Wer schon OpenAI-kompatiblen Code hat, braucht für gpt-6.1-terra meist nur zwei Zeilen: base_url und model. Die eigentliche Frage ist, was danach funktioniert. Ich habe drei Dinge geprüft, die man in der Praxis wirklich testet: Bilder lesen, Bedienschritte planen und JSON liefern, das sich direkt weiterverarbeiten lässt.
Am 26. Oktober 2026 hat OpenAI GPT-6.1 Terra veröffentlicht. Das Modell löst GPT-5.6 Terra in der mittleren Klasse der GPT-6.1-Familie ab. Die API-Modell-ID lautet gpt-6.1-terra. OpenAI beschreibt es als schnell und günstiger, mit Schwerpunkt auf Bildverständnis, Computerbedienung und Schreiben.
Was gpt-6.1-terra kann und akzeptiert
Die offizielle Einordnung umfasst vier Punkte: schnell und günstiger, Bildverständnis, Computerbedienung (laut OpenAI nah an GPT-6 Astra in den eigenen Tests) und Texterstellung.
| Eigenschaft | Wert |
|---|---|
| API-Modell-ID | gpt-6.1-terra |
| Kontextfenster | 1.050.000 Tokens |
| Maximale Ausgabe | 128.000 Tokens |
| Eingabe | Text, Bilder |
| Ausgabe | Text |
| Wissensstand | 1. Juni 2026 |
Sol ist für anspruchsvollere Aufgaben gedacht, Luna für leichte Massenverarbeitung, Astra ist die Spitze. OpenAI empfiehlt für komplexes Programmieren weiterhin Sol oder Astra. Diese Grenze ist für die Modellwahl wichtiger als jede einzelne Benchmark-Zahl.
Zugriff auf gpt-6.1-terra über die API
Die Tests in diesem Artikel liefen direkt über HTTPS gegen https://api.crazyrouter.com/v1 mit dem Pfad /chat/completions. Der API-Schlüssel gehört in eine Umgebungsvariable.
Der folgende Beispielcode wurde mit dem OpenAI-SDK tatsächlich ausgeführt und lieferte eine Antwort mit HTTP 200.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["CRAZYROUTER_API_KEY"],
base_url="https://api.crazyrouter.com/v1",
)
resp = client.chat.completions.create(
model="gpt-6.1-terra",
messages=[{"role": "user", "content": "Beschreibe die Einordnung von GPT-6.1 Terra in drei Sätzen, ausschließlich auf Basis dieser Fakten: OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 veröffentlicht. API-Modell-ID: gpt-6.1-terra. Schnell und günstiger, Schwerpunkt Bildverständnis, Computerbedienung und Schreiben. Nachfolger von GPT-5.6 Terra."}],
)
print(resp.choices[0].message.content)
Das Feld usage in jeder Antwort zeigt Prompt-, Completion- und Reasoning-Tokens getrennt. Wer Kosten aus Zeichenzahlen schätzt, übersieht die Reasoning-Tokens, die oft den größten Anteil haben.
Bildverständnis mit gpt-6.1-terra: Punkt für Punkt geprüft
Für den Bildtest habe ich einen Screenshot einer dunklen Umlaufanimation verwendet. Er zeigt einen leuchtenden Mittelpunkt, sechs beschriftete Punkte auf Bahnen, eine FPS- und Geschwindigkeitsanzeige oben links und eine Steuerleiste mit Schieberegler unten.
Das Modell beschrieb die Szene in eigenen Worten. Beim Abgleich mit dem Original stimmten der Mittelkörper, alle sechs Beschriftungen und ihre Farben, beide Anzeigewerte, die Tastenbeschriftungen und die Position des Schiebereglers. Für die Prüfung einer Oberfläche oder die Textextraktion als ein Schritt in einer Pipeline reicht das. Wichtige Felder sollte man trotzdem stichprobenartig prüfen, bevor man sie ungeprüft in eine Datenbank schreibt.
gpt-6.1-terra plant Bedienschritte, führt sie aber nicht aus
Terra kann eine Folge von Oberflächenaktionen planen, klickt aber nichts selbst. Ausführung, Erkennung von Dialogen und Fehlerbehandlung liegen bei der Ausführungsschicht.
Im Test ging es um eine Einstellungsseite: Ein Datenfreigabe-Schalter sollte in den Datenschutzeinstellungen aktiviert werden. Das Modell lieferte drei Schritte: Datenschutz-Tab anklicken, Steuerelement toggle_share anklicken, danach prüfen, ob der Schalter aktiv ist.
Interessanter war ein Fall mit Risiko. Ein Dialog fragte, ob eine bestehende Datei überschrieben werden soll. Ziel war, die alte Datei zu behalten und eine neue zu speichern. Das Modell wählte nicht die Standardaktion „Überschreiben“, sondern „Speichern unter“, nannte die neue Datei report_v2.pdf und ergänzte eine Prüfung, dass die Originaldatei unverändert ist.
Bei Überschreiben, Löschen und Zahlungen sollte die Ausführungsschicht immer eine menschliche Bestätigung verlangen.
gpt-6.1-terra liefert JSON, das sich parsen lässt
Wenn der Prompt gültiges JSON verlangt, lässt sich die Antwort direkt parsen. Im Extraktionstest gab das Modell Modell-ID, Veröffentlichungsdatum, Einordnung, Ein- und Ausgabemodalitäten, Kontextfenster und maximale Ausgabe als ein einziges Objekt zurück, mit allen Feldern und korrekten Typen. Für einen Dauerbetrieb sollte man das Ergebnis zusätzlich gegen ein JSON-Schema validieren. Ein selten fehlendes Feld fällt sonst kaum auf und landet still im Speicher.
Texterstellung mit gpt-6.1-terra
Mit Veröffentlichungsdatum, Modell-ID und offizieller Einordnung schrieb Terra einen kurzen Nachrichtenlead, der alle Punkte abdeckte. Das ist brauchbar als Entwurf. Ton und alle Aussagen, die nicht aus der Quelle stammen, muss ein Mensch prüfen.
Grenzen von gpt-6.1-terra
- Terra ist auf Geschwindigkeit und Kosten ausgelegt, nicht auf die schwierigste Argumentation. Für langfristige, komplexe Schlussfolgerungen sind Sol oder Astra die sicherere Wahl.
- Sehr lange Anfragen können oberhalb einer Kontextschwelle einen zusätzlichen Preisaufschlag haben. Langlaufende Agenten-Schleifen erreichen diese Schwelle schnell. Die offiziellen Preisbedingungen sollte man vor einer Kostenschätzung prüfen.
- Feinabstimmung ist zum Start nicht verfügbar.
- Zum Start sind ChatGPT Chat, der kostenlose Tarif und der Go-Tarif ausgeschlossen, einige Funktionen sind regional eingeschränkt.
- Die Ausgabe ist nur Text, Audio oder Video gibt es nicht.
Wo gpt-6.1-terra passt
Passend ist das Modell für viele Aufgaben mit strukturierter, überprüfter Ausgabe: Prüfung von Screenshots, Textextraktion aus Oberflächen, das Umwandeln von Bedienanleitungen in Schrittlisten und das Herausziehen fester Felder aus Mitteilungen oder Formularen. Schwächer ist es bei anspruchsvollem Programmieren, bei langen Argumentationsketten und bei unbeaufsichtigter Desktop-Automatisierung ohne Ausführungsschicht und menschliche Kontrollpunkte.
Fazit: gpt-6.1-terra mit eigenen Daten prüfen
In diesen Tests las gpt-6.1-terra einen dichten Oberflächen-Screenshot korrekt, plante Schritte mit einer sinnvollen Vorsichtsentscheidung, lieferte parsbares JSON und schrieb einen sauberen Lead. Es waren jeweils einzelne Aufrufe, keine Benchmarks. Vor einer Produktionsentscheidung sollte man dieselben Screenshots und Prompts durch Terra und Sol laufen lassen und Feldgenauigkeit sowie JSON-Parse-Erfolg auf den eigenen Daten vergleichen.
Eine Übersicht der Modelle, die über denselben Endpunkt erreichbar sind, findet sich im Crazyrouter-Verzeichnis für Chat-Modelle. Zur Sol-Seite geht es über die GPT-6.1-Sol-Modellseite.
Quellen
Top comments (0)