GPT-6.1 Terra vs. Muse Wonder: Vier Indexpunkte, achtmal so teuer

GPT-6.1 Terra und Muse Wonder liegen auf dem öffentlichen Scoreboard, das beide gemessen hat, vier Punkte auseinander und bei den Kosten für den Abschluss einer Aufgabe auf diesem Scoreboard etwa um den Faktor acht auseinander. OpenAI veröffentlichte Terra am 26. Oktober 2026 zu 1 US-Dollar pro Million Eingabe-Tokens und 5 US-Dollar pro Million Ausgabe-Tokens; es erreicht 48 Punkte im Artificial Analysis Intelligence Index und kostet 0,40 US-Dollar pro Index-Aufgabe. Meta veröffentlichte Muse Wonder am 12. Oktober zu 4 und 20 US-Dollar; es erreicht 52 Punkte und kostet 3,27 US-Dollar pro Aufgabe. Beide geben ein Kontextfenster von einer Million Tokens an. Eine Sortierung nach der Bestenliste würde die Entscheidung in einer Zeile beenden, weshalb die Bestenliste der falsche Ort ist, um sie zu beenden: Das Modell mit der höheren Punktzahl und dem höheren Preis ist zugleich das schnellere, und der Vorteil des günstigen Modells hängt vollständig davon ab, was Ihnen eine falsche Antwort kostet.

Die folgenden Zahlen stammen von Artificial Analysis (abgerufen am 27. Oktober 2026) und aus den Markteinführungsunterlagen der beiden Anbieter. Anbieteraussagen sind als solche gekennzeichnet. Der einzige Benchmark auf Aufgabenebene in diesem Beitrag wurde von DualEntry durchgeführt, einem Unternehmen, das Buchhaltungsautomatisierung verkauft. Es handelt sich daher um einen Drittanbieter-Beleg mit kommerziellem Eigeninteresse und nicht um eine neutrale Prüfung; er wird auch entsprechend behandelt.

Zwei Modelle für unterschiedliche Aufgaben

Terra ist OpenAIs Volumenmodell, der Ersatz für GPT-5.6 Terra und der günstigste Weg, die allgemeine Kompetenz der aktuellen OpenAI-Familie zu erhalten. Es akzeptiert Text und Bilder, gibt Text zurück, dokumentiert einen Kontext von 1.050.000 Token bei einer Ausgabegrenze von 128.000 Token und bietet Reasoning-Aufwand von none bis max. OpenAI hat es am Marktstart außerdem für Amazon Bedrock sowie in ChatGPT Work und Codex bereitgestellt, jedoch nicht in der Consumer-Chatoberfläche von ChatGPT. Für die Beschaffung relevant ist es ausschließlich über die API verfügbar: kein Fine-Tuning, kein Realtime, keine Assistants.

Muse Wonder ist Metas erstes Modell, das in die Frontier-Diskussion gehört, und es kommt mit einer Zweiteilung, die die meisten Vergleichsseiten verwischen. Das API-Modell ist Wonder, mit 4 $ für Input und 20 $ für Output. Der höher bewertete Checkpoint, Muse Wonder Full mit 56 Punkten auf demselben Index, wird ausschließlich innerhalb des Muse-Code-Abos für 50 $ oder 200 $ pro Monat verkauft und nicht über die API bereitgestellt. Die prominenten Benchmark-Zeilen beschreiben oft Full. Das Modell, das Entwickler tatsächlich aufrufen können, liegt vier Punkte über Terra, nicht acht.

• Preis — GPT-6.1 Terra 1,00 $ Eingabe / 5,00 $ Ausgabe pro Million; Muse Wonder 4,00 $ / 20,00 $.

• Zwischengespeicherte Eingabe — Terra 0,05 $ mit 95 % Rabatt; Wonder 0,20 $ mit 95 % Rabatt.

• Kontextfenster — Terra 1.050.000 dokumentiert; Wonder 1.000.000 dokumentiert.

Maximale Ausgabe — Terra 128.000 dokumentiert; Meta hat für Wonder keine Obergrenze veröffentlicht, und Drittanbieter-Tracker melden Werte nahe 943.000.

• Unabhängiger Intelligenzindex — Terra 48, 25. von 221; Wonder 52, 10. von 221.

• Kosten pro Indexierungsaufgabe — Terra 0,40 $; Wonder 3,27 $.

• Ausgabegeschwindigkeit — Terra 90,9 Token pro Sekunde; Wonder 207,8.

• Zeit bis zum ersten Token — Terra 77,96 Sekunden; Wonder 31,62 Sekunden.

• Eingaben — Terra: Text und Bilder; Wonder: Text, Bilder, Video und Audio gemäß Trackern, wobei Metas eigenes Launch-Material Text und Bilder betont.

• Gewichte — beidseitig geschlossen. Metas Open-Weight-Option ist Muse Spark, ein anderes Modell.

Die Rechnung beträgt das Achtfache der Indexlücke.

Die Kosten-pro-Aufgabe-Zahl ist diejenige, die verändern sollte, wie der Abstand von vier Punkten zu lesen ist. Artificial Analysis multipliziert nicht einfach Listenpreise mit einer festen Tokenanzahl; es misst, wie viele Tokens jedes Modell für die Erledigung derselben Gruppe von Index-Aufgaben verbraucht, und bepreist diesen Verbrauch. Terra liegt im Durchschnitt bei 0,40 US-Dollar pro Aufgabe und Wonder bei 3,27 US-Dollar – ein Unterschied von 8,2-fach bei einem Fähigkeitsabstand von weniger als 8 %.

Die Listenpreise allein erklären es nicht. Nehmen wir eine Arbeitslast von 100 Millionen Eingabetokens und 10 Millionen Ausgabetokens: Terra berechnet 150 $ und Wonder 600 $, ein Unterschied um Faktor 4. Die Lücke pro Aufgabe ist doppelt so groß, was bedeutet, dass die Tokens, die die Indexbewertungen tatsächlich verbraucht haben, nicht im Verhältnis 10 zu 1 aufgeteilt waren; Artificial Analysis bepreist das gemessene Eingabe- und Ausgabevolumen für jedes Modell, und diese Pro-Aufgabe-Zahl spiegelt die Bewertungen wider und nicht ein pauschales Beispiel. Ein Preis pro Token ist ein Kraftstoffpreis, keine Reisekosten.

Dieser Unterschied ist am wichtigsten in dem Volumenbereich, auf den Terra abzielt. Eine Pipeline, die 100.000 Aufgaben pro Monat ausführt, kostet bei den von Artificial Analysis gemessenen Preisen 40.000 $ für Terra und 327.000 $ für Wonder. Der Leistungsunterschied zwischen ihnen ändert sich nicht um den Faktor acht, wenn sich die Arbeitslast ändert; die Rechnung schon. Wenn Ihre Aufgabe Klassifizierung, Extraktion, Formularlesen oder ein begrenzter Agent-Schritt ist, liegt die Beweislast beim teuren Modell.

Ein Hinweis zur Berechnung: Der Index wird regelmäßig renormalisiert, und die Kosten-pro-Aufgabe-Werte verschieben sich mit ihm. Vergleichen Sie Modelle aus derselben Messung – wie diese Werte –, statt eine Zahl aus einem älteren Artikel abzuziehen.

Wonder ist schneller, und Teras Geschwindigkeitsbehauptung hält dem Vergleich nicht stand.

Das Launch-Material von OpenAI beschreibt Terra als deutlich schneller als GPT-6 Astra und GPT-6.1 Sol. Innerhalb der OpenAI-Familie scheint das zuzutreffen, und genau deshalb gibt es das Modell: ein günstiger, schneller Generalist für visuelle und Dokumentenarbeit. Gegen Metas Modell ist es nicht annähernd vergleichbar. Wonder erzeugt 207,8 Ausgabe-Tokens pro Sekunde gegenüber Terras 90,9, und es liefert sein erstes Token nach 31,62 Sekunden gegenüber 77,96 Sekunden bei Terra.

In absoluten Zahlen starten beide langsam, was eine Eigenschaft großer Reasoning-Modelle und kein Skandal ist. Doch die Reihenfolge ist die umgekehrte der Preisreihenfolge, und das hat praktische Konsequenzen. Für einen Batch-Job, der über Nacht läuft, ist Terras Latenz irrelevant und seine Kosten sind entscheidend. Für ein interaktives Produkt, in dem ein Nutzer auf das erste Token wartet, ist ein Start von 78 Sekunden eine Produktentscheidung, keine Benchmark-Zeile, und Wonders 32 Sekunden sind die bessere Erfahrung, selbst bei fünffachem Eingabepreis.

Die Geschwindigkeitswerte untergraben außerdem eine gängige Annahme über günstige Modelle: dass sie standardmäßig die schnelle Option seien. Terra ist günstig pro Token und günstig pro Aufgabe. Es ist nicht schnell pro Sekunde. Das sind unterschiedliche Behauptungen, und nur eine davon ist wahr.

Ein Test auf Aufgabenebene, bei dem das günstige Modell verlor

Die umfassendste zum Start verfügbare Drittanbieter-Prüfung ist DualEntrys Accounting-Benchmark: 101 synthetische Fälle aus Transaktionsklassifizierung, Buchungssätzen, Verbindlichkeiten, Forderungen, Abstimmung, Berichtswesen, Monatsabschluss und Buchhaltungswissen, die pro Modell dreimal mit festen Referenzantworten statt mit einem KI-Bewerter ausgeführt werden. Zweiundzwanzig Modelle wurden getestet. DualEntry verkauft Buchhaltungsautomatisierung, daher ist der Benchmark nicht neutral, aber die Methode ist konkreter als ein zusammengesetzter Index.

Terra erreichte insgesamt 78,2 % und lag gleichauf auf Platz 18 von 22. Das Profil war ungleichmäßig auf eine Weise, die der Gesamtwert verdeckt. Die Transaktionsklassifizierung war perfekt, 13 von 13. Die Kreditorenbuchhaltung lag bei 53,8 % und teilte sich den letzten Platz. Der Bankabgleich lag bei 83,3 % und damit hinter Kimi K3.1 Pro und Muse Wonder, obwohl die Veröffentlichung Wonders genauen Abgleichswert nicht nennt. Terra war das schnellste OpenAI-Modell im Benchmark und insgesamt das drittschnellste mit 16,1 Sekunden pro Aufgabe bei 0,042 US-Dollar pro Aufgabe – etwa die Hälfte von GPT-6.1 Sol und ein Zehntel von GPT-6 Astra.

Eine separate Evaluierungsplattform, Vals AI, platziert Terra mit 60,17 % und auf Platz 10 von 28 in ihrer eigenen Suite, wobei Coding und Terminalarbeit Stärken und Recht, Steuern und Finanzen Schwächen sind. Andere Suite, andere Skala, daher ist die Zahl nicht mit dem Artificial Analysis Index vergleichbar; die Form schon. Terra ist ein schneller, kostengünstiger Generalist mit großer Varianz über Aufgabenfamilien hinweg, nicht ein durchweg guter.

Diese Varianz ist das Argument gegen einen Einkauf allein nach den Kosten pro Aufgabe. In einem Workflow, in dem ein Teilwert von 53,8 % bedeutet, dass ein Mensch die Hälfte der Kreditorenwarteschlange nacharbeitet, sind die 2,87 $, die pro Aufgabe eingespart werden, keine Einsparung; es ist eine Kostenverlagerung vom Token-Budget ins Personalbudget. Muse Wonders Vier-Punkte-Vorsprung beim Index beweist nicht, dass es diese Hürde nehmen würde – kein gemeinsamer, öffentlich zugänglicher Benchmark belegt das –, aber bei dem einen Test auf Aufgabenebene, in dem beide vorkommen, liegt es dort vorn, wo Terra am schwächsten ist.

Modalitäten, Ausgabelänge und was Meta nicht dokumentiert hat

Wonder's Eingabezeile ist der deutlichste strukturelle Unterschied. Trackers führen Text, Bilder, Video und Audio als Eingabe und Text als Ausgabe auf; Metas Launch-Material ist an manchen Stellen enger gefasst, aber Video- und Audioeingabe sind überhaupt der Grund, warum ein Team es gegenüber Terra in Betracht ziehen würde. Terra verarbeitet Text und Bilder. Wenn Ihre Pipeline aufgezeichnete Anrufe, Bildschirmaufnahmen oder Produktvideos aufnimmt, kann Terra nicht das einzige Modell darin sein.

Die Ausgabelänge ist der zweite Punkt. Terra dokumentiert 128.000 Ausgabetokens. Meta hat die Obergrenze von Wonder nicht veröffentlicht, und die kursierende Zahl von ~943.000 stammt aus Beobachtungen Dritter und nicht aus einer Spezifikation. Behandle sie als Hinweis, den es zu überprüfen gilt, nicht als Zahl, um die herum man designen sollte. Dieselbe Vorsicht gilt für Wissens-Cutoffs: Terra dokumentiert den 1. Juni 2026; Meta hat für Wonder keinen veröffentlicht.

Keines der beiden Modelle steht in unserem Katalog. Hier ist, was

Eine ehrliche Einschränkung vor jeder Produktanmerkung: Stand 27. Oktober befinden sich weder GPT-6.1 Terra noch Muse Wonder im Katalog von OrcaRouter mit 214 Modellen. Terra ist über die eigene API von OpenAI und seit dem Launch-Tag über Amazon Bedrock verfügbar. Wonder wird über Metas Model API verkauft. Wer heute behauptet, eines der beiden über uns routen zu können, beschreibt eine Roadmap, keinen Katalog.

Was der Katalog jedoch bietet, ist die nächstgelegene gehostete Variante auf jeder Seite: GPT-6.1 Sol mit 2 $ Input und 10 $ Output, das im Index 52 Punkte erzielt und 0,72 $ pro Aufgabe kostet, und Muse Spark 1.2, Metas Spark-Reihe. Wenn die Terra-förmige Arbeitslast diejenige ist, die Sie messen müssen – hochvolumige Text- und Bildarbeit, bei der die Kosten pro abgeschlossener Aufgabe den Kauf entscheiden –, dann ist Sol der gehostete Proxy mit mehr Leistungsfähigkeit und ungefähr doppelten Kosten pro Aufgabe, und der Vergleich zeigt Ihnen, ob Terras Einsparung die Migration wert ist. Beide werden zum Listenpreis des Anbieters ohne Aufschlag über einen einzigen Schlüssel mit automatischem Failover bereitgestellt, sodass ein Anbieterausfall nicht zu einem Produktausfall wird.

Sobald eines der beiden Modelle im Katalog erscheint, besteht der Wechsel nur in einem Model-String und nicht in einem zweiten Vertrag. Das ist der praktische Grund, die Workload jetzt zu benchmarken, statt auf den Launch-Post zu warten, der das Duell entscheidet.

Wer sollte was auswählen?

Wähle Terra, wenn die Arbeit ein hohes Volumen hat, gut spezifiziert und von Text oder Bildern dominiert ist: Dokumentenextraktion, Klassifizierung, Lesen von Formularen und Screenshots, Textentwürfe, begrenzte Agent-Schritte. Die $0.40 pro Aufgabe sind mit großem Abstand die niedrigsten in diesem Vergleich, die 128K-Ausgabe ist dokumentiert statt nur gerüchteweise bekannt, und die uneinheitlichen Bewertungen der Teilaufgaben sind akzeptabel, wenn ohnehin ein Mensch die Ausgabe prüft.

Wähle Muse Wonder, wenn die Eingabe reichhaltiger ist als Text und Bilder, wenn ein Agent ein langes Artefakt in einem einzigen Aufruf zurückgeben muss oder wenn eine falsche Antwort weit mehr als 2,87 $ kostet. Die 207,8 Tokens pro Sekunde und das erste Token nach 32 Sekunden machen es zum besseren interaktiven Modell, und der Vorsprung von vier Punkten im Index ist real, auch wenn er kleiner ist als der Abstand zwischen Muse Wonder Full und Terra. Plane den Ausgabentarif von 20 $ ein und vergewissere dich, welchen Checkpoint der Benchmark, den du liest, tatsächlich gemessen hat.

Die vier Punkte sind die am wenigsten interessante Zahl im Vergleich. Die Rechnung, die Zeit bis zum ersten Token und die Varianz auf Aufgabenebene sind das, worauf eine Produktionsentscheidung ankommt – und in diesen Punkten ist das günstigere Modell nicht einfach das schlechtere.