GPT-6.1 Terra: Was sich für FinOps ändert
Aktualisiert October 27, 2026 · erstveröffentlicht October 27, 2026
OpenAI veröffentlichte GPT-6.1 Terra am 26. Oktober 2026. Für FinOps ist der wichtigste Unterschied der API-Preis: $1 pro Million Input-Token, $0.05 für gecachten Input und $5 für Output. Gegenüber GPT-5.6 Terra sinkt der Input-Preis um 50 % und der Output-Preis um rund 58 %. Das Modell eignet sich laut OpenAI besonders für visuelle Aufgaben und die Bedienung von Anwendungen. Ob es im eigenen Betrieb günstiger ist, entscheidet der Preis pro erfolgreich abgeschlossenem Workflow.
Preise und Modellvergleich
Die folgenden Standardpreise gelten pro Million Token. OpenAI stellte GPT-6 Astra am 3. September, GPT-6 Sol und Luna am 22. September, GPT-6.1 Sol am 29. September und GPT-6.1 Terra am 26. Oktober 2026 vor. Angaben: OpenAI API-Preise und Terra-Modellseite.
| Modell | Input | Gecachter Input | Output | Prüfenswerter Einsatz |
|---|---|---|---|---|
| GPT-5.6 Terra | $2 | $0.20 | $12 | Bestehende Terra-Workflows als Vergleichsbasis |
| GPT-6 Luna | $0.10 | $0.01 | $0.50 | Eng umrissene Aufgaben in großer Menge |
| GPT-6.1 Terra | $1 | $0.05 | $5 | Bildschirme verstehen und Anwendungen bedienen |
| GPT-6.1 Sol | $2 | $0.10 | $10 | Komplexe Workflows und Programmieraufgaben |
| GPT-6 Astra | $10 | $1 | $50 | Besonders schwierige Aufgaben |
Bei einer Million Aufgaben mit jeweils 1.000 Input- und 500 Output-Token ohne Cache ergeben sich rechnerisch $8,000 für GPT-5.6 Terra, $3,500 für GPT-6.1 Terra, $350 für Luna, $7,000 für Sol und $35,000 für Astra. Der Wechsel vom alten auf das neue Terra spart in diesem Beispiel 56,25 %. Das ist nur eine Tokenrechnung: Tool-Aufrufe, zusätzliche Schritte, Wiederholungen, menschliche Prüfung und Infrastruktur kommen hinzu.
Was die Terra-Rechnung verändert
Ein Cache-Schreibvorgang kostet bei Terra $1.25 pro Million Token mit 30 Minuten und $2.50 mit 12 Stunden Aufbewahrung. Batch und Flex kosten die Hälfte der Standardpreise; Fast kostet das Doppelte. Bei mehr als 272.000 Input-Token steigen die Input- und Cache-Sätze für die gesamte Anfrage auf das Doppelte und der Output-Satz auf das 1,5-Fache. Regionale Verarbeitung und FedRAMP-Endpunkte kosten, wo verfügbar, 10 % zusätzlich. Vergleiche müssen deshalb Cache-Treffer, Aufbewahrungszeit, Kontextgröße und Verarbeitungsklasse einschließen.
Die API-Modellkennung lautet gpt-6.1-terra. Das Modell bietet ein Kontextfenster von 1,05 Millionen Token, höchstens 128.000 Output-Token und einen Wissensstand bis zum 1. Juni 2026. Es nimmt Text und Bilder entgegen, aber kein Audio oder Video direkt. Unterstützte Denkstufen sind none, low, medium (Standard), high, xhigh und max. Visuelle Videoworkflows benötigen daher eine vorgelagerte Verarbeitung, etwa Einzelbilder.
Wie stark ist das Update?
OpenAI berichtet bei mittlerer Denkstufe von 15 Prozentpunkten mehr auf Agents’ Last Exam als GPT-5.6 Terra, bei ungefähr einem Drittel der Kosten. Bei maximaler Denkstufe nennt OpenAI mehr als dreifache Tokeneffizienz gegenüber Claude Opus 5.5 und etwa neunfach niedrigere Kosten pro Aufgabe; Terra habe Aufgaben außerdem mehr als dreimal schneller als GPT-6.1 Sol und Astra abgeschlossen. Die Fehlerquote eines internen Fakten-Benchmarks sank bei niedriger Denkstufe von 53,6 % auf 16,7 %. Auf Terminal-Bench 4.0 stieg die Erfolgsquote bei maximaler Denkstufe von 21,5 % auf 50,3 %. Das sind von OpenAI veröffentlichte Evaluierungen, keine unabhängige Zusage für den eigenen Workflow.
Die anderen Updates veränderten andere Punkte der Kostenkurve: Sol und Luna reduzierten im September ihre API-Preise gegenüber GPT-5.6; GPT-6.1 Sol verbesserte komplexe Aufgaben zum unveränderten Standardpreis von $2/$10 gegenüber GPT-6 Sol und senkte den Preis für gecachten Input auf $0.10. Terra bringt jetzt eine günstigere Route für visuelle und bildschirmbasierte Arbeit.
Entscheidung anhand eigener Aufgaben
Wiederholt typische Belege, Formulare und Anwendungsabläufe mit identischen Berechtigungen und Erfolgskriterien. Erfasst Modellkennung, Denkstufe, Token nach Kategorie, Screenshots, Tool-Aufrufe, Wiederholungen, Laufzeit, Fehler und menschliche Korrekturen. Vergleicht anschließend die Gesamtkosten pro akzeptiertem Ergebnis. Für Buchungen, Zahlungen oder Änderungen an Bankdaten sollte ein Mensch die endgültige Aktion freigeben. Die günstigere Tokenrate lohnt sich nur, wenn Qualität und Abschlussquote nicht durch zusätzliche Versuche aufgezehrt werden.
Weiterführend
- GPT-6-Sol-Kostenmodell
- GPT-6-Luna-Kostenmodell
- Kosten pro Aufgabe messen
- Kostenkontrollen für Agenten-Workflows
Möchten Sie das auf Ihren Stack anwenden? Bringen Sie Anbieterrechnungen, Gateway-Protokolle und die wichtigsten Workflows mit; wir ordnen Kostentreiber und Einsparpotenziale zu. Kostenlose Prüfung buchen →