GPT-6.1 Terra kommt zum halben Preis – mit 37 Fehlerpunkten weniger und kein Flaggschiff in Sicht

OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 veröffentlicht – für 1 US-Dollar pro Million Input-Token und 5 US-Dollar pro Million Output-Token, also die Hälfte des Preises von GPT-5.6 Terra in beiden Kategorien und die Hälfte des Preises von GPT-6.1 Sol vier Wochen nach dem Marktstart dieses Modells. Die Zahl, die am häufigsten zitiert werden dürfte, betrifft die Zuverlässigkeit: In OpenAIs internem Test mit fehlerinduzierenden Prompts sanken die Fehler bei geringem Reasoning-Aufwand von 53,6 % auf 16,7 %. Die Zahl, die am seltensten zitiert werden dürfte, ist, dass Terra auf dem unabhängigen Artificial-Analysis-Index noch vier Punkte hinter Sol liegt. Beides stimmt, und der Raum dazwischen erzählt die ganze Geschichte dieser Veröffentlichung.

Dieser Spielraum ist wichtig wegen dessen, was vorhergesagt wurde. Als dieses Modell noch eine Zeichenkette in einem Pull Request für Microsofts Evaluierungs-Harness war, schrieben wir am 20. Oktober, dass ein günstigeres Modell der Mittelklasse unter 2 $ Input und 10 $ Output liegen müsste, um Sinn zu ergeben, und dass Berichte, es schlage Sol, Arithmetik seien, keine Evidenz. Die Preishälfte dieser Vorhersage traf fast genau ein: 1 $/5 $, nahe an den 1 $/4 $, die wir als plausibel bezeichnet hatten. Die Leistungshälfte nicht. Terra schlägt seinen Vorgänger deutlich und schlägt Sol nirgendwo, wo dies unabhängig gemessen wurde.

Was OpenAI angekündigt hat – in der Reihenfolge, in der es wichtig ist

Die folgende Spezifikation stammt aus OpenAIs Modelldokumentation, gelesen am 27. Oktober. Die Leistungsangaben im nächsten Abschnitt sind OpenAIs eigene und werden durchgängig als solche gekennzeichnet.

• Preis — 1 $ pro Million Eingabe, 5 $ pro Million Ausgabe, 0,05 $ für zwischengespeicherte Eingabe, gegenüber 2 $/12 $ für GPT-5.6 Terra und 2 $/10 $ für GPT-6.1 Sol.

• Kontext – 1.050.000 Tokens, maximale Eingabe 922.000, maximale Ausgabe 128.000. Identisch mit beiden Vorgängern; dies ist kein Kontextfenster-Release.

• Wissensstichtag – 1. Juni 2026, statt bisher 16. Februar 2026 bei GPT-5.6 Terra.

• Reasoning-Aufwand — none, low, medium (Standard), high, xhigh, max. Beachten Sie die Einstellung „none“: GPT-6.1 Sol bietet sie nicht an, daher hat Terra eine günstigere Untergrenze als Sol.

• Modalitäten — Text und Bild als Eingabe, Text als Ausgabe. Kein Audio, kein Video.

• Endpunkte — Chat Completions, Responses und Batch. Tool-Aufrufe erfordern die Responses API. Kein Fine-Tuning, kein Realtime, keine Assistants.

• Kostenanpassungen — Batch und Flex liegen 50 % unter dem Standard; der Fast-Modus kostet 2× Standard; regionale Verarbeitung ist, wo angeboten, 10 % teurer. Bei Anfragen mit mehr als 272K Eingabe-Tokens werden für die gesamte Anfrage die 2-fachen Eingabe- und Cache-Sätze plus das 1,5-fache der Ausgabe berechnet.

Der ChatGPT-Rollout ist enger gefasst als der API-Rollout. Terra ist in den Tarifen Plus, Pro, Business, Enterprise und Edu verfügbar, und zwar innerhalb von ChatGPT Work und Codex, auswählbar über das Menü „Erweitert“ in der Desktop-App sowie in Work für das Web, wobei Work es auch mobil unterstützt. In ChatGPT Chat ist es ausdrücklich nicht verfügbar, und es unterstützt keine Inferenz-Residenz in den VAE. Der Enterprise-Zugriff hängt weiterhin von der Verfügbarkeit im Workspace und den Admin-Kontrollen ab. Wenn Ihr mentales Modell eines OpenAI-Launches lautet „es taucht im Chat-Fenster auf“, dann trifft das hier nicht zu.

Die 37-Punkte-Behauptung ist zutreffend, aber enger gefasst, als sie klingt.

OpenAIs Schlagzeilergebnis ist ein Rückgang der Fehler bei Prompts, die gezielt Fehler provozieren sollen – ein Test, den das Unternehmen intern durchführt, nicht veröffentlicht hat und den niemand außerhalb reproduziert hat. Bei geringem Reasoning-Aufwand sank die Fehlerrate von 53,6 % bei GPT-5.6 Terra auf 16,7 % bei Terra. Bei maximalem Aufwand meldet das Unternehmen einen weiteren Rückgang um 18 Punkte auf 4,3 %, was es als nahe an GPT-6 Astra und GPT-6.1 Sol beschreibt.

Lies das sorgfältig. Die Zahl von 37 Punkten bedeutet nicht „37 % weniger Fehler bei deiner Arbeit“. Es ist eine Verschiebung um 37 Punkte in einem gegnerisch konstruierten internen Testsatz, bei der niedrigsten Aufwandseinstellung, gegenüber einem Modell, das aus einigen Vertriebskanälen zurückgezogen wird. Die ehrliche Zusammenfassung ist, dass Terras Untergrenze deutlich weniger peinlich geworden ist. Ob seine Obergrenze die von Sol erreicht hat, ist eine andere Frage, und der interne Test kann sie nicht beantworten, weil Sols Zahl bei demselben Test nur als „nah dran“ angegeben wird.

Die übrigen veröffentlichten Behauptungen von OpenAI, alle vom Anbieter selbst durchgeführt:

• Terminal-Bench 4.0 — 50,3 % bei maximalem Aufwand auf Terra gelöst, gegenüber 21,5 % für GPT-5.6 Terra. Mehr als doppelt so viel und der größte Sprung von Generation zu Generation in dieser Veröffentlichung.

• Agents' Last Exam — 15 Prozentpunkte über GPT-5.6 Terra bei mittlerem Aufwand, zu etwa einem Drittel der Kosten.

• MMMU-Pro — übertrifft GPT-5.6 Terra auf jeder Reasoning-Ebene und kommt an Astra und Sol heran, ohne dass numerische Scores veröffentlicht wurden.

• Terminal-Bench-Science 0.1 – nur 5 Punkte von Claude Opus 5.5 entfernt, bei weniger als einem Fünftel der geschätzten Kosten.

• Geschwindigkeit — in der Ankündigung wird Terra als deutlich schneller als Astra und Sol beschrieben. Artificial Analysis hatte zum Zeitpunkt unserer Prüfung keinen gemessenen Durchsatzwert für das Modell veröffentlicht, daher sollte „schneller“ als Behauptung gelten, bis jemand es testet.

Unabhängige Bewertungen: sechs Punkte mehr als beim Vorgänger, vier Punkte hinter Sol

Artificial Analysis listet GPT-6.1 Terra mit einem Intelligence Index von 48 auf Platz 25 von 221 Modellen zu 0,40 US-Dollar pro Index-Aufgabe. In derselben Live-Liste liegt GPT-5.6 Terra bei 42 (Platz 53, 1,40 US-Dollar pro Aufgabe) und GPT-6.1 Sol bei 52 (Platz 13, 0,72 US-Dollar pro Aufgabe). Diese Vergleiche sind nur untereinander gültig, und zwar in der aktuell veröffentlichten Form – der Index wird regelmäßig renormalisiert, und ältere Artikel nennen für dieselben Modelle andere absolute Zahlen.

Daraus folgen drei Dinge. Erstens ist Terra ein echtes Upgrade gegenüber seinem Vorgänger: sechs Indexpunkte für weniger als ein Drittel der Kosten pro Aufgabe. Zweitens schlägt es Sol nicht, was die Berichterstattung vor dem Marktstart nahegelegt hatte. Drittens, und am wenigsten diskutiert, sind Terras Kosten pro abgeschlossener Aufgabe die niedrigsten der drei – 0,40 US-Dollar gegenüber 0,72 US-Dollar bei Sol –, was eine nützlichere Zahl ist als der Preis pro Token, weil sie einbezieht, wie viele Token das Modell verbraucht, um zu einer Antwort zu gelangen.

Die gemessene Geschwindigkeitslücke ist diejenige, die in die entgegengesetzte Richtung ausschlägt. GPT-5.6 Terra ist mit 137 Ausgabe-Tokens pro Sekunde und 111,75 Sekunden bis zum ersten Token angegeben; GPT-6.1 Sol mit 65,9 Tokens pro Sekunde und 325,58 Sekunden. Wenn Terra wirklich das schnellste der drei ist, erbt es sowohl die Latenz- als auch die Preiskrone, und genau diese Kombination – nicht rohe Intelligenz – ist es, worauf es bei einer Computer-Use- oder Dokumenten-Pipeline tatsächlich ankommt.

Wo der „halbe Preis“ überlebt und wo er stillschweigend nicht mehr stimmt

Ein Workload der Standardstufe von 100.000 Eingabe-Tokens und 5.000 Ausgabe-Tokens kostete 0,26 $ bei GPT-5.6 Terra und kostet 0,125 $ bei GPT-6.1 Terra — eine Ersparnis von 52 %, etwas besser als die angekündigte Zahl, weil die Ausgabe die teurere Seite der alten Preistabelle war.

Der Langkontext-Multiplikator hebt den Rabatt nicht auf, denn er gilt für beide Modelle: Bei über 272K Eingabe-Tokens berechnet Terra $2 für die Eingabe und $7,50 für die Ausgabe für die gesamte Anfrage, GPT-5.6 Terra $4 und $18. Eine Anfrage mit 400K Eingabe und 4K Ausgabe kostet $0,83 gegenüber $1,67. Immer noch die Hälfte.

Wo sich die Rechnung ändert, ist der Fast-Modus. Terra bei 2× Standard kostet $2/$10 – genau der Standard-Listenpreis von GPT-6.1 Sol, für ein Modell, das vier Indexpunkte schwächer ist. Wenn Ihre Workload Terras Geschwindigkeit benötigt und Sie den Fast-Modus-Multiplikator zahlen, entfällt das Preisargument für Terra gegenüber Sol, und die einzige verbleibende Frage ist, ob Terras Ausgabe für die Aufgabe gut genug ist. Batch und Flex sind das Gegenteil: 50 % Rabatt bringen Terra auf $0,50/$2,50, was der günstigste brauchbare Allzweck-Tarif auf OpenAIs Preisliste ist und die Einstellung, die die meisten Massen-Pipelines zuerst testen sollten.

Was das bedeutet, wenn man beruflich Modelle routet

Ein ehrlicher Hinweis vor der Produktnotiz: GPT-6.1 Terra steht zum Zeitpunkt der Erstellung nicht im OrcaRouter-Katalog. Unser Katalog umfasst 214 Modelle, darunter GPT-5.6 Terra, GPT-6.1 Sol, GPT-6 Astra und GPT-6 Luna – dieses Modell jedoch nicht. Wer Ihnen also heute sagt, Terra werde geroutet, ist entweder schneller unterwegs als die Dokumentation des Anbieters selbst oder rät.

Was Ihnen bleibt, ist eine zweiteilige Entscheidung, die OrcaRouter tatsächlich günstiger macht. Die Vergleichsarme sind beide bereits live: GPT-5.6 Terra zu seinem Listenpreis von $2/$12 und GPT-6.1 Sol zu $2/$10, über einen Schlüssel, bei 0 % Aufschlag auf den Listenpreis des Anbieters. Das ist hier wichtiger als sonst, denn die interessante Frage ist nicht „ist Terra besser als Sol“ abstrakt betrachtet, sondern „ab welchem Punkt Terras $0,40 pro Aufgabe Sols $0,72 auf meinem Traffic nicht mehr schlägt“. Sie können den Sol-Arm heute auf unserer Seite messen und die Fallback-Leiter dort belassen, während Terra direkt gegen OpenAIs API getestet wird. Wenn Sie die Workload später hinüberverlagern, bedeutet automatisches Failover, dass ein schlechter Tag bei einem Anbieter nicht zu einem schlechten Tag für Ihr Produkt wird.

Die unangenehme Position in der Aufstellung

Die schärfste Kritik an dieser Veröffentlichung betrifft nicht die Benchmarks. Sie lautet, dass Terra ein Segment besetzt, das seine eigenen Geschwistermodelle zusammengedrückt haben. Kommentatorinnen und Kommentatoren auf Hacker News stritten während des Launches darüber, dass Terra mit xhigh-Aufwand mehr kostet als Sol mit niedrigem Aufwand und dabei schlechter abschneidet, was „das günstigere Modell zu wählen“ zu einer viel weniger offensichtlichen Regel macht, als die Preisliste nahelegt. Andere wiesen darauf hin, dass GPT-6.1 Sol bei manchen Arbeiten bereits mit dem älteren Astra mithält, und fragten, was für ein Modell der mittleren Stufe noch übrig bleibt, wenn die Stufe darunter immer weitere Fähigkeiten absorbiert.

OpenAIs Antwort ist das Arbeitslastprofil, nicht der Benchmark-Rang: Routinedokumente, Screenshots, Formulare, technische Zeichnungen, Browser- und Desktop-Automatisierung, Entwerfen und Bearbeiten – Aufgaben mit hohem Volumen, bei denen das Modell zuverlässig und schnell sein muss, nicht maximal clever. Das ist eine echte Kategorie, und die Senkung der Fehlerquote um 37 Punkte zielt direkt darauf ab. Es ist auch eine Kategorie, in der ein Indexdefizit von vier Punkten gegenüber Sol irrelevant ist – und eine Einsparung von 0,32 US-Dollar pro Aufgabe pro tausend Aufrufe nicht.

Zwei Dinge, auf die man achten sollte. OpenAI hat kein Abschaltdatum für gpt-5.6-terra veröffentlicht, obwohl Drittanbieter-Dokumentation es bereits als veraltet kennzeichnet und GitHub Copilot es am 16. November 2026 außer Betrieb nimmt, wobei GPT-6.1 Sol oder GPT-6 Luna als Migrationsziele genannt werden – nicht Terra. Und GPT-6.1 Astra ist noch nicht erschienen; bis dahin ist die Spitze dieser Familie weiterhin GPT-6 Astra, ein Modell, gegen das Terra nun ausdrücklich bei einem Zehntel des Preises pro Token gebenchmarkt wird.

Wenn Ihre Arbeit ein hohes Volumen hat und gut spezifiziert ist, spricht viel für einen Wechsel, und die Migrationskosten bestehen aus einem Model-String. Wenn Ihre Arbeit die schwierigsten 5 % sind – Programmierung mit langem Horizont, tiefgehende Recherche, agentische Aufgaben, bei denen ein falscher Schritt den Lauf ruiniert –, ändert nichts in diesem Release Ihre Antwort, und die Vier-Punkte-Lücke im Index ist der Grund. Die Preissenkung ist real; sie ist nur keine Geschichte über Fähigkeiten.