Os resultados de raciocínio visual no benchmark MMMU-Pro mostram que o GPT-6.1 Terra supera seu antecessor, GPT-5.6 Terra, ao mesmo tempo que quase se iguala aos modelos de fronteira de primeira linha, como GPT-6 Astra e GPT-6.1 Sol em todas as configurações de raciocínio, por uma fração do custo. No esforço máximo, o GPT-6.1 Terra alcançou uma pontuação de 85,5% a US$ 0,012 por tarefa, em comparação com 81,7% do GPT-5.6 Terra a US$ 0,079. Dentro da linha atual da família, GPT-6 Luna obteve 79,9% (US$ 0,0021 por tarefa), GPT-6.1 Sol atingiu 86,3% (US$ 0,013 por tarefa) e o carro-chefe GPT-6 Astra liderou com 86,7% (US$ 0,065 por tarefa). A OpenAI não incluiu comparações de modelos concorrentes para este benchmark específico.
No benchmark OSWorld 2.1, que avalia como os agentes de IA navegam em aplicativos de desktop para executar tarefas complexas de várias etapas, o GPT-6.1 Terra obteve 74,2% no esforço máximo, custando US$ 1,19 por tarefa. Isso marca uma atualização substancial em relação à pontuação de 57,1% do GPT-5.6 Terra, de US$ 4,76 por tarefa. No entanto, ainda está atrás de Claude Sonnet 5.5 da Anthropic, que liderou a categoria com 83,9% com um custo de US$ 5,74 por tarefa.
A OpenAI também afirma ter investido pesadamente na redução de alucinações e erros factuais produzidos e, de acordo com o benchmark interno de prompts indutores de erros, a taxa de erro com baixo esforço de raciocínio caiu de 53,6% com GPT-5.6 Terra para 16,7% com GPT-6.1 Terra, e no esforço máximo, a taxa de erro caiu 18 pontos percentuais para 4,3%, quase igualando as taxas de GPT-6 Astra e GPT-6.1 Sol. Em segurança cibernética, o GPT-6.1 Terra atende ao limite crítico da Estrutura de Preparação da OpenAI e mantém as salvaguardas desenvolvidas para o GPT-6 Astra.
