GPT-6.1 Terraの技術図面読み取りを検証：スキャンと写真でテスト

👁 114閲覧数

OpenAIは、技術図面の解釈をGPT-6.1 Terraの主な用途の一つとして挙げています。公開当日、Terraはパソコンで作成した鮮明な図面を2枚とも正確に読み取りました。そこで2026年10月26日、同じフランジをノイズのあるスキャンと、斜めから撮影した印刷物で試し、さらに公差、ねじ、キー溝を含む新しいシャフト図面も追加しました。Terraの結果は58点中57点で、GPT-6.1 SolとGemini 4 Argonと同点でした。唯一の誤りは、テストした4モデルすべてに共通していました。

テスト内容と方法

どのモデルの学習データにも含まれないよう、図面はすべてPythonのmatplotlibで自作しました。モデルには画像と、元のポーランド語のテスト指示を日本語に訳した「画像を注意深く読み取り、指定項目を含むJSONオブジェクトだけを返してください」という指示を与えました。各項目を正解データと自動で照合し、質量には2 gの許容誤差を設けています。各画像につき1回、推論レベルはmedium、OpenRouter経由でテストしました。テスト自体はポーランド語で行っており、以下の指示文はその翻訳です。日本語で再テストした結果ではありません。

• フランジ - スキャン：150 x 90 mmのフランジ図面。連鎖寸法、ピッチ円Ø50上のØ6.6穴6個、2つの角にR10の指定があります。グレースケール化し、1.8°回転、55%に縮小。ノイズ、斑点を加え、品質30のJPEGに圧縮しました。
• フランジ - 写真：同じ図面を印刷物の写真のように加工。遠近のゆがみ、照明のむら、ぼけを加え、JPEG品質45にしました。
• シャフト - 鮮明な図面と写真：新たに作成した図面で、5段の形状（Ø20h6、Ø30、Ø36、Ø25k6、ねじM20x1,5）を指定。面取りは1×45°、キー溝は「8P9、長さ32、深さ4」、位置は6 mmです。Ø25の軸部の表面粗さはRa 0.8、その他の面はRa 3.2としました。

フランジ図面には2つのひっかけがあります。側面図の厚さは8 mmですが、材料欄には「板厚10」と記載しています。モデルにはこの矛盾を指摘させます。シャフトでは、ねじ部の長さが直接寸法指定されていません。寸法連鎖から155 - 30 - 45 - 15 - 40 = 25 mmと計算する必要があります。

シャフト図面：写真から16項目を読み取り

指示では、全長から質量まで16項目を指定しました。質量は密度7.85 g/cm³の鋼材として、シャフトを円柱の組み合わせとみなし、キー溝を直方体として差し引くよう求めました。

V = π/4 x (20² x 30 + 30² x 45
         + 36² x 15 + 25² x 40
         + 20² x 25) - 8 x 32 x 4
  = 82 966 mm³
m = 82,966 cm³ x 7,85 g/cm³
  = 651,3 g

写真に対するTerraの回答（一部）。値はポーランド語で実施したテストからの抜粋で、日本語に翻訳したものです。

「ねじ部の長さ_mm」: 25,
「ねじの表記」: 「M20x1,5」,
「キーの幅_mm」: 8,
「キー溝の深さ_mm」: 4,
「Ø30区間の左端からキーまでの距離_mm」: 6,
「Ø25軸部の表面粗さ」: 「Ra 0,8」,
「その他の表面粗さ」: 「Ra 3,2」,
「材質」: 「C45」,
「質量_g」: 651.3

4モデルすべてが、通常の図面と写真の両方で16項目中16項目を正解しました。寸法連鎖から求めた軸部の長さも、質量も0.1 g単位まで正確でした。斜めから撮影した写真に暗い縁や照明のむらがあっても、どのモデルも読み取りに成功しました。Terraが写真の入力に使ったのは927トークン（画像と指示）、出力は522トークンで、費用は0.0035 USDでした。

フランジのスキャン：5を6と誤認

4モデルすべてが、スキャンの記載「6 x Ø6.6 等間隔、Ø50上」を「Ø60上」と読み違えました。その結果、隣り合う穴の間隔を25 mmではなく30 mmと算出しました（穴が6個の場合、ピッチ円の直径の誤りが間隔にも同じ比率で反映されます）。ノイズと圧縮の影響で5が6に見えるのは事実で、私にもそう見えます。しかし、図面上の穴がØ60から予想される位置より明らかに中心に近いことに気づいたモデルはなく、読み取りに確信が持てないと伝えたモデルもありませんでした。

Terraはスキャンのほかの部分を正しく読み取り、厚さの矛盾も指摘しました。「側面図では厚さ8 mmですが、材料欄では板厚10 mmです」。質量は厚さ8 mmとして801.0 gと計算しました（正解値は800.5 g）。同じスキャンでGPT-6 Lunaは矛盾を見つけられず、空のリストを返し、厚さ10 mmで質量を計算しました。

画像1枚あたりの処理時間は、Terraが9～14秒、Solが8～30秒、Argonが6～11秒、Lunaが12～34秒でした。スキャンの処理に最も時間がかかったのはSolとLunaで、それぞれ30秒と34秒。Terraは14秒でした。

推論レベルを上げると読み取り精度は上がる？

鮮明なフランジ図面をTerraの6段階すべてでテストし、「none」から「max」まで毎回13点中13点でした。費用は「none」の0.0036 USD（出力242トークン）から「max」の0.0113 USD（出力1770トークン）まで増加しました。図面の読み取りでは、考える時間の長さよりもモデルの視覚認識能力が重要です。詳細はGPT-6.1 Terra：low、medium、maxの比較をご覧ください。

業務で使うときのポイント

• 項目名を指定してJSONで返すよう求める。項目の一覧があれば、寸法を一つずつ読み取らせられ、結果の自動照合もできます。
• 矛盾の一覧を求める。sprzecznosci_na_rysunku（図面上の矛盾）という項目を設けたことで、Terra、Sol、Argonは8 mmと10 mmの違いを指摘しました。項目がなければ、モデルがどちらかの値を黙って選ぶ可能性があります。
• 読み取りに自信がない箇所を記録する欄を加える。今回の指示にはその欄がなく、どのモデルもスキャンの「Ø60」が判読しにくいと知らせませんでした。状態の悪いスキャンでは、これは特に重要な情報です。
• 重要な寸法は図面と照合する。数字を一つ誤読しただけで、2項目の値が変わりました。しかも、4モデルすべてが同じ誤りをしました。

ChatGPTではTerraをWorkモードとCodexで利用でき、APIでのモデル名はgpt-6.1-terraです。ポーランド語で行ったテストを含むほかの結果は、GPT-6.1 Terraガイドで紹介しています。トークン単価についてはGPT-6.1 Terraの料金をご覧ください。

よくある質問

GPT-6.1 Terraは写真から技術図面を読み取れますか？

今回のテストでは読み取れました。斜めから撮影したシャフト図面で16項目すべてを正解し、h6とk6の公差、ねじ、キー溝も読み取り、質量も0.1 g単位で計算しました。

状態の悪いスキャンではどうですか？

13項目中12項目を正解しました。1つの数字を誤り、Ø50をØ60と読み取ったため、穴の間隔にも誤りが生じました。Sol、Argon、Lunaも同じ間違いをしました。

図面1枚の読み取りにいくらかかりますか？

Terraでは、JSON形式の回答を含めて画像1枚あたり0.0035～0.0059 USDでした。SolとArgonはおよそ2倍、Lunaはおよそ5分の1の費用でした。

出典と確認日

• OpenAI：Introducing GPT-6.1 Terra - 技術図面の解釈を用途として紹介（2026年10月26日確認）
• OpenAI API：GPT-6.1 Terraモデル - テキストと画像の入力、料金（2026年10月26日確認）
• 筆者によるテスト：matplotlibで作成した図面4枚、OpenCVで加工、OpenRouter、推論レベルmedium。2026年10月26日21時ごろ実施。合計費用0.092 USD。

// 続きを読む意思決定モデルと小型LLMを比較：コスト・速度・精度ベンチマークLLMの代わりに判断モデルを使うと、100万件の分類コストはいくら？ベンチマークGPT-6 Lunaの性能と料金を検証：3つのテストで0.0024ドルベンチマーク