So verwenden Sie die GPT-6.1 Terra API

GPT-6.1 Terra ist seit dem 26. Oktober 2026 in der OpenAI API unter der Modell-ID gpt-6.1-terra verfügbar. Es läuft über die Responses API, Chat Completions und Batch, kostet 1 $ pro Million Eingabe-Tokens und 5 $ pro Million Ausgabe-Tokens und verarbeitet bis zu 922.000 Eingabe-Tokens sowie 128.000 Ausgabe-Tokens. Wer bereits GPT-5.6 Terra aufruft, braucht für die Umstellung im Kern nur eine einzeilige Modelländerung – einige Einstellungen sollten aber vorab geprüft werden.

Probieren Sie Apidog noch heute aus

Dieser Leitfaden behandelt das Abrufen eines Schlüssels, Ihre erste Anfrage in curl, Python und Node, die sechs Reasoning-Aufwandstufen, Computer Use und andere Tools, die Kostenkontrollen sowie alles, was Sie bei der Migration von gpt-5.6-terra testen sollten. Eine Modellübersicht finden Sie unter Was GPT-6.1 Terra ist.

Was die API unterstützt

Funktion	GPT-6.1 Terra
Modell-ID	gpt-6.1-terra (ein Snapshot)
Endpunkte	Responses, Chat Completions, Batch
Nicht unterstützt	Realtime, Live, Assistants, Fine-Tuning, vorhergesagte Ausgaben
Eingabe	Text und Bild
Ausgabe	Text
Kontextfenster	1.050.000 Tokens (922.000 Eingabe, 128.000 Ausgabe)
Reasoning-Aufwand	none, low, medium (Standard), high, xhigh, max
Funktionen	Streaming, strukturierte Ausgaben, Function Calling, Prompt-Caching
Tools (nur Responses)	web_search, file_search, computer_use, code_interpreter, hosted_shell, apply_patch, skills, mcp, tool_search, image_generation

Quelle: OpenAIs Modellseite zu GPT-6.1 Terra. Gehostete Tools gibt es nur über die Responses API – verwenden Sie diese daher für neue Arbeit.

Schritt 1: API-Schlüssel erhalten

Erstellen Sie im Dashboard der OpenAI-Plattform einen Schlüssel und fügen Sie Abrechnung hinzu. Eine kostenlose Stufe gibt es für Terra nicht: Ein ChatGPT-Plus- oder Pro-Plan liefert Terra in ChatGPT Work und Codex, aber keinen API-Schlüssel. Unser Leitfaden dazu, ob GPT-6.1 Terra kostenlos ist, erklärt den Unterschied.

Exportieren Sie den Schlüssel, damit die folgenden Beispiele ihn lesen können:

export OPENAI_API_KEY="sk-..."

Die Rate Limits hängen von Ihrer Nutzungsstufe ab. Die Modellseite listet 5.000 Anfragen und 1 Million Tokens pro Minute in der Build-Stufe, 10.000 und 4 Millionen in Launch sowie 15.000 und 40 Millionen in Grow auf.

Schritt 2: Erste Anfrage senden

Mit curl gegen die Responses API:

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6.1-terra",
    "reasoning": { "effort": "low" },
    "input": "Summarize the difference between PUT and PATCH in two sentences."
  }'

In Python mit dem offiziellen SDK:

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    input="Summarize the difference between PUT and PATCH in two sentences.",
)

print(response.output_text)
print(response.usage)

In Node:

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6.1-terra",
  reasoning: { effort: "low" },
  input: "Summarize the difference between PUT and PATCH in two sentences.",
});

console.log(response.output_text);
console.log(response.usage);

Lassen Sie sich usage von Anfang an ausgeben. Es zeigt Eingabe-, gecachte und Ausgabe-Tokens – Reasoning-Tokens werden als Ausgabe abgerechnet.

Schritt 3: Reasoning-Aufwand wählen

Terra unterstützt sechs Aufwandstufen. Der Standard ist medium.

Aufwand	Wofür verwenden
none	Klassifizierung, Extraktion, Formatierung; deterministische Ausgabe
low	Kurze Antworten, einfache Tool-Aufrufe, die meiste Chat-Arbeit
medium	Der Standard; allgemeines Coding und Agent-Schritte
high / xhigh	Schwierigeres mehrstufiges Reasoning
max	Die Benchmark-Einstellung; schwierigste Aufgaben, am langsamsten und teuersten

Zwei Punkte stechen hervor.

none wird unterstützt. GPT-6.1 Sol hat diese Stufe entfernt, daher ist dies einer der praktischen Unterschiede zwischen beiden Modellen. Ein Entwickler im OpenAI-Community-Forum berichtet, dass Terra mit reasoning.effort: "none" wieder temperature und top_p akzeptiert. Für eine Pipeline, die Daten in großem Umfang klassifiziert oder extrahiert, bietet none die niedrigsten Kosten pro Aufruf und eine reproduzierbare Ausgabe.

Niedriger Aufwand hat sich am meisten verbessert. In OpenAIs internem Faktenrichtigkeits-Test fiel Terras Fehlerrate bei niedrigem Aufwand von 53,6 % bei GPT-5.6 Terra auf 16,7 %. Artificial Analysis hat außerdem größere Zugewinne gegenüber GPT-5.6 Terra bei niedrigeren Aufwandstufen gemessen (7 bis 13 Punkte) als bei max (6 Punkte). Wenn Sie GPT-5.6 Terra mit high ausgeführt haben, um akzeptable Qualität zu erhalten, probieren Sie low oder medium bei 6.1 Terra aus, bevor Sie annehmen, dass Sie dieselbe Einstellung brauchen.

Schritt 4: Tools verwenden, einschließlich Computer Use

OpenAI hat dieses Release mit „schnelle und leistungsfähige Computer Use zu einem niedrigeren Preis" beworben. Computer Use, Web Search, File Search und die anderen gehosteten Tools sind über die Responses API verfügbar. Ein Web-Search-Aufruf sieht so aus:

response = client.responses.create(
    model="gpt-6.1-terra",
    reasoning={"effort": "low"},
    tools=[{"type": "web_search"}],
    input="What changed in the latest OpenAPI Specification release?",
)
print(response.output_text)

Function Calling und Structured Outputs funktionieren wie bei anderen GPT-6-Modellen: Definieren Sie Ihre Funktionsschemata in tools oder übergeben Sie ein JSON-Schema in der Textformat-Einstellung – und validieren Sie, was zurückkommt. Für einen tieferen Blick auf Computer Use gegen eine echte App gilt unser Computer-Use-Leitfaden für GPT-6 Astra auch für Terra – bei einem Zehntel von Astras Preis pro Token.

Schritt 5: Kosten kontrollieren

Terras Preise sind bereits niedrig, und vier Einstellungen senken sie weiter:

• Prompt-Caching ist automatisch. Gecachte Eingabe kostet 0,05 $ pro Million gegenüber 1 $ für frische Eingabe. Halten Sie stabilen Inhalt (System-Prompt, Tool-Schemata, Referenzdokumente) am Anfang des Prompts. Cache-Schreibvorgänge kosten 1,25 $ pro Million für 30 Minuten Aufbewahrung oder 2,50 $ für 12 Stunden. Siehe unser GPT-6 Prompt-Caching-Leitfaden.
• Batch halbiert jeden Preis für asynchrone Jobs: 0,50 $ Eingabe, 2,50 $ Ausgabe. Unser OpenAI Batch API-Leitfaden zeigt den vollständigen Ablauf.
• Flex bietet denselben halben Preis für normale Anfragen mit service_tier: "flex" – im Austausch gegen langsamere Antworten und gelegentliche 429-Fehler.
• Die 272K-Grenze. Prompts über 272K Eingabe-Tokens werden für die gesamte Anfrage mit 2x Eingabe- und Cache-Preisen und 1,5x Ausgabe abgerechnet. Wenn Sie knapp davor stehen, kürzen Sie den abgerufenen Kontext, statt die Grenze zu überschreiten.

Der Fast-Modus geht den anderen Weg: 2x der Standardpreis (2 $ Eingabe, 10 $ Ausgabe) für schnellere Antworten. Der GPT-6.1 Terra Preisleitfaden enthält jeden Preis in einer Tabelle.

Migration von gpt-5.6-terra

Die Änderung der Modell-ID ist eine Zeile. Diese Punkte sollten Sie dabei prüfen:

1. Preis. Eingabe fällt von 2 $ auf 1 $, gecachte Eingabe von 0,20 $ auf 0,05 $, Ausgabe von 12 $ auf 5 $. Aktualisieren Sie alle Kosten-Dashboards oder Budget-Warnungen, in denen Preise hart codiert sind.
2. Aufwandseinstellung. Testen Sie erneut mit niedrigerem Aufwand. Die Qualität bei low hat sich am stärksten verändert.
3. Wissens-Cutoff. Terras Stichtag ist der 1. Juni 2026. Prompts, die von einem älteren Stichtag ausgehen, oder Tests mit datumsabhängigen erwarteten Antworten können sich ändern.
4. Ausgabelänge und -format. Ein neues Modell kann längere oder kürzere Antworten schreiben. Prüfen Sie usage.output_tokens und jeden Parser, der ein festes Format erwartet; verwenden Sie strukturierte Ausgaben, wo die Form wichtig ist.
5. Geschwindigkeit. OpenAI sagt, dass Terra Aufgaben im Durchschnitt mehr als 3x schneller abschließt als Astra und GPT-6.1 Sol. Timeouts, die für langsamere Modelle abgestimmt wurden, sind in Ordnung, aber Wiederholungs- und Polling-Logik, die auf lange Wartezeiten ausgelegt ist, kann jetzt verschwenderisch sein.
6. Codex. Wenn Ihr Team Codex verwendet, benötigt Terra Codex CLI 0.159.0 oder neuer: codex -m gpt-6.1-terra.

OpenAI hat kein Abschaltdatum für GPT-5.6 Terra angekündigt, sodass Sie beide parallel betreiben können, während Sie vergleichen.

Lassen Sie Ihren Coding-Agenten die Migration mit Apidog CLI nachweisen

Die Schritte 1 bis 6 sind genau die Art von Prüfungen, die Sie nicht manuell durchführen sollten. Richten Sie Ihren Coding-Agenten auf Apidog CLI, und er kann den Test erstellen, ihn mit beiden Modellen ausführen und Ihnen sagen, was sich geändert hat.

Einmalig einrichten:

npm install -g apidog-cli@latest
apidog auth login --with-token <YOUR_TOKEN>
apidog skill install

Geben Sie dann Claude Code, Codex oder Cursor einen [REDACTED PROMPT]

In Apidog project , add POST https://api.openai.com/v1/responses as an endpoint.
Create a test case that sends my production prompt with model {{MODEL}} and reasoning
effort low, and asserts: status 200, output_text not empty, output matches our JSON
schema, usage.output_tokens under 3000. Run it with MODEL=gpt-5.6-terra and again with
MODEL=gpt-6.1-terra against the environment, then compare tokens and failures.

Der Agent liest jedes Schema, validiert seine Payload und führt den Testfall zweimal aus:

bash
apidog cli-schema get endpoint-create
apidog endpoint create --project --file endpoint.json
apidog cli-schema validate test-case-create --file case.json
apidog test-case create --project --file case.json
apidog run --test-case --project -e --env-var "MODEL=gpt-5.6-terra" -r cli,json
apidog run --test-case --project -e --env-var "MODEL=gpt-6.1-terra" -r cli,json

Bewahren Sie Ihren OpenAI-Schlüssel in der Apidog-Umgebung auf. Wenn der Terra-Lauf besteht, fügen Sie ihn mit `-r junit` zur CI hinzu, damit eine spätere Prompt- oder Modelländerung den Vertrag nicht stillschweigend bricht. Unser [Apidog CLI CI/CD-Leitfaden](https://apidog.com/de/blog/apidog-cli-ci-cd-pipeline?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) enthält die Pipeline-Datei, und [Apidog CLI in Codex](https://apidog.com/de/blog/apidog-cli-in-codex?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) behandelt die Codex-Einrichtung.

## FAQ

**Was ist die GPT-6.1 Terra Modell-ID?** `gpt-6.1-terra`. Es gibt einen Snapshot, und dieser ist auch der Standard.

**Funktioniert GPT-6.1 Terra mit Chat Completions?** Ja. Es unterstützt Responses, Chat Completions und Batch. Gehostete Tools wie Web Search und Computer Use benötigen die Responses API.

**Kann ich die Temperatur bei GPT-6.1 Terra festlegen?** Ein Community-Bericht sagt ja mit `reasoning.effort: "none"`. Prüfen Sie bei anderen Aufwandstufen die Modellseite, bevor Sie Sampling-Einstellungen senden.

**Unterstützt GPT-6.1 Terra die Realtime API?** Nein. Realtime, Live, Assistants und Fine-Tuning werden nicht unterstützt.

**Wie hoch ist das Rate-Limit von GPT-6.1 Terra?** Es hängt von Ihrer Stufe ab: von 5.000 Anfragen und 1 Million Tokens pro Minute in Build bis zu 15.000 und 40 Millionen in Grow.

## Nächster Schritt

Tauschen Sie die Modell-ID an einem Endpunkt aus, testen Sie erneut mit niedrigerem Aufwand und lassen Sie Ihren Agenten die beiden Läufe mit [Apidog CLI](https://apidog.com/apidog-cli/?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation) vergleichen. Wenn die Zahlen stimmen, rollen Sie es aus. Nicht sicher, ob Terra oder Sol zu Ihrer Workload passt? Lesen Sie [GPT-6.1 Terra vs. GPT-6.1 Sol](https://apidog.com/de/blog/gpt-6-1-terra-vs-gpt-6-1-sol?utm_source=dev.to&utm_medium=wanda&utm_content=n8n-post-automation).