GPT-6.1 Terra vs. Claude Sonnet 5.5: Welches Mid-Tier-Modell für Bildschirm- und Dokumenten-Agenten?

OpenAI veröffentlichte GPT-6.1 Terra am 26. Oktober 2026, vier Wochen nachdem Anthropic Claude Sonnet 5.5 auf den Markt gebracht hatte. In OpenAIs Ankündigungsbeitrag wurde Terra mit Claude Opus 5.5 verglichen, doch die Berichterstattung zog eine andere Grenze. The Decoder bezeichnete Terra als „OpenAIs engsten Konkurrenten zu Anthropics Sonnet-Mid-Tier-Serie zum halben Preis“, und AlphaCorp nannte Terra gegen Sonnet „den eigentlichen Kampf im Mid-Tier“. GPT-6.1 Sol und Sonnet 5.5 haben denselben Preis von $2 / $10. Wer diesen Monat ein Mid-Tier-Modell auswählt, entscheidet also in Wirklichkeit zwischen Terra für $1 / $5 und Sonnet für $2 / $10.

In diesem Beitrag geht es um die Entscheidung für eine bestimmte Art von Arbeit: den Bildschirm- und Dokumenten-Agenten. Der Agent liest eine Rechnung, ein Formular oder einen Screenshot, extrahiert die Felder und trägt sie in einer anderen App ein. Jeder Schritt ist kurz und überprüfbar und wird täglich tausendfach ausgeführt. Bei dieser Aufgabe liegen die Stärken der beiden Modelle unterschiedlich. Sonnet 5.5 schneidet bei mehr anspruchsvollen Agenten-Benchmarks besser ab, darunter auch bei der Computer-Use-Auswertung in OpenAIs eigener Ankündigung. Terra kostet pro Token halb so viel, benötigte in unabhängigen Tests pro Aufgabe deutlich weniger Tokens und hielt sich in einem kleinen Pilotversuch zuverlässiger an strenge Ausgabeformate.

Kurz gesagt: Bei Aufgaben mit hohem Volumen und überprüfbarer Ausgabe solltest du mit Terra starten. Für lange, unbeaufsichtigte Desktop-Abläufe, bei denen ein fehlgeschlagener Durchlauf mehr kostet als die Token, ist Sonnet 5.5 seinen Preis wert. Beide laufen mit einem einzigen Schlüssel über AIHubMix und kosten genauso viel wie bei den jeweiligen Anbieter-APIs; alle Details findest du auf der GPT-6.1-Terra-Modellseite.

Um welche Aufgabe es in diesem Vergleich geht

Ein Schritt eines Bildschirm- oder Dokumenten-Agenten sieht meist so aus:

• Eingabe: ein stabiler Präfix (System-Prompt, Ausgabeschema, Tooldefinitionen), der bei jedem Aufruf wiederverwendet wird, sowie neue Inhalte: ein Seitenbild, ein Screenshot oder extrahierter Text.
• Ausgabe: eine kurze, strukturierte Antwort, etwa JSON-Felder oder die nächste UI-Aktion.
• Umfang: Tausende bis Hunderttausende Schritte, die jeweils vom Code überprüft werden, bevor etwas an nachgelagerte Systeme weitergegeben wird.

Hier entscheiden vier Faktoren über die Modellwahl: korrekte Felder, eine Ausgabe, die sich ohne Bereinigung parsen lässt, Kosten pro tausend Schritte und Zeit pro Schritt. Die erfolgreiche Ausführung über lange Zeiträume ist weniger wichtig, wenn jeder Schritt kurz und verifiziert ist, aber sehr wichtig, wenn der Agent Dutzende Aktionen lang einen Desktop bedient, ohne dass jemand zusieht.

Beide Modelle verarbeiten Text und Bilder als Eingabe und eignen sich für diesen Einsatz. Hier sind die relevanten Spezifikationen:

Die Preise sind offizielle Listenpreise pro Million Tokens; AIHubMix berechnet für beide Modelle dasselbe. Sonnet verwendet standardmäßig den Claude-Platform-Standard. Bei Terra wird eine gesamte Anfrage mit dem Faktor 2 für Eingabe und 1,5 für Ausgabe abgerechnet, sobald die Eingabe 272K Tokens überschreitet. Das ist bei einem einzelnen Dokumentenschritt mit nur einer Seite nicht der Fall.

Ein praktischer Hinweis zu Bildschirm-Agenten: OpenAI dokumentiert den Tool-Aufruf von Terra, einschließlich des integrierten Computer-Tools, als Funktion der Responses API. Bei Prüfungen von AIHubMix am 27. Oktober gab Terra über den Responses-Endpunkt eine computer_call-Aktion zurück, wenn das Computer-Tool und ein Screenshot bereitgestellt wurden. Dieser Weg funktioniert also über AIHubMix.

Wo Sonnet 5.5 die Nase vorn hat: anspruchsvolle Agenten-Aufgaben abschließen

Die folgenden Benchmark-Zahlen stammen bewusst aus drei getrennten Quellen. OpenAIs Launch-Diagramme, wie sie von Kingy übertragen wurden, beruhen auf Selbstauskünften und wurden von niemandem unabhängig reproduziert. Auch Anthropics Angaben zur Markteinführung von Sonnet 5.5 beruhen auf Selbstauskünften. Artificial Analysis (AA) ist ein unabhängiger Tester. Für jede Zahl ist die Aufwandsstufe angegeben, sofern die Quelle sie nennt.

Beginnen wir mit OpenAIs eigenen Diagrammen, in denen Sonnet 5.5 als Vergleichswert aufgeführt ist:

Die Zahlen für Sonnet 5.5 entsprechen den Ergebnissen mit maximalem Aufwand, wie sie in OpenAIs Diagrammen dargestellt sind. Die Aufgabenkosten sind Schätzungen von OpenAI.

OSWorld 2.1 ist ein Benchmark für die Computernutzung und der Öffentlichkeitstest, der einem Bildschirm-Agenten am nächsten kommt. In OpenAIs Offline-Datensatz liegt Sonnet 5.5 bei maximalem Aufwand 9,7 Punkte vor Terra. Terra liegt bei mittlerem Aufwand, der Standardeinstellung, 17,2 Punkte zurück.

Auf Anthropics Launch-Seite für Sonnet 5.5 werden eigene OSWorld-2.1-Ergebnisse mit 80,1 %, als „partiell“ gekennzeichnet, sowie 70,6 % bei Terminal-Bench 4.0 angegeben. Dieser OSWorld-Test wurde in einer anderen Konfiguration als OpenAIs Offline-Datensatz durchgeführt. Daher sind 80,1 % und 83,9 % nicht miteinander vergleichbar; ebenso wenig sollte man einen der Werte mit Terras Ergebnis aus dem Test des anderen Anbieters vergleichen. Die Angaben beider Anbieter weisen in dieselbe Richtung: Sonnet 5.5 ist bei Desktop- und Terminal-Agenten-Aufgaben stark.

Artificial Analysis testete beide Modelle mit einem eigenen Test-Framework:

Die Angaben von AA zu Sonnet 5.5 beziehen sich auf die Konfiguration mit maximalem Aufwand und Fallback, wie von AA ausgewiesen.

Unabhängige Tests sehen Sonnet bei Agenten-Aufgaben weiterhin vorn: um 12 Punkte bei AutomationBench-AA und um 8 Punkte bei AAs Terminal-Bench-Test. Zwei Ergebnisse weichen von diesem Muster ab. Bei AA-LCR, einem Reasoning-Test mit langem Kontext, liegen beide mit 83 % gleichauf. Bei GDP.pdf liegt Terra mit 29 % zu 26 % knapp vorn. Keines der Ergebnisse macht Terra zum stärkeren Modell, doch sie zeigen auch nicht, dass Sonnet so deutlich davonzieht wie bei Agenten-Tests.

Lies das alles nicht als Beleg dafür, dass Terra Sonnet bei der Computernutzung schlägt. Bei jedem Benchmark für Computernutzung und Agenten-Aufgaben in diesem Beitrag erzielt Sonnet 5.5 höhere Werte.

Wo Terra punktet: Kosten pro Aufgabe, Geschwindigkeit und Formatdisziplin

Im selben AA-Test wurde gemessen, wie viel jedes Modell für sein Ergebnis aufwendete:

Sonnet 5.5 verbrauchte pro Aufgabe mehr als fünfmal so viele Ausgabe-Tokens wie Terra, und jedes dieser Tokens kostet doppelt so viel. Dadurch liegen die Kosten pro Aufgabe bei weniger als einem Zehntel von Sonnets Kosten ($0.40 gegenüber $5.46); die von AA gemessene Zeit pro Aufgabe beträgt etwa 43 % (384 Sekunden gegenüber 901; AA zählt die Generierungszeit, nicht die Wartezeit bis zum ersten Token). Sonnets Ausgabestrom ist selbst schneller: 141 Ausgabe-Tokens pro Sekunde gegenüber 91 bei Terra im selben Test. Terras Zeitvorteil entsteht also dadurch, dass es weniger Tokens ausgibt, nicht dadurch, dass das Modell schneller ist. Mit diesen Kosten erkaufte sich Sonnet acht zusätzliche Indexpunkte. Ob acht Punkte fast das 14-Fache an Kosten wert sind, hängt davon ab, was dich ein fehlgeschlagener Schritt kostet.

OpenAIs Terminal-Bench-Diagramm zeigt denselben Zielkonflikt aus der anderen Perspektive: 70,6 % bei $10.44 pro Aufgabe für Sonnet gegenüber 50,3 % bei $1.84 für Terra mit maximalem Aufwand. Kingy brachte die geschäftliche Frage auf den Punkt: Wie viel ist eine höhere Abschlussquote wert, wenn man Wiederholungsversuche und menschliche Prüfung mit einrechnet?

Für Aufgaben mit Bildschirmen und Dokumenten sind die relevantesten unabhängigen Daten Kingys Pilotversuch vom 26. Oktober. Er war klein: sechs kurze Aufgaben, jeweils zwei Versuche, mit mittlerem Aufwand und ohne Tools. Bei einer Aufgabe wurden Felder aus dem Bild einer synthetischen Rechnung extrahiert; bei anderen waren JSON, Python oder SQL in einem exakt vorgegebenen Format gefragt.

Die Anfragezeiten umfassen Netzwerk- und Anbieterverzögerungen.

Beide Modelle beantworteten alle Fragen richtig. Der Unterschied lag in der Ausgabe. Bei beiden Versuchen für eine Aufgabe setzte Sonnet vor das JSON eine Rechenlösung und umschloss seine Python- und SQL-Antworten mit Markdown-Codeblöcken, obwohl die Prompts das untersagten. Kingy weist darauf hin, dass ein Produktiv-Parser oder erzwungene strukturierte Ausgabe einige dieser Formatabweichungen auffangen könnte; solche Korrekturen wurden im Test jedoch nicht geprüft. In einer Pipeline, in der jeder Schritt vom Code geparst wird, spart ein Modell, das ohne Aufforderung reines JSON zurückgibt, allerdings einen erneuten Versuch oder einen Bereinigungsschritt. Terra tat das in allen zehn Versuchen und kostete dabei etwa 41 % von Sonnets Kosten. In diesem Pilotversuch antwortete Sonnet pro Anfrage schneller.

Ein weiterer oft geteilter Datenpunkt sollte genau als das gelesen werden, was er ist: eine einzelne Anekdote. atomic.chat ließ Teams aus acht Agenten mit demselben Prompt ein kleines Spiel entwickeln. Terra war nach 6 Minuten fertig und kostete $1.06; Sonnet 5.5 brauchte eine Stunde und kostete $18.10. atomic.chat bewertete Sonnets Spiel als „weit besser“. Die Testeinstellungen wurden nicht veröffentlicht. Der Versuch beweist für sich genommen also nichts, passt aber zum obigen Muster: Sonnet gibt mehr aus und liefert oft auch mehr.

Was die Aufgabe mit den beiden Modellen kostet

Ein Rechenbeispiel zu Listenpreisen bei gleicher Tokenzahl. Nehmen wir 10,000 Dokumentenschritte an. Bei jedem Schritt werden ein stabiler, im Cache gespeicherter Präfix mit 2,500 Tokens und 1,500 neue Eingabe-Tokens (Inhalte der Seite oder des Screenshots) gesendet und 1,500 Ausgabe-Tokens zurückgegeben.

Cache-Schreibvorgänge sind nicht berücksichtigt. Sie verursachen auf beiden Seiten geringe Zusatzkosten zu den im obigen Spezifikationstableau genannten Tarifen.

Bei identischer Tokenzahl kostet Sonnet exakt doppelt so viel, da alle Tarife doppelt so hoch sind. In der Praxis wird die Tokenzahl nicht identisch sein. Im AA-Test verwendete Sonnet bei maximalem Aufwand pro Aufgabe etwa 5,6-mal so viele Ausgabe-Tokens wie Terra. Da die Ausgabe in diesem Beispiel den größten Kostenposten darstellt, dürfte der tatsächliche Abstand bei Agenten-Aufgaben größer als das Zweifache sein. Wie viel größer, hängt von deinen Prompts und Aufwandseinstellungen ab. Miss es anhand einer Stichprobe deiner eigenen Schritte, bevor du dich festlegst.

Ein Hinweis zur Preisgestaltung: Der Rabatt der OpenAI Batch API gilt nicht bei AIHubMix, da dort der Batch-Endpunkt nicht angeboten wird. Für die obigen Werte gelten daher die Standardtarife.

Für wen sich welches Modell eignet

GPT-6.1 Terra wählen, wenn:

• die Schritte kurz, zahlreich und per Code überprüft sind: Rechnungsfelder, Formulareinträge oder der nächste Klick auf einem bekannten Bildschirm;
• die Ausgabe sich ohne Bereinigung parsen lassen muss und du lieber keine zusätzliche Reparaturschicht einbaust;
• die Kosten pro tausend Schritte das Budget bestimmen;
• sich ein fehlgeschlagener Schritt günstig wiederholen oder an eine Person weiterleiten lässt.

Claude Sonnet 5.5 wählen, wenn:

• der Agent lange, mehrstufige Abläufe auf einem Desktop ausführt und niemand jede Aktion überprüft;
• die Abschlussquote wichtiger ist als die Rechnung, weil ein fehlgeschlagener Durchlauf mehr kostet als die Tokens;
• derselbe Agent auch Programmieraufgaben übernimmt, bei denen Sonnet Terra sowohl in OpenAIs Diagramm als auch im AA-Test bei Terminal-Bench übertrifft.

Beide Modelle parallel einzusetzen, ist ebenfalls eine Option: Terra für die Schritte mit hohem Volumen bei Extraktion und Dateneingabe, Sonnet für lange, anspruchsvolle Abläufe und Fälle, in denen Terras Ausgabe die Validierung nicht besteht. Über AIHubMix bedeutet das, die Modell-ID zu ändern – keine zweite Integration.

Beide über AIHubMix ausprobieren

Beide Modelle laufen mit einem einzigen AIHubMix-Schlüssel zu den offiziellen Preisen. In der Modellliste von AIHubMix ist Sonnet 5.5 für Chat Completions, Responses und Anthropic Messages aufgeführt. In den eigenen Tests von AIHubMix antwortete Terra am 27. Oktober über alle drei Schnittstellen. Verwenden Sie für Terra den Responses-Endpunkt: OpenAI dokumentiert seine Tools als ausschließlich über Responses verfügbar, und in den Tests von AIHubMix zeigte die Einstellung für den Reasoning-Aufwand nur dort Wirkung. Die Dokumentation zur AIHubMix Responses API beschreibt das Anfrageformat.

Das Beispiel sendet mit dem OpenAI SDK denselben Extraktions-Prompt an beide Modelle und gibt jede Antwort sowie deren Tokenverbrauch aus:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://aihubmix.com/v1",
    api_key=os.environ["AIHUBMIX_API_KEY"],
)

prompt = (
    "Extract the invoice number, date and total from this text. "
    "Return only JSON with keys invoice_number, date, total.\n\n"
    "Invoice INV-2041, issued 2026-10-12. Amount due: $1,291.50."
)

for model in ["gpt-6.1-terra", "claude-sonnet-5-5"]:
    response = client.responses.create(model=model, input=prompt)
    print(f"--- {model}")
    print(response.output_text)
    print(response.usage)

Führen Sie das Skript mit einer Auswahl Ihrer eigenen Dokumente oder Bildschirminhalte aus, prüfen Sie, wie oft sich die Antworten parsen lassen, und vergleichen Sie die Verbrauchsangaben: So erhalten Sie Ihr tatsächliches Token-Verhältnis. Eine Gegenüberstellung von Spezifikationen und Preisen finden Sie auf der Vergleichsseite zu Terra und Sonnet 5.5.

FAQ

Ist GPT-6.1 Terra bei der Computernutzung besser als Claude Sonnet 5.5?
Nein. Sonnet 5.5 erzielt in OpenAIs eigener Grafik beim OSWorld 2.1 einen höheren Wert (83.9% gegenüber Terras 74.2% bei maximalem Aufwand) und in Artificial Analysis' Test bei AutomationBench-AA (72% gegenüber 60%). Terras Vorteile liegen bei den Kosten und dem Ausgabeformat, nicht bei der Leistungsfähigkeit.

Wie viel günstiger ist Terra als Sonnet 5.5?
Pro Token kostet Terra die Hälfte: $1 pro Million Eingabe- und $5 pro Million Ausgabetoken gegenüber $2 und $10; für zwischengespeicherte Eingaben sind es $0.05 gegenüber $0.10. Pro Aufgabe kann der Unterschied noch größer sein, da Sonnet tendenziell mehr Ausgabetoken verbraucht. Im Test von Artificial Analysis mit maximalem Aufwand kostete Terra $0.40 pro Aufgabe, Sonnet dagegen $5.46.

Welches Modell eignet sich besser zur Extraktion von Rechnungs- und Formularangaben?
Für Extraktionen mit hohem Volumen, die per Code überprüft werden, ist Terra der bessere Ausgangspunkt. In Kingys kleinem Pilotprojekt extrahierten beide Modelle die Rechnungsfelder korrekt und im angeforderten Format. Bei allen zehn objektiven Versuchen zusammen lieferte Terra jedoch 10-mal exakt das angeforderte Format und Sonnet 4-mal. Sonnet verfehlte das Format bei einer separaten JSON-Aufgabe sowie bei den Python- und SQL-Aufgaben. Zudem kostete Terra etwa 41% von Sonnets Credits. Testen Sie beide mit Ihren eigenen Dokumenten, bevor Sie sich entscheiden.

Warum geben Anthropic und OpenAI für Sonnet 5.5 unterschiedliche OSWorld-Werte an?
Sie haben unterschiedliche Setups verwendet. Anthropic gibt 80.1% bei OSWorld 2.1 an und kennzeichnet den Wert als teilweise; OpenAIs Grafik zeigt 83.9% für den Offline-Datensatz OSWorld 2.1. Die Werte lassen sich nicht direkt miteinander vergleichen und sollten jeweils nur den Ergebnissen aus demselben Testlauf gegenübergestellt werden.

Kosten beide Modelle auf AIHubMix genauso viel wie über die offiziellen APIs?
Ja. AIHubMix berechnet für beide die offiziellen Listenpreise pro Million Token: $1 und $5 für Terra, $2 und $10 für Sonnet 5.5. Der Rabatt der OpenAI Batch API ist nicht verfügbar, da AIHubMix den Batch-Endpunkt nicht anbietet.

Welcher Endpunkt sollte verwendet werden, um Terra über AIHubMix aufzurufen?
Die Responses API. OpenAI dokumentiert Terras Tools, einschließlich des Computer-Tools, als ausschließlich über Responses verfügbar. In den Tests von AIHubMix am 27. Oktober wirkte sich die Einstellung für den Reasoning-Aufwand bei Responses aus, nicht aber bei Chat Completions. Sonnet 5.5 ist ebenfalls über Responses verfügbar, sodass eine Schleife beide Modelle aufrufen kann.

Weiterlesen: die GPT-6.1-Terra-Serie

• Wenn Ihr Agent derzeit mit GPT-5.6 Terra läuft, erfahren Sie zunächst, was allein das Upgrade ändert, bevor Sie Anbieter vergleichen: GPT-6.1 Terra vs. GPT-5.6 Terra: Der halbe Preis, was sich geändert hat und wer wechseln sollte
• Bevor Sie einen Bildschirm-Agenten auf Terra umstellen, beheben Sie die Parameter- und Tool-Aufrufe, die beim Wechsel Probleme verursachen: Migration zu GPT-6.1 Terra: Fehler 400 bei temperature beheben, Tools zu Responses verschieben und Codex einrichten
• Wenn lange Desktop-Aufgaben mehr als Terra erfordern, Sie aber bei OpenAI bleiben möchten, vergleichen Sie die nächsthöhere Modellklasse: GPT-6.1 Terra vs. GPT-6.1 Sol: Für welche Aufgaben braucht man weiterhin Sol?
• Um die obige Kostentabelle an Ihr eigenes Nutzungsvolumen anzupassen, sehen Sie sich die Aufwandsstufen und das Caching genauer an: Was GPT-6.1 Terra wirklich kostet: Aufwandsstufen, die 272K-Grenze und Caching

Quellen

• OpenAI: GPT-6.1 Terra wird vorgestellt
• Anthropic: Claude Sonnet 5.5 wird vorgestellt
• Artificial Analysis: Vergleich von GPT-6.1 Terra und Claude Sonnet 5.5
• Kingy: GPT-6.1 Terra: Benchmarks, Preise und Modellvergleiche
• AIHubMix: Vergleichsseite zu GPT-6.1 Terra und Claude Sonnet 5.5