Codex Day 22：GPT-6.1 Terraを徹底解説｜性能・API料金・Computer Use

2026年10月27日（日本時間）、OpenAIの28日間アップデートDay 22として「GPT-6.1 Terra」が発表されました。 画面の内容を理解してアプリを操作するComputer Use、画像・図面の理解、自然な文章作成を得意とする、高速かつ低コストの新モデルです。

前日のDay 21（日本時間10月26日）はCodex / ChatGPT Workの利用枠リセットの日でしたが、Day 22は新モデルのリリースが中心です。この2日をまとめて振り返りながら、料金、ベンチマーク、API仕様、Java・curlでの実装例、モデルの選び方、制約を公式資料に基づいて詳しく解説します。

調査日：2026年10月27日（日本時間）。 OpenAIの製品発表、APIモデル仕様、価格表、API変更履歴、OpenAI Developer Community、Day 21の公式X原文を照合しています。数値は基本的にOpenAIの公開ベンチマーク・評価条件に基づくもので、筆者が実アプリで再現した実測値ではありません。

まず一次情報を確認できます。

1. Day 21・Day 22で何が発表された？

日	米国太平洋時間	日本での発表日	内容	リセット
Day 21	2026/10/25	10/26	Codex / Workの利用枠リセット	発表あり
Day 22	2026/10/26	10/27	GPT-6.1 Terra正式リリース	Day 22の新たなリセット発表なし

Day 21の公式投稿は、次の短いメッセージでした。

Day 21/ Wonder what happens the remaining seven days. But today is a reset.

つまり、「残り7日間に何が起きるか楽しみだけど、今日はリセット」という趣旨です。

Day 21ではリセットが宣言されたことが確実ですが、Tibo氏による新たな「全アカウントへの配信完了」を示す追加投稿は、この発表だけでは確認できません。第三者による反映観測があっても、本人の利用枠の状況とは区別する必要があります。

すでにDay 21については別の詳細記事があるため、この記事では重複を避けて要点を整理し、Day 22の技術的な変更を中心に説明します。

Day 21詳細記事：2日連続リセットと反映状況

日付が1日ずれる理由

企画のDay番号は米国太平洋時間で扱われています。2026年10月26日の西海岸は夏時間PDT（UTC−7）なので、日本標準時JST（UTC+9）との時差は16時間です。

そのため、米国10月26日の午後以降の発表が、日本では10月27日の朝や昼になることがあります。

2. GPT-6.1 Terraとは？何が得意なのか

OpenAIはTerraを、詳細な視覚的推論・正確なコンピューター操作・自然な文章作成を、効率よく実行するモデルと位置づけています。

従来のGPT-5.6 Terraに比べて性能が向上しただけでなく、標準APIのトークン単価はGPT-5.6 TerraおよびGPT-6.1 Solの半額です。

代表的な用途は次のとおりです。

用途	具体的な仕事
画像理解	商品写真を見て商品マスターの候補と照合する
図面理解	技術図面や設計資料の要素を読み取る
Computer Use	画面を見て、複数アプリをまたぐ作業を実行する
事務処理	請求書を読み取り、会計ソフトへの入力を補助する
ライティング	提案書、説明文、メール、原稿を下書き・修正する
コーディング	影響範囲が明確なバグ修正、画面UIの修正、反復タスクに取り組む

重要なのは、Terraはどんな仕事でも最も賢いモデルという位置づけではない点です。難度の高い設計・大規模リファクタリング・高度な調査では、OpenAIは引き続きGPT-6.1 SolかGPT-6 Astraを推奨しています。

OpenAI公式：モデル選択ガイド

3. API仕様を一覧で確認

APIで指定するモデルIDは**gpt-6.1-terra**です。

項目	仕様
モデルID	`gpt-6.1-terra`
コンテキストウィンドウ	1,050,000トークン
最大出力	128,000トークン
知識のカットオフ	2026年6月1日
入力	テキスト・画像
出力	テキスト
音声・動画入力	非対応
推論レベル	`none`、`low`、`medium`、`high`、`xhigh`、`max`
既定の推論レベル	`medium`
Structured Outputs	対応
Function Calling	対応
Fine-tuning	非対応
ツール連携	Responses APIで使用

対応ツールにはWeb検索、ファイル検索、コード実行、Hosted Shell、Apply Patch、MCP、Computer Useなどが含まれています。APIモデルがツールを使えることと、任意のローカルPCを無条件に操作できることは別です。Computer Useには操作対象となる環境・権限・実行側の制御が必要です。

105万トークンは「何でも無料で読める」の意味ではない

コンテキストウィンドウは、一度のリクエストで扱える情報量の上限を表します。長いドキュメントやコードベースを扱えますが、実際の使用料金はトークン数に依存します。

また、OpenAIの料金表では入力が272,000トークンを超えると、リクエスト全体に長文料金が適用されます。入力・キャッシュ料金は2倍、出力は1.5倍になるため、長い入力を送る前に分割・要約・検索を検討するのが現実的です。

公式APIモデル仕様

4. 料金：GPT-6.1 Solと比べてどれだけ安い？

標準API料金（100万トークンあたり）

項目	Terra	Sol	Astra
通常の入力	$1.00	$2.00	$10.00
キャッシュ済み入力	$0.05	$0.10	$1.00
出力	$5.00	$10.00	$50.00
キャッシュ書き込み・30分	$1.25	$2.50	$12.50
キャッシュ書き込み・12時間	$2.50	$5.00	$25.00

これはOpenAIのStandard料金です。Batch / Flexは通常より安く、Fastや地域指定処理では追加料金が生じる場合があります。上記はすべての利用モードに共通の単価ではありません。

OpenAI公式API Pricing

具体的な費用計算

例えば、合計100万入力トークン・10万出力トークンを処理したとします。キャッシュなし、標準料金、長文料金対象外、ツールの追加料金なしという仮定です。

モデル	入力コスト	出力コスト	合計
Terra	$1.00	$0.50	$1.50
Sol	$2.00	$1.00	$3.00
Astra	$10.00	$5.00	$15.00

この例ではTerraはSolの半額、Astraの10分の1です。

ただし、必ず同じ作業で同じトークン数を使うとは限りません。モデルごとの出力長、ツール呼び出し回数、失敗・再試行率が異なる場合、単価が半額でも仕事全体のコストが半分になるとは限りません。

プロンプトキャッシュの30分・12時間

同じ長い仕様書を繰り返し参照する場合、共有の入力部分を再利用できるとキャッシュ済み入力の低い単価が適用されます。

ただしキャッシュは、最初の書き込みにも料金がある仕組みです。Terraの30分保持は100万トークンあたり$1.25、12時間保持は$2.50で、保持条件によって採算が変わります。

これはAPIのキャッシュ料金の話であり、ChatGPT Work / Codexの利用枠表示と同じ数値ではありません。

5. 「利用枠が2倍」は本当？

ここは重要な訂正点です。

OpenAI公式の発表には、ChatGPT Work / Codexで同じ利用枠ならGPT-5.6 Terraより多くの作業ができ、GPT-6.1 SolやGPT-6 Astraよりも大幅に多くの作業をこなせると書かれています。

しかし、公式発表本文からは**「Terraを使えばSolのちょうど2倍の利用枠になる」という固定倍率を確認できません**。

正しい理解

API料金： Terraの標準トークン単価はSolの50%
Work / Codexの利用量： 同じ枠でTerraのほうが多くの作業をこなせるとOpenAIが案内
利用枠自体： すべてのモデルに対して上限が2倍になったという発表ではない
Day 21のリセット： Terraの料金改善とは別の出来事

Day 21：リセット
  対象になったCodex/Workの枠を回復
                     │
                     ▼
Day 22：Terraを追加
  同じ枠を使って、より多くの処理を実行できる可能性
                     │
                     ▼
実際に何件こなせるかは、タスク内容やモデル設定に依存

料金半額と使用量2倍を常に同一視してはいけません。 この区別はAIの運用コストを正確に見積もるうえで非常に大切です。

6. ベンチマーク①：Computer Use・画面操作

Computer Useは、AIが画面のスクリーンショットなどを理解し、GUI（Graphical User Interface：画面上のボタンやメニュー）を操作してタスクを進める仕組みです。

OpenAIはTerraをAgents' Last Exam、OSWorld 2.1、MMMU-Proなどの評価で検証しています。

評価	何を測るか	OpenAIの主な報告
Agents' Last Exam v1	業務アプリを用いた複雑な作業	medium設定で旧Terraより15ポイント高い
OSWorld 2.1	デスクトップアプリの複数手順の実行	medium設定で旧Terraの最高スコアを上回る
MMMU-Pro	画像・図表を含む難しい推論	すべての推論設定で旧Terraを上回る

「15ポイント高い」は、例えば30%から45%になるというパーセンテージポイントの差を意味します。「成功率が15%増えた」という相対的な増加率とは違います。

速さについて

OpenAIはAgents' Last Examで、TerraがGPT-6 AstraとGPT-6.1 Solより平均3倍以上速くタスクを完了したと報告しています。

これは特定のベンチマークと評価条件の結果であり、あらゆるGUI操作が必ず3倍速くなるという保証ではありません。

実務例：請求書入力

請求書PDFまたは画像
          │
          ▼
Terraで項目を読み取り
  - 請求番号
  - 請求日
  - 支払期限
  - 請求額
  - 取引先
          │
          ▼
アプリ側で形式・計算を検証
          │
          ▼
会計ソフトの入力画面へ反映
          │
          ▼
重要項目を人間が確認
          │
          ▼
保存・承認

画像理解・文章生成が正確になっても、請求金額や口座番号を無検証で確定してはいけません。 特に請求・振込・削除といった不可逆操作には確認を残す設計が必要です。

OpenAI製品発表：Agents' Last Exam / OSWorld / MMMU-Proの評価

7. ベンチマーク②：コーディング能力がどれだけ伸びた？

ソフトウェア開発向けの重要な数値が、Terminal-Bench 4.0です。これは、コマンドラインを使って実際にコードを修正するなどのタスクを測ります。

OpenAI発表にある**最大推論設定（max）**でのスコアは次のとおりです。

モデル	Terminal-Bench 4.0
GPT-5.6 Terra	21.5%
GPT-6.1 Terra	50.3%

28.8ポイントの改善で、成功率の数値としては2倍を超えています。

ただし、この比較はOpenAIが報告した同ベンチマークの公開スコアであり、あなたのリポジトリのバグ修正率がそのまま50.3%になるという意味ではありません。

特に以下は別々に評価する必要があります。

小規模な機能修正： 対象ファイル・合格条件が明確ならTerraと相性がよい
広範囲の設計変更： 依存関係や背景情報の推論が重要な場合、Sol / Astraも比較する
既存のCI修復： 実際のテスト実行、エラーログの読解、再実行を含めて評価する
セキュリティレビュー： モデルの自己評価だけで安全と判断せず、テスト・静的解析・レビューを併用する

OpenAI自身も難しいコーディングにはSolやAstraのほうが適していると案内しています。

科学分野のターミナル操作

Terminal-Bench-Science 0.1では、Terraがmax推論設定でGPT-6.1 Solを上回り、コストを抑えて作業したという結果も発表されています。ただし、これは科学研究タスクに特化した評価であり、一般的なすべてのプログラミングタスクの優劣を逆転させるものではありません。

OpenAI公式：Terminal-Bench 4.0評価

8. ベンチマーク③：事実誤りは減った？

OpenAIは、モデルが誤りやすい質問を集めた社内ベンチマークの結果も公表しています。

推論設定	GPT-5.6 Terraの誤り率	GPT-6.1 Terraの誤り率
low	53.6%	16.7%
max	約22.3%（差分からの逆算）	4.3%

low設定では36.9ポイントの低下です。max設定ではOpenAIが**18ポイント低下して4.3%**と説明しています。旧Terraの約22.3%はその差分から逆算した参考値であり、今回の発表本文に旧値がそのまま記載されていたわけではありません。

この誤り率はOpenAIの特定の社内評価であり、インターネット上の情報を使った全回答の誤り率ではありません。改善されたからといってゼロハルシネーション（誤情報なし）ではありません。

業務システムに使う場合、一次情報・入力スキーマ・型チェック・業務上の不変条件を併用し、事実と推測を分離することが重要です。

9. APIで実際に試す：curlの最小例

APIの使用にはOpenAI APIの利用資格とAPIキーが必要です。ChatGPTのサブスクリプション枠とAPIの従量課金は別です。

まずは、ターミナルからテキスト処理を試す最小例です。

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "reasoning": {"effort": "medium"},
    "input": "JavaのBigDecimalを金額計算で使う理由を150字以内で説明してください。"
  }'

パラメーター	意味
`/v1/responses`	Responses APIのエンドポイント
`Authorization`	APIキーを使った認証
`model`	`gpt-6.1-terra`を選択
`reasoning.effort`	推論の深さ。ここでは既定値と同じ`medium`
`input`	処理してほしい指示・入力

このコマンドは公式仕様に沿う利用例であり、記事作成時に実行してレスポンスを検証したものではありません。

本番では、APIキーを環境変数やシークレット管理システムに保存し、ログ・GitHub・記事本文へ直接記載しないようにしてください。

OpenAI API：Responses APIとモデル仕様

10. Javaのバックエンドから呼ぶ例

Java 17以降の標準HttpClientを利用すると、追加のHTTPライブラリを用いずにResponses APIへリクエストを送れます。

以下はHTTP呼び出し部分に絞った参考コードです。JSON文字列はサンプル用であり、実運用ではJacksonなどのJSONライブラリで組み立ててください。

import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;

public class TerraExample {
    public static void main(String[] args) throws Exception {
        String apiKey = System.getenv("OPENAI_API_KEY");
        if (apiKey == null || apiKey.isBlank()) {
            throw new IllegalStateException("OPENAI_API_KEY is required");
        }

        String json = """
            {
              "model": "gpt-6.1-terra",
              "reasoning": {"effort": "medium"},
              "input": "JavaのREST APIで例外処理を設計するときの注意点を3つ教えて"
            }
            """;

        HttpRequest request = HttpRequest.newBuilder()
            .uri(URI.create("https://api.openai.com/v1/responses"))
            .timeout(Duration.ofSeconds(90))
            .header("Authorization", "Bearer " + apiKey)
            .header("Content-Type", "application/json")
            .POST(HttpRequest.BodyPublishers.ofString(json))
            .build();

        try (HttpClient client = HttpClient.newHttpClient()) {
            HttpResponse<String> response = client.send(
                request, HttpResponse.BodyHandlers.ofString()
            );

            if (response.statusCode() < 200 || response.statusCode() >= 300) {
                // APIキーや生レスポンスをログにそのまま出さない
                throw new IllegalStateException(
                    "Responses API returned HTTP " + response.statusCode()
                );
            }
            System.out.println(response.body());
        }
    }
}

注意：JavaのHttpClientはJava 21以降でAutoCloseableです。 上記のtry-with-resourcesの使用例はJava 21以降向けです。Java 17の場合はtry-with-resourcesを使わず、HttpClient client = HttpClient.newHttpClient();のように生成してください。HttpRequestの構築や送信自体はJava 17でも使えます。

実務実装で加えるべきもの

JSONパーサー：応答のoutput配列などからテキストを安全に取り出す
タイムアウト設定：接続・応答の長時間待機を防ぐ
リトライポリシー：429 / 一時的5xxを扱い、指数バックオフ・回数上限を適用
監視：モデル名、入力・出力トークン、処理時間、エラー率を測る
品質評価：テストデータと期待結果を用意し、既存のSolやAstraと比較する

誤分類・請求額の間違いが業務処理へ直接影響するシステムでは、AIのテキスト出力をそのままDB更新や支払確定の根拠にしないでください。

11. Computer Useを組み込むときの注意点

TerraはComputer Useを利用できますが、APIを呼ぶだけでPC上のウィンドウを勝手に操作できるわけではありません。

Computer Useの基本構成は次のようになります。

アプリ側の実行環境（ブラウザ・仮想PCなど）
          │
          ├─ スクリーンショット取得
          │
          ▼
Responses API / gpt-6.1-terra
          │
          ├─ 画面を理解
          └─ 次の操作を提案
          │
          ▼
アプリ側で許可を確認
          │
          ▼
クリック・キー入力などを実行
          │
          ▼
画面を再取得して結果を確認
          │
          └─ 必要なら次の操作へ

画面を読むモデルと実際のマウス・キーボードを操作する制御側のプログラムを分離する考え方が重要です。

実装時は特に以下を守りたいところです。

操作可能なアプリ・サイト・フォルダ・認可スコープを制限する
外部サイトに書かれた指示を、そのままユーザーの命令として受け取らない
振込・購入・削除・権限変更などの重要操作は人間が確認する
操作対象の変更を検出したら停止する
失敗時に無制限のクリックや再試行を繰り返さない
入力した機密情報をログへ残さない

OpenAIの安全性報告では、TerraはPreparedness Framework上のサイバーセキュリティ「Critical」閾値に該当するとされています。この分類は高度な能力に応じて厳格な安全対策が必要であるという文脈であり、モデルが何をさせても安全と認定されたという意味ではありません。

OpenAI公式：安全性・アラインメント評価

12. Terra・Sol・Astra・Lunaはどう使い分ける？

OpenAIのモデル選択ガイドの推奨を、実務上の選び方に整理すると次のようになります。

モデル	適した作業	使い分けの考え方
GPT-6 Luna	単純で大量の分類・定型処理	最も価格を抑えたい
GPT-6.1 Terra	画面操作、画像理解、文章作成、範囲が明確な修正	速度・品質・料金のバランス
GPT-6.1 Sol	複雑なコードや業務判断	Terraで難しい問題を段階的に任せる
GPT-6 Astra	高難度の調査、設計、複雑な推論	高度な精度や能力を優先する

OpenAI公式：モデル選択ガイド

実務でのルーティング例

Java APIの開発やEC運営に使う場合、次のような構成が考えられます。

依頼を受ける
    │
    ├─ 単純な分類・抽出 → Luna
    │
    ├─ 商品画像・管理画面の操作 → Terra
    │
    ├─ 中規模の複雑な実装 → Sol
    │
    └─ 大規模設計・難しい原因調査 → Astra

これはモデル選択の提案であり、OpenAIがすべてのプロジェクトに義務づけた構成ではありません。自社のデータで比較したうえで採用するのが適切です。

13. 提供対象・使える場所

OpenAI公式発表では、GPT-6.1 Terraは2026年10月26日から段階的に提供開始されました。

利用方法	提供情報
ChatGPT Work	Plus、Pro、Enterprise、Eduユーザーへ提供
Codex	Plus、Pro、Enterprise、Eduユーザーへ提供
OpenAI API	`gpt-6.1-terra`で利用
Go / Free	Day 22公式発表では対象として列挙されていない

利用プランが対象として発表されていることと、各アカウントのモデルメニューに即時表示されることは別です。段階展開や製品の提供条件による違いがあり得ます。

また、ChatGPT Work / Codexの利用枠と、API Platformの利用料金・組織別のレート制限は別の体系です。ChatGPTの契約だけでAPIの利用が無料になるわけではありません。

14. よくある質問

Q. Day 22でも利用枠のフルリセットが来た？

Day 22の主な発表はGPT-6.1 Terraです。Day 22の新たなフルリセット告知は確認できません。 Day 21で発表されたリセットとは別です。

Q. TerraはGPT-6 Astraより頭が良い？

一部のComputer Use評価でAstra並みの結果が報告されていますが、全面的に上回るという意味ではありません。 複雑な研究・コーディングでは引き続きAstraやSolが推奨されています。

Q. Solより必ず2倍多くCodexを使える？

公式には一律2倍という固定数値は記載されていません。 同じ利用枠がTerraでより多くの作業をまかなえるとの説明です。

Q. Javaのシステムへそのまま組み込める？

API経由で利用できます。 ただし、機密データ処理、プロンプトインジェクション対策、トランザクションの確認、監視、コスト上限の設定をアプリケーション側で実装する必要があります。

Q. 最大コンテキスト105万トークンなら、ファイルを無制限に添付できる？

できません。 入力上限や製品のファイル制限、モデル側の出力上限があります。APIでは272,000入力トークンを超えると長文料金が発生します。

Q. 「50.3%」はすべてのコード修正が成功する確率？

違います。 Terminal-Bench 4.0という特定のベンチマーク、最大推論設定における測定値です。自分のプロジェクトでは別途評価が必要です。

15. まとめ

Day 21は利用枠のリセット、Day 22はGPT-6.1 Terraのリリースという、2日続けてCodex / Work利用者に関係する発表でした。

特にDay 22では次が重要です。

GPT-6.1 Terra：視覚理解・コンピューター操作・自然な文章に重点
標準API価格：入力$1、出力$5、キャッシュ済み入力$0.05 / 100万トークン
利用効率：同じWork / Codex枠で多くの作業をこなせると公式説明。ただしSol比の固定「2倍」は未確認
コーディング：Terminal-Bench 4.0で旧Terraの21.5%から50.3%へ改善
信頼性：OpenAIの難問評価で事実誤り率が減少。ただし実務の検証は引き続き必要
Computer Use：画面・アプリ操作に強いが、実行権限や重要操作の承認はシステム側で管理
Day 21リセット：対象アカウントの利用枠を回復する施策であり、Terraの料金改善とは別

「ベンチマークで速い」「APIトークンが安い」「同じ利用枠で多く作業できる」は、それぞれ別の主張です。 モデル採用では、実際の作業成功率・実行時間・API費用・再試行回数をセットで比較しましょう。

28日間アップデートの続報についても、公式資料と実利用の確認を分けて紹介していきます。

🌍 Codex Day 22：GPT-6.1 Terraを徹底解説｜性能・API料金・Computer Use

1. Day 21・Day 22で何が発表された？

日付が1日ずれる理由

2. GPT-6.1 Terraとは？何が得意なのか

3. API仕様を一覧で確認

105万トークンは「何でも無料で読める」の意味ではない

4. 料金：GPT-6.1 Solと比べてどれだけ安い？

標準API料金（100万トークンあたり）

具体的な費用計算

プロンプトキャッシュの30分・12時間

5. 「利用枠が2倍」は本当？

正しい理解

6. ベンチマーク①：Computer Use・画面操作

速さについて

実務例：請求書入力

7. ベンチマーク②：コーディング能力がどれだけ伸びた？

科学分野のターミナル操作

8. ベンチマーク③：事実誤りは減った？

9. APIで実際に試す：curlの最小例

10. Javaのバックエンドから呼ぶ例

実務実装で加えるべきもの

11. Computer Useを組み込むときの注意点

12. Terra・Sol・Astra・Lunaはどう使い分ける？

実務でのルーティング例

13. 提供対象・使える場所

14. よくある質問

Q. Day 22でも利用枠のフルリセットが来た？

Q. TerraはGPT-6 Astraより頭が良い？

Q. Solより必ず2倍多くCodexを使える？

Q. Javaのシステムへそのまま組み込める？

Q. 最大コンテキスト105万トークンなら、ファイルを無制限に添付できる？

Q. 「50.3%」はすべてのコード修正が成功する確率？

15. まとめ

参考資料・一次情報

🌍 Codex Day 22：GPT-6.1 Terraを徹底解説｜性能・API料金・Computer Use

1. Day 21・Day 22で何が発表された？

日付が1日ずれる理由

2. GPT-6.1 Terraとは？ 何が得意なのか

3. API仕様を一覧で確認

105万トークンは「何でも無料で読める」の意味ではない

4. 料金：GPT-6.1 Solと比べてどれだけ安い？

標準API料金（100万トークンあたり）

具体的な費用計算

プロンプトキャッシュの30分・12時間

5. 「利用枠が2倍」は本当？

正しい理解

6. ベンチマーク①：Computer Use・画面操作

速さについて

実務例：請求書入力

7. ベンチマーク②：コーディング能力がどれだけ伸びた？

科学分野のターミナル操作

8. ベンチマーク③：事実誤りは減った？

9. APIで実際に試す：curlの最小例

10. Javaのバックエンドから呼ぶ例

実務実装で加えるべきもの

11. Computer Useを組み込むときの注意点

12. Terra・Sol・Astra・Lunaはどう使い分ける？

実務でのルーティング例

13. 提供対象・使える場所

14. よくある質問

Q. Day 22でも利用枠のフルリセットが来た？

Q. TerraはGPT-6 Astraより頭が良い？

Q. Solより必ず2倍多くCodexを使える？

Q. Javaのシステムへそのまま組み込める？

Q. 最大コンテキスト105万トークンなら、ファイルを無制限に添付できる？

Q. 「50.3%」はすべてのコード修正が成功する確率？

15. まとめ

参考資料・一次情報

2. GPT-6.1 Terraとは？何が得意なのか