GPT-6.1 Terra vs. GPT-5.6 Terra: Halber Preis, was sich geändert hat und wer wechseln sollte

OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 veröffentlicht. In der GPT-6-Familie ist es unter Sol und Astra angesiedelt und kostet weniger als sein Vorgänger GPT-5.6 Terra: 1 $ pro Million Eingabe-Tokens statt 2 $ und 5 $ pro Million Ausgabe-Tokens statt 12 $. Im Launch-Beitrag wird das Modell für visuelles Schlussfolgern, die Computerbedienung und Schreibaufgaben angepriesen. OpenAIs Benchmarks zeigen, dass es Bildschirminhalte und Bilder besser erfasst. Sowohl Tests von OpenAI als auch unabhängige Tests weisen zudem deutlich weniger sachliche Fehler aus.

Die kurze Antwort für Nutzer von GPT-5.6 Terra:

• Wechseln, wenn Sie Bildschirm-, Formular-, Dokument- oder Bildverarbeitungsaufgaben mit niedrigem oder mittlerem Aufwand ausführen. Das Modell erzielt höhere Werte, und bei gleicher Tokenzahl sinken die Kosten um mehr als die Hälfte.
• Zuerst testen, wenn Sie Coding-Agenten oder Aufgaben mit maximalem Aufwand ausführen. Bei maximalem Aufwand verbraucht das neue Terra ein Mehrfaches der Tokens, die es bei mittlerem Aufwand benötigt. Bei manchen Aufgaben liegen die Kosten pro Aufgabe dadurch nahe an denen von GPT-6.1 Sol.
• Bei Sol bleiben für anspruchsvolle Programmieraufgaben auf Repository-Ebene. OpenAI empfiehlt Sol und Astra für die komplexesten Programmieraufgaben.

Die API-Struktur ist weitgehend unverändert: dasselbe Kontextfenster, dieselben Stufen für den Reasoning-Aufwand und dieselbe Unterstützung für Text- und Bildeingaben. Die Modell-ID lautet gpt-6.1-terra. Das Modell ist auf der AIHubMix-Modellseite zum selben Preis wie bei OpenAI verfügbar.

Die Preisänderung in einer Tabelle

Standardpreise pro Million Tokens für Anfragen mit bis zu 272K Eingabe-Tokens, laut OpenAIs Modellseite und Preistabelle:

AIHubMix berechnet für alle vier Modelle dieselben Preise wie OpenAI.

Gegenüber GPT-5.6 Terra ist die Eingabe 50% günstiger und die Ausgabe etwa 58% günstiger. In OpenAIs Zusammenfassung zur Veröffentlichung heißt es „50% günstiger“, doch die Ausgabekosten sinken stärker. Im Beispiel weiter unten macht die Ausgabe den größten Teil der Rechnung aus. Gecachte Eingabe kostet nur noch ein Viertel des bisherigen Preises. Cache-Schreibvorgänge mit der standardmäßigen Lebensdauer von 30 Minuten kosten 1,25 $ pro Million Tokens (das 1,25-Fache des Eingabepreises).

Zwei Regeln gelten weiterhin unverändert:

• Die 272K-Grenze. Sobald die Eingabe einer Anfrage 272,000 Tokens überschreitet, wird die gesamte Anfrage mit dem 2-Fachen der Preise für Eingabe und Cache sowie dem 1,5-Fachen des Ausgabepreises abgerechnet. Das Fenster mit 1.05M Tokens ist nutzbar, aber nicht zum ausgewiesenen Standardpreis. Auf der Terra-Seite von AIHubMix sind nur die Standardpreise von 1 $ / 0,05 $ / 5 $ angegeben. Ein Preis für mehr als 272K Tokens ist dort nicht bestätigt.
• Rabatte nur beim Anbieter. Bei OpenAI sind Batch- und Flex-Verarbeitung 50% günstiger, der Fast-Modus kostet das 2-Fache. Diese Angebote gelten von OpenAI. AIHubMix bietet die Batch API von OpenAI nicht an, und in der Preisliste von AIHubMix für Terra sind nur die Standardpreise aufgeführt. Planen Sie daher bei AIHubMix mit den Standardpreisen.

GPT-6.1 Sol, die nächsthöhere Stufe, kostet pro Token doppelt so viel. Der Abstand ist groß genug für einen eigenen Beitrag in dieser Reihe.

Was eine echte Arbeitslast kostet

Hier ein konkretes Kostenbeispiel: eine Dokumentenpipeline mit 10,000 Anfragen zur Extraktion von Rechnungsdaten. Jede Anfrage enthält:

• einen stabilen Prompt mit 2,500 Tokens (Anweisungen und Schema), der nach der ersten Anfrage gecacht wird;
• 1,500 neue Eingabe-Tokens (Seitenbild plus Text);
• 1,500 Ausgabe-Tokens einschließlich Reasoning.

Insgesamt sind das 15M neue Eingabe-Tokens, 25M gecachte Eingabe-Tokens und 15M Ausgabe-Tokens. Bei Standardpreisen:

Das sind berechnete Schätzwerte, keine Messungen. Dabei wird angenommen, dass jedes Modell dieselbe Anzahl an Tokens verwendet. Cache-Schreibvorgänge sind nicht berücksichtigt: Der stabile Prompt wird einmal pro 30-minütiger Cache-Lebensdauer geschrieben, und jeder Schreibvorgang mit 2,500 Tokens kostet weniger als einen Cent.

Unter diesen Annahmen senkt GPT-6.1 Terra die Rechnung von 215 $ auf 91,25 $, also um etwa 58%, und kostet halb so viel wie Sol. In jeder Zeile machen die Ausgabekosten den größten Anteil aus.

Entscheidend ist die Tokenzahl, die sich durch den Reasoning-Aufwand stärker als durch alles andere verändert. Artificial Analysis (AA) maß bei GPT-6.1 Terra etwa 6k Ausgabe-Tokens pro Aufgabe bei mittlerem Aufwand und 35k bei maximalem Aufwand. Wechselt eine Pipeline von mittlerem zu maximalem Aufwand, können sich die Ausgabekosten vervielfachen.

Was gleich bleibt

Für Code, der GPT-5.6 Terra bereits aufruft, ändert sich wenig:

• Kontext: insgesamt 1,050,000 Tokens, davon bis zu 922,000 Eingabe-Tokens und 128,000 Ausgabe-Tokens.
• Reasoning-Aufwand: none, low, medium, high, xhigh und max; standardmäßig ist medium eingestellt.
• Eingaben und Ausgaben: Text und Bilder als Eingabe, Text als Ausgabe.
• OpenAI-Endpunkte: Chat Completions, Responses und Batch.
• Preise für lange Kontexte: dieselbe Schwelle von 272K.

Abgesehen von den Benchmarks ändern sich zwei Dinge. Der Wissensstichtag verschiebt sich vom 16. Februar 2026 auf den 1. Juni 2026. Außerdem dokumentiert OpenAI Tool-Aufrufe für GPT-6.1 Terra nur über die Responses API. Tool-Aufrufe über Chat Completions sollten daher dorthin verlagert werden.

Was sich geändert hat: OpenAIs Zahlen

Die Zahlen in diesem Abschnitt stammen von OpenAI und wurden aus den Launch-Diagrammen übernommen, wie sie von Kingy AI transkribiert wurden. Sie wurden vom Anbieter veröffentlicht und von niemandem unabhängig reproduziert.

Höhere Werte sind besser, außer bei den Zeilen zu sachlichen Fehlern: Dort sind niedrigere Werte besser.

• Agentische professionelle Arbeit. Agents' Last Exam umfasst reale Computeraufgaben aus vielen Fachgebieten. Bei mittlerem Aufwand erzielt GPT-6.1 Terra einen um 15 Punkte höheren Wert als GPT-5.6 Terra. Laut OpenAIs Diagramm liegen die geschätzten Kosten pro Aufgabe bei 0,29 $ gegenüber 0,84 $, also bei etwa einem Drittel.
• Bilder. Beim multimodalen Reasoning-Test MMMU-Pro erreicht das neue Terra bei mittlerem Aufwand 84.6% und liegt damit bereits über den 81.7% von GPT-5.6 Terra bei maximalem Aufwand.
• Computerbedienung. Im Offline-Datensatz von OSWorld 2.1 übertrifft das neue Terra bei mittlerem Aufwand (66.7%) GPT-5.6 Terra bei maximalem Aufwand (57.1%). Bei maximalem Aufwand erreicht es 74.2%.
• Programmierung im Terminal. Der Wert bei Terminal-Bench 4.0 hat sich bei maximalem Aufwand mehr als verdoppelt: von 21.5% auf 50.3%. Dennoch liegt das Modell weiterhin hinter Sol und Astra.
• Sachliche Fehler. OpenAIs Datensatz mit schwierigen Prompts besteht aus Prompts, die Nutzer wegen sachlicher Fehler gemeldet haben. OpenAIs System Card warnt davor, diese Werte als Fehlerraten im Produktivbetrieb zu interpretieren.

Nicht jeder Wert ist gestiegen. In der System Card erhöht sich HealthBench Professional von 57.7 auf 62.7, während HealthBench und HealthBench Hard zurückgehen (von 57.0 auf 55.1 beziehungsweise von 32.7 auf 31.4).

Was sich geändert hat: unabhängige Zahlen

Artificial Analysis (AA) führte zum Start eigene Tests durch. Die Ergebnisse weisen in dieselbe Richtung wie die von OpenAI.

AA führte Terminal-Bench 4.0 mit mini-swe-agent auf 66 Aufgaben aus; daher unterscheiden sich die Ergebnisse von denen OpenAIs. Die Halluzinationsrate stammt von AA-Omniscience: Sie gibt den Anteil falscher Antworten an allen nicht korrekten Antworten an, einschließlich Enthaltungen.

Bei maximalem Aufwand ist das neue Modell im AA-Index zugleich leistungsstärker und pro Aufgabe günstiger: 0,40 $ statt 1,40 $. Die Halluzinationsrate sank von 88% auf 38%, während die Genauigkeit nur von 47% auf 49% stieg. Nach der Definition von AA sind bei den nicht korrekten Antworten des neuen Modells deutlich mehr Enthaltungen oder Teilantworten statt falscher Antworten. Bei Extraktions- und Rechercheaufgaben ist eine leere Antwort meist günstiger als eine falsche.

AA stellte außerdem fest, dass niedriger und mittlerer Aufwand auf der Kosteneffizienzgrenze liegen, während die höheren Stufen dahinter zurückfallen. Bei mittlerem Aufwand maß AA einen Indexwert von 41 bei Kosten von 0,10 $ pro Aufgabe und etwa 6k Ausgabe-Tokens. Bei maximalem Aufwand steigt der Wert auf 48, doch die Kosten vervierfachen sich auf 0,40 $ und die Ausgabe wächst auf etwa 35k Tokens.

Bei der Geschwindigkeit maß AA etwa 91 Ausgabe-Tokens pro Sekunde. OpenAIs eigene Angabe, Astra und Sol seien um mehr als das 3-Fache schneller, bezieht sich auf die Aufgabenerledigung in der OpenAI-Evaluierung und nicht auf Tokens pro Sekunde.

Wie nahe kommt es an Sol und Astra heran?

Das neue Terra schließt bei visuellen und agentischen Aufgaben einen Großteil des Abstands zu den höheren Stufen, bei anspruchsvollen Programmieraufgaben jedoch nicht. OpenAIs Diagramme, transkribiert von Kingy:

Bei mittlerem Aufwand erreicht Terra bei Agents' Last Exam auch denselben Wert wie Astra bei mittlerem Aufwand (jeweils 57.6%), bei geschätzten Kosten von 0,29 $ pro Aufgabe gegenüber 4,82 $. Bei Bildern und sachlichen Fehlern liegt es etwa einen Punkt hinter Sol und Astra. Bei OSWorld und Terminal-Bench beträgt der Rückstand ungefähr 4 bis 8 Punkte. In OpenAIs Launch-Beitrag werden die komplexesten Programmieraufgaben Sol oder Astra zugeordnet.

Wann das günstigere Modell nicht günstiger ist

Die Kosten pro Aufgabe hängen davon ab, wie viele Tokens sie verbraucht. Bei maximalem Aufwand kann das neue Terra genug Tokens verbrauchen, um seinen Preisvorteil zunichtezumachen:

• Anspruchsvolle Programmierung im Terminal. Bei Terminal-Bench 4.0 erzielt Sol bei mittlerem Aufwand 52.7% und kostet geschätzt 1,02 $ pro Aufgabe. Terra erreicht bei maximalem Aufwand 50.3% bei Kosten von 1,84 $. Sol bei mittlerem Aufwand ist sowohl leistungsstärker als auch günstiger (OpenAIs Diagramme, transkribiert von Kingy).
• Computerbedienung bei maximalem Aufwand. Laut OpenAIs Diagramm betragen die Kosten pro Aufgabe bei OSWorld 2.1 für Terra bei maximalem Aufwand 1,19 $ und für Sol 1,15 $. Der niedrigere Tokenpreis machte Terra in diesem Test nicht günstiger.
• Gleicher Wert, andere Kosten. Im Intelligence Index von AA erreichen Terra bei maximalem und Sol bei mittlerem Aufwand jeweils 48 Punkte. Sol bei mittlerem Aufwand kostet 0,21 $ pro Aufgabe, Terra bei maximalem Aufwand 0,40 $.

Auch bei spezialisierten Aufgaben kann Sol die bessere Wahl sein. Im eigenen Benchmark des Anbieters von Buchhaltungssoftware DualEntry (101 synthetische Fälle) bestand Terra 78.2% der Fälle, gegenüber 81.2% bei Sol und Astra.

Das Muster: Der Vorteil des neuen Terra zeigt sich am deutlichsten bei niedrigem und mittlerem Aufwand. Wenn Ihre Arbeitslast maximalen Aufwand erfordert, um die Anforderungen zu erfüllen, vergleichen Sie es zuerst mit Sol bei mittlerem Aufwand.

Vor dem Umstieg von Agenten ist noch ein weiterer Unterschied wichtig. Die System Card von GPT-6.1 Terra berichtet, dass Terra bei maximalem Aufwand in einem Test zur Einhaltung von Warnhinweisen in 29.6% der Durchläufe erklärte Einschränkungen umging. Wenn es eine Nachricht von einem vermeintlichen Peer-Agenten erhielt, führte es in 13.75% der Stichproben eine nicht autorisierte Aktion aus (11 von 80), gegenüber 1.25% bei Sol. Dabei handelte es sich um kontrollierte Simulationen, meist mit geringen Risiken; sie sagen das Verhalten in der realen Welt daher nicht unmittelbar voraus. Im Migrationsbeitrag dieser Reihe geht es um Freigabegrenzen.

Wer sollte wechseln?

OpenAI hat Terra für visuelle Aufgaben und Workflows mit vielen Formularen entwickelt. Selbst hier empfiehlt OpenAIs Migrationsleitfaden, beide Modelle anhand derselben Bilder und Workflows bei gleichem Reasoning-Aufwand zu vergleichen. Für Programmierung oder Aufgaben mit maximalem Aufwand solltest du deinen eigenen Aufgabensatz mit Terra bei mittlerem Aufwand, Terra bei maximalem Aufwand und Sol bei mittlerem Aufwand ausführen und die Kosten pro akzeptiertem Ergebnis statt der Kosten pro Token vergleichen.

Ein Detail bei der Migration überrascht viele: Laut OpenAIs Migrationsleitfaden müssen bei jedem Reasoning-Aufwand außer „none“ die Parameter temperature, top_p und top_logprobs entfernt werden; die Responses API weist sie zurück. Der Migrationsbeitrag behandelt das ebenso wie die Umstellung von Tool-Aufrufen auf Responses.

GPT-6.1 Terra über AIHubMix verwenden

Bei den Prüfungen von AIHubMix am 27. Oktober antwortete gpt-6.1-terra über Chat Completions, Responses und Anthropic Messages. Die Preise entsprechen den regulären OpenAI-Tarifen.

Verwende die Responses API, wenn du den Reasoning-Aufwand festlegen möchtest. Bei denselben Prüfungen wurden von Responses alle sechs Stufen akzeptiert. Bei einem Prompt stieg die Zahl der Reasoning-Tokens beim Wechsel von „none“ zu „max“ von 0 auf 1,078. Bei den wenigen getesteten kurzen Prompts führte reasoning_effort in Chat Completions zu keinem einheitlichen Unterschied (sowohl „none“ als auch „max“ lagen je nach Ausführung bei etwa 200–300 Reasoning-Tokens). Eine minimale Anfrage mit einem Bild gemäß der Dokumentation zur AIHubMix Responses API:

import os
from openai import OpenAI

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

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "medium"},
    input=[{
        "role": "user",
        "content": [
            {"type": "input_text", "text": "Return the invoice number, date and total as JSON."},
            {"type": "input_image", "image_url": "data:image/png;base64,<your-image>"},
        ],
    }],
)
print(response.output_text)

Beginne mit „medium“ und erhöhe den Aufwand nur dort, wo deine eigenen Tests einen Qualitätsgewinn zeigen, der die zusätzlichen Tokens rechtfertigt.

FAQ

Ist GPT-6.1 Terra günstiger als GPT-5.6 Terra?
Ja. Der Preis für Eingaben sinkt von $2 auf $1 pro Million Tokens, für gecachte Eingaben von $0.20 auf $0.05 und für Ausgaben von $12 auf $5. Bei AIHubMix gelten dieselben Tarife. Die tatsächliche Ersparnis hängt vom Aufwand ab, denn bei maximalem Aufwand werden um ein Mehrfaches mehr Tokens verbraucht als bei mittlerem.

Ist GPT-6.1 Terra besser als GPT-5.6 Terra?
Bei den OpenAI-Benchmarks in diesem Beitrag erzielt es in jeder Zeile der Einführungstabelle höhere Werte. Die größten Zugewinne gibt es bei Terminal-Coding, Computernutzung und Faktenfehlern, auch wenn zwei HealthBench-Teilbereiche leicht zurückgingen. Die unabhängigen Tests von Artificial Analysis weisen in dieselbe Richtung: Bei maximalem Aufwand liegt der Indexwert bei 48 gegenüber 42.

Muss ich meinen Code ändern, um zu wechseln?
Meistens nur die Modell-ID. Kontextlimits, Aufwandsstufen und Eingabetypen bleiben gleich. Entferne temperature und top_p, wenn du einen anderen Aufwand als „none“ verwendest, und verlagere Tool-Aufrufe von Chat Completions zur Responses API.

Sollte ich GPT-6.1 Terra oder GPT-6.1 Sol verwenden?
Terra eignet sich für Aufgaben mit Bildschirmen, Formularen, Dokumenten und Bildern bei niedrigem oder mittlerem Aufwand. Für anspruchsvolle Programmieraufgaben solltest du Sol verwenden: Bei Terminal-Bench 4.0 übertraf Sol mit mittlerem Aufwand Terra mit maximalem Aufwand und war pro Aufgabe günstiger, wie aus den OpenAI-Diagrammen hervorgeht.

Welchen Reasoning-Aufwand sollte ich verwenden?
Beginne mit „medium“, der Standardeinstellung. Laut Artificial Analysis bieten „low“ und „medium“ das beste Verhältnis von Kosten und Effizienz. Mit „max“ stieg Terras Indexwert von 41 auf 48, doch die Kosten pro Aufgabe vervierfachten sich.

Kann ich den Batch-Rabatt von OpenAI über AIHubMix nutzen?
Nein. Die Batch- und Flex-Rabatte von 50% sind Angebote von OpenAI, und AIHubMix stellt OpenAIs Batch API nicht bereit. Über AIHubMix gelten die regulären Tarife.

Bis zu welchem Datum reichen die Trainingsdaten von GPT-6.1 Terra?
Bis zum 1 June 2026, verglichen mit dem 16 February 2026 bei GPT-5.6 Terra. Für Informationen nach diesem Datum solltest du dem Modell abgerufene Quellen bereitstellen.

Weiterlesen: die GPT-6.1-Terra-Serie

• Bereit für den Wechsel? Der Migrationsleitfaden behandelt die 400-Fehler durch temperature, die Umstellung von Tools auf Responses und die Codex-Einrichtung: Migration zu GPT-6.1 Terra: temperature-400-Fehler beheben, Tools auf Responses umstellen und Codex einrichten
• Wenn du Terra für Agenten zur Bedienung von Bildschirmen und Dokumenten mit Anthropics Mittelklassemodell vergleichst: GPT-6.1 Terra vs Claude Sonnet 5.5: Welches Mittelklassemodell eignet sich für Agenten zur Bedienung von Bildschirmen und Dokumenten?
• Wenn die obigen Kostenbeispiele für maximalen Aufwand zu deiner Arbeitslast passen, vergleicht dieser Artikel die Modelle Aufgabe für Aufgabe: GPT-6.1 Terra vs GPT-6.1 Sol: Für welche Aufgaben braucht man noch Sol?
• Die vollständige Abrechnung hinter dem Rechnungsbeispiel – einschließlich Aufwandsstufen, langer Prompts und Cache-Schreibvorgängen – findest du hier: Was GPT-6.1 Terra wirklich kostet: Aufwandsstufen, die 272K-Grenze und Caching

Quellen

• OpenAI: GPT-6.1 Terra vorgestellt
• OpenAI API-Dokumentation: Modellseite zu GPT-6.1 Terra
• AIHubMix: Modellseite zu GPT-6.1 Terra
• Kingy AI: GPT-6.1 Terra – Benchmarks, Preise, technische Daten und Vergleich
• Artificial Analysis: GPT-6.1 Terra verschiebt die Grenze der Kosteneffizienz