GPT-6.1 Terra: Standard, Pro und Batch im Vergleich

Geprüft am 27. Oktober 2026. OpenAI hat GPT-6.1 Terra am 26. Oktober veröffentlicht. Das Modell ist auf visuelles Reasoning, Computer Use und alltägliche professionelle Aufgaben ausgerichtet. Wer es über OpenRouter auswählt, sieht vier Einträge: Terra, Terra Pro und beide jeweils als Batch. Dahinter stehen nicht vier separat trainierte Modelle, sondern ein Basismodell mit zwei Reasoning-Modi und zwei Verarbeitungswegen. OpenAI: Veröffentlichung · OpenRouter: Pro · OpenAI: Reasoning-Modus

Die wichtigste Entscheidung lautet nicht „Welcher Name klingt leistungsfähiger?“, sondern: Wie viel zusätzliche Modellarbeit ist für den konkreten Auftrag sinnvoll, und muss das Ergebnis sofort vorliegen? Für Nutzer in Deutschland kommt eine dritte Frage hinzu: Über welchen Anbieter und welche Region werden Eingaben verarbeitet?

Die vier Varianten: Preise und technische Einordnung

OpenRouter-ID	Reasoning-Modus	Verarbeitung	Input / 1 Mio. Token	Output / 1 Mio. Token
openai/gpt-6.1-terra	Standard	synchron	1,00 USD	5,00 USD
openai/gpt-6.1-terra-pro	Pro	synchron	1,00 USD	5,00 USD
openai/gpt-6.1-terra:batch	Standard	asynchron	0,50 USD	2,50 USD
openai/gpt-6.1-terra-pro:batch	Pro	asynchron	0,50 USD	2,50 USD

Stand 27.10.2026; Listenpreise in USD ohne Steuern, gegebenenfalls zusätzliche Provider-/Plattformkosten und Tool-Aufrufe. Quelle: OpenRouter-Modellseiten, OpenAI-Preise und Batch-Dokumentation. Im Pro-Modus ist die Tokenmenge pro Aufgabe häufig höher.

Pro ist ein Modus, kein eigenes Terra-Modell

OpenAI dokumentiert für die GPT-6-Familie reasoning.mode: "standard" und "pro". Der Pro-Modus erlaubt aufwendigere Verarbeitung; die Modellarbeit wird über reguläre Tokenpreise abgerechnet. Der Modus ist unabhängig von reasoning.effort, der für Terra von none bis max reicht. Somit kann Standard mit hohem Reasoning-Aufwand sinnvoller sein als Pro bei einer Routineaufgabe. OpenRouter bietet die Kombination als eigene auswählbare Modell-ID an. OpenAI: Reasoning-Dokumentation · Terra-Modellkarte

Die Kostenfalle: Terra Pro kostet pro abgerechnetem Token genauso viel wie Terra, kann aber wesentlich mehr Reasoning-Token verbrauchen. Eine pauschale Verdopplung oder Verbesserung der Qualität ist nicht seriös ableitbar. Pro lohnt sich vor allem für seltene, schwierige Analysen, bei denen ein zusätzlicher Versuch oder ein menschlicher Korrekturschritt teuer wäre. Für gewöhnlichen Chat, strukturiertes Extrahieren und Routine-Code ist Standard der kostengünstigere Ausgangspunkt.

Batch ist billiger, aber nicht interaktiv

Die Batch-API sammelt Anfragen und verarbeitet sie asynchron. OpenRouter nennt für seinen Batch-Dienst ein Bearbeitungsfenster von bis zu 24 Stunden und halbierte Tokenpreise; in einer vor der Terra-Veröffentlichung durchgeführten Plattformauswertung wurden viele Jobs wesentlich früher abgeschlossen. Solche Erfahrungszahlen garantieren allerdings keine konkrete Terra-Laufzeit. OpenRouter: Batch-Ankündigung · Batch-Quickstart

Das passt zur Klassifikation tausender Datensätze, zu Offline-Evaluierungen oder zum nächtlichen Prüfen langer Aufgabenlisten. Für Live-Chats, Browsersteuerung mit sofortigen Folgeaktionen oder agentische Abläufe mit abhängigen Schritten ist Standard in der Regel geeigneter. Batch bedeutet keine höhere Modellqualität, sondern andere Latenz und Abrechnung.

Die Kosten im Praxisbeispiel

Die folgenden Rechnungen sind eigene Modellkalkulationen, keine gemessenen Nutzungsprotokolle. Annahmen: ausschließlich neue Input- und Output-Token, keine Cache-Nutzung oder Toolkosten; alle Einzelanfragen liegen unter der 272.000-Input-Token-Schwelle.

Szenario	Gesamt-Input	Gesamt-Output	Terra Standard	Terra Batch
Einzelauftrag	50.000	5.000	0,075 USD	0,0375 USD
Monatliche Routine	1 Mio.	100.000	1,50 USD	0,75 USD
Hoher Durchsatz	10 Mio.	2 Mio.	20,00 USD	10,00 USD

Die Formel lautet Kosten = Input-Tokens / 1.000.000 × Inputpreis + Output-Tokens / 1.000.000 × Outputpreis. Pro-Requests sind bewusst nicht in dieser Tabelle: Ohne die tatsächlich zusätzlich erzeugten Reasoning-Token wäre ein Festpreis irreführend.

Prompt-Caching ist nicht kostenlos

Terra kostet regulär 0,05 USD je Million gecachter Eingabe-Token. Cache-Writes kosten bei 30 Minuten Vorhaltung 1,25 USD je Million Token; für 12 Stunden sind es 2,50 USD. Ein Cache-Hit lohnt sich vor allem bei wiederholter Verwendung eines stabilen Präfixes, etwa denselben Tool-Definitionen oder demselben Repository-Kontext. Die Cache-Schreibrate ist ein eigener Tarif für die entsprechenden Input-Token, keine zusätzliche Gebühr auf denselben Input. OpenAI: Prompt Caching

Vorsicht oberhalb von 272.000 Input-Token

OpenAI dokumentiert für Terra: Überschreitet eine einzelne Anfrage 272.000 Input-Token, steigen der Input- und Cache-Preis für die gesamte Anfrage auf das Doppelte; der Output-Preis steigt auf das 1,5-Fache. Beispiel ohne Cache: 300.000 Input- und 10.000 Output-Token kosten im Standardmodus 0,3 × 2,00 + 0,01 × 7,50 = 0,675 USD statt 0,35 USD nach der normalen Tarifformel. OpenAI: Terra-Preise

Kontextfenster, API und Mac-Kompatibilität

OpenAI nennt für gpt-6.1-terra ein Kontextfenster von 1.050.000 Token, bis zu 128.000 Output-Token, einen Wissensstichtag am 1. Juni 2026, Text- und Bildeingabe und Textausgabe. Audio- und Videoeingaben sind auf der Modellkarte nicht als unterstützte Eingabe-Modalitäten ausgewiesen. Für Tool-Aufrufe verlangt OpenAI die Responses API. Die Modellfamilie bietet unter anderem Computer Use, Websuche und Structured Outputs an. Offizielle Modellkarte · Computer Use

Läuft Terra lokal auf einem Mac? Nein. Die Modellgewichte sind nicht öffentlich; auf einem Mac nutzt du das Modell als Cloud-Dienst über eine unterstützte API oder ein entsprechendes Produkt. Das Kontextfenster ist keine RAM-Angabe und bedeutet nicht, dass Terra auf einem Mac mini mit 32 GB lokal ausführbar wäre. Artificial Analysis: Modellprofil

Das folgende Beispiel nutzt die OpenAI Responses API direkt und erfordert ein eigenes API-Konto sowie einen API-Schlüssel. Der Schlüssel gehört als Umgebungsvariable OPENAI_API_KEY in die Laufzeit, nicht in Git oder den Browser:

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"mode": "standard", "effort": "medium"},
    input="Fasse die technischen Risiken dieser Migrationsplanung in fünf Punkten zusammen."
)
print(response.output_text)

Für die Paketinstallation: python3 -m pip install -U openai. Bei automatisierten Oberflächenaktionen sind isolierte Laufzeiten, Rechtebeschränkungen, Freigaben für folgenreiche Aktionen und Ergebnisprüfungen erforderlich; die Modellfähigkeit allein ersetzt diese Schutzmaßnahmen nicht. OpenAI: Computer-Use-Sicherheitsanleitung

Wie gut ist GPT-6.1 Terra wirklich?

OpenAI nennt beim eigenen Terminal-Bench-4.0-Test auf maximalem Reasoning-Aufwand 50,3 % gelöste Aufgaben gegenüber 21,5 % bei GPT-5.6 Terra. Das ist eine Herstellerangabe. Unabhängig davon ordnet Artificial Analysis Terra (Max) am 26. Oktober mit einem Intelligence Index von rund 48 ein, GPT-6.1 Sol rund vier Punkte höher. Im Coding Agent Index v2.0 erreicht Terra 48 Punkte, Sol 54. Die Zusammensetzung dieser Indizes sowie Setup und Reasoning-Stufe bestimmen, wie viel diese Ergebnisse für einen eigenen Workflow aussagen. OpenAI: Release · Artificial Analysis: unabhängige Auswertung

OpenAI berichtet zudem eine deutlich gesunkene Fehlerrate auf einem internen Faktentreue-Test: von 53,6 % bei GPT-5.6 Terra auf 16,7 % bei GPT-6.1 Terra bei niedrigem Aufwand. Das darf nicht als allgemeine Halluzinationsquote interpretiert werden. Artificial Analysis beobachtet in AA-Omniscience eine andere Größe: Terra spekuliert dort bei unbekannten Antworten in etwa 38 % der Fälle, gegenüber 88 % beim Vorgänger. Diese Messungen sind nicht direkt austauschbar. OpenAI · Artificial Analysis

Datenschutz in Deutschland: Direkt-API und OpenRouter unterscheiden

Das ist für eine geschäftliche Integration wichtiger als die Modellbezeichnung. OpenAI selbst führt GPT-6.1 Terra in den aktuellen regionalen API-Matrizen mit EU-Datenresidenz und EU-Verarbeitung, einschließlich Standard, Flex und Batch. Die Verfügbarkeit ist an geeignete Organisations- und Projekteinstellungen sowie unterstützte Endpunkte gebunden; Datenresidenz bedeutet nicht automatisch, dass jeder beliebige API-Aufruf regional verarbeitet wird. OpenAI: Data Controls

OpenRouter kennzeichnet Terra, Terra Pro und die Batch-Varianten zum Prüfdatum dagegen als nicht für sein EU-In-Region-Routing verfügbar. OpenRouter beschreibt außerdem, dass seine eigene Batch-API US-basierte Speicher- und Warteschlangen-Infrastruktur nutzt und am EU-Endpunkt nicht angenommen wird. Das ist eine Aussage über den gewählten Router, nicht über OpenAIs direkte EU-API. Terra bei OpenRouter · OpenRouter: EU-Routing

Für personenbezogene oder vertrauliche Daten genügt deshalb weder die Behauptung „EU-fähiges Modell“ noch der allgemeine Name eines Dienstes. Prüfe Auftragsverarbeitung, konkrete Endpunkte, Vertragsbedingungen, Unterauftragsverarbeiter und Speicher-/Verarbeitungsregion. Diese technische Einordnung ist keine individuelle Rechtsberatung.

Welches Terra sollte man wählen?

Für interaktive Agenten und Alltags-Code ist gpt-6.1-terra mit Standard-Reasoning der beste Ausgangspunkt. Für seltene, anspruchsvolle Fehleranalysen kann openai/gpt-6.1-terra-pro sinnvoll sein – die tatsächlichen Mehrausgaben müssen an eigenen Aufgaben gemessen werden. Für unabhängige Offline-Batches ist :batch finanziell attraktiv. Bei EU-gebundener Verarbeitung sollte vor einem Deployment geprüft werden, ob der konkrete Anbieterweg dies technisch und vertraglich garantiert; die direkte OpenAI-EU-API ist hier nicht mit OpenRouters globalem Zugang gleichzusetzen.

Wer schwieriges Coding als Kernaufgabe hat, sollte Terra gegen GPT-6.1 Sol auf identischen eigenen Aufgaben testen, nicht nur aggregierte Scores vergleichen. OpenAI empfiehlt für besonders komplexe Aufgaben weiterhin Sol oder Astra. OpenAI: Modellauswahl

Weiterlesen: GPT-6 Sol vs. Luna: Pro, Batch und die Preisfallen · GPT-6 Astra: Preis und Mac-Einsatz · OpenAI DevDay: GPT-6.1 Sol

Redaktionelle Methodik: Herstellerdokumentation und Modellkarten, vier OpenRouter-Einträge, unabhängige Messungen von Artificial Analysis und regionale Produktdokumentation wurden am 27.10.2026 gegengeprüft. Eigene Modelltests wurden nicht durchgeführt; Tabellenkalkulationen sind als solche gekennzeichnet. Stand und regionale Angebote können sich ändern. Hinweise auf sachliche Fehler sind über die Kontaktseite von AI on Mac möglich.