GPT-6.1 Terra: a IA que opera o computador já pode entrar nos processos da empresa?

Em 26 de outubro de 2026, a OpenAI anunciou o GPT-6.1 Terra, modelo que descreve como voltado a raciocínio visual, uso de computador e escrita. A capacidade de computer use permite que o modelo interprete o que aparece na tela e interaja com aplicações.

Isso pode aproximar agentes de tarefas feitas em interfaces que as empresas já usam, como preencher formulários ou registrar informações. Mas conseguir interagir com uma tela não significa que a IA esteja pronta para conduzir um processo inteiro sem supervisão. Para mim, a pergunta não é apenas se o modelo consegue operar o computador. É quais ações podem ser permitidas, em que condições e com que possibilidade de corrigir o que der errado.

O que muda quando a IA passa a operar uma interface

Segundo a OpenAI, o GPT-6.1 Terra combina raciocínio visual detalhado com uso preciso do computador. Em vez de depender apenas de uma integração específica para cada sistema, um agente pode observar uma interface e executar ações nela. A documentação para desenvolvedores indica que chamadas de ferramentas exigem a Responses API. Portanto, a capacidade do modelo é apenas uma parte da solução: ainda é preciso configurar ambiente, ferramentas, permissões e controles.

O que os benchmarks mostram — e o que não mostram

A OpenAI afirma que, no Agents’ Last Exam, com esforço de raciocínio médio, o GPT-6.1 Terra obteve pontuação 15 pontos percentuais acima do GPT-5.6 Terra por cerca de um terço do custo. É uma avaliação escolhida e divulgada pelo próprio fornecedor. O resultado ajuda a formular uma hipótese sobre capacidade e eficiência; não comprova que o modelo terá o mesmo desempenho nos sistemas, dados e exceções de uma empresa.

A Artificial Analysis, avaliadora independente, também publicou medições próprias. Em seu Intelligence Index, relata que, no esforço máximo, o Terra ganhou 6 pontos em relação ao GPT-5.6 Terra, com custo estimado por tarefa de US$ 0,40 contra US$ 1,40. Esse resultado depende da configuração e da metodologia da avaliação; não deve ser comparado automaticamente com o Agents’ Last Exam, que mede outra coisa. Benchmarks diferentes não são uma prova única de superioridade nem uma garantia de retorno operacional.

Na documentação consultada, a tarifa padrão da API aparece como US$ 1 por milhão de tokens de entrada e US$ 5 por milhão de tokens de saída. A OpenAI apresenta esses preços como 50% menores que os do GPT-5.6 Terra e do GPT-6.1 Sol. É importante separar preço por token de custo por tarefa: raciocínio, quantidade de tokens, chamadas de ferramentas, tentativas repetidas, infraestrutura e revisão humana entram na conta final. Preços e condições podem mudar; devem ser reconfirmados antes de contratar.

Operar o computador amplia a superfície de risco

Quando um sistema lê a tela e age em aplicações, erros deixam de ser apenas respostas incorretas. Um clique pode alterar um cadastro, enviar uma comunicação ou avançar uma transação. A interface também pode exibir instruções maliciosas ou conteúdo enganoso; o agente não deve tratar tudo o que vê como uma ordem confiável.

Eu começaria com um ambiente delimitado, dados de teste e permissões mínimas. Ações reversíveis e de baixo impacto podem ser avaliadas primeiro. Para pagamentos, alterações sensíveis, envio externo ou decisões com efeito sobre clientes e funcionários, mantenha confirmação humana no ponto de impacto. Registre as ações, permita interromper a execução e tenha um caminho claro para revogar acessos e corrigir mudanças.

Como testar antes de levar para a operação

Escolha um fluxo estreito, frequente e com critérios de sucesso observáveis. Compare o agente com o processo atual em casos representativos, incluindo situações ambíguas e exceções. Meça a conclusão correta, erros, retrabalho, tempo ponta a ponta, transferências para pessoas e custo total por tarefa concluída corretamente. Se a revisão e as correções anularem o tempo economizado, a automação ainda não se pagou.

Também defina antes do piloto quem responde por falhas, quais sistemas podem ser acessados e quais ações exigem aprovação. Um bom teste não mede apenas se a IA consegue terminar uma demonstração; verifica se ela se comporta de forma previsível quando algo sai do caminho esperado e se a equipe consegue detectar e conter o erro.

O GPT-6.1 Terra pode tornar mais acessível a automação de tarefas feitas em interfaces, mas anúncio, benchmark e preço de tabela não substituem validação no processo real. A decisão empresarial depende do custo do erro, da qualidade da supervisão e do resultado medido de ponta a ponta. Na sua empresa, qual tarefa poderia ser delegada a uma IA que opera o computador — e que limite você colocaria antes de deixá-la agir?

Fontes

OpenAI, “Introducing GPT-6.1 Terra”, anúncio de 26 de outubro de 2026. Capacidades, benchmark Agents’ Last Exam e comparação de preços conforme declarado pela empresa.

Artificial Analysis, “GPT-6.1 Terra pushes the cost efficiency frontier”, 26 de outubro de 2026. Medições próprias de índices de inteligência, eficiência e custos estimados por tarefa.

OpenAI Developers, documentação do modelo GPT-6.1 Terra. Preços listados, capacidades e requisito de Responses API para chamadas de ferramentas.