GPT-6.1 Terra auditieren: ein komplettes Release-Sheet und eine ~9×-Cost-per-Task-Behauptung

Kernaussagen

• GPT-6.1 Terra startete am 26. Oktober mit seiner gesamten Offenlegung auf einen Streich: Standard-API-Preise von $1 pro Million Eingangs-Token, $0.05 gecacht, $5 Ausgabe, Benchmark-Ergebnisse und eine Sicherheitsbewertung auf derselben Launch-Seite (OpenAIs Launch-Post).
• Das Preisband $1/$0.05/$5 liegt 50 % unter den Standard-API-Preisen von GPT-6.1 Sol und GPT-5.6 Terra, und der gecachte Eingangspreis ist ein publizierter 95%-Rabatt — Kimi K3.1 Pro und MiniMax M3.1 Flash drucken in ihren Klassen 90%-Cache-Rabatte (Launch-Post; Kimi-Preise; M3.1-Flash-Preise).
• Bei maximaler Reasoning-Anstrengung misst OpenAI Terra mit über 3× der Token-Effizienz von Claude Opus 5.5 bei einem Viertel seines Token-Preises — die Behauptung von ~9× niedrigeren Kosten pro Aufgabe auf dem Harness des Vendors selbst (Launch-Post).
• Terminal-Bench 4.0 liest 50,3 % bei maximaler Anstrengung, mehr als das Doppelte der publizierten 21,5 % von GPT-5.6 Terra, während das Sheet selbst die härteste Codierarbeit an GPT-6.1 Sol und GPT-6 Astra verweist (Launch-Post).
• Die Faktizitätszeile ist die größte Einzelkolonnen-Bewegung: Eine Fehlerquote von 53,6 % auf fehlerbehafteten Prompts bei niedriger Anstrengung fiel auf 16,7 %, und auf 4,3 % bei maximaler Anstrengung (Launch-Post).

Zwei Starts in dieser Woche liefen denselben Käufertest in entgegengesetzte Richtungen. Am 23. Oktober veröffentlichte Moonshot Kimi K3.1 Pros Release-Sheet — Benchmark-Werte und eine Zeile-für-Zeile-prüfbare Preisseite — verwies aber die Artefakte, die Self-Hosting entscheiden, auf einen vendorbestätigten Gewichtstermin am 4. November, mit der Lizenz beim Start noch unbenannt (das Sheet-first-Audit). Einen Tag später legte OpenAIs GPT-6.1 Terra alles auf die Launch-Seite, bevor ein einziger Token abgerechnet wurde: Standard-API-Preise von $1/$0.05-gecacht/$5 pro MTok, Ergebnisse über fünf agentische Benchmarks und eine Sicherheitsbewertung auf derselben Seite. Die Erwartung des Genres hat sich umgekehrt: Das geschlossene Modell ist dasjenige, dessen Sheet komplett ausgeliefert ist, und es sind die Open-Weight-Starts, die Käufer jetzt warten lassen.

Dieser Artikel liest Terras Sheet so, wie es eine Beschaffungsprüfung täte. Er itemisiert die Preis- und Cache-Zeilen, die ein Kostenmodell heute nutzen kann, trennt die Benchmark-Zeilen, die OpenAI an sich selbst misst, von dem, was eine unabhängige Kolonne entscheiden würde, liest die Sicherheitsoffenlegung, die nun als Teil des Sheets ausgeliefert wird, und benennt die zwei Dinge, die selbst ein komplettes Sheet nicht drucken kann — eine Drittanbieter-Kalibrierungskolonne und Gewichte, die nie ankommen werden. Er baut auf dem Kimi-K3.1-Pro-Release-Sheet-Audit auf, das die Fünf-Prüfungen-Methode des Weight-Day für einen Start behandelt hat, der Sheet-first ankommt; dies ist die gegenüberliegende Ecke desselben Problems — worauf man kauft, wenn es überhaupt keinen Weight-Day gibt.

Das Sheet, Zeile für Zeile

Die Preisseite ist kurz und vollständig. Die Standard-API-Preise sind $1 pro Million Eingangs-Token, $0.05 pro Million gecachter Eingangs-Token und $5 pro Million Ausgabe-Token, wobei der Launch-Post ausführt, dass diese Standardpreise 50 % niedriger sind als die von GPT-5.6 Terra und GPT-6.1 Sol (Launch-Post). Drei Zeilen, keine Tier-Asterisken: Ein Kostenmodell kann am Erscheinungstag auf der Seite gebaut werden. Das ist mehr als Bequemlichkeit. Als eine pre-Launch-Terra-Karte eines Aggregators — aktualisiert am 24. Oktober, bevor das Modell existierte — das Modell zu einem anderen Preispunkt mit einem „ChatGPT-Default"-Status führte, den die Launch-Seite widerspricht, zirkulierte die entstellte Kopie weniger als einen Tag und starb bei Kontakt mit der Seite. Das primäre Sheet ist das Audit-Artefakt, und Terras Sheet war vollständig genug, um die Kopien sofort zu korrigieren.

Die Cache-Zeile ist der tiefste publizierte Rabatt in diesem Set. Terras gecachter Eingang liegt bei 5 % seiner Listeingangsrate — $0.05 gegen $1. Die 90%-Rabatt-Klasse ist es, was die Flash-Tier- und Flagship-Starts diesen Monat druckten: Kimi K3.1 Pros $0.20-gecachter Satz gegen einen $2.00-Eingangspreis (das Sheet-first-Audit) und MiniMax M3.1 Flashs $0.015 gegen $0.15 (die Launch-Day-Lektüre). Ein 95%-Rabatt bedeutet für sich allein nicht billigere Arbeit — DeepSeek-1017s Snapshot zeigte, dass die Cache-Trefferquote, nicht die Liste, die Effektivkosten festlegt — aber für ein Routing-Modell, dessen Eingaben sich wiederholen (derselbe Systemprompt, dieselben Tool-Schemas, derselbe Bildschirmkontext über Formularfelder hinweg), ist die Rate, zu der Wiederverwendung abgerechnet wird, die Zeile, die entscheidet, wo die Arbeitslast landet.

Verfügbarkeit wird erklärt, nicht versprochen. Terra steht allen Plus-, Pro-, Enterprise- und Edu-Nutzern in ChatGPT Work und Codex ab dem 26. Oktober zur Verfügung und für Entwickler über die OpenAI-API als gpt-6.1-terra — der Launch-Post notiert, dass dieselbe Nutzungszuweisung mehr Arbeit abdeckt als unter GPT-5.6 Terra und wesentlich mehr als unter Sol oder GPT-6 Astra (Launch-Post). Der Rollout-Status schließt auch eine Frage des Genres: Für dieses Modell gibt es keine „Gewichte kommen"-Zeile — niemals. Die Vollständigkeit eines geschlossenen Anbieters kostet am Weight-Day nichts, weil es keinen Weight-Day gibt.

Die Benchmark-Zeilen und worauf jede gemessen ist

Die Computer-Use-Spitzenzeile ist auf Agents' Last Exam v1 gemessen — Aufgaben, die das Sheet als das Umwandeln von Architekturzeichnungen in 3D-Modelle und das Durchgehen von Filmsequenzen Shot für Shot in zeitcodierte Logs beschreibt. Bei mittlerer Reasoning-Anstrengung erzielt Terra 15 Prozentpunkte über GPT-5.6 Terra bei etwa einem Drittel der Kosten; sie performt auf Augenhöhe mit GPT-6 Astra bei etwa einem Zehntel von Astras Token-Preis; und bei maximaler Anstrengung misst OpenAI über 3× die Token-Effizienz von Claude Opus 5.5 bei einem Viertel des Token-Preises, was das Sheet auf ~9× niedrigere Kosten pro Aufgabe rundet (Launch-Post). Jede Zahl in diesem Satz ist eine Vendor-Messung auf OpenAIs eigenem Harness und den eigenen Anstrengungseinstellungen. Die Behauptung ist in der Struktur prüfbar — der Preis ist publiziert, die Pro-Aufgabe-Zahl reduziert sich also auf eine Token-Counting-These — aber die Token-Zählungen sind bislang nirgends unabhängig reproduziert.

Die Codier-Zeile trägt ihre eigene Grenze. Auf Terminal-Bench 4.0 löst Terra 50,3 % der Aufgaben bei maximaler Reasoning-Anstrengung, mehr als das Doppelte der publizierten 21,5 % von GPT-5.6 Terra — und derselbe Absatz stellt fest, dass für die komplexesten Codieraufgaben GPT-6.1 Sol und GPT-6 Astra die bessere Wahl bleiben (Launch-Post). Das Sheet druckt die Arbeitslast, auf der sein Modell verliert. Das ist dieselbe Offenlegungsform, die das Genre auf Kimis Sheet verzeichnet hat, wo der Launch mit dem Bench anführte, den es um 0,7 Punkte verlor — und es ist das ehrliche Label, das eine Routing-Tabelle braucht: Terra ist die Computer-Use-Schicht des Arbeitstags, keine Frontier-Coding-Schicht. Auf Terminal-Bench-Science 0.1 übertrifft Terra Sol zu niedrigeren Kosten und kommt innerhalb von fünf Punkten an Opus 5.5 zu weniger als einem Fünftel der geschätzten Kosten heran (Launch-Post).

Die Faktizitätszeile ist die größte Einzelkolonnen-Bewegung auf dem Sheet. Auf OpenAIs internem Benchmark fehlerbehaftender Prompts fiel die Fehlerquote von 53,6 % für GPT-5.6 Terra auf 16,7 % bei niedriger Anstrengung, und auf 4,3 % bei maximaler Anstrengung — ein Rückgang, den das Sheet als nahezu paritätisch mit den Quoten von GPT-6 Astra und Sol beschreibt (Launch-Post). Für eine always-on-Flotte ist der operative Befund konkret: Ein Modell, das bei niedriger Anstrengung mit 16,7 % Fehlerquote auf adversarial Prompts laufen kann, ist preislich und im Profil für Volumenarbeit gebaut, während die 4,3 %-Maximal-Kolonne diejenige ist, die man in einem verifizierungslastigen Workflow zitiert.

Was kein Sheet über sich selbst druckt, ist die Drittanbieter-Kolonne. Der Snapshot von Artificial Analysis, der im Cross-Check des Kimi-Audits verwendet wurde, datiert vor Terra (aktualisiert am 24. Oktober), und es existiert noch keine unabhängige Indexzeile für gpt-6.1-terra in den Oberflächen, die dieses Audit nutzt — weder ein Intelligence-Index-Komposit noch eine AA-Klasse-Kalibrierungskolonne. Bis eine landet, stehen die ~9×-Kosten-pro-Aufgabe-Figur und der ALE-Wert allein auf OpenAIs eigenen Messungen. Das ist kein Defekt dieses Sheets; es ist der Normalzustand eines Launches, und es ist exakt die Lücke, die der Always-on-Ökonomie-Rahmen Käufern sagt, nach der ersten Rechnung mit eigenen Token-Logs zu füllen.

Die Sicherheitsoffenlegung wird nun als Teil des Sheets ausgeliefert

Die Preparedness-Zeile steht auf der Launch-Seite, nicht in einer Fußnote. Das Sheet erklärt, dass GPT-6.1 Terra den Critical-Schwellenwert in der Cybersicherheit unter OpenAIs Preparedness Framework erfüllt, die für GPT-6 Astra entwickelten Schutzmaßnahmen beibehält und die Alignment-Verbesserungen der GPT-6-Serie trägt — der Launch-Post berichtet, Terra bleibe wahrscheinlicher als GPT-5.6 Terra im Umfang und lege seine Grenzen ehrlich offen, mit starker Resistenz gegen Prompt-Injection in OpenAIs Auswertungen, das Detail komplett im System-Card-Addendum (Launch-Post).

Zwei Lesarten folgen. Erstens ist „Critical in der Cybersicherheit" eine Kapazitäts-Offenlegung, kein Deployment-Blocker — sie sagt dem Käufer, dass das Modell in Cyber-Aufgaben fähig genug ist, um die höchste Labelling-Stufe des Frameworks zu verdienen, exakt die Information, die eine Risikoprüfung benötigt, bevor das Modell in Tool-verbundene Workflows verdrahtet wird. Zweitens bedeutet die Offenlegung als Teil des Launch-Day-Sheets, dass die Governance-Prüfung des Käufers ein datiertes Dokument zur Akte hat: das System-Card-Addendum, zusammen mit dem Modell publiziert. Das Genre des Release-Sheet-Audits existiert, weil die Oktober-Starts darin variierten, welche Artefakte zuerst eintrafen; Terras Varianz ist, dass nichts aufgeschoben wurde — und gleichzeitig, weil das Modell closed ist, nichts über die Vendor-Artefakte hinaus verifiziert werden kann.

Der Kontrastfall: was die Open-Weight-Starts weiter auf ein späteres Datum verweisen

Die drei Oktober-Audits lesen sich jetzt als drei Offenlegungsmuster. MiniMax M3.1 Flash lieferte die Gewichte vier Tage nach dem API-Start und ließ die Lizenzdatei die Konditionen des Kaufs tragen — eine $20-Mio.-Jahresumsatz-Zeile mit Attribution (das Weight-Day-Audit). Kimi K3.1 Pro startete Sheet-first und komplett bei Fähigkeit und Preis, mit Gewichten und Lizenz unbenannt bis zum 4. November. GPT-6.1 Terra publizierte alles auf einmal — und bietet keine Gewichte, nie. Die interessante Konsequenz ist asymmetrisch: Open-Weight-Starts setzen den Käufer einem Lizenz-Leseereignis aus, das die Ökonomie des Self-Hostings nach dem Kauf umschreiben kann (die $20-Mio.-Zeile), während der geschlossene Start den Käufer einer Single-Vendor-Abhängigkeit aussetzt, die bei der Verlängerung neu preisen kann. Keines der beiden ist vermeidbar; beides ist auditierbar; und ein Sheet, das am ersten Tag komplett ankommt — mit Preisen, Scores und Sicherheitszeilen, prüfbar gegen die Seite — ist die Offenlegung, die den Vergleich ehrlich macht. Dies ist das kostenseitige Pendant des Arguments aus dem gestaffelten Release-Präzedenzfall: Was zwischen Starts variiert, ist nicht die Fähigkeitsbehauptung, sondern welche Artefakte zuerst eintrudeln, und die Sorgfalt des Käufers muss den Artefakten folgen.

Noch eine Markertextur, die es zu dokumentieren lohnt: Die Aggregator-Kataloge rund um einen Launch sind keine Sheets. Eine pre-Launch-Terra-Karte, die den falschen Preis und den falschen Status trug, überlebte weniger als 48 Stunden gegen das Primäre, aber lang genug, um in einem Routing-Memo zu landen. Wer die Zahlen eines Modells aus einem Tracker zitiert, bekommt die Fehlerbalken des Trackers; die Launch-Seite ist die einzige Oberfläche, die die eigenen Vorgaben des Launches trägt.

Ein-Minuten-Karte des Sheets und seiner Lücken:

Die beiden Panels sind die Trennlinie, die die Sorgfalt des Käufers zieht: Die Türkis-Seite ist, was der Launch am 26. Oktober prüfbar machte, die Violett-Seite, was nur Zeit oder Dritte entscheiden können, und der Korallenstreifen ist das vollständige Register der Offenlegungsmuster des Oktobers. Die untere Karte ist die Regel, auf die dieses Genre gelandet ist: Nach dem Sheet kaufen, nach den Artefakten auditieren.

Was sich diese Woche im Routing ändert

Das Ledger der Billig-Schicht bekommt seine OpenAI-native Zeile. Der Kollapsbogen der Subagent- und Computer-Use-Kosten läuft nun: Haiku 5.5 → GPT-6.1 Sol/Luna → GLM-5.3 Flash → DeepSeek-1017-Snapshot → MiniMax M3.1 Flash → Terra (der Ledger-Artikel der Schicht). Was Terra in diesem Ledger auszeichnet, ist nicht eine niedrigere Zahl — die Flash-Schichten von Kimi und MiniMax listen niedrigere Absolutpreise — sondern die Klasse der Arbeit, für die sie sich einsetzt: präzises Computer-Use gegen Desktop-Anwendungen, die OSWorld-2.1-Workload, in einem $1/$5-Band mit publiziertem 95%-Cache-Rabatt. Dass ein geschlossener Anbieter der Kollaps-Schicht beitritt, bricht den letzten Vorwand, Billig-Schichten als Terrain nur offener Modelle zu behandeln: Die Schicht wird nun von beiden Richtungen aus bepreist.

Kosten pro abgeschlossener Aufgabe, nicht pro Token, ist weiterhin der Entscheidungsrahmen (der Pro-Aufgabe-Rahmen). Terras Preisband sagt nichts aus, bevor man es mit der Aufgabenlaufzeit und der Trefferquote multipliziert. Das Sheet liefert die Eingaben, um es zu berechnen — Token-Preis, gecachter Satz und zwei Benchmark-Werte, die Tokens-pro-Aufgabe bei zwei Anstrengungseinstellungen approximieren. Anstrengung ist die andere Achse der Rechnung: Die 16,7 %-Faktizitätszeile ist die Volumenskolonne bei niedriger Anstrengung, während die 4,3 %-Rate hinter maximaler Anstrengung liegt, und Volumenarbeit braucht sie selten.

Die Workload-Grenze, die das Sheet druckt, ist die Routing-Grenze. Terra ist die Arbeitstag-Schicht — Vorschläge, technische Zeichnungen, Formulare, Videoschnitt-Logs (Launch-Post) — mit härterer Codierarbeit, die OpenAIs eigener Text explizit an Sol und Astra verweist. Der billigste Fehler, den ein Käufer mit einem kompletten Sheet machen kann, ist, seine Gewinnzeilen als global zu lesen: 50,3 % auf Terminal-Bench 4.0 konkurriert nicht mit der härtesten Frontier-Coding-Schicht — und das Sheet sagt es.

Verwandte Lektüre

• Kimi K3.1 Pro und die 0,7-Punkte-Lücke: Das Release-Sheet lesen, bevor am 4. November die Gewichte kommen — das Elternaudit dieses Genres: der Sheet-first-Start, dem dieser Artikel gegenübersteht, und die Fünf-Prüfungen-Methode für seine Gewichte am 4. November
• Die 20-Millionen-$-Zeile in der Lizenz: Der Weights-Day auditiert MiniMax M3.1 Flash — das Weight-Day-Audit, das das Genre eröffnete: das Lizenzereignis, das die Ökonomie des Self-Hostings nach dem Kauf umschreiben kann
• Inferenzökonomie: Warum Always-On-Produktionsagenten jetzt erschwinglich sind — der Pro-Aufgabe-Rahmen, der publizierte Preisbänder und Cache-Zeilen in eine Routing-Entscheidung übersetzt

Eine repräsentative Umsetzung

Das Operations-Desk eines 300-Personen-Großhändlers für Industrieanlagen führt pro Woche etwa 2.500 Computer-Use-Agent-Aufgaben aus — Rechnungspositionen in NetSuite, Preissuchen über vier Lieferantenportale, und die Deutung technischer Zeichnungen für Ausrüstungsangebote. Terras Sheet verschiebt diese Woche zwei Routings: Die Klasse der visuellen Hochvolumenformulare (die Rechnungs- und Portalausfüll-Arbeit, für die OSWorld 2.1 steht) wandert bei mittlerer Reasoning-Anstrengung zu Terra, wo die +15-Punkte-Zeile von Agents' Last Exam mit dem $1/$5-Band und der $0.05-gecachten Eingangsrate zusammentrifft, die gegen ihren wiederholten Präfixverkehr trägt; Terminal- und Code-Wartungsaufträge bleiben der Grenze des Sheets gemäß bei Sol und Astra. Die Dokument-Audit-Flotte bleibt bei Kimi K3.1 Pro und wartet auf die Prüfungen des 4. November, und die Routing-Tabelle trägt eine Kolonne, die das Sheet nicht beantworten kann — unabhängig gemessene Kosten pro Aufgabe —, die das Team nach dem ersten Abrechnungszyklus aus seinen eigenen Token-Logs füllt, wobei Terras max-Anstrengungsökonomie gegen die 16,7 %/4,3 %-Faktizitätskolonnen neu kalkuliert wird, bevor irgendein verifizierungslastiger Workflow dort landet.

Fordern Sie eine begrenzte Umsetzung an. Eine Woche Discovery. Sie erhalten ein Systeminventar, eine Workflow-Karte und einen festen Scope — ob Sie mit uns bauen oder nicht.