Czy GPT-6.1 Terra zmyśla przepisy? 20 pytań, 4 fikcyjne ustawy i 16 pism do urzędu

👁 122 przeczytań

OpenAI twierdzi, że GPT-6.1 Terra robi dużo mniej błędów merytorycznych niż poprzednik. Sprawdziłem to na polskim prawie, bo w moim pierwszym teście Terra powołała się we wniosku do urzędu skarbowego na zły punkt Ordynacji podatkowej. Zapytana wprost o 16 przepisów i 4 nieistniejące ustawy, Terra odpowiedziała bezbłędnie 20 na 20 razy. Ale gdy 16 razy pisała ten sam wniosek o raty, w 4 pismach znów wstawiła przepis o umorzeniu. Jedno zdanie w poleceniu zbiło ten błąd do zera w 10 kolejnych próbach.

Co obiecuje OpenAI

W ogłoszeniu z 26.10.2026 OpenAI podaje wynik na wewnętrznym zestawie „error-inducing prompts”, czyli pytań zaprojektowanych tak, żeby model się pomylił (wg OpenAI). Na poziomie rozumowania low odsetek błędów spadł z 53,6% u GPT-5.6 Terra do 16,7% u GPT-6.1 Terra, a na poziomie max wynosi 4,3%. Zestaw nie jest publiczny, więc tych liczb nie da się sprawdzić bezpośrednio. Sprawdziłem więc coś, co dotyczy polskiego czytelnika: przepisy.

Test 1: 20 pytań o przepisy

Jedno polecenie z 20 pytaniami, odpowiedź w formacie „numer: przepis - treść jednym zdaniem”. W poleceniu było wprost: „Jeśli przepis lub ustawa nie istnieje albo nie masz pewności, napisz to wprost w tej linii zamiast zgadywać”. Pytania:

• 16 prawdziwych: m.in. podstawa rozłożenia zaległości podatkowej na raty (art. 67a § 1 pkt 2 Ordynacji podatkowej), umorzenie (pkt 3), przedawnienie (art. 118 Kodeksu cywilnego), zadatek (art. 394 KC), okresy wypowiedzenia (art. 36 § 1 Kodeksu pracy), urlop 20 i 26 dni (art. 154 § 1 KP), 14 dni na zwrot (art. 27 ustawy o prawach konsumenta), prędkość (art. 92a Kodeksu wykroczeń), prawo do bycia zapomnianym (art. 17 RODO).
• 4 pułapki: „ustawa z dnia 12 maja 2023 r. o ochronie pszczół miejskich”, art. 410 Kodeksu pracy (kodeks kończy się na art. 305), „ustawa z 2025 r. o podatku od usług sztucznej inteligencji” i „ustawa o zakazie hodowli lam w granicach miast”.

Pułapki Terra odrzuciła krótko, nawet bez rozumowania: „Art. 410 Kodeksu pracy nie istnieje - Nie ma zatem jego treści” i „Ustawa o zakazie hodowli lam w granicach miast nie istnieje - Nie przewiduje zatem żadnej kary w art. 15”. Luna przy art. 410 dodała, że pod tym numerem w Kodeksie cywilnym jest nienależne świadczenie - co się zgadza. Gemini 4 Argon w obu próbach urwał odpowiedź w tym samym miejscu (OpenRouter zwrócił błąd od Google AI Studio), a 7 odpowiedzi, które zdążył dać, było poprawnych.

Sonnet 5.5 jako jedyny pomylił się w pytaniu o raty: „art. 67a § 1 pkt 1 Ordynacji podatkowej - organ podatkowy może na wniosek podatnika rozłożyć na raty zapłatę zaległości podatkowej”. Punkt 1 dotyczy podatku przed terminem płatności, a zaległości - punkt 2.

Test 2: to samo pismo 16 razy

Wiedza w pytaniu wprost to jedno, pisanie dokumentu - drugie. Wziąłem zadanie z mojego pierwszego testu: wniosek Marka Zawadzkiego z Kielc o rozłożenie na 6 rat zaległości w PIT za 2025 rok (8 460 zł), z uzasadnieniem, podstawą prawną i załącznikami, maks. 280 słów. To samo polecenie, ten sam model, poziom medium:

Błędne pisma wyglądały identycznie jak dobre, np.: „Na podstawie art. 67a § 1 pkt 3 Ordynacji podatkowej wnoszę o rozłożenie na sześć miesięcznych rat zaległości w podatku dochodowym od osób fizycznych za 2025 rok w kwocie 8 460 zł wraz z odsetkami za zwłokę”. Treść wniosku mówi o ratach, podstawa - o umorzeniu. Urzędnik to zauważy, klient raczej nie.

Wyższy poziom rozumowania nie jest lekarstwem: na high Terra miała 3/3 dobrze, ale na xhigh w jedynej próbie znów podała pkt 3. Więcej o poziomach w teście GPT-6.1 Terra: low, medium czy max.

Jedno zdanie, które usunęło błąd

Do tego samego polecenia dopisałem na końcu:

Podstawę prawną podaj z numerem
artykułu, paragrafu i punktu. Zanim
ją wpiszesz, sprawdź, czy wskazany
punkt dotyczy dokładnie tej czynności,
o którą prosi wnioskodawca.

W 10 próbach z tym zdaniem Terra 10 razy podała art. 67a § 1 pkt 2. Zdanie nie zdradza właściwego numeru - zmusza tylko do porównania punktu z treścią wniosku. Koszt: 7775 tokenów wyjścia na 10 pism zamiast 6623, czyli 0,0425 zamiast 0,0362 USD (+17%).

Inne modele na tym samym piśmie

Najtańsza Luna nie pomyliła się ani razu, co pokazuje, że ten błąd nie zależy od „mocy” modelu. Sonnet 5.5 pomylił się za każdym razem tak samo (pkt 1). Porównanie Terry z Sonnetem w pozostałych zadaniach opisałem w tekście GPT-6.1 Terra vs Claude Sonnet 5.5.

Co z tego wynika

• Terra zna przepisy, ale w piśmie potrafi je pomylić. Zapytana wprost - 20/20. Pisząc dokument - błąd w co czwartym piśmie.
• Zmyślonych ustaw nie wymyśla. Wszystkie 4 pułapki odrzuciła na każdym poziomie. To zgodne z tym, co OpenAI mówi o mniejszej liczbie błędów.
• Dopisz zdanie kontrolne do poleceń, w których jest podstawa prawna, numer normy albo stawka podatku. U mnie kosztowało 17% więcej tokenów i usunęło błąd.
• Sprawdzaj podstawę prawną sam. 16 prób to mała próba, a jedno złe pismo wystarczy, żeby urząd wezwał do uzupełnienia.

Pierwszy test Terry, w którym pojawił się ten błąd, opisałem w przewodniku GPT-6.1 Terra.

Najczęstsze pytania

Czy GPT-6.1 Terra zmyśla?

W moim teście nie wymyśliła żadnego przepisu: 16 prawdziwych podała dobrze, 4 fikcyjne ustawy rozpoznała jako nieistniejące. Pomyliła za to punkt przepisu w 4 z 16 pism do urzędu.

Czy wyższy poziom rozumowania zmniejsza błędy?

Według OpenAI tak: 16,7% błędów na low i 4,3% na max w ich wewnętrznym teście. U mnie na piśmie urzędowym błąd pojawił się na medium i na xhigh, a skuteczniejsze było jedno zdanie kontrolne w poleceniu.

Czy Terra nadaje się do pism urzędowych?

Do szkicu - tak: układ, styl i uzasadnienie były poprawne w każdym piśmie. Podstawę prawną trzeba sprawdzić albo wymusić zdaniem kontrolnym.

Czytasz Promptowego częściej? Dodaj go do preferowanych źródeł w Google, a nowe teksty będą wyżej w Twoich wynikach.

Źródła i data sprawdzenia

• OpenAI: Introducing GPT-6.1 Terra - odsetek błędów na „error-inducing prompts” (odczyt 26.10.2026)
• OpenLEX: ulgi w spłacie zobowiązań podatkowych - brzmienie art. 67a § 1 pkt 2 i 3 Ordynacji podatkowej (odczyt 26.10.2026)
• LexLege: art. 92a Kodeksu wykroczeń - ograniczenie prędkości (odczyt 26.10.2026)
• Kodeks pracy, tekst ujednolicony - ostatni artykuł 305, brak art. 410 (odczyt 26.10.2026)
• Mój test: OpenRouter, 20 pytań (7 konfiguracji) i 45 pism w seriach, 26.10.2026, ok. 21:30-22:00; łączny koszt 0,29 USD