GPT-6.1 Terra Preisgestaltung: Was Sie für 1 $ und 5 $ tatsächlich bekommen

Die Preiskarte für GPT-6.1 Terra umfasst vier Zahlen, und drei davon sind die, die üblicherweise zitiert werden: ein Dollar pro Million Eingabe-Tokens, fünf Dollar pro Million Ausgabe-Tokens, fünf Cent pro Million gecachte Eingabe-Tokens. Die vierte – 1,25 Dollar pro Million Cache-Schreib-Tokens – ist diejenige, die entscheidet, ob sich Ihre Rechnung halbiert oder nur leicht sinkt. Dies ist eine Preisseite, keine Launch-Story: Sie zerlegt die vollständige Preiskarte Zeile für Zeile, bepreist drei reale Workloads über GPT-6.1 Terra, GPT-6.1 Sol, GPT-5.6 Terra, GPT-6 Astra und GPT-6 Luna hinweg und zeigt, wo die Behauptung vom halben Preis dem Kontakt mit einer Produktionsrechnung standhält und wo sie still und leise aufhört, wahr zu sein.

Jede unten stehende Zahl stammt aus OpenAIs Modelldokumentation für GPT-6.1 Terra, gelesen am 27. Oktober 2026, sowie aus den aktuellen Einträgen auf Artificial Analysis für die unabhängigen Kosten-pro-Aufgabe-Zahlen. Wo eine Zahl vom Anbieter gemeldet wurde, ist dies angegeben. Nichts hier ist eine Prognose, die als Messung ausgegeben wird.

Die Karte, Zeile für Zeile

Die Standardpreise für GPT-6.1 Terra betragen 1,00 $ pro Million Input-Tokens und 5,00 $ pro Million Output-Tokens. Zwischengespeicherte Eingaben kosten 0,05 $ pro Million. Das sind die Zahlen in jeder Schlagzeile, und sie sind soweit korrekt.

Was die Schlagzeilen auslassen, ist, dass das Befüllen eines Caches nicht kostenlos ist. Das Schreiben in den Cache kostet 1,25 $ pro Million Tokens bei 30 Minuten Aufbewahrung oder 2,50 $ pro Million bei 12 Stunden Aufbewahrung. Wenn Ihre Arbeitslast aus einem langen System-Prompt besteht, der über Tausende kurze Anfragen hinweg wiederverwendet wird, amortisiert sich der Cache innerhalb weniger Aufrufe. Wenn Ihre Arbeitslast jedes Mal aus einem anderen Dokument mit 40.000 Tokens besteht, zahlen Sie 1,25 $ zusätzlich auf den Eingabepreis von 1,00 $, nur um etwas zu speichern, das Sie nie wieder lesen werden – und gecachte Eingaben zu fünf Cent kommen dabei nie ins Spiel.

Die anderen Modifikatoren stapeln sich auf Weisen, die leicht zu übersehen sind:

• Langer Kontext – jede Anfrage mit mehr als 272.000 Eingabe-Tokens wird für die gesamte Anfrage mit 2,00 $ für Eingabe und 7,50 $ für Ausgabe abgerechnet, nicht nur für den Überschuss. Zwischengespeicherte Eingabe verdoppelt sich in dieser Stufe auf 0,10 $ und Cache-Schreibvorgänge auf 2,50 $.

• Batch und Flex — 50 % unter Standard, also 0,50 $ Eingabe und 2,50 $ Ausgabe. Dies ist der günstigste brauchbare Allzweck-Tarif auf OpenAIs Preisliste.

• Schnellmodus — 2× Standard oder 2,00 $ Eingabe und 10,00 $ Ausgabe.

• Regionale Verarbeitung — ein Aufschlag von 10 %, wo eine Region angeboten wird. Terra unterstützt keine Inferenz-Residenz in den VAE, daher steht dieser Aufschlag nicht jedem Käufer zur Verfügung, der ihn wünscht.

• Reasoning-Aufwand — none, low, medium, high, xhigh und max. Der Standardwert ist medium. Der Aufwand ändert den Preis pro Token nicht; er ändert, wie viele Token das Modell für das Denken aufwendet, weshalb derselbe Prompt bei max dreimal so viel kosten kann wie bei low.

Die Karte pro Token ist mit anderen Worten ein Menü mit sechs Reglern und zwei Klippen. Die Klippen sind die 272K-Schwelle und die Cache-Schreibgebühr. Die Regler sind Aufwand, Batch, Fast, Regional sowie gecachter versus ungecachter Input.

Drei Workloads, drei Rechnungen

Nehmen wir eine Support-Triage-Pipeline: einen System-Prompt mit 2.000 Token, ein Ticket mit 1.500 Token und eine Antwort mit 400 Token. Ohne Caching sind das 3.500 Eingabe-Token zu 1,00 $ pro Million und 400 Ausgabe-Token zu 5,00 $ pro Million – 0,0035 $ plus 0,0020 $, also 0,0055 $ pro Ticket. Zehntausend Tickets pro Tag kosten 55 $. Ist der System-Prompt gecacht und bleibt der Cache warm, sinkt die Eingabe auf rund 1.500 ungecachte Token plus 2.000 gecachte zu 0,05 $, und dasselbe Ticket kostet etwa 0,0037 $. Die Ersparnis liegt bei 33 %, nicht bei 50 %, denn die Ausgabe war immer die teurere Hälfte.

Jetzt eine Dokumentenpipeline: 80.000 Eingabe-Tokens Vertragstext und 2.000 Ausgabe-Tokens Zusammenfassung. Das macht 0,08 $ für die Eingabe und 0,01 $ für die Ausgabe — neun Cent pro Dokument. Bei GPT-5.6 Terra zu 2,00 $ und 12,00 $ kostet dieselbe Aufgabe 0,16 $ für die Eingabe und 0,024 $ für die Ausgabe, also 18,4 Cent. Die Rechnung halbiert sich, und bei der Ausgabe liegt die größere prozentuale Senkung: 58 % weniger, nicht 50 %.

Dann der Browser-Agent, also die Arbeitslast, für die Terra tatsächlich verkauft wurde. Jeder Schritt sendet einen Screenshot plus den Aufgabenstatus und fragt nach einer Aktion. Gehen wir von 3.000 Eingabe-Tokens und 150 Ausgabe-Tokens pro Schritt sowie zwanzig Schritten pro Aufgabe aus. Das sind 60.000 Eingabe- und 3.000 Ausgabe-Tokens pro Aufgabe – 0,06 $ Eingabe, 0,015 $ Ausgabe, 7,5 Cent pro abgeschlossener Aufgabe vor Wiederholungsversuchen. Rechnet man eine Wiederholungsrate von 30 % hinzu, landet man bei etwa 9,8 Cent. Hier werden die Kosten pro Aufgabe, nicht die Kosten pro Token, zur einzigen Zahl, die zählt.

Die 272K-Klippe, durchgerechnet

Da der Langkontext-Multiplikator für die gesamte Anfrage gilt, ist das Überschreiten von 272.000 Eingabe-Tokens kein marginaler Kostenposten. Eine Anfrage mit 300.000 Eingabe- und 3.000 Ausgabe-Tokens wird mit 2,00 $ bzw. 7,50 $ pro Million abgerechnet: 0,60 $ Eingabe, 0,0225 $ Ausgabe, insgesamt 0,6225 $. Dieselbe Anfrage mit 270.000 Eingabe-Tokens wird mit 0,27 $ Eingabe und 0,015 $ Ausgabe abgerechnet, insgesamt 0,285 $. Sie haben 30.000 Tokens hinzugefügt und 118 % mehr bezahlt.

Das ist wichtig, weil das Kontextfenster von GPT-6.1 Terra 1.050.000 Tokens umfasst, bei einer maximalen Eingabe von 922.000 Tokens. Das Fenster lädt zu Workloads ein, die die Preistabelle bestraft. Wenn Ihre Pipeline regelmäßig 300K bis 500K Tokens sendet, ist der ehrliche Vergleich nicht Terra zu 1 $ gegen Sol zu 2 $ – sondern Terra zu 2 $ gegen Sol zu 4 $, und Terra zu 7,50 $ Ausgabe gegen Sol zu 15 $. Die 50%-Lücke bleibt bestehen, aber die absoluten Zahlen sind doppelt so hoch, wie es die Schlagzeile suggeriert: Eine Anfrage mit 400.000 Eingabe- und 4.000 Ausgabe-Tokens kostet 0,83 $ bei Terra und 1,66 $ bei Sol.

Wo die Halbpreis-Behauptung aufhört

Der Fast-Modus ist das saubere Beispiel. GPT-6.1 Terra kostet bei 2× 2,00 $ für die Eingabe und 10,00 $ für die Ausgabe — exakt der Standard-Listenpreis von GPT-6.1 Sol, für ein Modell, das Artificial Analysis um vier Indexpunkte niedriger einstuft. Wenn Ihre Workload Terras Geschwindigkeit so dringend benötigt, dass Sie den Fast-Multiplikator zahlen, verschwindet das Preisargument für Terra gegenüber Sol vollständig. Was bleibt, ist ein Latenzargument, und es ist nur dann ein Argument, wenn die gemessene Geschwindigkeitslücke real ist.

Die zweite Stelle, an der es aufhört, ist der Aufwand. Bei xhigh oder max kann Terra mehr Tokens ausgeben als Sol bei low oder medium, um eine ähnliche Antwort zu erreichen. Kommentatoren auf Hacker News brachten diesen Punkt innerhalb von Stunden nach dem Launch vor: „Terra bei xhigh kostet mehr als Sol bei low und schneidet schlechter ab“ war die wiederkehrende Variante. Die Preiskarte kann das nicht beantworten, weil die Karte Tokens bepreist und die Arbeitslast entscheidet, wie viele es sind.

Der dritte Punkt ist cache-schreibintensiver Traffic. Bei 1,25 US-Dollar pro Million geschriebener Token zahlt eine Pipeline, die bei jeder Anfrage einen Kontext von 50.000 Token neu aufbaut, 0,0625 US-Dollar pro Anfrage, bevor sie auch nur ein einziges Token liest. Bei GPT-5.6 Terra kostete derselbe Schreibvorgang 2,50 US-Dollar – das neue Modell ist also weiterhin günstiger –, aber der Cache-Posten macht jetzt 55 % der Eingaberechnung aus, nicht 20 %.

Die Kosten pro abgeschlossener Aufgabe sind die Kennzahl, an der sich die Budgetierung orientieren sollte.

Artificial Analysis veröffentlicht sowohl einen Intelligence Index als auch Kosten pro Index-Aufgabe. In der aktuellen Live-Auflistung liegt GPT-6.1 Terra bei 48 mit Kosten pro Aufgabe von 0,40 $. GPT-6.1 Sol liegt bei 52 und 0,72 $. GPT-5.6 Terra liegt bei 42 und 1,40 $. GPT-6 Astra liegt bei 53 mit einem deutlich höheren Preis pro Token, und GPT-6 Luna liegt bei 38 und ist noch günstiger.

Die nützliche Lesart ist nicht „Terra ist pro Aufgabe 71 % günstiger als sein Vorgänger“ – wahr, aber das ist ein Vergleich mit einem Modell, das man ohnehin schon hinter sich gelassen hat. Sie besteht darin, dass Terras 0,40 $ zwischen Sols 0,72 $ und Lunas Bereich unter zehn Cent liegt, was die Entscheidung auf eine Linie bringt: Ist die Aufgabe schwer genug, dass vier Indexpunkte das Ergebnis verändern? Bei Formularausfüllen, Rechnungsextraktion und Screenshot-Triage: nein. Bei Long-Horizon-Coding: ja.

Eine Zahl aus dem Launch ist es wert, in diesem Licht noch einmal gelesen zu werden. OpenAIs eigener Vergleich setzt GPT-6.1 Terra bei maximalem Aufwand ungefähr auf eine Stufe mit GPT-6 Astra bei mittlerem Aufwand beim Agents' Last Exam – und das zu etwa einem Zehntel des Preises pro Token. Das ist eine Pro-Aufgabe-Behauptung im Pro-Token-Kostüm, und es ist das stärkste Kostenargument in der Veröffentlichung – stärker als „halber Preis“, weil es berücksichtigt, wie viele Tokens jedes Modell verbraucht.

Was Sie heute tatsächlich kaufen können

GPT-6.1 Terra ist zum Zeitpunkt des Verfassens nicht im Katalog von OrcaRouter. Der Katalog führt GPT-6.1 Sol zu $2/$10, GPT-5.6 Terra zu $2/$12, GPT-6 Astra zu $10/$50 und GPT-6 Luna zu $0.10/$0.50, bei 0 % Aufschlag auf den Listenpreis des Anbieters, aber nicht das neue Terra. Wer Ihnen heute einen Terra-Tarif über einen Router nennt, ist entweder der Dokumentation des Anbieters voraus oder rät.

Das ergibt einen praktikablen Rahmen für die nächsten Wochen. Kalkulieren Sie die Workload auf den Modellarmen, die Sie jetzt aufrufen können – Sol und Luna sind beide live, über einen Schlüssel, mit automatischem Failover –, und testen Sie Terra parallel direkt gegen die OpenAI-API. Da unser Katalog die Listenpreise der Anbieter ohne Aufschlag weitergibt, macht sich eine Preissenkung eines Anbieters bei den Sol- und Luna-Modellarmen am selben Tag bemerkbar, an dem OpenAI sie veröffentlicht; nichts muss neu verhandelt werden. Wenn Terra später in den Katalog aufgenommen wird, ist die Migration ein Modellstring, und die Messung, die Sie auf dem Sol-Arm aufgebaut haben, ist die Vergleichsbasis.

Eine Budgetvorlage, die der Praxis standhält

• Trennen Sie Eingaben, zwischengespeicherte Eingaben, Ausgaben und Cache-Schreibvorgänge. Vier Zeilen, nicht eine.

• Kennzeichnen Sie jede Anfrage über 272K Tokens. Wenn mehr als ein paar Prozent diese Grenze überschreiten, bepreisen Sie den gesamten Arbeitsumfang neu nach der Long-Context-Tarifstufe, nicht nach der Headline-Tarifstufe.

• Aufwand separat bepreisen. Führe dieselbe Eval mit niedrig, mittel und max aus; was sich ändert, ist die Token-Anzahl, nicht der Satz.

• Modell-Wiederholungsversuche. Ein Browser-Agent mit einer Wiederholungsrate von 30 % kostet pro Aufgabe 30 % mehr, als die Berechnung vermuten lässt, und das günstige Modell ist meist dasjenige, das den Wiederholungsversuch benötigt.

• Vergleiche die Kosten pro abgeschlossener Aufgabe, nicht die Kosten pro Million. Die Index-Task-Zahl von Artificial Analysis ist ein brauchbarer Näherungswert, wenn du nichts Besseres hast; deine eigene Evaluation ist besser.

Die Halbpreis-Schlagzeile ist echt. Sie ist zugleich die uninteressanteste Zahl auf der Karte, denn sie beschreibt einen Satz und keine Rechnung. Die Rechnung wird durch den Aufwand bestimmt, durch die 272K-Klippe, dadurch, wie oft du einen Cache neu aufbaust, und dadurch, wie viele Versuche eine Aufgabe braucht – und bei drei dieser vier Punkte liefert dir OpenAIs eigene Dokumentation den Regler, aber nicht die Einstellung.