GPT-6.1 Terra ist OpenAIs neues Modell der mittleren Preisklasse. Wenn Sie ChatGPT nur zum Chatten nutzen, sehen Sie es wahrscheinlich noch nicht. Es ist für Bildschirme, Dokumente und Bilder gebaut: Formulare ausfüllen, technische Zeichnungen lesen, Texte entwerfen, sich durch Apps klicken. Es liegt zwischen GPT-6 Luna und GPT-6.1 Sol und löst das bisherige GPT-5.6 Terra ab.
Ob das für Sie relevant ist, hängt davon ab, wo Sie arbeiten. In den Release Notes von OpenAI steht Terra bei ChatGPT Work und Codex, der normale Chat wird nicht erwähnt. Außerdem ist es in der API und in GitHub Copilot verfügbar. Wir haben die Release Notes, die Modelldokumentation, die Preisseite und das Safety Addendum von OpenAI gelesen, dazu den Changelog und die Preistabelle von GitHub und die externe Berichterstattung, die wir finden konnten. Das meiste davon wiederholt OpenAIs eigene Zahlen, deshalb weisen wir auf die wenigen unabhängigen Werte hin. Wenn Sie die Modellfamilie erst kennenlernen wollen: Unser GPT-6-Astra-Erklärstück behandelt die Spitzenklasse, und warum OpenAI GPT-6.1 Astra auf Eis gelegt hat erklärt, weshalb das eine 6.1-Modell nie erschienen ist.
Ist GPT-6.1 Terra ein neues Modell oder eine neue Stufe?
Ein bisschen von beidem. Terra war schon in der Generation 5.6 eine Stufe und kostete laut GitHubs Modelltabelle 2 $ pro Million Input-Tokens und 12 $ pro Million Output-Tokens. Das neue Terra ersetzt es laut InfoWorld zum halben Preis. OpenAIs Modellseite beschreibt es als „schnelles, effizientes Modell für visuelles Reasoning, präzise Computernutzung und klares, natürliches Schreiben“.
Die technischen Daten entsprechen dem Rest der GPT-6-Reihe. Text und Bilder gehen hinein, Text kommt heraus. Das Kontextfenster umfasst 1,05 Millionen Tokens, die Ausgabe ist auf 128.000 Tokens begrenzt, und es gibt sechs Reasoning-Effort-Stufen von „none“ bis „max“, wobei „medium“ der Standard ist. Die Trainingsdaten reichen bis ins Jahr 2026. Fine-Tuning wird nicht unterstützt. OpenAI empfiehlt es für den Abgleich von Produktfotos mit Katalogeinträgen, die Interpretation technischer Zeichnungen, das Bedienen von Anwendungsoberflächen und das Entwerfen oder Überarbeiten von Texten. Das beschreibt den ganzen Pitch ganz gut: Arbeit, die am Bildschirm stattfindet und kein Forschungsniveau braucht.
OpenAI selbst sieht es laut DataCamp, das den Launch-Beitrag wiedergibt, so: Sol und Astra bleiben die bessere Wahl für die anspruchsvollsten Coding-Aufgaben. Terra bekommt die Massenarbeit. Diese Aufteilung verrät mehr über OpenAIs Absicht als die Benchmark-Diagramme.
Wer bekommt Terra in ChatGPT, und in welchen Plänen?
Laut den ChatGPT Release Notes wird Terra in ChatGPT Work und Codex für die Pläne Plus, Pro, Business, Enterprise und Edu ausgerollt, abhängig von Ihrer Region und den Workspace-Einstellungen. Sie wählen es in der Modellliste aus, und die allgemeinen Nutzungslimits Ihres Plans ändern sich nicht. InfoWorld und DataCamp nennen die Pläne ohne Business, aber OpenAIs eigene Notiz enthält ihn.
Free und Go werden nicht erwähnt. Der normale ChatGPT-Chat auch nicht. OpenAI hat nicht gesagt, ob Terra einen von beiden erreichen wird. Einziger Hinweis ist der Umgang mit Sol, das laut Launch-Beitrag „noch nicht im Chat verfügbar“ war (OpenAI). Unsere Einschätzung: Terra geht denselben Weg, aber das ist eine Schlussfolgerung, kein Versprechen.
Zwei seltsame Details aus der Notiz sollten Sie kennen. Manche Plus- und Pro-Nutzer finden Terra womöglich auf Medium-Effort, wo ihnen die Standard-Power-Presets in Work zuvor Sol auf Light gaben. Ihr Standard kann sich also ändern, ohne dass Sie etwas auswählen. Und Terra unterstützt keine Inference Residency in den VAE, eine Einschränkung, die OpenAI daran knüpft, wo die Inferenz läuft, nicht daran, wo Sie sich befinden.
Die Plantabelle auf OpenAIs ChatGPT-Preisseite war bei unserer Lektüre noch nicht aktualisiert. Sie führte weiterhin GPT-5.6 Terra statt des neuen, und der Pro-Plan wurde noch als auf GPT-6 Astra laufend beschrieben. Vertrauen Sie also der Modellliste in Ihrem eigenen Konto mehr als jeder Tabelle. DataCamp ergänzt, laut OpenAI deckt dasselbe Plankontingent mit Terra deutlich mehr Aufgaben ab als mit Sol oder Astra. Das wäre der eigentliche Grund zum Wechsel, wenn Sie in ChatGPT oder Codex ständig an Limits stoßen.
Kann ich Terra in der API nutzen, und was kostet es?
Ja. Der Modellname lautet gpt-6.1-terra, und die OpenAI Platform führt es mit 1 $ pro Million Input-Tokens und 5 $ pro Million Output-Tokens. Hier die Familie laut OpenAIs Preisseite, Standardverarbeitung, Prompts unter 272.000 Tokens.
| Modell | Input | Gecachter Input | Output |
|---|---|---|---|
| GPT-6 Luna | $0.10 | $0.01 | $0.50 |
| GPT-6.1 Terra | $1.00 | $0.05 | $5.00 |
| GPT-6.1 Sol | $2.00 | $0.10 | $10.00 |
| GPT-6 Astra | $10.00 | $1.00 | $50.00 |
Alle Preise gelten pro Million Tokens. Das Kleingedruckte auf der Modellseite: Prompts mit mehr als 272.000 Input-Tokens kosten für die gesamte Anfrage das Doppelte bei Input und Cache und das 1,5-Fache beim Output. Batch und Flex sind 50 Prozent günstiger, der Fast-Modus kostet das Doppelte, und regionale Verarbeitung kostet 10 Prozent Aufschlag. Cache-Schreibvorgänge kosten 1,25 $ pro Million Tokens bei 30 Minuten Aufbewahrung. Tool Calling setzt die Responses API voraus, die Computer Use, Websuche, Dateisuche, Code-Ausführung und MCP unterstützt. Die kostenlose API-Stufe hat keinen Zugang, und die niedrigste bezahlte Stufe ist auf 5.000 Anfragen und 1 Million Tokens pro Minute begrenzt.
Taucht Terra noch anderswo auf?
In GitHub Copilot, und zwar am ersten Tag. Laut GitHubs Changelog ist Terra für Nutzer von Copilot Pro, Pro+, Max, Business und Enterprise allgemein verfügbar, in der Modellauswahl von VS Code, Visual Studio, JetBrains, Xcode, Eclipse, der Copilot CLI, dem Cloud Agent, der Copilot-App, github.com und den mobilen Apps. GitHub beschreibt es als gebaut für alltägliches agentisches Coding und Terminal-Arbeit zu geringeren Kosten als Sol. In frühen Tests löste es spürbar mehr Terminal- und C#-Aufgaben als GPT-5.6 Terra. Das ist ein Vergleich mit dem Vorgänger, nicht mit Sol.
Abgerechnet wird zum Listenpreis des Anbieters im Rahmen der nutzungsbasierten Abrechnung, und GitHubs Tabelle deckt sich mit OpenAIs 1 $ und 5 $. Admins von Business und Enterprise steuern es über die Modellrichtlinie, und neue Modelle sind standardmäßig aktiviert, sofern ein Administrator diese Voreinstellung nicht abgeschaltet hat. Wenn Sie GitHub Copilot für ein Team betreiben, sollten Sie diese Voreinstellung prüfen, bevor Ihre Entwickler das Modell von selbst entdecken.
OpenAIs Zahlen sind eine Richtung, keine Rangliste
Die Launch-Vergleiche stützen sich auf OpenAIs früheres Terra, und die Zuwächse gegenüber diesem sind groß. Hier die Max-Effort-Werte, die InfoWorld und DataCamp aus dem Launch-Beitrag berichten.
Interessanter sind die Vergleiche mit den größeren Modellen. Bei Agents' Last Exam, einem Test für professionelle Aufgaben, nennt InfoWorld für Terra 60,0 Prozent bei 1,01 $ pro Aufgabe, gegenüber 59,3 für Astra bei 7,24 $ und 58,6 für Sol bei 2,00 $. Das ist ein Gleichstand zu einem Bruchteil des Preises. Außerdem liegt laut InfoWorld Claude Opus 5.5 mit 63,2 Prozent vorn, und bei OSWorld 2.1 steht Anthropics Claude Sonnet 5.5 mit 83,9 Prozent gegen Terras 74,2. Terra ist in diesem Vergleich nicht das beste Computer-Use-Modell. Es ist das günstigste, das nah dran ist.
Der Autor von DataCamp wird bei OpenAIs Schlagzeile deutlicher, Terra koste bei Max-Effort pro Aufgabe etwa neunmal weniger als Opus 5.5: „Ich fand diesen Vergleich ein wenig konstruiert oder selektiv.“ Opus ist eine Premiumstufe, ein großes Verhältnis war also leicht zu erzeugen. Auch OpenAIs Aussage zur Fehlerquote verdient Vorsicht. Der Rückgang von 53,6 auf 16,7 Prozent bei niedrigem Effort stammt aus OpenAIs internem Prompt-Set, das gezielt Fehler provozieren soll, und OpenAIs Safety Addendum sagt, dass diese Fälle nicht repräsentativ für reale Fehlerquoten sind.
Unabhängige Zahlen gibt es, und sie sind weniger glamourös. Artificial Analysis bewertet Terra bei Max-Effort mit 51 auf seinem Intelligence Index, Platz 12 von 52 auf der Modellseite. Sol erreicht auf demselben Index 55, Astra 57. Was Ihr Verhalten ändern sollte, ist, wie schnell der Wert fällt, wenn Sie den Effort senken.
Medium ist der API-Standard. Mit 38 auf Artificial Analysis' Medium-Effort-Seite liegt Terra out of the box näher an Luna mit 28 als an Sol mit 55. Auf dem Coding-Agent-Index erreicht Terra bei xhigh in Codex 48 gegen 54 für Sol bei max, was zu OpenAIs eigenem Rat für schwieriges Coding passt.
Der günstigere Preis gilt, aber nur bis zu einem gewissen Punkt
Pro Token ja. InfoWorld führt Anthropics Claude Sonnet 5.5, den genannten Konkurrenten, mit 2 $ und 10 $, Terra unterbietet es also um die Hälfte. Pro fertiger Aufgabe hängt es von der Effort-Einstellung ab. Auf der Seite von Artificial Analysis schreibt Terra bei Max-Effort über die gesamte Testsuite 99 Millionen Output-Tokens, gegenüber einem Median von 64 Millionen bei vergleichbaren Modellen, und das Modell wird als eher wortreich bezeichnet. Das Ergebnis sind 0,96 $ pro Aufgabe für Terra bei max, rund 24 Prozent unter Sols 1,27 $.
Eine Stufe tiefer sieht das Bild anders aus. Artificial Analysis nennt für xhigh 45 Punkte bei 0,40 $ pro Aufgabe und für medium 38 bei 0,17 $, etwa so viel wie GPT-6 Luna bei Max-Effort (0,15 $), aber zehn Punkte höher. Unser Fazit: Bei xhigh oder high verdient sich Terra seinen Platz, bei max ist es kein Schnäppchen mehr. Das ist eine Argumentation auf Basis fremder Messungen, nicht unserer eigenen.
Günstigere Tokens lassen die menschlichen Kosten außen vor. Sanchit Vir Gogia von Greyhound Research sagte gegenüber InfoWorld, in einem beispielhaften Coding-Workload „heben 5,4 zusätzliche Review-Sekunden die Inferenz-Ersparnis auf“. Pareekh Jain, CEO von EIIRTrend & Pareekh Consulting, war optimistischer: „Unternehmen brauchen KI-Modelle, die Intelligenz, Geschwindigkeit und Kosten ausbalancieren.“ Er sieht Terra bei Rechnungsverarbeitung, Dokumentenanalyse und Routine-Coding. Beide können recht haben.
Beim Thema Sicherheit ändert sich kaum etwas
Laut dem Addendum stuft OpenAI Terra bei Cybersicherheit als „Critical“ und bei biologischen und chemischen Fähigkeiten als „High“ ein, und es kommt mit demselben Safeguards-Stack wie Sol und Astra. Bei OpenAIs Produktions-Sicherheitsbenchmarks schneidet Terra auf dem Niveau des alten Terra ab, mit kleinen Rückgängen in den Kategorien Extremismus, Hass und sexuelle Inhalte mit Minderjährigen, die OpenAI als statistisch nicht signifikant bezeichnet. Wie Astra und beide Sols hat es nicht versucht, den Auto-review-Monitor von Codex zu umgehen. Eine Einschränkung nennt das Addendum: Bei Bild-Input-Tests zeigt Terra gegenüber dem alten Terra einen statistisch signifikanten Rückschritt bei Hass und Extremismus, der laut OpenAI im Rahmen früherer Launches liegt.
Das günstige Modell trägt also die Einstufung des teuren. Falls die Sicherheitsfragen, die GPT-6.1 Astra zu Fall brachten, Sie gegenüber der 6.1-Reihe misstrauisch gemacht haben: Terra und Sol sind 6.1-Modelle, die tatsächlich erschienen sind. Niemand hat gesagt, dass die beiden Fälle zusammenhängen, und alle diese Ergebnisse stammen von OpenAI selbst. In der Berichterstattung, die wir gelesen haben, findet sich noch keine externe Sicherheitsbewertung von Terra.
Unser Rat: Terra für Masse, Sol für schwierigen Code
Wenn Sie nur den normalen ChatGPT-Chat nutzen, gibt es nichts umzustellen. Wenn Sie in Work oder Codex zu Hause sind, würden wir Sol bei allem lassen, was schwierigen Code oder Recherche betrifft, und Terra die repetitiven Bildschirm-, Dokument- und Entwurfsjobs geben, auf xhigh statt max. Das entspricht grob der Aufteilung, für die auch unser Leitfaden welche KI-Modellstufe zu welcher Aufgabe passt plädiert, und das Top-50-LLM-Ranking zeigt, wo die Konkurrenz steht. Für Entwickler, die Produkte bauen, ist Terra das erste Modell dieser Familie, das wir als Standard für Computer-Use-Arbeit in großen Mengen testen würden, mit Luna darunter für die einfachen Jobs.
Ein fairer Test dauert einen Nachmittag, und er ist der einzige Beleg, der die Frage für Ihre Arbeit klärt.
- Wählen Sie drei Aufgaben, die Sie jede Woche wiederholen, etwa ein Formular aus einem PDF auszufüllen, einen Screenshot zusammenzufassen oder eine Antwort zu entwerfen.
- Lassen Sie jede Aufgabe auf Sol und auf Terra mit demselben Effort laufen, dann auf Terra eine Stufe höher.
- Zählen Sie die Korrekturen, die Sie vornehmen, nicht die Sekunden, die es gedauert hat.
- Prüfen Sie die Modellliste in Ihrem Konto, denn die Power-Presets in Work haben Sie womöglich schon auf Terra umgestellt.
Im Vergleich zu ChatGPT, Claude und Gemini ist Terras Angebot enger als bei jedem von ihnen. Es ist ein Arbeitsmodell, kein Chat-Produkt. Speziell für Coding-Agenten zeigt unser Vergleich von Terminal-Coding-Agenten, dass das Harness mindestens so wichtig ist wie das Modell.
Offen ist noch, ob OpenAI Terra in den normalen Chat und den Free-Plan bringt und wann die Plantabelle aufhört, das alte Terra zu führen. Beobachten Sie diese Tabelle und die erste unabhängige Coding-Evaluation, die Terra unterhalb von Max-Effort testet.