GPT-6.1 Terra vs. Kimi K3.1 Pro: Sieben Indexpunkte für den doppelten Preis

GPT-6.1 Terra und Kimi K3.1 Pro liegen auf derselben Rangliste zwei Plätze auseinander und unterscheiden sich beim Preis um den Faktor zwei. Artificial Analysis listet Kimi K3.1 Pro mit 55 auf seinem Intelligence Index — insgesamt auf Platz vier — und GPT-6.1 Terra mit 48 auf Platz fünfundzwanzig. Im OrcaRouter-Katalog kostet Kimi 2 US-Dollar pro Million Eingabe-Tokens und 10 US-Dollar pro Million Ausgabe-Tokens; Terra kostet 1 US-Dollar und 5 US-Dollar. Das geschlossene, günstigere und schnellere Modell ist sieben Punkte weniger leistungsfähig; der Open-Weight-Herausforderer kostet doppelt so viel und ist bei der Desktop-Automatisierung 5,4 Punkte besser. Keine dieser beiden Tatsachen entscheidet die Kaufentscheidung.

Der Vergleich lohnt sich sorgfältig, weil die beiden Modelle keine Substitute in der Weise sind, wie der Preis vermuten lässt. Sie unterscheiden sich bei der Ausgabelänge um den Faktor sieben, bei der Lizenzierung durch offen gegenüber geschlossen und darin, wo sie in den Produktreihen ihrer Anbieter stehen. Dieser Beitrag bepreist dieselben Workloads für beide, kennzeichnet, welche Zahlen unabhängig sind und welche Anbieterangaben sind, und endet mit der Aufteilung, die wir tatsächlich verwenden würden.

Die Karten

• GPT-6.1 Terra — 1 $ Eingabe / 5 $ Ausgabe pro Million, 0,05 $ für zwischengespeicherte Eingabe, Kontext von 1.050.000 Token, maximal 922.000 Eingabe, maximal 128.000 Ausgabe, Wissensstand 1. Juni 2026, sechs Einstellungen für den Denkaufwand, Text und Bild als Eingabe, Text als Ausgabe.

• Kimi K3.1 Pro — 2 $ Eingabe / 10 $ Ausgabe pro Million bei OrcaRouter, 1.048.576-Token-Kontext, 943.718 maximale Ausgabe, offene Gewichte zugesagt bis 4. November 2026, veröffentlicht am 23. Oktober 2026.

Die Kontextfenster sind mit rund einer Million Tokens praktisch identisch. Die Ausgabegrenzen nicht: Terra endet bei 128.000 Tokens, Kimi erlaubt 943.718. Im Chat ist dieser Unterschied unsichtbar; bei Langform-Generierung, Codeausgabe ganzer Dateien oder Zusammenfassungen im Transkriptumfang ist er der Unterschied zwischen einem einzigen Aufruf und einer Chunking-Pipeline.

Warum sieben Indexpunkte hier viel sind

Auf einer Rangliste, die etwa von 38 bis 60 reicht, sind sieben Punkte mehr als eine Rundungsdifferenz – es ist der Abstand zwischen Platz 25 und Platz 4. GPT-6.1 Sol, das Modell, das OpenAI als Hochleistungsvariante vermarktet, liegt bei 52. Kimi K3.1 Pro mit 55 liegt darüber. GPT-6 Astra, das Flaggschiff, liegt bei 53. Das Open-Weight-Modell von Moonshot tritt also nicht gegen Terra an; im Gesamtwert konkurriert es mit OpenAIs beiden Topmodellen und gewinnt mit zwei bis drei Punkten.

In den Dimensionen, die für Agenten relevant sind, hält das Muster. Auf OSWorld 2.1 erzielt Kimi K3.1 Pro 79,6 % gegenüber 74,2 % für Terra – ein Unterschied von 5,4 Punkten und über den 75,8 % von GPT-6 Astra. Beim Coding beschreiben Coverage-Berichte Kimi als knapp hinter Claude Opus 5.5, das mit 58 die höchste Punktzahl in diesem Vergleich erzielt. Teras Coding Agent Index von 48 liegt sechs Punkte unter Sol und 29 unter Astra; Kimi ist nicht in dieser Liga.

Das Gegengewicht ist, dass Terra nicht versucht, diese Vergleiche zu gewinnen. OpenAIs Positionierung ist klar begrenzte Arbeit – Formulare, Screenshots, Rechnungen, Textentwürfe –, bei der 48 ausreicht und $0.40 pro Aufgabe der Punkt ist. Eine Intelligenzlücke von sieben Punkten fällt am stärksten bei den Aufgaben ins Gewicht, für die Terra nicht verkauft wurde.

Preisrechnung: Wann gewinnt der doppelte Preis?

Eine Standardanfrage mit 100.000 Eingabe- und 5.000 Ausgabetokens kostet 0,125 US-Dollar bei Terra und 0,25 US-Dollar bei Kimi. Eine Anfrage mit 400.000 Eingabe- und 4.000 Ausgabetokens, oberhalb der Langkontextschwelle, kostet 0,83 US-Dollar bei Terra und 1,66 US-Dollar bei Kimi. Wenn beide Modelle eine Aufgabe in einem Versuch mit derselben Tokenanzahl lösen, ist Terra genau halb so teuer, und es gibt nichts weiter zu diskutieren.

Interessant ist der Fall, wenn sie nicht dieselbe Anzahl von Tokens oder Versuchen verwenden. Nehmen wir eine Dokumentextraktions-Workload, bei der Terra beim ersten Versuch zu 80 % erfolgreich ist und Kimi zu 92 %. Bei einem Aufruf mit pauschal 3.000 Eingabe- und 400 Ausgabe-Tokens pro Versuch liegen Terras erwartete Kosten pro Erfolg bei etwa 0,0055 $; bei Kimi sind es etwa 0,0092 $. Terra gewinnt weiterhin bei den Kosten – denn die Genauigkeitslücke müsste enorm sein, damit ein doppelter Token-Preis durch weniger Wiederholungsversuche ausgeglichen würde.

Stellen Sie sich nun eine agentische Coding-Aufgabe vor, bei der die Modelle pro Versuch 30.000 Eingabe- und 2.000 Ausgabe-Tokens benötigen und der Fehlermodus ein falscher Patch statt einer Wiederholung ist. Terra mit Coding-Level 48 scheitert bei einer Aufgabe, die Coding-Level 77 erfordert, nicht 20 % häufiger; es scheitert qualitativ und erzeugt Änderungen, die laufen, aber das Problem nicht lösen. Das sind keine Wiederholungskosten, sondern Ingenieurstunden-Kosten, und das ist der Fall, in dem der doppelte Preis die günstige Option ist.

Offene Gewichte verändern das zweite Jahr, nicht das erste.

Moonshot hat Kimi K3.1 Pro-Gewichte bis zum 4. November 2026 versprochen. Das ist aus drei Gründen wichtig, und keiner davon ist die heutige Rechnung. Erstens entfernt Selbsthosting den Preis pro Token vollständig aus der Grenzkostenberechnung und ersetzt ihn durch GPU-Stunden – was bei dauerhaft hohem Volumen günstiger und bei niedrigem Volumen deutlich teurer ist. Zweitens beseitigen offene Gewichte den Anbieter als Single Point of Failure, was ein Beschaffungsargument und kein technisches ist. Drittens lässt sich ein herunterladbares Modell feinabstimmen, intern evaluieren und an eine Version binden, was mit einer geschlossenen API alles nicht möglich ist.

Zum Versprechen gehören zwei Vorbehalte. Die Gewichte sind noch nicht veröffentlicht, daher ist jede Aussage über sie eine Behauptung. Und das veröffentlichte Modell ist nicht identisch mit dem API-Modell: Berichten zufolge hat Moonshot vor der Veröffentlichung cyberbezogene Trainingsdaten entfernt, was das Verhalten bei sicherheitsnahen Prompts verändert – eine bewusste Entscheidung, und eine, die bedeutet, dass die offenen Gewichte und der API-Endpunkt nicht für jeden Workload austauschbar sind.

GPT-6.1 Terra hat keinen vergleichbaren Weg. Es ist geschlossen, nur über eine API verfügbar, nicht für Fine-Tuning verfügbar und wird in keiner Self-Hosting-Variante angeboten. Wenn Portabilität eine Anforderung ist, ist der Vergleich vorbei, bevor die Benchmarks beginnen.

Latenz ist nicht vergleichbar, und das ist der Punkt

Kimi K3.1 Pro zeigt auf seiner OrcaRouter-Modellseite einen p50 von etwa 6,95 Sekunden – einen plattformweiten Latenzwert über realen Traffic. Die veröffentlichte Latenzzahl von GPT-6.1 Terra beträgt 133,64 Sekunden bis zum ersten Token im Max-Effort-Reasoning-Benchmark von Artificial Analysis; dieser misst, wie lange das Modell nachdenkt, bevor es eine schwierige Frage beantwortet, nicht wie lange eine typische Anfrage dauert. Diese beiden Zahlen nebeneinanderzustellen wäre bedeutungslos.

Vergleichbar ist der Durchsatz im selben Benchmark: Artificial Analysis misst für Terra 90,9 Ausgabe-Token pro Sekunde und für GPT-6.1 Sol 73,5. Der entsprechende Wert für Kimi steht nicht auf derselben Seite. Die ehrliche Einschätzung ist, dass Terra unter den OpenAI-Modellen nachweislich schnell ist und dass Kimis Geschwindigkeit bei Ihrer Arbeitslast etwas ist, das man misst, statt es zu lesen.

Wo jeder gewinnt

• Terra — Aufgaben mit hohem Volumen und klarem Rahmen, bei denen eine Computer-Use-Erfolgsquote von 74 % akzeptabel ist, sofern ein Prüfschritt nachgeschaltet ist; Dokument- und Rechnungspipelines; Textentwurf und -bearbeitung; alles, wobei der neuere Cutoff von Juni 2026 hilft und sich $0.40 pro Aufgabe summieren.

• Kimi K3.1 Pro — agentisches Codieren und Long-Horizon-Arbeit, bei der ein Intelligenzunterschied von sieben Punkten den Ausschlag gibt; Desktop-Automatisierung, bei der 79,6 74,2 schlägt; Generierung langer Ausgaben, bei der eine 943.718-Token-Obergrenze eine Chunking-Schicht überflüssig macht; und jede Bereitstellung, die offene Gewichte, Self-Hosting oder eine pinnbare Version benötigt.

• Weder noch — unbeaufsichtigte, irreversible Computernutzung. Claude Opus 5.5 mit 81,8 auf OSWorld ist der Spitzenreiter, und der Abstand zu beiden dieser Modelle ist größer als der Abstand zwischen ihnen.

Sie nebeneinander laufen lassen

Kimi K3.1 Pro ist mit einem Kontext von 1.048.576 Token zu $2/$10 im OrcaRouter-Katalog verfügbar und kann über das OpenAI SDK aufgerufen werden, indem die Basis-URL auf unseren Endpoint gesetzt wird. GPT-6.1 Terra ist zum Zeitpunkt der Erstellung nicht im Katalog, daher muss der Terra-Zweig direkt gegen OpenAI getestet werden.

Diese Asymmetrie ist vorübergehend, aber nützlich: Sie bedeutet, dass der Kimi-Zweig heute anhand von Live-Traffic zum Listenpreis ohne Aufschlag zusammen mit dem übrigen Katalog – GPT-6.1 Sol, GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5 – gemessen werden kann und der Terra-Zweig parallel gegen die OpenAI-API. Wenn Terra verfügbar ist, steht der Vergleich bereits, und die Routing-Schicht kann jede Aufgabe an den Zweig senden, der bei ihr gewinnt, statt an das Modell, das ein Blogbeitrag höher eingestuft hat.

Die Aufteilung, die wir verwenden würden

Wenn die Aufgabe begrenzt, wiederholt und überprüft ist, schlägt Terras halber Preis Kimis sieben Punkte. Wenn die Aufgabe offen, codeartig ist oder ohne Anbieter laufen muss, schlagen Kimis sieben Punkte Terras halben Preis – und die offenen Gewichte machen das zweite Jahr günstiger, als die Token-Rechnung vermuten lässt.

Der Fehler besteht darin, ein einziges Modell für die gesamte Workload auszuwählen. Die Beweislage spricht für eine Aufteilung: Terra für die Volumenstufe, Kimi für die anspruchsvolle Stufe und ein maßvoller Fallback dazwischen. Das ist eine Routing-Entscheidung, keine Modellentscheidung, und es ist die Entscheidung, die dieser Vergleich tatsächlich verdient.