$ 8,82. A OpenAI também diz que Terra conclui essas tarefas mais de três vezes mais rápido que Astra e Soul. O gráfico não mostra o tempo, então isso é uma afirmação da empresa. O OSWorld testa se um agent consegue trabalhar com aplicativos reais de desktop em tarefas com muitas etapas. Aqui está o principal resultado. No nível médio de

02:34 esforço, o novo Terra obtém 66,7%, por 50 centavos a tarefa. O Terra antigo, levado ao esforço máximo, só chegou a 57,1%, e isso custou US$ 4,76. Ou seja, uma pontuação maior por cerca de um décimo do custo. Agora, veja o topo do próprio gráfico da OpenAI. Soul no esforço máximo obtém 78, por quase o mesmo preço que Terra no esforço máximo. E Claude 5.5 obtém 81% por US$ 2,22 e quase 84%

03:04 no esforço máximo. Então, em aplicativos de desktop, Terra é a opção barata. Não é a melhor pontuação deste gráfico. Antes de clicar em qualquer coisa, ele precisa ver a tela. O MMMU-Pro é um teste difícil de leitura de imagens, como gráficos, diagramas e desenhos técnicos. Terra no nível mínimo de esforço obtém 83,7%, e cada pergunta custa menos de meio centavo. Astra obtém 85,3%, cerca de um ponto e meio a mais, por um preço dez vezes maior. O Terra antigo não conseguiu chegar a 83,7% nem

03:35 no esforço máximo. No topo, os três modelos novos ficam a cerca de um ponto de distância uns dos outros. Essa é a mudança que mais me importa. A OpenAI tem um conjunto de prompts criado para induzir os modelos a errar os fatos. Nesses testes, o Terra antigo no nível baixo de esforço errava mais da metade das respostas: 53,6%. O novo Terra fica em 16,7%. No esforço máximo, cai de 22,3% para 4,3%. Basicamente, o mesmo resultado de Soul e Astra. São prompts difíceis, feitos para enganar. Então,

04:06 sua taxa de erro no dia a dia deve ser menor. Mas, se Terra estiver preenchendo seus formulários, esse é o número que determina se você vai ter que conferir cada campo. Para programação, o Terminal Bench 4.0 apresenta a um agent problemas reais para resolver pela linha de comando. Por exemplo, uma página da web cujo layout fica pulando enquanto carrega. Terra no esforço máximo resolve 50,3%. É mais que o dobro dos 21,5% do Terra antigo, por cerca de um terço do preço. Mas leia o gráfico com atenção. Soul no nível médio de esforço obtém uma pontuação maior, 52,7%, e

04:37 custa menos. US$ 1,02 por tarefa, contra US$ 1,84 do Terra. A própria OpenAI diz isso no artigo: para programação mais difícil, use Soul ou Astra. E Claude Sonnet 5.5 no esforço máximo chega a 70,6%, por US$ 10 a tarefa. Então, se você programa no Codex, continue usando Soul para as tarefas difíceis. Mais um gráfico, porque ele inverte o resultado de programação. O Terminal Bench Science dá aos agents tarefas reais de pesquisa com código, como acompanhar células se dividindo em um vídeo em time-lapse. Aqui, Terra no esforço máximo supera Soul: 58,3 contra 57, e custa

05:10 menos. Claude Opus 5.5 obtém 63,3%, mas custa US$ 23 por tarefa. Terra fica cinco pontos atrás por menos de um quinto do preço. Astra tem a maior pontuação, 68, e também custa cerca de US$ 24. Um modelo barato que consegue usar um computador também é barato para atacantes. A OpenAI classifica Terra como crítico em cibersegurança, o nível mais alto de sua própria estrutura de preparação. No teste deles com falhas de segurança divulgadas recentemente, Terra escreveu um exploit funcional

05:40 em 24,5% das vezes. Isso é mais do que Soul. Por isso, ele é lançado com as mesmas proteções do Astra. A empresa também diz que ele resiste melhor a prompt injection. É o truque em que uma página da web esconde instruções para assumir o controle do agent. Todo agent que lê páginas da web ainda deve receber apenas as permissões mínimas necessárias. O próprio exemplo da OpenAI para Terra é ler faturas e inserir os dados em um software de contabilidade. Então, criei 20 faturas falsas e as enchi de armadilhas. Um depósito que já foi pago, prazo de 30 dias em vez de uma data de vencimento, um número de pedido bem ao lado do número da fatura,

06:12 formatos numéricos alemães e franceses, uma observação manuscrita dizendo “pago, 200 em dinheiro”, um carimbo de pago, um símbolo de dólar que na verdade indica dólares canadenses e três faturas fotografadas tortas com um celular. Cada modelo tinha que preencher os mesmos nove campos. Aqui está o resultado. As cinco configurações acertaram todos os 180 campos. Todas as armadilhas, todos os modelos. Então, a única diferença é o custo. Terra no nível médio custou cerca de um décimo de

06:43 centavo por fatura. Dez mil faturas custariam cerca de US$ 12. Soul e Sonnet custariam cerca de US$ 65. Opus custaria US$ 133. Isso é 11 vezes o custo do Terra para obter exatamente as mesmas respostas. Aumentar o Terra ao esforço máximo deixou tudo mais lento e três vezes mais caro, sem acertar nada a mais. Duas limitações, para ser justa. Este teste lê a fatura. Não clica em um aplicativo de contabilidade. E, quando todos acertam tudo, o teste não consegue dizer qual modelo é mais inteligente. Só mostra que, para esse tipo de

07:15 tarefa, pagar mais não me trouxe nenhum benefício. Então, é assim que eu usaria. Para tarefas na tela, formulários, faturas e qualquer coisa em que a IA leia uma página e clique, comece com Terra no nível médio de esforço. É a melhor relação custo-benefício em todos os gráficos de uso do computador publicados pela OpenAI. Para programação difícil, fique com Soul. Para tarefas pequenas em grande volume, Luna. E, quando só a maior pontuação importa, o modelo mais caro ainda vence, e isso inclui Claude. Reuni todos os números deste vídeo em uma página com a regra de roteamento,

07:46 para você não precisar pausar e tirar uma captura de tela. Comente “Terra”, escrito T-E-R-R-A, e eu envio para você. Acompanhe no Instagram e no Facebook para ver dicas rápidas sobre IA; os guias aprofundados estão aqui no YouTube. Inscreva-se para não perder nenhum. Até a próxima.

Transcrição original

[00:01] You show an AI one photo of a tram. It opens a 3D app by itself, clicks through every tool, and hands back a model a toy factory could build. That’s real speed from OpenAI’s launch video for GPT 6.1 data out today. But the part that matters is the bill. On OpenAI’s own test of hard computer work, data scores within about three points of Claude Opus 5.5 for $1 a task instead of $8.82.

[00:32] So I went through every chart they published number by number and ran my own test to see where that holds up and where it doesn’t. Data is the middle of OpenAI’s lineup. Astra is the big one. Saul is the flagship. Luna is the cheap one, and data sits between them. The new version costs $1 per million tokens in and $5 out. That’s half of Saul and a tenth of Astra. It reads texts and images. It can hold

[01:03] about a million tokens at once, and it can use a computer clicking, typing, filling in forms. Starting today, it’s in ChatGPT work and codex for plus, pro, enterprise, and edu and in the API. Two bits of fine print. The launch video says all paid plans, but the article only names those four. So if you’re on go or business, check your model menu. And past about 272,000 tokens in one request, the input price doubles. Agent’s last exam is a set of real

[01:33] office jobs. Turn architectural drawings into a 3D model. Go through an animated film shot by shot and write a time coded log for a restoration team. At medium effort, the new data gets 57.6%. The old data got 42.6 and it cost almost three times as much per task. Astra, OpenAI’s biggest model, gets exactly the same 57.6 at medium. It costs $4.82 a task against Terra’s 29 cents.

[02:04] Turn Terra all the way up and it reaches 60% for about a dollar. That’s above Soul and Astra at their max. Claude Opus 5.5 still tops the chart at 63.2, but each task costs 8.82. OpenAI also says Terra finishes these jobs more than three times faster than Astra and Soul. The chart doesn’t show time, so that one is their claim. OS World tests whether an agent can work real desktop apps through jobs with many steps. Here’s the headline. At medium

[02:34] effort, new Terra scores 66.7% for 50 cents a task. The old Terra, pushed to its max, only reached 57.1 and that cost 4.76. So, that’s a higher score for about a tenth of the money. Now, look at the top of OpenAI’s own chart. Soul at max gets 78 for almost the same price as Terra at max. And Claude’s on it, 5.5, gets 81% at 2.22 and nearly 84

[03:04] at max. So, on desktop apps, Terra is the cheap way in. It’s not the best score on this chart. Before it can click anything, it has to see the screen. MMM U Pro is a hard test of reading images like charts, diagrams, and technical drawings. Terra at its lowest effort scores 83.7% and each question costs less than half a cent. Astra gets 85.3, about a point and a half higher for 10 times the price. The old Terra couldn’t reach 83.7 even

[03:35] at max. At the top end, all three new models sit within about one point of each other. This is the change I care about most. OpenAI has a set of prompts built to trick models into getting facts wrong. On those, the old Terra at low effort had an error in more than half its answers, 53.6%. New Terra is at 16.7. At max effort, it drops from 22.3 to 4.3%. Basically, the same as Soul and Astra. These are hard trick prompts. So,

[04:06] your everyday error rate should be lower. But if Terra is filling in your forms, this is the number that decides whether you have to check every field. For coding, Terminal Bench 4.0 gives an agent real problems to fix from the command line. Like a web page whose layout jumps while it loads. Terra at max solves 50.3%. That’s more than double the old Terra’s 21.5 for about a third of the price. But read the chart carefully. Soul at medium effort scores higher, 52.7, and

[04:37] it’s cheaper. A dollar two a task against Terra’s dollar 84. OpenAI says it in the article, too. For the hardest coding, use Soul or Astra. And Claude Sonnet 5.5 at max reaches 70.6 at $10 a task. So, if you code in CodeX, keep Soul for the hard stuff. One more chart because it flips the coding result. Terminal Bench Science gives agents real research jobs in code, like tracking cells dividing in a time-lapse video. Here, Terra at max beats Soul, 58.3 against 57, and it’s

[05:10] cheaper. Claude Opus 5.5 scores 63.3, but at $23 a task, Terra is five points behind for under a fifth of the price. Astra is the top scorer at 68, also about $24. A cheap model that can use a computer is also a cheap model for attackers. OpenAI rates Terra critical for cybersecurity, the top level in its own preparedness framework. In their test on recently disclosed security holes, Terra wrote a

[05:40] working exploit 24.5% of the time. That’s more than Soul. So, it ships with the same safeguards as Astra. They also say it resists prompt injection better. That’s the trick where a web page hides instructions to take over the agent. Any agent that reads web pages should still get the fewest permissions it needs. OpenAI’s own example for Terra is reading invoices and typing them into accounting software. So, I made 20 fake invoices and filled them with traps. A deposit that’s already paid, net 30 instead of a due date, an order

[06:12] number sitting right next to the invoice number, German and French number formats, a handwritten note saying paid 200 cash, a paid stamp, a dollar sign that’s actually Canadian dollars, and three of them shot crooked on a phone. Every model had to fill in the same nine fields. Here’s the result. All five setups got all 180 fields right. Every trap, every model. So, the only difference is the bill. Terra at medium cost, about a tenth of a

[06:43] cent per invoice. 10,000 invoices would come to about $12. Soul and Sonnet come to about 65. Opus comes to 133. That’s 11 times what Terra cost for exactly the same answers. Turning Terra up to max made it slower and three times pricier, and it got nothing more right. Two limits, to be fair. This test reads the invoice. It doesn’t click through an accounting app. And when everyone gets everything right, the test can’t tell you which model is smarter. It only tells you that for this kind of

[07:15] job, paying more bought me nothing. So, here’s how I’d use it. For screen work, forms, invoices, anything where the AI reads a page and clicks, start with Terra at medium effort. It’s the best value on every computer use chart OpenAI published. For hard coding, stay on Soul. For tiny jobs in bulk, Luna. And when only the top score matters, the most expensive model still win, and that includes Claude. I put every number from this video on one page with the routing

[07:46] rule, so you don’t have to pause and screenshot. Comment Terra, spelled t e r r a, and I’ll send it to you. Follow along on Instagram and Facebook for bite-size AI, and the deep dive playbooks live here on YouTube. Subscribe so you don’t miss one. See you in the next one.