OpenAI senkt die Preisschwelle für gute Modelle. Laut The Register hat das Unternehmen am 26. Oktober 2026 GPT-6.1 Terra ausgerollt, ein Modell der Mittelklasse. Es ist über die OpenAI-API verfügbar. The Register nennt es „not a bombshell“ — für Entwickler mit knappen Budgets kann es trotzdem interessant sein.
DIE PREISLISTE IM ÜBERBLICK
Preise je Million Token, Input zu Output:
- GPT-6 Luna: 0,10 / 0,50 Dollar
- GPT-6.1 Terra: 1 / 5 Dollar
- GPT-6.1 Sol: 2 / 10 Dollar
- GPT-6 Astra: 10 / 50 Dollar
Terra liegt also zwischen dem günstigsten Modell Luna und den High-End-Modellen Sol und Astra. OpenAI sagt, die Standardpreise seien 50 Prozent niedriger als bei GPT-5.6 Terra und GPT-6.1 Sol.
WIE GUT IST TERRA?
Die Analysefirma Artificial Analysis nennt Terra „more intelligent for less than a third of the cost“ im Vergleich zu früheren Terra-Modellen. Ein OpenAI-Mitarbeiter sagte, Terra sei bei technischer Kommunikation wahrscheinlich besser als Astra und Sol, bei Bildverständnis und Computer-Nutzung ähnlich, aber schneller, und bei den meisten anderen Aufgaben etwas schwächer. Konkrete Benchmark-Werte und die Größe des Kontextfensters nennt der Artikel nicht.
NEUERER WISSENSSTAND, WENIGER ZICKEN
Der Wissensstand von Terra reicht bis zum 1. Juni 2026. Astra und Sol enden am 30. April 2026. Außerdem soll Terra bei schädlichen Anfragen seltener nachgeben als Sol und unnötige Anfragen seltener ablehnen. Das ist laut Bericht eine Einordnung von OpenAI, keine unabhängig geprüfte Messung.
FÜR WEN SICH DER WECHSEL LOHNT
Für ChatGPT-Abonnenten ist Terra laut Register eher eine Option, wenn sie an Nutzungsgrenzen stoßen oder klarere Kommunikation und schnellere Computer-Nutzung wünschen. Für API-Nutzer gilt: Baue einen kleinen Test mit deinen echten Prompts, miss Qualität und Kosten und entscheide dann. Der Preisabstand zu Sol ist halbiert, der Qualitätsabstand je nach Aufgabe unterschiedlich.
Wer sein Setup flexibel hält — etwa über eine Gateway-Schicht mit austauschbarem Modellnamen —, kann Terra ohne großen Umbau ausprobieren. Beobachte dabei die Kosten pro Aufgabe, nicht nur pro Token: Ein billigeres Modell, das mehr Anläufe braucht, spart nichts.