OpenAI prezentuje GPT-6.1 Terra do złożonych zadań

OpenAI zaprezentowało nową generację swojego sztandarowego modelu – GPT-6.1 Terra. Tym razem nacisk nie pada na samą rozmowę, lecz na praktyczne działanie: system ma rozumieć obraz ekranu i wykonywać konkretne czynności w oprogramowaniu, z którym na co dzień pracują firmy. To wyraźny zwrot od generowania tekstu w stronę autonomicznego wykonywania zadań.

Premiera wpisuje się w szerszy trend: twórcy narzędzi AI coraz częściej mierzą się z oczekiwaniem, że model nie tylko odpowie na pytanie, ale też faktycznie coś zrobi – kliknie, wpisze dane, przejdzie przez kolejne okna aplikacji. Terra ma być odpowiedzią na tę potrzebę, adresowaną głównie do deweloperów i zespołów wdrożeniowych w przedsiębiorstwach.

Co potrafi GPT-6.1 Terra

Nowy model został zaprojektowany jako szybki, zoptymalizowany silnik multimodalny. Łączy analizę treści wizualnych z niskimi opóźnieniami, dzięki czemu nadaje się do pracy wymagającej reakcji niemal natychmiastowej. OpenAI wymienia trzy filary nowej konstrukcji.

Sterowanie komputerem bez udziału człowieka

Terra została dostrojona do odczytywania interfejsów graficznych – rozpoznaje przyciski, pola formularzy i listy rozwijane, a następnie wykonuje na nich operacje: klika, przeciąga elementy i wpisuje treść. Działa zarówno w aplikacjach desktopowych, jak i w przeglądarce, bez potrzeby angażowania użytkownika w każdy krok.

Szybkie przetwarzanie obrazu z ekranu

Model analizuje zrzuty ekranu w wysokiej rozdzielczości oraz strumienie wideo z dużo mniejszym opóźnieniem niż wcześniejsze modele rozumowania. To kluczowa zmiana dla automatyzacji sterowanej obrazem – płynność reakcji decyduje o tym, czy narzędzie nadaje się do pracy w czasie rzeczywistym, czy jedynie do zadań wsadowych.

Naturalna rozmowa i mniejsze halucynacje

Poza wykonywaniem kodu Terra ma prowadzić bardziej naturalny dialog i rzadziej zmyślać szczegóły podczas wyjaśniania przebiegu pracy. OpenAI przedstawia ten element jako przewagę nad rozwiązaniami konkurencji, w tym modelami od Anthropic.

Gdzie sprawdzi się w firmie

Producent wskazuje kilka scenariuszy, w których niskie opóźnienia i rozumienie ekranu mają realne znaczenie biznesowe. Wśród zastosowań wymieniane są między innymi:

autonomiczne wprowadzanie danych do systemów,
uzgadnianie arkuszy kalkulacyjnych rozproszonych po różnych programach,
wsparcie klienta polegające na podpowiedziach w czasie rzeczywistym, opartych na tym, co widać na ekranie konsultanta.

To rozwinięcie możliwości, które OpenAI zapowiadało przy wcześniejszych aktualizacjach dotyczących przeglądania stron i obiegów pracy w firmach. Terra ma być ogniwem łączącym te funkcje w spójne narzędzie do codziennych zadań operacyjnych.

Dostępność i cena

Nowy model trafia do planów ChatGPT Plus, Pro oraz Enterprise, a także do deweloperów przez API OpenAI. Producent podkreśla, że Terra oferuje szybkie i sprawne sterowanie komputerem w niższej cenie niż wcześniejsze rozwiązania tego typu – co może być istotne dla firm planujących wdrożenia na większą skalę.

W tle warto odnotować szerszy kontekst działań OpenAI. Współzałożyciel firmy, Greg Brockman, poinformował równolegle o trzech odkryciach naukowych dokonanych z udziałem AI – w analizie harmonicznej, teorii złożoności oraz kwantowej teorii pola. To sygnał, że ambicje firmy wykraczają poza automatyzację biurową.

Agentowa AI zamiast czatu

GPT-6.1 Terra to świadomy zwrot od skali konwersacyjnej w stronę praktycznego wykonywania zadań. Szybkie rozumienie obrazu i wiarygodne sterowanie komputerem tworzą fundament pod automatyzację realnych procesów w miejscu pracy – takich, które dziś wciąż wymagają człowieka siedzącego przed ekranem.

Pytanie brzmi, na ile deklarowana niezawodność przełoży się na wdrożenia produkcyjne, gdzie liczy się każdy błąd. Jeśli Terra spełni obietnice, kolejna fala automatyzacji może objąć nie tylko programistów, ale też działy operacyjne i obsługę klienta.