OpenAI hat am 26. Oktober GPT-6.1 Terra veröffentlicht. Das Modell verbindet visuelles Reasoning mit Computerbedienung und soll vor allem eines sein: billig genug, um Aufgaben in Masse zu automatisieren. Die API-Standardpreise liegen bei einem Dollar pro Million Eingabe-Token, fünf Cent pro Million zwischengespeicherter Eingabe-Token und fünf Dollar pro Million Ausgabe-Token. Das sind 50 Prozent weniger als bei GPT-5.6 Terra und GPT-6.1 Sol.
Verfügbar ist Terra ab sofort für Plus, Pro, Enterprise und Edu in ChatGPT Work und Codex, über die API als gpt-6.1-terra.
Die Zahlen, die Anthropic betreffen
OpenAI vergleicht Terra bei der Computerbedienung direkt mit Claude Opus 5.5. Auf dem Benchmark Agents’ Last Exam ist Terra beim höchsten Reasoning-Aufwand nach eigenen Angaben mehr als dreimal so tokeneffizient wie Opus 5.5 und kostet pro Token ein Viertel; die Kosten je Aufgabe sinken damit auf etwa ein Neuntel. Bei mittlerem Aufwand liegt Terra 15 Punkte über GPT-5.6 Terra, bei rund einem Drittel der Kosten. Dazu ist es schnell: mehr als dreimal so schnell wie GPT-6 Astra und GPT-6.1 Sol.
Auf Terminal-Bench-Science 0.1 kommt Terra bis auf fünf Punkte an Opus 5.5 heran, bei weniger als einem Fünftel der geschätzten Kosten. Bei den schwersten Programmieraufgaben bleiben laut OpenAI GPT-6.1 Sol und GPT-6 Astra die bessere Wahl.
Weniger falsche Antworten
Auf einem internen Benchmark mit Prompts, die Fehler provozieren, sank die Fehlerquote bei geringem Reasoning-Aufwand von 53,6 Prozent mit GPT-5.6 Terra auf 16,7 Prozent. Bei maximalem Aufwand liegt sie bei 4,3 Prozent, 18 Punkte niedriger als beim Vorgänger.
Im Bereich Cybersicherheit erreicht Terra den Schwellenwert „Kritisch“ aus OpenAIs Preparedness Framework und behält deshalb die Schutzmaßnahmen, die für GPT-6 Astra gebaut wurden. Bei Prompt-Injection zeigt es sich nach eigenen Tests widerstandsfähig.
Der Preis ist das Argument, nicht der Benchmark
Terra ist nicht das stärkste Modell von OpenAI, und OpenAI sagt das auch. Es ist das Modell, das Computerbedienung in den Bereich bringt, in dem sich Rechnungen lesen und Formulare ausfüllen lohnt – bei einem Dollar je Million Eingabe-Token. Wer heute Agenten auf Opus 5.5 betreibt und nach Kosten je Aufgabe rechnet, hat ab gestern eine Zahl auf dem Tisch, gegen die er argumentieren muss. Dass der Vergleich von OpenAI selbst kommt, macht ihn nicht falsch, aber nachprüfbar wird er erst, wenn jemand anderes dieselben Benchmarks fährt.