GPT-6.1 Terra per le aziende: prezzi, cosa sa fare e per quali processi conviene

Cos'è GPT-6.1 Terra, e cosa è confermato a fine ottobre 2026?

GPT-6.1 Terra è il modello di fascia intermedia di OpenAI. Nel listino ufficiale sta sopra gpt-6-luna, il più economico, e sotto gpt-6.1-sol e gpt-6-astra, i modelli di fascia alta. Secondo 9to5Mac è disponibile «today through ChatGPT Work, Codex, and the API».

Sui piani di ChatGPT le fonti non coincidono: DataCamp elenca «Plus, Pro, Enterprise, and Edu» e non nomina Business. Chi vuole usarlo da ChatGPT Work e non via API deve verificare sulla pagina dei piani di OpenAI quale abbonamento lo include, prima di fare conti per utente.

La scheda del modello conferma questi dati:

• Contesto: 1.050.000 token, di cui 922.000 in ingresso e 128.000 in uscita.
• Conoscenze: aggiornate al 1° giugno 2026.
• Ingressi e uscite: legge testo e immagini, risponde solo in testo.
• Livelli di ragionamento: none, low, medium (predefinito), high, xhigh, max.
• Strumenti: computer_use, mcp, file_search, code_interpreter, function calling e structured outputs.
• Fine-tuning: non supportato.

Il quadro generale delle fasce di modello l'ho trattato nell'articolo su modelli AI piccoli o di frontiera. Qui guardo a Terra nello specifico.

Quanto costa GPT-6.1 Terra via API, modalità per modalità?

Con contesto fino a 272.000 token GPT-6.1 Terra costa 1,00 $ per milione di token in ingresso, 0,05 $ per quelli letti dalla cache e 5,00 $ in uscita (listino OpenAI, consultato il 31 ottobre 2026). Il prezzo però cambia molto con la modalità, e i listini vanno ricontrollati prima di ogni stima.

Prezzi in dollari per milione di token, dal listino OpenAI consultato il 31/10/2026.

La modalità Fast è quella che fino al 30 luglio 2026 si chiamava «Priority» (OpenAI). Batch e Flex costano la metà dello standard: per un'elaborazione di documenti che può aspettare sono le prime da valutare, dopo averne letto tempi e condizioni nella documentazione.

Secondo la scheda del modello, scrivere in cache costa 1,25 $ per milione di token e la cache dura 30 minuti. Conviene quindi quando molte richieste ravvicinate riusano lo stesso prompt lungo, come le stesse istruzioni applicate a una coda di fatture.

Il confronto con gli altri modelli dello stesso listino:

C'è poi la residenza dei dati: «Regional processing (data residency) endpoints are charged a 10% uplift for models released on or after March 5, 2026» (listino OpenAI). Terra è uscito dopo quella data, quindi sull'endpoint europeo costa circa 1,10 $ in ingresso e 5,50 $ in uscita.

Su questi volumi la cifra assoluta resta contenuta. Conta il rapporto: modalità, regione e livello di ragionamento possono moltiplicare il conto anche con lo stesso modello.

Cosa sa fare davvero GPT-6.1 Terra, secondo i dati di OpenAI e le prime prove?

I miglioramenti sono dichiarati da OpenAI e riportati dalle testate: le fonti consultate non citano prove indipendenti sui processi aziendali tipici. Vanno letti come indicazioni di partenza.

• Errori su prompt difficili: secondo DataCamp e 9to5Mac, scendono dal 53,6% al 16,7% con ragionamento basso, e al 4,3% con ragionamento massimo.
• Terminal-Bench 4.0: 50,3% contro il 21,5% di GPT-5.6 Terra, secondo i dati OpenAI riportati da DataCamp, che però nel testo parla di «about 20%» per il predecessore.
• Confronto con Claude Opus 5.5: secondo DataCamp, Terra sarebbe circa 3 volte più efficiente nei token e costerebbe circa 9 volte meno per compito, ma lo stesso autore giudica il confronto «a little artificial or selective».

Le fonti non dicono quanti token in più consumi il ragionamento massimo né quanto rallenti le risposte. Per i passaggi ripetitivi conviene cercare in prova il livello più basso che regge sui propri documenti.

Sui limiti, DataCamp è esplicito: «GPT-6.1 Sol and GPT-6 Astra remain the better choice for the most complex coding tasks» (DataCamp).

Un dato sulla sicurezza: secondo OpenAI, citata da DataCamp, Terra raggiunge la soglia «Critical» per la cybersicurezza nel suo Preparedness Framework. In pratica, un modello così, con accesso a strumenti come computer_use, va fatto lavorare in ambienti isolati, con credenziali dedicate e permessi minimi.

Per quali processi aziendali conviene GPT-6.1 Terra, e dove basta un modello più piccolo?

GPT-6.1 Terra è un candidato per i passaggi con documenti misti, testo e immagini, e per l'estrazione strutturata di dati, dove va verificato se Luna regge e dove Sol costerebbe il doppio a token (listino OpenAI). Le fonti indicano lettura di fatture, inserimento dati, interpretazione di disegni tecnici (DataCamp), compilazione di moduli e redazione di proposte (9to5Mac).

Indicazioni di partenza da verificare con prove sui propri dati, non regole fisse.

Per gli agenti collegati a ERP e CRM, la scheda del modello conferma mcp e function calling. Il lavoro vero sta nei permessi minimi, nell'approvazione umana per le azioni che modificano dati e nel registro delle azioni: è così che imposto gli agenti AI personalizzati.

Non supportando il fine-tuning (OpenAI), Terra accede alla conoscenza interna tramite file_search o un sistema RAG: i brani consultati attraversano comunque i server del fornitore.

Quali dati passano da OpenAI con GPT-6.1 Terra, e si possono tenere in Europa?

Prompt, immagini e file inviati a GPT-6.1 Terra passano da OpenAI. Secondo la pagina sulla gestione dei dati API, i dati inviati via API dal 1° marzo 2023 non sono usati per l'addestramento, salvo consenso esplicito, e i registri per il controllo degli abusi restano «for up to 30 days».

Terra è disponibile sull'endpoint europeo eu.api.openai.com, anche in modalità Fast, con salvataggio ed elaborazione nel SEE più la Svizzera. Le condizioni, sempre dalla documentazione di OpenAI:

• Serve uno tra Zero Data Retention, Modified Abuse Monitoring, Private Retention with PSP o Safety Retention.
• Serve l'approvazione di OpenAI e un emendamento contrattuale «Modified Retention».
• La residenza non si applica ai «dati di sistema».
• Su /v1/chat/completions non è consentito store=true.

L'endpoint europeo riduce l'esposizione, ma non rende di per sé conforme un trattamento: gli obblighi GDPR restano in capo all'azienda, come spiego nella pagina su AI e GDPR. Per conservazione, chiavi e accessi ai log c'è la guida sulle impostazioni privacy delle API AI.

Conviene passare da Azure o OpenRouter per usare GPT-6.1 Terra in Europa?

È un'alternativa, ma costa di più e aggiunge un intermediario. Sulla scheda OpenRouter di GPT-6.1 Terra il fornitore Azure in Europa costa 1,20 $ in ingresso e 6 $ in uscita per milione di token (consultata il 31/10/2026), contro i circa 5,50 $ dell'endpoint europeo diretto.

Le condizioni dell'instradamento in UE di OpenRouter:

• Copre UE/SEE, Regno Unito e Svizzera; se manca un endpoint europeo, la richiesta va in errore invece di uscire dalla regione.
• Serve il piano Business o Enterprise. Business non ha minimo mensile, ma applica una commissione dell'8% sugli acquisti di crediti.
• Il DPA include le clausole contrattuali standard, ma «Account, billing and operational records may be stored and processed in the US».
• Sull'endpoint europeo non funzionano Batch API, ricerca web, file e Auto Router.

Il vantaggio è confrontare più modelli dallo stesso account. Ma per chi elabora documenti in coda, perdere il Batch pesa: nell'esempio sopra l'uscita passerebbe da 2,50 $ a 6 $ per milione di token, prima della commissione.

Quando un modello open-weight come Mistral Large 4 è un'alternativa sensata a GPT-6.1 Terra?

Mistral Large 4 ha senso quando si vuole un'alternativa a OpenAI con i pesi scaricabili, accettando un punteggio dichiarato più basso e un modello ancora in anteprima. Secondo la documentazione Mistral è uscito il 6 ottobre 2026, è in «Public Preview», ha un contesto di 1 milione di token e la «Mistral Ecosystem Open Weight License», da leggere prima di un uso commerciale.

Sui prezzi API le fonti non sono allineate: la pagina prezzi della documentazione indica per Large 4 0,7 $ in ingresso, 0,07 $ in cache e 2,1 $ in uscita (Small 4: 0,15 $ / 0,015 $ / 0,6 $), mentre la FAQ di mistral.ai indica per un generico «Mistral Large» 0,5 $ / 1,5 $. Va verificato nella console Mistral.

Per l'uso in locale serve realismo. Secondo The Next Web il modello ha circa 1.000 miliardi di parametri (52 miliardi attivi) e la versione quantizzata gira su 4 GPU Nvidia B200 o B300: hardware da data center. Sempre secondo TNW, Mistral dichiara il 41% su Terminal-Bench 4.0, contro il 50,3% dichiarato da OpenAI per Terra (DataCamp): dati di parte, non confrontabili direttamente. I modelli distillati più piccoli sono annunciati senza date.

Per una PMI che vuole i dati in casa è oggi più realistico un modello open-weight più piccolo su un server dimensionato sui propri volumi, con i conti che spiego nella pagina sui costi dell'AI in locale e il quadro in AI on-premise. Ma se i documenti non contengono dati che devono restare in azienda e i volumi sono quelli dell'esempio, GPT-6.1 Terra via API, magari in Batch, è con buona probabilità la scelta più semplice e meno costosa.

Da dove partire per provare GPT-6.1 Terra in un processo aziendale?

Si parte da un solo passaggio misurabile, non dall'intero processo:

1. Scegli passaggio e campione. Per esempio l'estrazione dalle fatture passive, con qualche centinaio di documenti reali (layout diversi, scansioni storte), ripuliti dai dati personali non necessari.
2. Confronta più modelli sullo stesso campione. Terra, Luna e un'alternativa open-weight, a diversi livelli di ragionamento, misurando errori per campo e token.
3. Decidi prima regione e conservazione, e chi in azienda può creare chiavi API e leggere i log.
4. Usa il Batch dove il processo tollera l'attesa, e verifica i limiti del tuo livello: secondo la scheda del modello vanno da 5.000 richieste al minuto (Build) a 15.000 (Grow).
5. Progetta per poter cambiare modello, con prompt, schemi e test separati dal fornitore, come spiego nell'articolo sul vendor lock-in nell'AI.

Per abbonamenti, API e contratti dei grandi fornitori c'è la pagina sui modelli di frontiera in azienda. Se vuoi capire quali passaggi affidare a Terra, quali a un modello più piccolo e quali tenere in casa, è il lavoro della consulenza AI per i processi: puoi partire dalla valutazione. Se emerge che alcuni dati non devono uscire, posso fornire server e software già configurati; se le API bastano, te lo dico.