SharklyにおけるGPT-6.1 Terraエージェント：セットアップ・工数・コスト

GPT-6.1 Terraエージェントは、GPT-6.1 Solエージェントと比べてトークンあたりのコストが半額であり、OpenAIによると3倍以上高速に動作します。OpenAIは10月26日にこのモデルをAPI ID gpt-6.1-terra でリリースしました。価格は入力100万トークンあたり1ドル、キャッシュ適用時が0.05ドル、出力が5ドルです。ファミリーの中位モデルとしてGPT-5.6 Terraの後継となり、上位のGPT-6.1 Solと下位のGPT-6 Lunaの間に位置します。GPT-6 Terraは存在せず、5.6以来のTerraモデルとなります。

複数のコーディングエージェントを運用しているチームにとって、価格面での判断は容易です。難しいのは、どのエージェントを移行し、どれをSolのまま残すか、そして1週間後にボード上のタスクを見てその違いを誰もが判別できるようにするにはどうすべきかという点です。本ガイドでは、Sharklyでのセットアップ、最初に設定すべきeffort（推論の取り組み）レベル、Terraに適したタスク、そしてコスト半減がCrewにもたらすメリットについて解説します。構成は以前のGPT-6.1 Sol導入ガイドを踏襲しているため、変更点に絞って説明します。

TL;DR

Computer上のCodexを0.159.0以降にアップデートし、ターミナルで codex -m gpt-6.1-terra が起動することを確認します。Sharklyで既存エージェントのバリアント（派生）を作成し、Custom argumentsまたはDefault modelの行でモデルを gpt-6.1-terra に設定して、その役割に応じた名前を付けます。最初はeffortを medium から始め、単純な定型作業ループには low や none に下げ、最難関のコーディングやCrewのリーダー役にはSolまたはAstraを維持します。エージェントは調査、実行、テスト、レポートを担当し、人間が方針決定、権限付与、成果物の承認を行います。

GPT-6.1 Terraの概要

Terraのコンテキストウィンドウは1,050,000トークンで、最大922Kトークンの入力と128Kトークンの出力に対応しています。下位ティアであるGPT-6 Lunaは、入力0.10ドル、出力0.50ドルとなっています。

エージェントを長時間実行する際、価格設定に関して注意すべき点が3つあります。BatchおよびFlexは定価の半額、Fastモードは2倍（2ドル / 10ドル）となります。また、入力トークンが272Kを超えるリクエストは、リクエスト全体に対して入力およびキャッシュ料金が2倍、出力料金が1.5倍として請求されます。キャッシュ書き込みは、30分間のキャッシュで100万トークンあたり1.25ドルです。料金体系の詳細はOpenAIの料金ページをご覧ください。

モデル設定の変更点と現在の配置

Sharklyのエージェント設定は以前のモデルガイド以降に変更されており、今回の設定にも役立つ改善が加えられています。Agentsのドキュメントには、エージェントは「デフォルトでRuntimeのモデルに従い、Model行を使用することでRuntimeがレポートするカタログから別のモデルを選択できる」と記載されています。Runtimeの起動引数でモデルが固定されている場合、この行は読み取り専用になります。また、AgentまたはRuntimeのCustom argumentsでモデル名を指定することも可能で、その引数が設定されている場合はModel行にその値が反映されます。

関連する設定項目がさらに2つ近くに配置されています。対象モデルが対応している場合、同じ行に思考の深さ（thinking depth）の選択肢が表示されます。また、タスクを割り当てる際、タスク実行ドキュメントで説明されているように、Assigneeピッカーの各Agent行にあるモデルアイコンから、Agentのデフォルト設定を変更することなくその実行回のみのモデルを選択できます。

ステップ1：Computer上でTerraを稼働させる

Sharkly自体はトークンを販売していません。実行にかかる料金は、そのComputer上のRuntimeにすでに紐付けられているCodexプランまたはAPIキーに対して課金されます。そのため、最初の確認はSharkly上ではなく、Computerのターミナルで行います。

codex --version          # needs 0.159.0 or later
codex -m gpt-6.1-terra   # should open a session on Terra

ChatGPTプランでサインインしている場合、OpenAIのリリースノートによると、Terraは「ChatGPT WorkおよびCodexにおいて、すべてのPlus、Pro、Enterprise、Eduユーザーが利用可能」となっています。FreeおよびGoプランには提供されておらず、無料のAPI枠もありません。APIキーを利用するComputerでは、上記のトークン単位の料金が発生します。

Sharklyの画面に戻り、Computerの詳細を開いて再スキャンまたは接続テストを実行し、Codex Runtimeが「Available（利用可能）」と表示されていることを確認します。Computerが「online」と表示されていても、それはローカルサービスからハートビートが送信されていることを意味するに過ぎません。Runtimeがどのように検出されるかについては、SharklyにおけるComputersで解説しています。

ステップ2：Solエージェントを直接編集せず、Terraバリアントを作成する

手っ取り早く済ませるために既存のSolエージェントの設定を開いて引数を1つ書き換えたくなりますが、それは避けるべきです。そうしてしまうと、そのエージェントがSolで実行したタスクとTerraで実行したタスクが同じボード上に並び、どちらで実行されたのか見分けがつかなくなってしまいます。

エージェントバリアントを活用しましょう。ドキュメントでも「別のデフォルトモデルを使用する」ことがバリアント作成の理由として挙げられています。バリアントを作成すれば、オリジナルの指示（Instructions）、Skills、リポジトリの設定をそのまま引き継ぎつつ、モデルのみを上書きできます。バリアントのComputer & Runtime設定で、Custom arguments行を追加します。

Runtime:           Codex on <your Computer>
Custom arguments:  --model gpt-6.1-terra

すると、上のスクリーンショットのようにDefault model行にその引数が読み込まれます。「Codex, routine lane（Codex、定型作業レーン）」のようにレーンに応じたバリアント名を付け、説明欄に使用モデルとeffortを記載しておきます。差分（diff）をチェックするレビュアーが、どのモデルによって書かれたコードなのかを確認するために、誰かのComputerのシェルにログインしなければならないような状況は避けるべきです。

判断基準は明確です。複数人がそのエージェントにタスクを割り当てる場合や、同じ指示のもとで1週間分のTerraの実績をSolと比較検証したい場合はバリアントを作成します。何も新規作成せずに、特定の1つのタスクだけでTerraを試してみたい場合は、Assigneeピッカーでの実行ごとの選択機能を使用してください。

ステップ3：最初に設定するeffortを選択する

GPT-6.1 Terraは none、low、medium、high、xhigh、max を受け付け、デフォルトは medium です。GPT-6.1 Solで廃止されていた none が復活したため、Solへの移行時に none から low へ変更していた設定を元に戻すことができます。

日常的なコーディングにはまず medium から始め、タスクの性質に応じて調整します。

• 成功の判定が明確な短いループには none または low：名前変更、リント修正、依存関係のバージョン更新、変更履歴（changelog）の追記など。
• 影響範囲が限定された変更、再現手順が確立しているバグ修正、ドキュメントやリリースノートなどの執筆タスクには medium。
• computer-useの実行や、ひとつの失敗が後続ステップをすべて無駄にしてしまうような多数の工程を伴う長いループには high または max。

レベルの設定は、Model行に表示される思考の深さの選択肢から指定するか、Computerの ~/.codex/config.toml 内の model_reasoning_effort で行います。Sharklyのドキュメントによると、指定された深さに対応していないRuntimeの場合は、黙ってデフォルトで実行されるのではなく明確なエラーとともに実行が失敗するため、タイポがあっても最初の実行時に実行ログですぐに気づくことができます。

Solの半額というコストがチームにもたらすもの

全項目においてSolのちょうど半額となっているため、計算は非常にシンプルです。例として、200万トークンの入力を送信（そのうち80%がキャッシュ適用）し、10万トークンの出力を返すエージェント実行を考えてみましょう。

この試算にはキャッシュ書き込み料金は含まれておらず、APIキー課金を前提としています。ChatGPTプランの場合、コスト削減は金銭的な差額としてではなく、プランの上限に達するまでに実行できる回数の増加として実感できます。

価格の安さはメリットの半分に過ぎません。もうひとつの大きな要素が処理速度です。OpenAIは、Terraが「AstraおよびGPT-6.1 Solの双方と比較して平均3倍以上高速」であるとしています。Crewにとってこれは、タスクごとのタイムアウト内に完了する実行が増え、キューに入っている後続タスクの着手が早まることを意味します。第三者機関であるArtificial Analysisの計測によると、max effortにおけるタスクあたりのコストはGPT-5.6 Terraの1.40ドルに対して、Terraは0.40ドルでした。

どのエージェントをTerraで動かすべきか

OpenAIはTerraをcomputer use、文章作成、視覚理解向けに設計しており、極めて複雑なコーディング作業には引き続きSolまたはAstraを推奨しています。第三者によるベンチマーク結果もこの位置付けと一致しています。Artificial AnalysisのCoding Agent Indexでは、Terraが48スコア、GPT-6.1 Solが54、GPT-6 Lunaが31となっています。また、AA-Omniscienceにおけるハルシネーション率は、GPT-5.6 Terraの88%から38%へと大幅に低下しました。

自社のタスクで検証する際の目安となるルールは以下のとおりです。

リーダー行を最上位ティアに据え置く理由は、当社のCrewリーダー向けガイドで説明したとおりです。リーダーの判断ミスは、メンバー全員を誤った方向へ導くことになります。手動エスカレーションパスを含めたルーティングルールの定義方法については、Crewsにおけるモデルルーティングで詳しく解説しています。また、下位レーンについてはGPT-6 Lunaガイドを参照してください。

安価なRuntimeでも変わらないこと

Terraはコード変更を生成するコストを削減しますが、その変更を承認・マージするコストを削減するわけではありません。同じコストで2倍の回数を実行できるということは、人間のレビューを待つ差分（diff）が2倍になることを意味します。そのため、Crewの規模を2倍にする前に、レビューキューの状況を確認してください。この課題については、ボトルネックとなる人間によるレビューで取り上げています。

Sharklyなら、どのモデルでタスクを実行した場合でも、要請からリリースに至るまでのコンテキスト、進捗状況、ブロッカー、実行結果、人間によるレビューの状況を可視化し続けます。料金ページに記載のとおり、現在は5人以下の組織であれば無料で利用可能です。次のステップとして、まずは1台のComputerでCodexをアップデートし、Terraバリアントを1つ作成して、これまでSolに任せていた定型タスクを3つ割り当ててみてください。

FAQ

GPT-6.1 Terraは無料で使えますか？

いいえ。APIの無料枠はなく、ChatGPTのFreeプランおよびGoプランにも含まれていません。Plus、Pro、Enterprise、Eduユーザーであれば、ChatGPT WorkおよびCodex経由で利用可能です。APIキーなしでGPT-6.1 Solを実行する方法の記事で、サブスクリプションプランでの利用とトークン従量課金の違いについて解説しています。

GPT-6 Terraは存在しますか？

いいえ。GPT-6.1 TerraがGPT-5.6 Terraの直接の後継モデルとなります。

既存のエージェントをSolからTerraに切り替えることはできますか？

可能ですが、バリアントを作成したほうが履歴の可読性を保てます。過去の実行結果と新しい実行結果を比較する必要がまったくない場合にのみ、オリジナルの設定を変更してください。

Sharkly上でタスクを実行したモデルを確認できますか？

Default modelの行には、エージェントに設定されているモデルが表示されます。ただし、Runtimeが実際にどのモデルを使用しているかをSharklyが常に判別できるとは限らないため、エージェントのdescription（説明欄）にも使用モデルを明記しておくことを推奨します。