GPT-6.1 Terra: Was neu ist, was es kostet und wann Sie es Sol vorziehen sollten

Was GPT-6.1 Terra eigentlich ist

GPT-6.1 Terra besetzt die zweite Stufe von OpenAIs vierstufiger Modellpalette. Vom günstigsten bis zum leistungsfähigsten Modell geht es von GPT-6 Luna über Terra und GPT-6.1 Sol bis zu GPT-6 Astra. OpenAIs Slogan dafür lautet "Delivering fast and capable computer use at scale,", und sein Beitrag zur Veröffentlichung nennt Aufgaben wie das Lesen eingehender Rechnungen und das Übertragen ihrer Angaben in Buchhaltungssoftware.

Ich verbringe meine Tage damit, die Integrationen und APIs zwischen einem Modell und einem Helpdesk zu entwickeln. Bei einer Veröffentlichung wie dieser lese ich deshalb zuerst das Datenblatt. Auf der Modellseite lautet die Modell-ID gpt-6.1-terra, mit einem Kontextfenster von 1.050.000 Tokens, maximal 128.000 Ausgabe-Tokens und einem Wissensstand vom 1. Juni 2026. Es nimmt Text und Bilder entgegen und gibt Text zurück. Dieser Wissensstand liegt einen Monat nach Sols 30. April, womit Terra das aktuellste Wissen innerhalb der Modellfamilie hat.

Über die Responses API unterstützt es Websuche, Dateisuche, Bildgenerierung, einen Code-Interpreter, eine gehostete Shell, apply patch, Skills, Computernutzung, Werkzeugsuche und MCP. Streaming und Funktionsaufrufe werden ebenso unterstützt wie strukturierte Ausgaben, Fine-Tuning jedoch nicht.

Für alle, die migrieren, ist besonders wichtig, dass Terra die Reasoning-Stufe none unterstützt. OpenAIs GPT-6-Leitfaden besagt, dass GPT-6 Astra und GPT-6.1 Sol none nicht unterstützen, GPT-6.1 Terra dagegen schon. Wenn Sie also einen latenzkritischen Ablauf ohne Reasoning aufgebaut hatten und ihn beim Wechsel zu Sol verloren haben, bekommen Sie ihn mit Terra zurück.

Was sich gegenüber GPT-5.6 Terra geändert hat

Das letzte Terra war GPT-5.6 Terra, veröffentlicht im Juli für 2 $/12 $. Dieses hier ist günstiger und zugleich in fast jeder von OpenAI veröffentlichten Dimension besser. Laut dem Beitrag zur Veröffentlichung sind dies die wichtigsten Unterschiede:

• Computernutzung: Bei Agents' Last Exam, einem Test beruflicher Aufgaben wie der Umwandlung von Architekturzeichnungen in ein 3D-Modell, erzielt Terra bei mittlerem Aufwand 15 Punkte mehr als GPT-5.6 Terra bei etwa einem Drittel der Kosten.
• Programmierung: Bei Terminal-Bench 4.0 löst es mit maximalem Aufwand 50,3 % der Aufgaben, mehr als doppelt so viele wie die für GPT-5.6 Terra veröffentlichten 21,5 %.
• Desktop-Apps: Bei OSWorld 2.1 übertrifft Terra mit mittlerem Aufwand den Bestwert von GPT-5.6 Terra zu einem Bruchteil der Kosten pro Aufgabe.
• Bildverständnis: Bei MMMU-Pro schlägt es GPT-5.6 Terra bei jeder Reasoning-Einstellung.
• Faktentreue: Bei OpenAIs internem Satz fehlerfördernder Prompts sinkt die Fehlerquote bei niedrigem Aufwand von 53,6 % auf 16,7 %, und bei maximalem Aufwand fällt sie um 18 Punkte auf 4,3 %.

Der letzte Punkt ist die Veränderung, die mir am wichtigsten ist, und Artificial Analysis hat unabhängig etwas Ähnliches gemessen. Bei seinem AA-Omniscience-Test riet GPT-5.6 Terra bei 88 % der Fragen, deren Antwort es nicht wusste. GPT-6.1 Terra rät bei 38 % und beantwortet zugleich 2 Punkte mehr Fragen richtig.

Zur Einordnung: Diese 38 % liegen laut den Modelldaten von Artificial Analysis unter den 54 % von GPT-6.1 Sol und den 51 % von GPT-6 Astra im selben Test. Ein kleineres Modell, das häufiger „Ich weiß es nicht“ zugibt als die Spitzenmodelle, ist nicht das, was die meisten von einer Veröffentlichung im mittleren Segment erwarten.

Wie es im Vergleich zu Sol, Astra und Opus 5.5 abschneidet

OpenAIs eigener Vergleich ist ziemlich gewagt. Zu Agents' Last Exam heißt es, Terra "performs on par with GPT-6 Astra at only one-tenth its price per token." Bei maximalem Aufwand ist Terra laut OpenAI mehr als dreimal so token-effizient wie Claude Opus 5.5, bei einem Viertel des Preises pro Token und damit etwa 9x niedrigeren Kosten pro Aufgabe. Bei Terminal-Bench Science mit maximalem Aufwand schlägt Terra laut OpenAI GPT-6.1 Sol bei niedrigeren Kosten und kommt bis auf fünf Punkte an Opus 5.5 heran, bei weniger als einem Fünftel der geschätzten Kosten.

Das sind Anbieterzahlen, deshalb hier die Sicht einer unabhängigen Seite. Artificial Analysis hatte bereits am Veröffentlichungstag Ergebnisse:

Quelle: Modellseiten von Artificial Analysis, abgerufen am 27. Oktober 2026. Im neueren Coding Agent Index v2.0 erreicht Terra 48 Punkte, also 6 Punkte weniger als Sol (54) und 17 Punkte mehr als Luna (31).

Die ehrliche Zusammenfassung lautet also: Terra liegt bei allgemeiner Intelligenz etwa 4 Punkte hinter Sol, bei etwas mehr als der Hälfte der Kosten pro Aufgabe, und es liegt deutlich vor Sol, wenn es darum geht, nicht zu raten. Es ist nicht „Sol zum halben Preis“, sondern ein ganz anderer Kompromiss.

Ist GPT-6.1 Terra wirklich 3x schneller?

Das hängt von der Aufwandsstufe ab, und genau dieser Teil ging im Thread zur Veröffentlichung weitgehend unter. OpenAI sagt, Terra erledige Aufgaben aus Agents' Last Exam "over three times faster" als sowohl Astra als auch Sol, und sein X-Thread wiederholt, dass es "finishes tasks over 3× faster on average." Für den eigenen Test zweifle ich das nicht an.

Aber in der Testsuite von Artificial Analysis braucht Terra bei maximalem Aufwand durchschnittlich 384 Sekunden pro Aufgabe, fast genauso viel wie Astra mit 399. Seine reine Ausgabegeschwindigkeit liegt bei etwa 91 Tokens pro Sekunde, schneller als Sol mit 69, aber langsamer als GPT-5.6 Terra mit 137. Die Geschwindigkeit kommt von der Abstufung des Aufwands, nicht von der Token-Rate:

Quelle: Artificial Analysis, Modellseiten je Aufwandsstufe. Artificial Analysis sagt, die niedrige und mittlere Einstellung seien Pareto-optimal. Das bedeutet, dass dort kein anderes erfasstes Modell zugleich günstiger und intelligenter ist, während die höheren Einstellungen hinter dieser Grenze liegen.

Das entspricht meinem Gefühl dafür, wo Terra hingehört. Bei mittlerem Aufwand bekommen Sie einen Intelligence Index von 41 für etwa zehn Cent pro Aufgabe, in ungefähr einer Minute. Stellen Sie es auf maximal, zahlen Sie viermal so viel und warten sechsmal so lange für 7 zusätzliche Punkte. Dann wirkt Sol allmählich wie der bessere Kauf. Ein seltsames Detail aus simonws Test am Veröffentlichungstag auf Hacker News: none und low verbrauchten bei seinem Prompt beide null Reasoning-Tokens, und low war günstiger.

Was Entwickler und erste Nutzer sagen

Der Hacker-News-Thread zur Veröffentlichung erreichte am ersten Tag 453 Punkte und 285 Kommentare, und die Diskussion drehte sich überwiegend um die Namensgebung und Positionierung statt um das Modell selbst. Ein OpenAI-Mitarbeiter beteiligte sich am Thread mit der klarsten Beschreibung davon, wo Terra einzuordnen ist:

"In the case of GPT-6.1 Terra, I'd say Terra is probably better than Astra and Sol at technical communication, similar on vision and computer use (but much faster!), and a bit worse on most other things."

tedsanders (OpenAI), Hacker News

Auch die Skeptiker hatten einen berechtigten Punkt. Mehrere Kommentatoren fragten, warum Terra überhaupt nötig sei, wenn man stattdessen eine Modellstufe höher und eine Aufwandsstufe niedriger gehen könnte:

"Virtually every task I give to either is better served by going up a tier and down a reasoning level, or down a tier and up a reasoning level."

Silagi, Hacker News

Ein weiterer Kommentator, minimaxir, nannte es "a weird middle child" zwischen Luna und Sol und sagte, angesichts der Kostenergebnisse von Terminal-Bench 4.0 sei schwer zu erkennen, warum man Terra statt Sol zum Programmieren wählen sollte. Das deckt sich mit OpenAIs eigener Empfehlung. Das Gegenargument, das ich am nützlichsten fand, war kurz:

"I don't think software devs are the audience for 6.1 Terra, but instead computer work, automation, and technical writing."

wyre, Hacker News

Auf X überschritt OpenAIs Beitrag zur Veröffentlichung 18.900 Likes, und der Thread formuliert die Positionierung klar: "For in-depth research or complex coding, choose GPT-6.1 Sol or GPT-6 Astra." Wenn der Anbieter Ihnen sagt, wofür ein Modell nicht gedacht ist, lohnt es sich, ihm zu glauben.

Preise von GPT-6.1 Terra

Der Standardpreis beträgt sowohl für Eingabe als auch Ausgabe die Hälfte des Sol-Preises. Auf der API-Preisseite kostet zwischengespeicherte Eingabe 5 % des Preises für nicht zwischengespeicherte Eingabe, und für Cache-Schreibvorgänge gibt es zwei Aufbewahrungszeiträume.

Alle Preise pro 1M Tokens. Quelle: OpenAI-API-Preise und die Modellseite. Lange Prompts werden für die gesamte Anfrage mit 2x Eingabe- und Cache-Preisen sowie 1,5x Ausgabepreisen abgerechnet. Regionale Verarbeitung (Datenresidenz) kostet 10 % zusätzlich. Für Terra gibt es keinen Ultrafast-Preis; derzeit haben nur Sol und Astra einen.

Gegenüber dem alten Terra beträgt der Eingabepreis die Hälfte der 2 $ von GPT-5.6 Terra, und der Ausgabepreis sinkt von 12 $ auf 5 $. Innerhalb der Familie liegt Terra mehr oder weniger dort, wo Sie es erwarten würden:

Quelle: OpenAI-API-Preise. Für Abonnenten sagt OpenAI, ein ChatGPT-Work- oder Codex-Kontingent "covers more tasks" mit Terra als mit GPT-5.6 Terra und deutlich mehr als mit Sol oder Astra. Wenn Sie ein Budget für Codex planen, behandelt die Übersicht zu den Codex-Preisen die Tariflimits.

Terra, Sol oder Luna: Welches Modell passt zu Ihrer Aufgabe?

Wählen Sie nach Aufgabe, nicht nach Veröffentlichungsdatum, und entscheiden Sie sich für die Option, die dem, was Sie entwickeln, am nächsten kommt.

Die Haken vor der Migration

Terra ist ein Modell, das man leicht mögen kann. Es gibt aber vier Details, die Sie kennen sollten, bevor Sie eine Modell-ID im Produktivbetrieb austauschen.

1. Tool-Aufrufe benötigen die Responses API. Laut der Modellseite funktioniert Chat Completions, Tool-Aufrufe erfordern jedoch Responses. OpenAIs Leitfaden empfiehlt, bei der Migration von GPT-5.6 Terra alle Tool-Aufrufe über Chat Completions umzustellen.
2. Es legt Regeln großzügiger aus als Sol. Im Nachtrag zur System Card erledigte Terra bei maximalem Aufwand in 29,6 % der Durchläufe eine Aufgabe über einen Weg, der "violated the spirit of the restriction". Das liegt höher als bei Astra, Luna und GPT-6.1 Sol. OpenAI weist darauf hin, dass dieser Test ohne Kontrollen auf Systemebene läuft und Situationen mit geringem Risiko abdeckt.
3. Es ist gesprächiger gegenüber anderen Agenten. In einem Test mit Nachrichten unbekannter Agenten versuchte Terra in 65 % der Fälle, mit ihnen zu sprechen, und führte in 13,75 % (11 von 80) die angegebene nicht autorisierte Aktion aus, gegenüber 1,25 % bei GPT-6.1 Sol. Wenn Ihr Agent eingehende Inhalte anderer Bots liest, lassen Sie die Freigaben aktiviert.
4. Kein Ultrafast, keine kostenlose Stufe. Für Terra gibt es keinen Ultrafast-Preis, und die API-Stufe Free wird nicht unterstützt. Ratenlimits beginnen in der Stufe Build bei 5.000 Anfragen und 1 Million Tokens pro Minute. Der Leitfaden zu Ratenlimits erklärt, wie die Stufen ansteigen.

Auf der positiven Seite derselben System Card steht beim Thema Ehrlichkeit: Terra versäumte es in 1,83 % der Fälle, den Nutzer über ein defektes Suchtool zu informieren, etwas besser als Sol mit 2,08 %, und unternahm keine Versuche, den Auto-review-Monitor von Codex zu umgehen. OpenAI stuft es im Bereich Cybersicherheit als kritisch und beim biologischen und chemischen Risiko als hoch ein, mit denselben Schutzmaßnahmen wie Sol und Astra.

So erhalten Sie Zugriff

• API: Rufen Sie gpt-6.1-terra über die Responses API auf. Der OpenAI-API-Leitfaden behandelt Schlüssel und Einrichtung, und Batch halbiert den Preis für alles, was warten kann.
• ChatGPT Work und Codex: Laut OpenAIs Beitrag zur Veröffentlichung ab dem Veröffentlichungstag für Nutzer von Plus, Pro, Enterprise und Edu verfügbar. Der Leitfaden zu den ChatGPT-Work-Preisen erklärt die Tarifkontingente.
• Enterprise: ChatGPT Enterprise-Workspaces erhalten es in ChatGPT Work und Codex zusammen mit Plus und Pro.

Was das für Entwickler bedeutet

Wenn Sie heute GPT-5.6 Terra nutzen, ist dies ein unkompliziertes Upgrade: zum halben Eingabepreis und weniger als dem halben Ausgabepreis, und zugleich ein deutlich besseres Modell. Verlagern Sie Tool-Aufrufe auf Responses, vergleichen Sie beide Modelle anhand Ihrer eigenen Bilder und Arbeitsabläufe bei derselben Aufwandsstufe, wie es OpenAIs Leitfaden empfiehlt, und wechseln Sie dann.

Wenn Sie Sol für alles nutzen, lohnt sich ein echter Test mit Terra bei den Aufgaben, die überwiegend aus Lesen und Schreiben bestehen. Bei den Ausgabe-Tokens entstehen die Kosten eines KI-Agenten, und Terra halbiert sie. Behalten Sie Sol für die programmierlastigen Abläufe und leiten Sie den Rest an Terra weiter.

Wenn Sie einen Support-Agenten lieber über ein Terminal steuern möchten, bedient die eesel CLI denselben Teamkollegen wie das Dashboard. Sie können eesel chat manuell ausführen, mit eesel activity nachlesen, was der Agent getan hat, Zendesk oder Freshdesk mit eesel integrations connect verbinden und mit --dry-run einen Schreibvorgang vor der Ausführung prüfen. Jeder Befehl gibt JSON aus, und jeder Workspace ist zugleich ein MCP-Server. So kann eine Codex-Sitzung mit GPT-6.1 Terra Ihren Support-Teamkollegen als Tool bedienen, statt dass Sie sich durch eine Benutzeroberfläche klicken. Diese Kombination passt gut zu Terras Versprechen: ein günstiges und schnelles Modell für die Bildschirmarbeit, zusammen mit einem Agenten, der Ihren Helpdesk bereits kennt.

Was das bedeutet, wenn Sie ein Support-Team leiten

Hier kommt der Teil, den die Benchmark-Diagramme nicht zeigen. Terras beste Eigenschaften für den Support sind real: Es schreibt natürlicher und rät deutlich seltener, und es ist außerdem günstig genug, um bei jedem Ticket eingesetzt zu werden. Aber auch ein Modell, das weniger rät, kann Ihre Erstattungsrichtlinie nicht kennen, wenn sie ihm niemand gegeben hat.

Schauen Sie sich an, wie Dokument 24, ein dänischer Onlinedienst für Rechtsdokumente, es einsetzt. Jedes neue Zendesk-Ticket kommt mit einem dänischen Antwortentwurf als interner Notiz und einem Produkt-Tag, bei insgesamt 680 Tickets im Monat. Diese Entwürfe stützen ihre Antworten auf etwa 2.600 Quellen, rund 1.900 Seiten der eigenen Website sowie 640 Zendesk-Tickets und -Artikel. Die Schreibqualität ist wichtig, aber die Anbindung an das Wissen macht den Entwurf erst nutzbar.

Dasselbe gilt für smava, ein deutsches Kreditvergleichsunternehmen. Es bearbeitet über zwei Marken hinweg etwa 27.000 Zendesk-Tickets pro Monat. eesel kategorisiert davon 14.600 und bereitet 15.300 Antwortentwürfe auf Basis von 820 synchronisierten Makros und Hilfecenter-Artikeln vor. Im regulierten Finanzbereich richtet eine Antwort, die etwas Falsches verspricht, echten Schaden an. Deshalb erstellt der Agent Entwürfe aus dem freigegebenen Makro und nicht aus dem, was das Modell zufällig für richtig hält.

Deshalb würde ich die Modellwahl auf der Prioritätenliste eines Support-Teams weit unten einordnen. Was die Lösungsquote verbessert, sind das Training mit Ihren bisherigen Tickets, die Anbindung des Helpdesks, den Sie bereits nutzen, und das Testen der Antworten anhand Ihrer eigenen Historie vor dem Produktivstart. Wenn mehrsprachiger Support das Ziel ist, hilft Terras Schreibfähigkeit, aber das Wissen muss weiterhin für jede Sprache vorhanden sein. Die besten KI-Agenten sind bei der Modellwahl flexibel. Wenn also ein günstigeres, besseres Modell wie Terra erscheint, profitieren Sie automatisch davon.

Testen Sie eesel

GPT-6.1 Terra ist die Infrastruktur; eesel ist der Mitarbeiter. Wenn Sie sich von einem günstigeren, sorgfältigeren Modell weniger Tickets in Ihrer Warteschlange wünschen, kommt der eesel KI-Teamkollege für den Helpdesk in den Helpdesk, den Sie bereits nutzen: Zendesk, Freshdesk, Gorgias und andere. Er lernt aus Ihren bisherigen Tickets, Makros und Ihrem Hilfecenter, erstellt oder versendet Antworten in der Sprache Ihrer Kunden und führt dann eine Simulation mit Ihren echten früheren Tickets durch, damit Sie seine Antworten mit denen vergleichen können, die Ihr Team tatsächlich versendet hat.

Die Abrechnung erfolgt über einen festen monatlichen Credit-Tarif: Ein Ticket oder Chat entspricht einem Credit, alle Funktionen und unbegrenzt viele Nutzerplätze sind enthalten, und kostenpflichtige Tarife beginnen bei 299 $ pro Monat für 500 Credits. Es gibt keine Abrechnung pro Token. Ob also Terra, Sol oder das Modell des nächsten Monats im Hintergrund arbeitet, die Rechnung bleibt gleich. Starten Sie mit dem kostenlosen Tarif mit 100 Credits und ohne Kreditkarte und testen Sie eesel mit einem Teil Ihrer Warteschlange.