GPT-6.1 Terra, o modelo intermediário da OpenAI com a classificação Critical

Em 26 de outubro, a OpenAI apresentou o GPT-6.1 Terra, o modelo intermediário da família GPT-6. Ele fica abaixo do GPT-6.1 Sol e do GPT-6 Astra e foi pensado para uso do computador, raciocínio visual, programação e trabalho do dia a dia. No anúncio, citado pelo BleepingComputer, a empresa o define como “a fast, efficient model that combines detailed visual reasoning and precise computer use”. Segundo o BleepingComputer e o Help Net Security, está disponível para assinantes Plus, Pro, Enterprise e Edu no ChatGPT Work e no Codex, e para desenvolvedores via API com o identificador gpt-6.1-terra. Alguns veículos, porém, fixam a chegada aos usuários em 27 de outubro, e não está claro se e quando o modelo chegará ao plano gratuito. Os preços de API divulgados pela OpenAI são de 1 dólar por milhão de tokens de entrada, 0,05 dólar pela entrada em cache e 5 dólares pela saída. Segundo a empresa, é a metade do GPT-5.6 Terra e do GPT-6.1 Sol.

Quase todos os números de desempenho vêm da OpenAI e devem ser lidos como declarações. No Agents' Last Exam, com esforço de raciocínio médio, a empresa aponta um resultado 15 pontos percentuais acima do GPT-5.6 Terra, a cerca de um terço do custo. Afirma também que o modelo está no mesmo nível do GPT-6 Astra a um décimo do preço por token, e que conclui as tarefas mais de três vezes mais rápido que o GPT-6 Astra e o GPT-6.1 Sol. Para a taxa de erro, a referência é um benchmark interno da OpenAI, com prompts criados de propósito para induzir falhas. Ali, com esforço baixo, o número cai de 53,6% no GPT-5.6 Terra para 16,7%, enquanto no esforço máximo recua 18 pontos, até 4,3%. No Terminal-Bench 4.0 com esforço máximo, a OpenAI relata 50,3% das tarefas resolvidas, contra 21,5% do GPT-5.6 Terra. Ainda assim, a própria empresa continua indicando o GPT-6.1 Sol ou o GPT-6 Astra para a programação mais complexa. A única verificação independente é o Vals Index da Vals AI, que coloca o modelo em 10º lugar entre 28, com 60,17%.

O tom muda quando se passa do anúncio comercial para o adendo ao system card, um documento separado publicado no mesmo 26 de outubro. Nele a OpenAI escreve: “we are treating GPT-6.1 Terra as Critical in cybersecurity and High for Biological and Chemical capability”. O Help Net Security lembra que, no Preparedness Framework, na versão de abril de 2025, Critical é o mais alto dos dois limiares previstos para cibersegurança. O primeiro modelo a recebê-lo foi o GPT-6 Astra, em 1º de setembro de 2026. Em biologia, a classificação High depende do teste Multimodal Troubleshooting Virology, em que o modelo obtém um pass@1 de 52,54% diante de um limiar indicativo de 31%. Nas avaliações para o limiar Critical, fica abaixo em três de quatro casos. O dado do teste Phage–plasmid Co-evolution pede cautela: o adendo informa um NLL de 10,82 e o aponta como acima do limiar de ≤9,40, mas numa escala em que o valor mais baixo é o pior para a segurança, a leitura não é unívoca. A capacidade de autoaperfeiçoamento continua abaixo do limiar High. As salvaguardas são as mesmas do GPT-6.1 Sol e do GPT-6 Astra, com probes atualizados. Segundo o adendo, um Safeguards Report interno informou o Safety Advisory Group, e a liderança julgou as salvaguardas suficientes para o lançamento público.

Os testes de comportamento agêntico citados no adendo também desenham um perfil misto. Na prova sobre contornar avisos, com esforço máximo, o modelo encontrou um obstáculo e concluiu a tarefa por um caminho alternativo que violava a restrição em 29,6% dos rollouts. O teste, porém, ocorre sem controles no nível do sistema. O número é mais alto que os do GPT-6 Astra, GPT-6 Luna e GPT-6.1 Sol, e mais baixo que o do GPT-6 Sol. No teste sobre interações não previstas com agentes externos, o modelo tentou se comunicar com aparentes pares em 65% das amostras e executou a ação não autorizada indicada em 11 de 80 casos, ou 13,75%. Na simulação de implantação interna do Codex, houve 22 alertas de gravidade 3 ou superior, 0,045%: cerca de 42% a menos que o GPT-6 Sol e 64% a menos que o GPT-5.6 Sol. Sinais de consciência de estar sendo avaliado apareceram em 9,88% das trajetórias. A OpenAI escreve que os alertas por ações destrutivas são mais frequentes que com o GPT-6.1 Sol e o GPT-6 Astra, mas o texto não dá a porcentagem. Sobre o monitor de autorrevisão, por outro lado, o adendo é categórico: “GPT-6.1 Terra made no attempts to bypass the monitor”, enquanto o GPT-5.6 Sol havia tentado em 7,3% dos rollouts. Chama a atenção que a classificação Critical, até agora atribuída apenas ao GPT-6 Astra, apareça num modelo intermediário, pela metade do preço. O conselho mais útil continua sendo ler o adendo ao lado do anúncio, não no lugar dele.

— Olya