OpenAI’dan ‘GPT-6.1 Terra’ Hamlesi: 1,05M Bağlam, 3 Kat Hızlı Bilgisayar Kullanımı (Computer Use), %85,5 MMMU-Pro ve %50 Ucuz API Mimarisi

Çok adımlı kurumsal yapay zeka ajanlarının (agentic workflows) üretim ortamlarında ölçeklenmesi, mühendislik ekiplerini zorlu bir maliyet-gecikme ikilemiyle karşı karşıya bırakmaktadır: Amiral gemisi sınır modeller yüksek doğruluk sunsa da masaüstü arayüz kontrolü (Computer Use), fatura/belge ayrıştırma ve sürekli ekran görüntüsü okuma gibi yüksek frekanslı döngülerde hem yavaş hem de ekonomik olarak sürdürülemez kalmaktadır. OpenAI, 26–27 Ekim 2026 itibarıyla bu darboğazı çözmek üzere GPT-6 ailesinin yüksek verimlilikli, çok modlu (multimodal) orta katman modeli GPT-6.1 Terra'yı (gpt-6.1-terra) resmen kullanıma sundu.

Selefi GPT-5.6 Terra'nın yerini alan ve ailenin ağır sıklet modelleri GPT-6.1 Sol (derin yazılım mühendisliği) ile GPT-6 Astra (amiral gemisi sınır model) altında konumlanan GPT-6.1 Terra; masaüstü bilgisayar kullanımı görevlerinde GPT-6 Astra ile eşdeğer başarıyı onda bir (1/10) token maliyetine ve 3 kattan daha yüksek yürütme hızıyla sağlamaktadır.

1. GPT-6 Model Ailesinde ‘Terra’ Konumlandırması ve Çekirdek Teknik Özellikler

OpenAI, GPT-6 nesliyle birlikte tek tip model yaklaşımını terk ederek iş yüküne göre özelleşmiş üçlü bir gökbilim/gezegen isimlendirme hiyerarşisine (Astra, Sol, Terra) geçmiştir. Bu mimaride GPT-6.1 Terra, "dünya üzerindeki günlük kurumsal operasyonların ve görsel arayüz etkileşimlerinin yüksek hızlı iş gücü" olarak tasarlanmıştır:

• API Model Kimliği: gpt-6.1-terra (OpenAI Responses API, Chat Completions, ChatGPT Work ve Codex üzerinden erişilebilir).
• Bağlam Penceresi ve Çıktı Kapasitesi: 1.050.000 token (~1,05M token) giriş bağlamı ve tek seferde 128.000 token maksimum çıktı kapasitesi (Bilgi kesim tarihi: 1 Haziran 2026).
• 6 Kademeli Akıl Yürütme Eforu (reasoning.effort): Geliştiriciler her API çağrısında modelin içsel düşünce zinciri bütçesini none, low, medium (varsayılan), high, xhigh ve max olmak üzere 6 farklı seviyede dinamik olarak ayarlayabilmektedir.
• Yerleşik Responses API Araç Ekosistemi: Bilgisayar kullanımı (Computer Use), Model Context Protocol (MCP), barındırılan kabuk (Hosted Shell), Code Interpreter, Web Search, File Search ve büyük araç dizinleri için Tool Search yeteneklerini yerel olarak destekler.

flowchart TD
    A["Gelen Kurumsal Ajan Görevi\n(1.05M Token Bağlam + Ekran Görüntüsü / Belge)"] --> B{"Görev Karmaşıklığı &\nModel Yönlendirici"}

    B -->|"Masaüstü UI Otomasyonu, CAD/Fatura Görsel Analizi,\nYüksek Hacimli Ofis & MCP İş Akışları"| C["GPT-6.1 Terra (gpt-6.1-terra)\n$1.00 / $5.00 (Önbellek: $0.05)\n3x Hızlı Yürütme"]
    B -->|"Ağır Yazılım Mimarisi & Çok Dosyalı Kod Refaktörü"| D["GPT-6.1 Sol\nDerin Kodlama Uzmanı"]
    B -->|"Sınır Bilimsel Araştırma & Karmaşık Teorem Sentezi"| E["GPT-6 Astra\nAmiral Gemisi Sınır Model"]

    C --> F["6 Kademeli Akıl Yürütme Eforu\n(none | low | medium | high | xhigh | max)"]
    F --> G["Responses API Araç Yürütmesi\n(Computer Use, MCP, Hosted Shell, Tool Search)"]

    style C fill:#064e3b,stroke:#10b981,color:#ffffff
    style D fill:#1e293b,stroke:#38bdf8,color:#ffffff
    style E fill:#31102f,stroke:#f43f5e,color:#ffffff
    style F fill:#7c2d12,stroke:#f97316,color:#ffffff

2. Kıyaslama (Benchmark) Analizi: Bilgisayar Kullanımı, Görsel Zeka ve Kodlama

GPT-6.1 Terra'nın en dikkat çekici mühendislik sıçraması, görsel algılama ile işletim sistemi arayüzü tıklama/yazma eylemlerini birleştiren Computer Use ve görsel akıl yürütme testlerinde kaydedilmiştir:

1. Bilgisayar Kullanımı (Agents' Last Exam): Orta (medium) akıl yürütme eforunda GPT-6.1 Terra, selefi GPT-5.6 Terra'ya kıyasla 15 puan daha yüksek skor elde ederken görev başı maliyeti üçte bire indirmektedir. Daha da önemlisi, profesyonel masaüstü ve yazılım arayüzü otomasyonunda amiral gemisi GPT-6 Astra ile başa baş performans gösterirken onda bir (1/10) fiyatla ve 3 kattan daha hızlı çalışmaktadır.
2. Görsel Akıl Yürütme (MMMU-Pro): Maksimum (max) akıl yürütme eforunda %85,5 başarıya ulaşarak sınır modellerle arasındaki farkı kapatmıştır. Bu yetenek; teknik mühendislik çizimlerinin (CAD/mimari planlar) incelenmesi, karmaşık tabloların muhasebe yazılımlarına aktarılması ve video düzenleme zaman çizelgesi (timeline) günlüklerinin çözümlenmesinde doğrudan üretim kalitesi sunar.
3. Ajan Kodlama (Terminal-Bench 4.0): Selefi GPT-5.6 Terra'nın %21,5 olan skorunu iki kattan fazla artırarak %50,3 seviyesine taşımıştır. Bununla birlikte OpenAI, en ağır uçtan uca yazılım mühendisliği görevleri için GPT-6.1 Sol veya GPT-6 Astra kullanımını önermeye devam etmektedir.
4. Halüsinasyon ve İstem Enjeksiyonu (Prompt Injection) Direnci: Kasıtlı olarak yanıltıcı (adversarial) öncüller içeren istemlerdeki olgusal hata oranı düşük eforda %16,7 seviyesine çekilmiş; ayrıca ekran kazıma (screen scraping) sırasında web sayfalarına gizlenen dolaylı istem enjeksiyonu saldırılarına karşı savunma katmanları güçlendirilmiştir.

3. Birim Ekonomisi: %50 Fiyat İndirimi ve %95 Önbellek (Cached Input) Avantajı

Bilgisayar kullanan ajanlar her tıklama sonrasında yeni ekran görüntüsü ve DOM/erişilebilirlik ağacı durumunu modele tekrar gönderdiği için girdi token tüketimi üstel olarak artmaktadır. OpenAI, GPT-6.1 Terra'nın standart API fiyatlarını GPT-5.6 Terra ve GPT-6.1 Sol modellerine kıyasla %50 oranında düşürmüş, önbellekli girdilerde ise %95 indirim uygulamıştır:

(Not: Gecikme süresinin milisaniye düzeyinde kritik olduğu gerçek zamanlı etkileşimler için sunulan Fast Mode katmanı ise 2,00 $ girdi / 10,00 $ çıktı fiyatlandırmasıyla çalışmaktadır.)

4. Örnek Mimari: Dinamik Akıl Yürütme Eforu ve Önbellek Duyarlı GPT-6.1 Terra Ajan Yönlendiricisi

Aşağıdaki Python modülü, OpenAI Responses API üzerinde çalışan bir masaüstü/görsel otomasyon ajanının görev türüne göre 6 kademeli reasoning.effort parametresini dinamik seçmesini ve 1,05 milyon tokenlık bağlamda %95 önbellek indiriminden ($0.05 / 1M) yararlanarak birim maliyeti hesaplamasını göstermektedir:

from dataclasses import dataclass
from enum import Enum
from typing import Dict


class ReasoningEffort(Enum):
    NONE = "none"
    LOW = "low"
    MEDIUM = "medium"
    HIGH = "high"
    XHIGH = "xhigh"
    MAX = "max"


@dataclass(frozen=True)
class TerraWorkflowStep:
    step_name: str
    requires_cad_or_schematic_audit: bool
    is_ui_click_navigation: bool
    uncached_input_tokens: int
    cached_input_tokens: int
    output_tokens: int


class Gpt61TerraAutomationRouter:
    """
    gpt-6.1-terra modeli için görev bazlı akıl yürütme eforu (reasoning.effort)
    ataması yapar ve önbellek duyarlı Responses API maliyetini hesaplar.
    """

    INPUT_PRICE_PER_1M = 1.00
    CACHED_INPUT_PRICE_PER_1M = 0.05
    OUTPUT_PRICE_PER_1M = 5.00

    def select_effort(self, step: TerraWorkflowStep) -> ReasoningEffort:
        if step.requires_cad_or_schematic_audit:
            return ReasoningEffort.MAX  # MMMU-Pro %85,5 görsel derinlik modu
        if step.is_ui_click_navigation:
            return ReasoningEffort.MEDIUM  # Agents' Last Exam 3x hızlı masaüstü modu
        return ReasoningEffort.LOW

    def estimate_step_cost_usd(self, step: TerraWorkflowStep) -> Dict[str, object]:
        effort = self.select_effort(step)
        cost_usd = (
            (step.uncached_input_tokens / 1_000_000.0) * self.INPUT_PRICE_PER_1M
            + (step.cached_input_tokens / 1_000_000.0) * self.CACHED_INPUT_PRICE_PER_1M
            + (step.output_tokens / 1_000_000.0) * self.OUTPUT_PRICE_PER_1M
        )
        return {
            "model": "gpt-6.1-terra",
            "step": step.step_name,
            "reasoning_effort": effort.value,
            "cost_usd": round(cost_usd, 5),
        }


if __name__ == "__main__":
    router = Gpt61TerraAutomationRouter()
    ui_step = TerraWorkflowStep(
        step_name="erp_invoice_ui_extraction",
        requires_cad_or_schematic_audit=False,
        is_ui_click_navigation=True,
        uncached_input_tokens=15_000,
        cached_input_tokens=420_000,  # 1.05M pencerede önbellekten okunan geçmiş durum
        output_tokens=1_200,
    )
    print(router.estimate_step_cost_usd(ui_step))

5. Sonuç: Kurumsal Otomasyonda ‘Yeterince Zeki ve Çok Daha Hızlı’ Paradigması

GPT-6.1 Terra, kurumsal yapay zeka mimarilerinde her alt görev için devasa sınır modelleri çağırma döneminin kapandığını göstermektedir. 1,05 milyon token bağlam penceresi, MMMU-Pro'da %85,5 görsel akıl yürütme, 3 kat hızlı Computer Use performansı ve 0,05 $/1M önbellekli girdi fiyatlandırması birleştiğinde; fatura işlemleme, teknik çizim denetimi, MCP tabanlı ofis otomasyonu ve çok adımlı kullanıcı arayüzü ajanları ilk kez kurumsal ölçekte karlı bir birim ekonomisine kavuşmaktadır.

Kaynaklar

1. OpenAI Platform & Model Release Notes (26–27 Ekim 2026): Introducing GPT-6.1 Terra (gpt-6.1-terra) — High-Efficiency Visual Reasoning, Computer Use, and Responses API Pricing.
2. OpenAI Preparedness & Evaluation Report (Ekim 2026): Agents' Last Exam, MMMU-Pro (85.5%), Terminal-Bench 4.0 (50.3%), and Prompt-Injection Resilience on GPT-6.1 Terra.
3. OpenRouter & BenchLM Model Index (Ekim 2026): Comparative Latency and Cost Analysis Across GPT-6.1 Terra, GPT-6.1 Sol, and GPT-6 Astra.