GPT-6.1 Terra: OpenAIs Mittelklasse wird zum Preis-Leistungs-Sieger
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Mit GPT-6.1 Terra hat OpenAI soeben das erste Modell der Terra-Klasse seit GPT-5.6 veröffentlicht. Laut Artificial Analysis schiebt es die Kosteneffizienz-Grenze weiter nach vorn: mehr Intelligenz für weniger als ein Drittel der Kosten pro Aufgabe.
Terra ist die mittlere Leistungsklasse in OpenAIs Modellfamilie: Mit GPT-5.6 hatte das Unternehmen im Sommer drei Stufen eingeführt, Sol, Terra und Luna. Terra sitzt zwischen dem stärkeren Sol und dem schwächeren Luna und steht für die ausgewogene Mitte aus Leistung und Preis. In der GPT-6-Generation gab es bisher kein Terra, dort kamen Astra als Flaggschiff, Sol und Luna.
Halber Preis, mehr Punkte
Die Token-Preise liegen bei 1 Dollar für Input und 5 Dollar für Output pro Million Tokens (umgerechnet rund 0,89 bzw. 4,45 Euro). Der Vorgänger GPT-5.6 Terra kostete 2 bzw. 12 Dollar (rund 1,78 bzw. 10,68 Euro). Auch das Caching wird günstiger: Cache Write sinkt auf 1,25 Dollar (rund 1,11 Euro), gecachter Input auf 0,05 Dollar (rund 0,04 Euro) statt bisher 0,20 Dollar (rund 0,18 Euro).
Im Artificial Analysis Intelligence Index legt GPT-6.1 Terra bei maximalem Reasoning-Aufwand 6 Punkte gegenüber GPT-5.6 Terra zu. Die Kosten pro Aufgabe fallen dabei von 1,40 Dollar auf 0,40 Dollar (rund 1,25 auf 0,36 Euro). Bei niedrigeren Aufwandsstufen fällt der Zugewinn mit 7 bis 13 Punkten sogar größer aus.
Die Einordnung im eigenen Haus: Auf höchster Stufe liegt Terra 4 Punkte hinter GPT-6.1 Sol und 10 Punkte vor GPT-6 Luna. Sol war Ende September mit 2 bzw. 10 Dollar (rund 1,78 bzw. 8,90 Euro) pro Million Tokens gestartet, Terra kostet damit bei Input und Output nur noch die Hälfte von Sol.
Wer auf die Kosten achtet, sollte die Aufwandsstufen im Blick behalten: AA stuft low und medium als Pareto-optimal ein, sie bieten also das beste Verhältnis aus Intelligenz und Kosten. Die übrigen Stufen liegen hinter dieser Grenze.
Weniger Halluzinationen, bessere Coding-Agenten
Der auffälligste Sprung betrifft die Verlässlichkeit. Im privaten Wissens- und Halluzinationstest AA-Omniscience rät GPT-6.1 Terra in 38 Prozent der Fälle, wenn es die Antwort nicht kennt. Beim Vorgänger waren es 88 Prozent. Gleichzeitig steigt die Genauigkeit um 2 Punkte, das Modell antwortet also weniger oft frei erfunden und trotzdem öfter richtig.
Beim neu veröffentlichten Artificial Analysis Coding Agent Index v2.0 erreicht Terra 48 Punkte. Sol kommt auf 54, Luna auf 31. Die Stufen xhigh und low liegen hier an der Kosteneffizienz-Grenze. Im terminalbasierten Agenten-Benchmark Terminal-Bench 4.0 gewinnt Terra rund 20 Punkte und rückt damit auf Augenhöhe mit GPT-6.1 Sol auf maximaler Stufe. Bei den meisten anderen Tests fallen die Zugewinne kleiner aus, etwa 5 Punkte bei GDP.pdf.
Für Entwickler:innen und Unternehmen, die Agenten im großen Stil laufen lassen, zählen genau diese Hebel: weniger Kosten pro Aufgabe und weniger Erfindungen.
Die Konkurrenz schläft nicht
OpenAI steht unter Druck. Anthropic hatte die Rivalin zuletzt mit dem kleineren Sonnet 5.5 in den Rankings überholt. Zugleich drängen offene Modelle nach oben: Moonshot AIs Kimi K3 hatte bereits für Aufsehen gesorgt, und der Nachfolger Kimi K3.1 Pro startet laut Artificial Analysis auf Platz 4 des Intelligence Index und soll die Open-Weights-Modelle anführen.
Wo die Grenzen liegen
Die Zahlen kommen von AA, einem unabhängigen Benchmark-Anbieter. Sie zeigen auch Schwächen. Die Halluzinationsquote ist von 88 auf 38 Prozent gefallen, doch das Modell rät damit weiterhin in mehr als einem Drittel der Fälle, wenn es keine Antwort kennt. Beim Coding Agent Index liegt Terra 6 Punkte hinter Sol, im Gesamt-Index 4 Punkte. Und nur ein Teil der Aufwandsstufen sitzt an der Kosteneffizienz-Grenze: Bei maximalem Aufwand ist Terra laut AA nicht Pareto-optimal.
