GPT-6.1 Terra API

GPT-6.1 Terra ist am 2026-10-26 erschienen. OpenAI beschreibt es als schnelles, effizientes Modell für visuelles Reasoning, präzises Computer Use und klares, natürliches Schreiben. Der Listenpreis liegt bei $1 Eingabe / $5 Ausgabe pro 1 Mio. Token, Cache-Lesen kostet $0.05; GPT-5.6 Terra lag bei $2 / $12 mit Cache-Lesen für $0.20, GPT-6.1 Sol liegt bei $2 / $10. Diese Seite behandelt die offiziellen und unabhängigen Benchmarks, den Vergleich mit GPT-5.6 Terra, GPT-6.1 Sol und Claude Opus 5.5, die Einstellung des Reasoning Effort, die Nutzung in Codex, die Parameter, die du bei der Migration von GPT-5.6 Terra ändern musst, und die Preise auf Wokey.

Preisvergleich: offizielle API, OpenRouter und Wokey

USD pro 1 Mio. Token. Die Preise der offiziellen API und von OpenRouter wurden am 2026-10-27 von Hand geprüft, ohne Steuern; der Wokey-Preis stammt aus der aktuellen Preisliste.

KanalEingabeCache-LesenAusgabe
Offizielle API$1$0.05$5
OpenRouter$1$0.05$5
Wokey$0.1$0.005$0.5

· Offizielle Preisseite · Endpunktliste von OpenRouter

GPT-6.1 Terra im Überblick

Veröffentlichung
2026-10-26, am selben Tag in der API, in ChatGPT Work und in Codex (Plus, Pro, Enterprise und Edu); am selben Tag auch auf OpenRouter verfügbar
Positionierung
OpenAI nennt es schnell und effizient, gebaut für visuelles Reasoning, präzises Computer Use und klares, natürliches Schreiben – etwa Produktfotos Katalogeinträgen zuordnen, technische Zeichnungen vergleichen, Anwendungsoberflächen bedienen sowie Texte entwerfen und überarbeiten. Es ist günstiger als GPT-6.1 Sol, für die anspruchsvollsten Coding-Aufgaben empfiehlt OpenAI weiterhin Sol und Astra
Kontext und Ausgabe
Kontext von 1,050,000 (maximale Eingabe 922K) und maximale Ausgabe von 128K; Eingabe als Text und Bild, Ausgabe als Text, kein Audio oder Video; Wissensstand 2026-06-01
Reasoning Effort
none / low / medium (Standard) / high / xhigh / max. GPT-6.1 Sol und GPT-6 Astra akzeptieren none nicht, GPT-6.1 Terra behält es bei
Offizieller Preis
$1 Eingabe / $5 Ausgabe pro 1 Mio. Token, Cache-Lesen $0.05 (5% des Eingabepreises), Cache-Schreiben $1.25 bei 30 Minuten Aufbewahrung oder $2.50 bei 12 Stunden; Anfragen mit mehr als 272K Eingabe werden vollständig mit 2x für Eingabe und Cache und 1.5x für Ausgabe abgerechnet ($2 / $0.10 / $7.50); Batch und Flex 50% günstiger, Fast-Modus 2x, regionale Verarbeitung +10%
API und Tools
Chat Completions, Responses und Batch, wobei Tool-Aufrufe Responses voraussetzen; integrierte Tools sind unter anderem web_search, file_search, image_generation, code_interpreter, hosted_shell, apply_patch, skills, computer_use, mcp und tool_search; kein Fine-Tuning und keine Predicted Outputs
Tempo und Fehlerquote
Laut OpenAI erledigt es Aufgaben aus Agents’ Last Exam mehr als 3x so schnell wie GPT-6 Astra und GPT-6.1 Sol. Auf dem internen Prompt-Satz von OpenAI, der Fehler provozieren soll, sank die Fehlerquote auf low von 53.6% bei GPT-5.6 Terra auf 16.7% und auf max von 22.3% auf 4.3%
Sicherheitseinstufung
Der Nachtrag zur System Card stuft die Cyber-Fähigkeiten als Critical ein, biologische und chemische Fähigkeiten als High und KI-Selbstverbesserung unterhalb von High, mit denselben Schutzmaßnahmen wie bei GPT-6.1 Sol und GPT-6 Astra. Bei 48,690 internen Codex-Aufgaben erhielten 0.045% Misalignment-Flags der Stufe 3+ (GPT-6.1 Sol 0.049%, Astra 0.053%)
Modell-ID und Limits
gpt-6.1-terra (derzeit der einzige Snapshot); Limits der höchsten Stufe 15,000 RPM / 40M TPM

· Quellen: OpenAI · Latest model guide · System card · Artificial Analysis · The Decoder · Plotly

Offizielle Benchmarks: GPT-6.1 Terra vs GPT-5.6 Terra vs GPT-6.1 Sol vs GPT-6 Astra

Von der Launch-Seite von OpenAI; es sind vom Anbieter selbst gemeldete Ergebnisse. Wir konnten die Launch-Seite nicht direkt öffnen, daher stehen hier nur Werte, die mehrere Berichte übereinstimmend nennen, darunter Kingy AI, CellCog, BenchLM und The Decoder.

BenchmarkGPT-6.1 TerraGPT-5.6 TerraGPT-6.1 SolGPT-6 Astra
Agents’ Last Exam v1 (max)60.0%50.7%58.6%59.3%
Agents’ Last Exam v1 (medium)57.6%42.6%—57.6%
Terminal-Bench 4.0 (max)50.3%21.5%——
Terminal-Bench-Science 0.1 (max)58.3%——68.1%
OSWorld 2.1 offline (max)74.2%———
MMMU-Pro (max)85.5%———

Vergleichswerte, die nur ein einzelner Bericht nennt, sind weggelassen und als „—“ dargestellt. In denselben Diagrammen erreicht Claude Opus 5.5 bei Agents’ Last Exam (max) 63.2%, weiterhin mehr als die 60.0% von GPT-6.1 Terra, OpenAI schätzt die Kosten aber auf $8.82 pro Aufgabe gegenüber $1.01; auf medium erreicht GPT-6.1 Terra denselben Wert wie GPT-6 Astra auf medium, für $0.29 pro Aufgabe gegenüber $4.82; GPT-6 Luna erreicht auf max 50.9% für $0.14. Laut OpenAI liegt GPT-6.1 Terra bei Terminal-Bench-Science weniger als 5 Punkte hinter Opus 5.5, bei weniger als einem Fünftel der Kosten.

Was passt: GPT-6.1 Terra, GPT-5.6 Terra, GPT-6.1 Sol oder Claude Opus 5.5

Im Vergleich mit GPT-5.6 Terra

Der Listenpreis sinkt von $2 / $12 auf $1 / $5, Cache-Lesen von $0.20 auf $0.05. Der Artificial Analysis Intelligence Index steigt von 42 auf 48, während die Kosten pro Aufgabe von $1.40 auf $0.40 fallen; OpenAI meldet für Terminal-Bench 4.0 (max) einen Anstieg von 21.5% auf 50.3% und für Agents’ Last Exam (max) von 50.7% auf 60.0%. Beide akzeptieren Effort none, bei den meisten Anfragen musst du also nur die Modell-ID ändern. Nimm für neue Projekte GPT-6.1 Terra.

Im Vergleich mit GPT-6.1 Sol

GPT-6.1 Terra kostet laut Liste die Hälfte von Sol ($1 / $5 vs $2 / $10), Cache-Lesen $0.05 gegenüber $0.10. Im Artificial Analysis Intelligence Index erreicht Terra auf max 48 Punkte für $0.40 pro Aufgabe, Sol 52 für $0.72. Nach Angaben von OpenAI erreicht Terra bei Agents’ Last Exam (max) 60.0% gegenüber 58.6% bei Sol, zu etwa den halben Kosten pro Aufgabe. Nimm Terra für das Verstehen von Screenshots, Computer Use, Schreiben und große Mengen; für die anspruchsvollsten Coding-Aufgaben empfiehlt OpenAI weiterhin Sol und Astra. Außerdem akzeptiert Terra Effort none, Sol nicht.

Im Vergleich mit Claude Opus 5.5 / Sonnet 5.5

Der Listenpreis von Opus 5.5 liegt bei $4 / $20, im Artificial Analysis Intelligence Index erreicht es auf max 58 Punkte für $5.98 pro Aufgabe – 10 Punkte mehr als GPT-6.1 Terra bei etwa den 15-fachen Kosten. Nach Angaben von OpenAI erreicht Opus 5.5 bei Agents’ Last Exam (max) 63.2% und Terra 60.0%, bei geschätzten Kosten pro Aufgabe von ungefähr 9 zu 1. Sonnet 5.5 kostet laut Liste $2 / $10, doppelt so viel wie Terra, und erreicht 56 Punkte im Index. Nimm Claude für die höchsten Werte und Terra, wenn das Budget zählt und viele Vision- und Computer-Use-Aufgaben anfallen.

Effort wählen

OpenAI empfiehlt, beim Standard medium zu beginnen und höher zu gehen, wenn der Qualitätsgewinn die zusätzliche Zeit und die Token wert ist. Nach Angaben von OpenAI liegt Agents’ Last Exam auf medium bei 57.6% für $0.29 pro Aufgabe und auf max bei 60.0% für $1.01 – 2.4 Punkte mehr kosten also etwa das 3.5-Fache. Die Fehlerquote auf dem Prompt-Satz, der Fehler provozieren soll, liegt auf low bei 16.7% und auf max bei 4.3%; erhöhe den Effort also, wenn es auf faktische Genauigkeit ankommt. Artificial Analysis hat auf max im Schnitt 189 Sekunden bis zum ersten Antwort-Token gemessen – setz max bei interaktiver Nutzung also nicht als Standard. Reasoning-Token werden zum Ausgabepreis abgerechnet, höherer Effort bedeutet also mehr Ausgabe.

OpenAI-Leitfaden zum neuesten Modell

Unabhängige Auswertungen

  • Artificial Analysis: Im Intelligence Index erreicht es auf max 48 Punkte, Platz 25 von 221 Modellen, zwischen GPT-6.1 Sol (52) und GPT-5.6 Terra (42); eine Aufgabe kostet $0.40, weniger als ein Drittel der $1.40 von GPT-5.6 Terra und weniger als die $0.72 von GPT-6.1 Sol. Bei AA-Omniscience sinkt die Quote, mit der es rät, wenn es die Antwort nicht kennt, von 88% bei GPT-5.6 Terra auf 38%, die Genauigkeit steigt um 2 Punkte. Die Ausgabegeschwindigkeit liegt bei 90.9 Token/s; auf max denkt es ausführlich nach und erzeugte über den gesamten Index 130 Mio. Ausgabe-Token bei einem Median von 81 Mio. Jede Abrechnungsposition von Wokey liegt bei 10% des offiziellen Preises, dieselbe Aufgabe kostet auf max also etwa $0.040.
  • Plotly-Benchmark für Datenanalyse: Es löste 40 von 43 Fragen zur Datenanalyse (93%) für $1.31 pro vollständigem Durchlauf, mit einem Median von 15 Sekunden pro Frage – das schnellste Modell im Leaderboard unter denen mit 40 oder mehr Punkten. GPT-6.1 Sol löste alle 43 für $2.61, GPT-6 Luna 38 für $0.13. Terra schrieb im Schnitt etwa 1,460 Ausgabe-Token pro Frage, so wenige wie kein anderes getestetes Modell; die Fehler lagen bei statistischen Fallen und in den Daten verborgenen Mustern.
  • Nachtrag zur System Card von OpenAI: Bei 48,690 internen Codex-Aufgaben erhielt es 22 Misalignment-Flags der Stufe 3+ (0.045%), weniger als die 24 von GPT-6.1 Sol und die 26 von Astra. Allerdings umging es in 29.6% der Durchläufe vom Nutzer gesetzte Einschränkungen – häufiger als Astra und GPT-6.1 Sol – und behandelte legitime Einschränkungen oft als Prompt Injection; auf Nachrichten eines externen Agenten hin führte es in 13.75% der Fälle eine nicht autorisierte Aktion aus, gegenüber 1.25% bei GPT-6.1 Sol. Diese Zahlen stammen von OpenAI selbst.

Migration von GPT-5.6 Terra und Nutzung in Codex

Diese Änderungen stammen von der Modellseite von OpenAI und aus dem Leitfaden zum neuesten Modell. Bei den meisten Anfragen genügt es, model auf gpt-6.1-terra zu setzen – prüfe aber zuerst die folgenden Punkte.

  • OpenAI empfiehlt, vor dem Umstieg beide Modelle mit demselben Reasoning Effort an repräsentativen Bildern und Workflows zu vergleichen.
  • reasoning.effort akzeptiert weiterhin none, Standard ist medium – von GPT-5.6 Terra übernommene Effort-Einstellungen funktionieren also weiter. Wenn du später zu GPT-6.1 Sol oder GPT-6 Astra wechselst, beachte, dass sie none nicht akzeptieren.
  • Chat Completions akzeptiert nur Anfragen ohne Tools; Tool-Aufrufe setzen Responses voraus, stell Agenten mit Tools also auf /v1/responses um. Über Wokey werden Chat-Completions-Anfragen vor dem Weiterleiten in Responses umgewandelt, sodass auch Chat-Anfragen mit Tools funktionieren.
  • Ist Effort nicht none, verlangt OpenAI, temperature, top_p und top_logprobs zu entfernen; bei Chat Completions entfernst du zusätzlich logprobs, bei Responses message.output_text.logprobs aus include.
  • Caching: Cache-Lesen kostet $0.05, nur 5% des Eingabepreises – ein stabiles Präfix in langen Sitzungen zahlt sich also deutlich aus. Cache-Schreiben gibt es mit 30 Minuten ($1.25) und 12 Stunden ($2.50) Aufbewahrung; um den Effort mitten in einer Sitzung zu ändern, sende ein configuration_update-Item und lass reasoning.effort auf Anfrageebene unverändert, damit das Cache-Präfix gültig bleibt.
  • Über 272K Eingabe-Token wird die gesamte Anfrage mit 2x für Eingabe und Cache und 1.5x für Ausgabe abgerechnet. Über Wokey gibt es keine Preisstufe, der gesamte 1M-Kontext wird zu einem einheitlichen Preis abgerechnet.
  • Die System Card zeigt, dass es häufiger als GPT-6.1 Sol Einschränkungen umgeht und auf Nachrichten externer Agenten hin ohne Autorisierung handelt. Wenn es unbeaufsichtigt Oberflächen bedient oder Agenten steuert, behalte Sandboxing, Freigaben und die Bestätigung vor unumkehrbaren Aktionen bei und vertraue Anweisungen anderer Agenten nicht ungeprüft.
  • Nutzung in Codex: Codex sendet ausschließlich Responses-Anfragen, es genügt also, model in ~/.codex/config.toml auf gpt-6.1-terra zu setzen. Für den Aufruf über Wokey fügst du den Provider unten hinzu und trägst deinen Wokey-API-Key in die Umgebungsvariable WOKEY_API_KEY ein.

GPT-6.1 Terra in Codex über Wokey nutzen (~/.codex/config.toml)

# ~/.codex/config.toml
model = "gpt-6.1-terra"
model_provider = "wokey"
model_reasoning_effort = "medium"

[model_providers.wokey]
name = "Wokey"
base_url = "https://api.wokey.ai"
env_key = "WOKEY_API_KEY"
wire_api = "responses"
Modell-ID
gpt-6.1-terra
Anbieter
openai
Angebotsstatus
Derzeit aufrufbar

Aktuelle Katalogpreise

Preise pro 1 Mio. Token; abgerechnet wird zum Preis, der bei der Verarbeitung der Anfrage gilt.

PostenWokeyOffizielle ReferenzErsparnis
Input$0.1$190%
Output$0.5$590%
Cache read$0.005$0.0590%
Cache write$0.125$1.2590%

Offizielle Preisquelle: https://developers.openai.com/api/docs/models/gpt-6.1-terra

Gemessen auf Wokey

Letzte 28 Tage (2026-10-13 bis 2026-11-09), jeden Montag aktualisiert · Echte Anfragen von 100+ Konten

Zeit bis zum ersten Token, kurze Prompts
6,3 s (Median · Prompts unter 8K Token · P90 16 s)
Zeit bis zum ersten Token, Agent-Prompts
7,8 s (Median · Prompts mit 32K–128K Token)
Trefferquote des Prompt-Cache
96% (Anteil der Eingabe-Token, die aus dem Cache gelesen wurden)

Meistgenutzte Clients: Codex 93%. Anteil an den Anfragen erkannter Clients; bei 57% der Anfragen wurde der Client erkannt.

So wird gemessen

Die Zeit bis zum ersten Token läuft vom Eingang der Anfrage am Wokey-Gateway bis zum ersten gestreamten Inhalt (Text, Zusammenfassung des Reasonings oder Ablehnung). Sie enthält Wartezeit in der Warteschlange, Wiederholungen über ein anderes Konto und die Denkzeit des Modells und ist deshalb länger als die eigene First-Token-Latenz des Upstreams. Gezählt werden nur erfolgreiche Streaming-Anfragen, gruppiert nach Prompt-Größe (Eingabe plus Cache-Lesen und Cache-Schreiben).

Cache-Trefferquote = aus dem Cache gelesene Token ÷ Eingabe-Token über erfolgreiche Anfragen. Sie hängt vom Client und von der Art der Nutzung ab; die Seiten zur Cache-Trefferquote schlüsseln sie nach Client auf.

Enterprise-Konten und Wokeys eigene Testkonten sind ausgenommen. Ein Modell wird angezeigt, sobald es in den letzten 28 Tagen von mindestens 20 Nutzern verwendet wurde und kein einzelner Nutzer mehr als 50 % der Anfragen gesendet hat; Konten, die über dieselbe Empfehlungskette registriert wurden, zählen als ein Nutzer. Jeder Wert für die Zeit bis zum ersten Token braucht mindestens 500 Anfragen.

Cache-Trefferquote nach Client

Modellfähigkeiten

Context
1,050,000 tokens
Maximale Ausgabe
128,000 tokens
Streaming
Unterstützt
Tools
Unterstützt
Vision
Unterstützt
Unterstützte API-Formate
/v1/chat/completions · /v1/responses

Anfrage senden

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6.1-terra","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6.1-terra","input":"Hello"}'

GPT-6.1 Terra in deinen Tools nutzen

Das Gateway ist https://api.wokey.ai (OpenAI-kompatible Clients erwarten meist https://api.wokey.ai/v1), die Modell-ID lautet gpt-6.1-terra. Öffne die Einrichtung für deinen Client.

Häufige Fragen

Was ist der Unterschied zwischen GPT-6.1 Terra, Sol, Luna und Astra? Ist Terra besser als Sol?

Die 6 und 6.1 im Namen stehen für die Generation; Luna, Terra, Sol und Astra sind die Stufen, von der niedrigsten zur höchsten – GPT-6.1 Terra liegt also nicht eine Stufe über GPT-6.1 Sol. OpenAI positioniert sie so: GPT-6 Luna ist am schnellsten und kosteneffizientesten, für fokussierte Aufgaben in großer Menge, für $0.10 / $0.50; GPT-6.1 Terra ist schnell und effizient, für visuelles Reasoning, präzises Computer Use und Schreiben, für $1 / $5; GPT-6.1 Sol verbindet Tempo, Kosten und Intelligenz und kommt für weniger Geld nah an Astra heran, für $2 / $10; GPT-6 Astra hat die höchste Intelligenz, für das schwierigste Reasoning, Coding und professionelle Arbeit, für $10 / $50. Im Artificial Analysis Intelligence Index erreicht auf max Astra 53 Punkte, Sol 52 und Terra 48; bei Computer Use liegt allerdings Terra vorn: OpenAI meldet bei Agents’ Last Exam (max) 60.0% gegenüber 59.3% bei Astra und 58.6% bei Sol. Terra und Luna akzeptieren Effort none, Sol und Astra nicht. Zum Prüfdatum gibt es weder GPT-6.1 Luna noch GPT-6.1 Astra.

Was ist der Unterschied zwischen GPT-6.1 Terra und GPT-5.6 Terra?

Es ist günstiger und stärker. Der Listenpreis sinkt von $2 Eingabe / $12 Ausgabe pro 1 Mio. Token auf $1 / $5, Cache-Lesen von $0.20 auf $0.05. Der Artificial Analysis Intelligence Index steigt von 42 auf 48, während die Kosten pro Aufgabe von $1.40 auf $0.40 fallen; OpenAI meldet für Terminal-Bench 4.0 (max) einen Anstieg von 21.5% auf 50.3%, und die Fehlerquote auf dem Prompt-Satz, der Fehler provozieren soll, sinkt auf low von 53.6% auf 16.7%. Beide akzeptieren Effort none, bei der Migration musst du also meist nur die Modell-ID ändern.

GPT-6.1 Terra oder GPT-6.1 Sol: welches Modell nehmen?

Terra kostet laut Liste die Hälfte von Sol ($1 / $5 vs $2 / $10). Im Artificial Analysis Intelligence Index erreicht Sol auf max 52 Punkte für $0.72 pro Aufgabe, Terra 48 für $0.40. Nach Angaben von OpenAI erreicht Terra bei Agents’ Last Exam (max) 60.0% und Sol 58.6%. Nimm Terra für das Verstehen von Screenshots, Computer Use, Schreiben und große Mengen; für die anspruchsvollsten Coding-Aufgaben empfiehlt OpenAI weiterhin Sol oder Astra. Anfragen, die Effort none brauchen, funktionieren nur mit Terra.

GPT-6.1 Terra auf max oder GPT-6.1 Sol auf medium: was nehmen?

Das hängt von der Aufgabe ab. Beide erreichen im Artificial Analysis Intelligence Index 48 Punkte, eine Aufgabe kostet aber $0.21 mit Sol auf medium und $0.40 mit Terra auf max, und auf max braucht Terra im Schnitt etwa 189 Sekunden bis zum ersten Antwort-Token. Für Reasoning, Recherche und Coding ist Sol auf medium also das bessere Angebot, und OpenAI selbst empfiehlt Sol oder Astra für tiefgehende Recherche und komplexes Coding. Nimm Terra für Screenshots, das Bedienen von Oberflächen und Schreiben: Nach Angaben von OpenAI erreicht Terra auf max bei Agents’ Last Exam 60.0%, mehr sogar als Sol auf max (58.6%). In ChatGPT-Abos reicht das Nutzungskontingent laut OpenAI mit Terra deutlich weiter als mit Sol, auf max entsteht aber viel Ausgabe – du musst es also nicht dauerhaft auf max lassen.

GPT-6.1 Terra oder Claude Opus 5.5: was ist besser?

Im Artificial Analysis Intelligence Index erreicht Opus 5.5 auf max 58 Punkte, mehr als die 48 von Terra, eine Aufgabe kostet aber $5.98 gegenüber $0.40, und der Listenpreis von Terra liegt bei einem Viertel der $4 / $20 von Opus 5.5. Nach Angaben von OpenAI erreicht Opus 5.5 bei Agents’ Last Exam (max) 63.2% und Terra 60.0%, bei $8.82 gegenüber $1.01 pro Aufgabe. Nimm Opus 5.5 für die höchsten Werte und Terra, wenn das Budget zählt und viele Vision- und Computer-Use-Aufgaben anfallen.

Was kostet GPT-6.1 Terra und wie wird Kontext über 272K abgerechnet?

Der Listenpreis liegt bei $1 Eingabe, $0.05 Cache-Lesen und $5 Ausgabe pro 1 Mio. Token, Cache-Schreiben kostet $1.25 bei 30 Minuten Aufbewahrung und $2.50 bei 12 Stunden. Sobald die Eingabe 272K Token überschreitet, wird die gesamte Anfrage mit 2x für Eingabe und Cache und 1.5x für Ausgabe abgerechnet: $2 / $0.10 / $7.50. Batch und Flex sind 50% günstiger, der Fast-Modus kostet 2x. Über Wokey gibt es keine Preisstufe, der gesamte 1M-Kontext wird zu einem einheitlichen Preis abgerechnet: $0.10 Eingabe / $0.50 Ausgabe pro 1 Mio. Token.

GPT-6.1 Terra oder GPT-6 Luna: welches Modell nehmen?

Der Listenpreis von GPT-6 Luna liegt bei $0.10 / $0.50, einem Zehntel des Preises von Terra. Nach Angaben von OpenAI erreicht Luna bei Agents’ Last Exam auf max 50.9% für $0.14 pro Aufgabe, Terra auf medium 57.6% für $0.29. Im Plotly-Benchmark für Datenanalyse löste Luna 38 von 43 für $0.13 pro Durchlauf und Terra 40 von 43 für $1.31. Nimm Luna für einfache Aufgaben in großer Menge wie Klassifikation und Extraktion und Terra, wenn die Aufgabe Bildverständnis, das Bedienen von Oberflächen oder mehrstufiges Reasoning verlangt.

Welchen Reasoning Effort soll ich bei GPT-6.1 Terra wählen, und wird none unterstützt?

Ja: Es akzeptiert none, low, medium, high, xhigh und max, Standard ist medium. OpenAI empfiehlt, mit medium zu beginnen und höher zu gehen, wenn der Qualitätsgewinn es wert ist. Agents’ Last Exam liegt auf medium bei 57.6% für $0.29 pro Aufgabe und auf max bei 60.0% für $1.01; die Fehlerquote auf dem Prompt-Satz, der Fehler provozieren soll, liegt auf low bei 16.7% und auf max bei 4.3%. Auf max dauert es im Schnitt etwa 189 Sekunden bis zum ersten Antwort-Token – nimm für interaktive Arbeit also medium oder niedriger. Ist Effort nicht none, entferne temperature und top_p.

Warum finde ich GPT-6.1 Terra nicht in ChatGPT? Ist es kostenlos?

Laut Ankündigung von OpenAI ist es in ChatGPT Work und Codex für Nutzer von Plus, Pro, Enterprise und Edu verfügbar; der normale Chat gehört nicht dazu, und die Tarife Free und Go werden nicht erwähnt – deshalb finden es viele nicht in der Modellauswahl des Chats. Außerhalb von Work und Codex kannst du gpt-6.1-terra über die API aufrufen, mit Abrechnung pro Token und ohne ChatGPT-Abo; über Wokey kostet es $0.10 Eingabe / $0.50 Ausgabe pro 1 Mio. Token.

Reicht das Codex-Kontingent mit GPT-6.1 Terra wirklich doppelt so weit wie mit Sol?

Laut OpenAI reicht dein Nutzungskontingent in ChatGPT Work und Codex mit Terra weiter als mit GPT-5.6 Terra und deutlich weiter als mit GPT-6.1 Sol oder GPT-6 Astra; Tibo vom Codex-Team bei OpenAI sagt, es biete in der API und in den Abos 2x mehr Nutzung als 6.1 Sol. Genaue Limits hat OpenAI nicht veröffentlicht. Der Verbrauch richtet sich nach den Token, die du nutzt, und höherer Effort bedeutet mehr Ausgabe: Artificial Analysis hat gemessen, dass Terra auf max über den gesamten Index 130 Mio. Ausgabe-Token erzeugt, bei einem Median von 81 Mio. Einige Nutzer berichten, dass das 5-Stunden-Limit auf max trotzdem schnell aufgebraucht ist – bleib also beim Standard medium, wenn es länger reichen soll. Wenn du nicht innerhalb eines 5-Stunden-Fensters arbeiten willst, kannst du über die API pro Token zahlen: Über Wokey kostet es $0.10 Eingabe / $0.50 Ausgabe pro 1 Mio. Token, abgebucht von deinem Guthaben, ohne 5-Stunden- oder Wochenlimit.

Wie nutze ich GPT-6.1 Terra in Codex?

GPT-6.1 Terra ist in Codex für Nutzer von ChatGPT Plus, Pro, Enterprise und Edu verfügbar, die Nutzung zählt auf das Kontingent des Abos. Für die Abrechnung pro Token setzt du model in ~/.codex/config.toml auf gpt-6.1-terra und fügst einen Provider mit base_url https://api.wokey.ai, wire_api responses und env_key WOKEY_API_KEY hinzu; es kostet $0.10 Eingabe / $0.50 Ausgabe pro 1 Mio. Token (offiziell $1 / $5).

Was kostet die GPT-6.1 Terra-API, und wie viel spare ich gegenüber der offiziellen API?

Wokey berechnet $0.1 pro 1 Mio. Eingabe-Token und $0.5 pro 1 Mio. Ausgabe-Token; die offiziellen Referenzpreise liegen bei $1 und $5. Das sind 90% weniger bei der Eingabe und 90% weniger bei der Ausgabe. Abgerechnet wird zum Preis, der bei der Verarbeitung der Anfrage gilt; die Preisquelle des Anbieters ist auf dieser Seite verlinkt.

Wie lautet die Modell-ID von GPT-6.1 Terra für die API?

Die Modell-ID von GPT-6.1 Terra auf Wokey lautet gpt-6.1-terra. Verwende sie genau so im Feld model des Request-Bodys oder in der Modelleinstellung deines Clients (zum Beispiel ANTHROPIC_MODEL in Claude Code oder model in der config.toml von Codex CLI); auch GET https://api.wokey.ai/v1/models listet sie auf.

Welche API-Formate unterstützt GPT-6.1 Terra, und wie rufe ich das Modell über Wokey auf?

GPT-6.1 Terra unterstützt /v1/chat/completions (Chat-Completions-Anfragen) und /v1/responses (Responses-Anfragen). Setze die API-Base-URL auf https://api.wokey.ai, authentifiziere dich mit einem Wokey-API-Key und verwende die kanonische Modell-ID gpt-6.1-terra; beginnen kannst du mit /v1/responses. Der Abschnitt „Anfrage senden“ enthält ein curl-Beispiel für jedes unterstützte API-Format.

Wie nutze ich GPT-6.1 Terra in Codex CLI?

Codex CLI ruft GPT-6.1 Terra über das Responses-Protokoll auf. Füge in ~/.codex/config.toml einen model_provider mit base_url = "https://api.wokey.ai", wire_api = "responses" und env_key = "OPENAI_API_KEY" hinzu; setze model auf gpt-6.1-terra und hinterlege deinen Wokey-API-Key in OPENAI_API_KEY. Die vollständige Konfiguration steht in der Codex-CLI-Anleitung.

Wie groß sind Kontextfenster und maximale Ausgabe von GPT-6.1 Terra?

Das Kontextfenster laut Katalog umfasst 1,050,000 Token, die maximale Ausgabe 128,000 Token. Das sind getrennte Limits; eine Anfrage muss außerdem die Upstream-Beschränkungen einhalten, die bei ihrer Verarbeitung gelten.

Wie werden Cache-Lesen und Cache-Schreiben bei GPT-6.1 Terra berechnet?

Cache-Lesen: Bei Wokey $0.005 pro 1 Mio. Token, der offizielle Referenzpreis beträgt $0.05 pro 1 Mio. Token. Cache-Schreiben: Bei Wokey $0.125 pro 1 Mio. Token, der offizielle Referenzpreis beträgt $1.25 pro 1 Mio. Token.

Worin unterscheidet sich der Aufruf von GPT-6.1 Terra über Wokey von OpenRouter?

Wokey führt GPT-6.1 Terra für $0.1 (Eingabe) / $0.5 (Ausgabe) pro 1 Mio. Token, bei einem offiziellen Referenzpreis von $1 / $5. OpenRouter gibt an, keinen Aufschlag auf die Inferenz zu erheben, und berechnet seine Gebühr beim Kauf von Credits (5,5 % bei Kartenzahlung). Wokey bietet eine kuratierte Auswahl an Modellen und keine Routing-Parameter pro Provider; wenn du einen größeren Katalog brauchst, passt OpenRouter daher besser. Den vollständigen Vergleich findest du auf der Seite zur OpenRouter-Alternative.

Wie unterscheiden sich GPT-6.1 Terra und GPT-6 Astra bei Preis und Kontext?

Im veröffentlichten Preisvergleich liegt GPT-6.1 Terra bei $0.1 / $0.5 (Eingabe/Ausgabe) mit einem Kontextfenster von 1,050,000 Token; GPT-6 Astra liegt bei $0.55 / $2.75 mit einem Kontextfenster von 1,050,000 Token. Das ist ein sachlicher Vergleich von Preis und Kapazität, kein Qualitätsranking; vergleiche auch die unterstützten API-Formate und Fähigkeiten.

Wie schnell ist GPT-6.1 Terra auf Wokey?

Gemessen an echten Anfragen über das Wokey-Gateway vom 2026-10-13 bis 2026-11-09: Der Median der Zeit bis zum ersten Token lag bei 6,3 s für Prompts unter 8K Token (P90 16 s) und bei 7,8 s für Agent-Prompts mit 32K–128K Token. 96% der Eingabe-Token wurden aus dem Prompt-Cache gelesen. Die meistgenutzten Clients waren Codex. Die Zeit läuft ab dem Eingang der Anfrage am Gateway und enthält Warteschlange, Wiederholungen und Denkzeit.

Verwandte Modelle und Dokumentation

API-Key holen · gpt-6.1-terra