GPT-6.1 TerraとGPT-6 Lunaの違い：単価10倍、1タスクでは2.7〜6.3倍

GPT-6.1 Terra（gpt-6.1-terra）のAPI単価はGPT-6 Luna（gpt-6-luna）の10倍ですが、これは100万トークンあたりの値段の比で、作業1件あたりの費用の比ではありません。2026年10月28日に同じAPIゲートウェイ経由で両モデルに同じ12問を解かせたところ、合格した作業1件あたりの費用差は推論設定の組み合わせによって2.7〜6.3倍でした。Lunaは推論トークンを多く使うぶん時間もかかり、1回の呼び出しはTerraのほうが中央値で2〜3倍速く終わっています。

Lunaで今うまく回っている要約、抽出、短いコード生成は、Lunaのままで構いません。Terraに替える価値があるのは、Lunaの推論設定をxhighまで上げても直らない失敗が残る作業です。今回の実測では、請求書画像の英字Oと数字0の読み分けと、例外の多いバージョン範囲の仕様がそれに当たりました。比べるときはTerraのlow・mediumとLunaのhigh・xhighを並べます。

切り替えを止める条件もあります。US・EU以外のデータレジデンシーを設定したプロジェクトではGPT-6.1 Terraを使えず、ChatGPTの通常のチャットにもTerraはありません（使えるのはWorkとCodex）。またmaxとツール呼び出しはResponses APIが前提なので、Chat Completionsで書いたLunaのコードは、モデル名を替えるだけでは動かない場合があります。

GPT-6.1 TerraとGPT-6 LunaのAPI料金：キャッシュ入力以外は10倍

OpenAIのStandard料金では、GPT-6.1 Terraの入力・キャッシュ書き込み・出力はGPT-6 Lunaのちょうど10倍で、キャッシュ入力だけが5倍です。Terraはキャッシュ入力を通常入力の5%、Lunaは10%で請求するため、この1項目だけ差が縮まります。以下は2026年10月28日時点の、入力が272Kトークン以下のリクエストに適用される100万トークンあたりの単価です（OpenAI API料金表、GPT-6.1 Terraのモデルページ、GPT-6 Lunaのモデルページ）。

処理区分を替えても比は変わりません。BatchとFlexはどちらもStandardの半額、Fastは2倍、地域処理は10%増しです。最速のUltrafastはどちらのモデルにもありません（料金表にあるのはGPT-6 AstraとGPT-6.1 Solだけ）。

料金以外の仕様はほとんど同じです。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、入力はテキストと画像、出力はテキストで、reasoning.effortは両方ともnone、low、medium（既定）、high、xhigh、maxを受け付けます。知識のカットオフはLunaが2026年5月18日、Terraが2026年6月1日です。OpenAIはTerraを「視覚的な推論、正確なコンピューター操作、明快で自然な文章」向け、Lunaを「集中した大量処理向けの最も効率的なモデル」と位置づけています。

Artificial Analysis v5.0の比較：Terra lowがLuna maxを上回る

第三者機関Artificial AnalysisのIntelligence Index v5.0では、Terraの最も軽い推論設定lowが29点で、Lunaの最も重いmaxの28点を上回ります。そのうえ評価1タスクあたりの費用は$0.07対$0.15で約半分、1タスクの所要時間は48秒対597秒で約12分の1です。数値は2026年10月28日時点のArtificial AnalysisのGPT-6.1 TerraとGPT-6 Lunaの比較ページによります。

表の読み方は、同じ設定名の行ではなく、点数が近い点同士を比べることです。Terra lowとLuna maxがその対応点で、Terra mediumの38点はLunaのどの設定よりも上にあります。Lunaが安く済むのはmedium（18点、$0.04）やlow（10点、$0.01）のように点数そのものが低い領域だけで、Terraにはそこまで軽い設定がありません。推論を上げたときの伸び方も違い、Lunaはlowからmaxで費用が15倍になって18点上がるのに対し、Terraはlowからmediumで費用2.4倍、9点上がります。Terraのnoneはlowより高く遅いので、推論なしで節約するつもりなら逆効果です。

内訳で差が大きいのは、ターミナル操作のTerminal-Bench 4.0（max同士で55.6%対12.6%、Terra lowでも15.2%）と、知識問題で誤答を減点するAA-Omniscience v1.1です。後者はTerraが推論ありで23〜30点なのに対し、Lunaはどの設定でも−8〜−26点で、マイナスは正答より誤答が多いことを示します。なお発売当日にArtificial AnalysisがXで示した「TerraはLunaより10点高い」は旧版のIndex v4.3.2での数字で、v5.0ではmax同士の差が23点（51対28）です。

同じ12問の実測：Terraは15〜16件合格、Lunaは12件

2026年10月28日、両モデルに同じ12問を同じAPIゲートウェイ経由で解かせると、16回の呼び出しのうちTerraはlowで15件、mediumで16件合格し、Lunaはmedium・high・xhighのどれでも12件でした。経路はOpenAI互換のLaoZhang API（laozhang.ai）で、1つのキーから両モデルにChat Completionsで送り、ストリーミング、max_completion_tokensは32,000、システムプロンプトとツールなしの単発の質問です。Lunaのmaxはこの経路のChat Completionsでは受け付けられなかったため、Lunaの上限はxhighです。

注記：laozhang.ai は当ブログ運営チームの自社サービスです。その料金は中立的な比較ではなく、自社の提示価格です。

問題は、文章題、隠しテスト付きのコード関数3つ、6,723語の記事を25語以内の5項目に要約、evalを使わない数式パーサー、CSVの1行パーサー、桁和の数え上げ、npm形式のsemver範囲を判定するsatisfies()（隠しテスト36件）、メモが紛れ込んだ長文からの金額計算、存在しない標準ライブラリ関数を混ぜた質問、請求書とグラフの画像からのJSON抽出です。合否の基準は実行前に決めてあり、4問は設定ごとに2回、8問は1回ずつ解かせました。費用は返ってきたトークン数にOpenAIのStandard定価を掛けた値で、ゲートウェイの請求額ではありません。

Lunaはどの設定でも不合格が4件で、どの設定にも共通して落ちたのは画像とsemverの2問です。請求書とグラフの画像では、Lunaの6回の回答はどれも40個の数値を正しく読み、12本の棒の高さも誤差±2以内で、わざと入れた明細の計算ミスも見つけていました。それでも請求書番号INV-2026-10-0O81の英字Oを毎回数字の0と読み、Terraは4回とも正確に読んでいます。semverの範囲判定では、Lunaの合格は6回中2回で、失敗のうち3回は^1.0.0 ||のように末尾に||が残った不正な範囲を弾けなかったという隠しテスト1件、1回はキャレット範囲全体を壊して36件中14件を落としました。Terraは4回とも合格です。ほかにLuna highが桁和の問題で1回だけ67,252（正解は55,252）と答え、5項目要約ではLuna xhighとTerra lowがそれぞれ1回、26語の項目を書いて25語の制限を超えました。それ以外の問題はすべての設定で合格しています。

Lunaの推論をmediumからxhighに上げると出力トークンは約2倍になりましたが、合格数は12件のまま増えませんでした。つまり今回Lunaが落とした問題は、考える量を増やせば解ける種類ではなかったということです。標本は12問・各1〜2回・1日・1経路で、直接のOpenAI API、Responses APIでの本番実行、ツール呼び出しや画面操作、Codexは試していません。誤答率の推定ではなく、Lunaがどこでつまずくかを見る材料として読んでください。

「10倍」が合格1件あたり2.7〜6.3倍に縮む理由

合格1件あたりの費用は「16回の費用÷合格数」で計算できます。Terra lowは$0.0625÷15＝$0.00417、Luna xhighは$0.0188÷12＝$0.00157で、比は2.7倍です。同じmedium同士では$0.00568÷$0.00090で6.3倍、Terra lowとLuna highなら3.6倍になります。どの組み合わせでもトークン単価の10倍には届きません。

縮む理由は推論トークンの量です。同じ16回で、Luna xhighは推論に25,833トークンを使い、Terra lowは2,310トークンでした。単価が10分の1でも使うトークンが多ければ差は縮み、Terraの合格が多いぶん1件あたりではさらに縮みます。所要時間も同じ理由で、Artificial Analysisの計測ではLunaのほうが出力速度は速い（毎秒116〜124トークン対91トークン）のに、今回の1回の呼び出しはTerraが中央値で2〜3倍速く終わりました。Lunaは答え始めるまでに長く考えるからです。

Terraに10倍払う価値がある作業、Lunaのままでよい作業

Lunaですでに合格している作業は、Lunaのまま回すのが合理的です。今回の実測でも、文章題、短いコード関数、パーサー、長文からの計算、存在しない関数を見抜く質問ではLunaとTerraの差がなく、Lunaのほうが1件あたり数分の1の費用で済みました。Terraへ移す候補になるのは、Lunaの推論設定を上げても同じ種類の失敗が残る作業だけです。

その代表が、1文字の取り違えが致命的になる画像の読み取りと、例外の多い仕様に沿ったコードです。請求書番号や型番、伝票の英数字のように、数値全体はLunaでも読めても1文字の誤りで照合が壊れる処理は、Terraの単価を払う意味があります。OpenAIがTerraの用途に挙げている画面操作や、製品写真とカタログの照合、図面の読み取りも同じ方向ですが、ツール呼び出しやコンピューター操作は今回試していません。また応答の速さが体験を左右する対話型の処理では、Terraが2〜3倍速く返す点も判断材料になります。

自分の作業で決めるなら、実際の入力を20〜30件集め、正解かどうかを機械的に判定できる基準を先に書いてから、今のLunaの設定とTerra lowの両方で流します。費用合計を合格数で割った合格1件あたりの費用を比べ、Terraとの差額が、Lunaの不合格を人が直す手間より小さければ、その種類の作業だけをTerraに移します。Terra lowで落ちるものがあればmediumを足して同じ計算をします。

Terraでも足りない難しいコーディングは、OpenAIもGPT-6.1 SolかGPT-6 Astraを勧めており、Solへ上げる判断はGPT-6.1 TerraとSolの違い：単価は半額、Codex実測で2倍速が参考になります。Claudeと比べたい場合は、Terra側をClaude Opus 5.5とGPT-6.1 Terra比較：「9分の1」の条件と使い分け、Luna側をClaude Sonnet 5.5とGPT-6 Luna比較：単価20倍、同水準なら5〜8倍で比べられます。4モデル全体の選び方はGPT-6 Sol・Luna・AstraとTerraの違い：API料金と用途から選ぶが参考になります。

LunaからTerraへ替える前の確認：maxとツールはResponses API

モデルIDをgpt-6-lunaからgpt-6.1-terraに替えるだけで動くのは、ツールを使わず、推論設定がxhigh以下のChat Completionsのリクエストです。maxやツール呼び出しを使うコードは、エンドポイントから見直す必要があります。2026年10月28日に同じゲートウェイ経由で確かめた挙動と、OpenAIのモデルページの記載を合わせると、確認の順番は次のとおりです。

1. 比べる推論設定を決めます。Lunaをhighやxhighで使っているなら、Terraはまずlowから試し、足りなければmediumに上げます。同じ設定名同士を並べると、Terraが割高に見えます。
2. maxを使うなら、Responses APIのreasoning.effort: "max"で送ります。Chat Completionsのreasoning_effort: "max"は、ストリーミングなしのリクエストで両モデルともHTTP 400（does not support 'max' with this model）になりました。ストリーミングではTerraだけ通りましたが、挙動が揃わないので頼らないでください。Responses APIでは両モデルとも200が返り、"effort": "max"が反映されていました。
3. ツール呼び出しを使うなら、Responses APIに移します。TerraのツールはResponses APIが必須で、LunaはChat Completionsでもreasoning_effortがnoneのときだけ関数呼び出しができます。LunaのnoneとChat Completionsで関数呼び出しを組んでいるコードは、Terraに替えるとそのままでは動きません。
4. 出力上限の指定はmax_tokensではなくmax_completion_tokensにします。ストリーミングなしのリクエストでは、max_tokensを付けると両モデルともHTTP 400になり、「max_completion_tokensを使うように」というメッセージが返りました。

データレジデンシーは、切り替えそのものを止める条件です。OpenAIのデータ管理ガイド（Your data）によると、2026年10月28日時点でGPT-6.1 TerraがサポートするのはUSとEUのデータレジデンシーだけで、日本リージョン（jp.api.openai.com、保存のみ対応で地域内処理は非対応）などそれ以外のリージョンを設定したプロジェクトではTerraを使えません。GPT-6 Lunaはより多くのリージョンに対応しているので、Lunaでそうしたプロジェクトを運用しているなら、Terraに移す前に地域の要件を確かめてください。

ChatGPTとCodexのTerraとLuna：通常のチャットにTerraはない

ChatGPTの通常のチャットでは、どのプランでもGPT-6.1 Terraは選べません。Terraが使えるのはPlus、Pro、Business、Enterprise、EduのWorkとCodexです。一方Lunaは、無料プランとGoのチャットで2026年10月8日から順次GPT-6として使われています（有料プランのチャットはGPT-6 Sol）。無料版で何ができるかはGPT-6は無料で使える？ChatGPT無料プランは10月8日からGPT-6 Lunaを参照してください。

WorkとCodexでは、利用量の目安もAPIと同じくおよそ10倍の差です。ChatGPTのCodex料金と利用量の案内によると、2026年10月28日時点でPlusと標準のBusinessの5時間あたりのローカルメッセージの目安はLunaが350〜3,000、Terraが35〜285で、作業の大きさやコンテキスト、推論の量で変わる目安であり固定の上限ではありません。Proには5時間の上限がなく、週単位の上限がかかる場合があります。Codexのクレジット消費は100万トークンあたりLunaが入力2.5、キャッシュ入力0.25、出力12.5、Terraが25、1.25、125クレジットです。Codex CLIでTerraを使うには0.159.0以降が必要で、codex -m gpt-6.1-terraで指定します。2026年10月27日時点のChatGPTとCodexのモデル案内では、LunaはCodexのIDE拡張にも載っていますが、Terraの対応先にはIDE拡張の記載がありません。

GPT-6.1 TerraとGPT-6 Lunaのよくある質問

GPT-6.1 Lunaはありますか？

2026年10月28日時点で、GPT-6.1 Lunaは発表されていません。OpenAIのAPI料金表の主要モデル欄に並ぶのはGPT-6 Astra、GPT-6.1 Sol、GPT-6.1 Terra、GPT-6 Lunaの4つで、Lunaの最新は2026年9月22日にGPT-6 Solと同時に公開されたGPT-6 Luna（スナップショットgpt-6-luna-2026-09-22）です。

GPT-5.6 TerraとGPT-6.1 Terraは違うモデルですか？

違うモデルです。GPT-5.6 Terra（gpt-5.6-terra）は前の世代のTerraで、GPT-6.1 TerraはGPT-6世代で最初のTerraです。gpt-6-terraというモデルIDはありません。2026年10月27日時点のOpenAIの料金表では、GPT-5.6 Terraは入力$2・出力$12で、GPT-6.1 Terraは入力が半額、出力は12分の5の単価です。