GPT-6.1 Terra vs. GLM-5.5: Das fehlende Modell und das, das Sie herunterladen können

Die Suche nach GPT-6.1 Terra im Vergleich zu GLM-5.5 liefert eine Menge überzeugt klingender Tabellen für ein Modell, das nicht existiert. Z.ai hat unter dem Namen GLM-5.5 weder eine Modellkarte noch eine API-Kennung, einen Preis oder Gewichte veröffentlicht; sein Katalog geht weiterhin nicht über GLM-5.3 hinaus, das Mitte August 2026 veröffentlicht wurde, wobei die offenen Gewichte später im selben Monat folgten. Terra dagegen wurde am 26. Oktober ausgeliefert und ist heute aufrufbar. Der eigentliche Vergleich ist also Terra gegen GLM-5.3 — und in diesem Vergleich kosten die beiden Modelle pro Token fast genau gleich, während Terra pro abgeschlossener Aufgabe etwa ein Fünftel kostet. Der Grund ist kein Preis-Trick. Es ist die Ausführlichkeit.

Der Stand von GLM-5.5 verdient eine präzise Darstellung, denn die Gerüchteküche war produktiv. Berichte von Ende Oktober deuten auf ein Startfenster von Ende Oktober bis Anfang November 2026 hin. Durchgesickerte Notizen legen 2,5 bis 3,5 Billionen Gesamtparameter nahe – nach früheren Angaben von 1T und 1,6T – sowie das Ziel einer Leistung der „Fable-class“. Z.ai selbst hat nur gesagt, dass GLM-5.4 und GLM-5.5 zur Billionen-Parameter-Klasse gehören werden, und GLM-6.0 am 31. August in der Telefonkonferenz zu den Geschäftszahlen ohne Datum erwähnt. Nichts davon ist ein Produkt. Der vierteilige Test – eine aufrufbare API-ID, veröffentlichte Preise mit Cache-Raten, ein unabhängiger Leaderboard-Eintrag und herunterladbare Gewichte – scheitert derzeit an allen vier Punkten.

Das Modell, das tatsächlich auf der anderen Seite dieses Vergleichs steht

• GLM-5.3 — Mitte August 2026 veröffentlicht; offene Gewichte unter der GLM-5.3-Lizenz; insgesamt rund 750 Mrd. Parameter, davon etwa 40 Mrd. pro Token aktiv; 1-Mio.-Token-Kontext; 128K Ausgabe; nur Text; Thinking standardmäßig aktiviert; Listenpreis 1,40 $/4,40 $ pro 1 Mio. Eingabe-/Ausgabe-Token bzw. 1,26 $/3,96 $ über OrcaRouter.

• GPT-6.1 Terra — veröffentlicht am 26. Oktober 2026; geschlossene Gewichte; 1,05 Mio. Token Kontext; 128K Ausgabe; Text- und Bildeingabe; sechs Argumentationsstufen; 1,00 $/5,00 $ pro 1 Mio. Eingabe-/Ausgabetokens, ab 272K Eingabetokens steigend auf 2,00 $/7,50 $; gecachte Eingabe 0,05 $.

• Unabhängiger Intelligenz-Index — Terra 48, GLM-5.3 45, auf der aktuellen Skala von Artificial Analysis.

Auf der Preisliste sind sie fast identisch. Zu OrcaRouters Weitergabepreis kostet GLM-5.3 1,26 $/3,96 $ gegenüber Terras 1,00 $/5,00 $. GLM ist beim Input 26 % günstiger und beim Output 21 % günstiger. Ein Team, das anhand dieser beiden Zahlen entscheidet, würde GLM-5.3 wählen und weitermachen.

Pro Token kosten sie gleich viel; pro Aufgabe nicht.

Artificial Analysis misst die Kosten pro Aufgabe im Intelligence Index; darin ist enthalten, wie viele Tokens ein Modell tatsächlich verbraucht, um zu einer Antwort zu gelangen. Terra liegt bei etwa 0,40 US-Dollar. GLM-5.3 liegt bei etwa 2,01 US-Dollar – fünfmal mehr, trotz der günstigeren Token-Preise. Die Ursache ist in der Bewertung selbst sichtbar: Terra verbrauchte über die gesamte Suite hinweg rund 130 Mio. Ausgabe-Tokens, GLM-5.3 etwa 210 Mio. GLM-5.3 denkt länger, wiederholt sich häufiger und bezahlt dafür über die Abrechnung.

Das ist das mit Abstand Nützlichste, was man über diesen Vergleich verstehen kann, und genau das, was die Berichterstattung zur Markteinführung beider Modelle meist auslässt. Tokenpreise sind ein Input für die Kosten, kein Maßstab für sie. Ein Modell, das pro Token 20 % günstiger und 60 % wortreicher ist, kostet pro Antwort 33 % mehr. Bei Extraktion, Klassifizierung oder Kurzantwort-Generierung in hohem Volumen entscheidet diese Umkehrung über die Rechnung.

Das bedeutet auch, dass sich der Vergleich je nach Workload-Form umkehrt. Die Weitschweifigkeit von GLM-5.3 schadet am stärksten bei kurzen Ausgaben, bei denen der Overhead durch das Reasoning dominiert. Bei der Langform-Generierung, bei der beide Modelle ohnehin Tausende Tokens erzeugen, macht sich der Preisunterschied pro Token wieder bemerkbar, und GLMs 21-prozentiger Rabatt auf Ausgaben wird zu echtem Geld.

Wo GLM-5.3 ohnehin der bessere Kauf ist

Offene Gewichte sind die naheliegende Antwort, und das ist keine Kleinigkeit. GLM-5.3 kann heruntergeladen, selbst gehostet, feinabgestimmt und innerhalb einer Compliance-Grenze gehalten werden. Terra nicht. Für eine regulierte Branche, eine luftgetrennte Bereitstellung oder ein Team, das ein Modell braucht, das sich nicht mehr unter ihm verändert, ist die Frage damit geklärt, bevor Benchmarks herangezogen werden.

Auch GLM-5.3 bietet fürs Geld ein starkes technisches Profil. Im Index von Artificial Analysis führt es das Open-Weight-Feld an und liegt etwa gleichauf mit Kimi K3; zudem ist es ungewöhnlich stark in Cybersicherheit und Schwachstellenforschung – sowohl Zhipus eigene Cyber-Bewertungen als auch Anthropics Red-Team-Tests verorten es bei der Exploit-Entdeckung nahe an Frontier-Modellen. Bei SciCode erzielte es 59,0 und lag damit vor GPT-6.1 Sol mit 54,2, wobei Terra in diesem Lauf nicht aufgeführt wurde. Es unterstützt einen Kontext von 1 Mio. Tokens und einen Cache-Rabatt von rund 81 %, wodurch wiederholte lange Prompts günstiger sind, als der Listenpreis vermuten lässt.

Seine Grenzen sind ebenso klar. Es ist reiner Text: keine Bilder, kein Audio, keine PDFs. Das Denken ist immer aktiv, mit mehreren Aufwandsstufen, aber ohne echten Ausschalter. Und die Ausführlichkeit ist ein echter Betriebskostenfaktor, nicht nur ein Benchmark-Artefakt – sie zeigt sich in längeren Latenzzeiten, höheren Rechnungen und mehr Tokens, die in nachgelagerten Pipelines gefiltert werden müssen.

Wo Terra gewinnt

Terras Vorsprung von drei Punkten im Index ist bescheiden, und die unabhängigen Test-Suiten lassen ihn noch kleiner erscheinen. Beim Vals Index erreicht Terra 60,17 % gegenüber 59,73 % von GLM-5.3 – eine Lücke von 0,44 Punkten, die im Rauschen liegt, bei höheren Kosten pro Test von 2,92 $. Beim Accounting-Benchmark von DualEntry erzielte GLM-5.3 einen höheren Wert und war günstiger als Terras 78,2 %. Wenn die Frage lautet „Welches Modell ist intelligenter?“, lautet die ehrliche Antwort, dass sie so nah beieinanderliegen, dass der gewählte Benchmark den Sieger bestimmt.

Teras Vorteile liegen anderswo. Terra akzeptiert Bilder; GLM-5.3 nicht. Es bietet sechs Reasoning-Stufen, sodass einfacher Traffic auf geringen Aufwand verlagert werden kann, was GLMs ständig aktives Denken nicht erlaubt. Teras Wissensstichtag ist Juni 2026, verglichen mit GLM-5.3s früherem Trainingsfenster. Und Terra ist schnell: 90,9 Ausgabe-Tokens pro Sekunde bei Artificial Analysis, im selben Bereich wie GLM-5.3, dessen gemessener Durchsatz je nach Anbieter und Snapshot von den hohen 60ern bis Mitte 90 lag. Geschwindigkeit plus niedrigere Kosten pro Aufgabe ist eine wirklich starke Kombination für interaktive Produkte.

Der 272K-Zuschlag spricht dagegen. Jenseits dieser Eingabeschwelle springen Terras Preise auf 2,00 $/7,50 $, was seinen Eingabevorteil gegenüber GLM-5.3 vollständig aufhebt und die Ausgabe um 89 % teurer macht. Workflows für lange Dokumente sollten mit dem Zuschlag kalkulieren, nicht mit dem Nennpreis.

Wenn GLM-5.5 tatsächlich erscheint

Die nützliche Art, über das fehlende Modell nachzudenken, ist nicht „wie wird es abschneiden“, sondern „was müsste wahr sein, damit es diese Entscheidung ändert“. Drei Dinge:

• Es müsste drastisch weniger ausführlich sein. Ein Modell mit 2,5 Billionen Parametern, das noch länger nachdenkt als GLM-5.3, würde bei den Kosten pro Aufgabe verlieren, egal wie gut sein Tokenpreis aussieht. Die Parametergerüchte deuten in diesem Punkt in die falsche Richtung.

• Es müsste zum Start offene Gewichte geben, nicht erst Wochen später. Die Gewichte von GLM-5.3 kamen etwa zehn Tage nach der API; diese Verzögerung reicht aus, um einen Beschaffungszyklus zu durchbrechen.

• Es bräuchte einen Preis unter dem von GLM-5.3 oder einen so großen Fähigkeitssprung, dass er einen Aufpreis rechtfertigt. Ein Modell mit einer Billion Parametern, das zu Frontier-Tarifen bereitgestellt wird, würde Terras Preis von 0,40 $ pro Aufgabe nicht unterbieten.

Nichts davon ist eine Vorhersage. Es ist die Checkliste, die man an dem Tag abarbeitet, an dem eine Karte erscheint. Bis dahin ist GLM-5.5 ein Grund, die Release Notes von Z.ai im Auge zu behalten, kein Grund, eine Entscheidung aufzuschieben.

Beide heute ausführen

GLM-5.3 ist im Katalog von OrcaRouter für 1,26 $/3,96 $ pro Million Token verfügbar, zum Listenpreis des Anbieters ohne Aufschlag (0 % Markup), neben mehr als 200 weiteren Modellen über einen einzigen Key mit automatischem Failover. Terra ist zum Zeitpunkt der Veröffentlichung nicht im Katalog – es ist über die OpenAI-API und mehrere Drittanbieter-Plattformen verfügbar –, sodass das praktische Experiment darin besteht, GLM-5.3 über OrcaRouter und Terra über OpenAI aufzurufen und sie dann anhand Ihres eigenen Traffics statt anhand eines Leaderboards zu vergleichen.

Wenn Sie das tun, messen Sie Token pro abgeschlossener Aufgabe, nicht den Preis pro Token. Das ist die Zahl, die diese beiden Modelle trennt, und es ist die Zahl, die keiner der beiden Launch-Beiträge in seine Schlagzeile gesetzt hat. Wenn Terra Ihre Workload in einem Drittel weniger Ausgabe-Tokens erledigt, verschwindet sein 21-prozentiger Nachteil beim Ausgabepreis, und sein günstigerer Eingabepreis beginnt sich zu kumulieren. Wenn sich das Reasoning von GLM-5.3 durch weniger Wiederholungsversuche und weniger manuelle Prüfung bezahlt macht, kehrt sich die Rechnung pro Aufgabe um. Die Benchmark-Durchschnitte sagen, dass die Modelle nur wenige Punkte auseinanderliegen. Ihre Token-Zahlen werden zeigen, welches günstiger ist.

Die Frage nach dem Warten hat eine einfache Antwort. GLM-5.5 könnte innerhalb weniger Wochen erscheinen; GLM-5.3 ist jetzt herunterladbar, und Terra ist jetzt aufrufbar. Ein Team, das offene Gewichte benötigt, hat heute eine echte Option, und ein Team, das die niedrigsten Kosten pro erledigter Aufgabe benötigt, hat eine andere. Keine dieser Optionen wird besser, indem man auf ein Modell ohne Endpunkt wartet.