Stand: 26. Oktober 2026 · Version 1.2
Redaktionshinweis: Dieser Artikel wurde mit KI-Unterstützung erstellt. Produkt- und Leistungsangaben beruhen auf der verlinkten OpenAI-Dokumentation; die Einordnung und Empfehlungen stammen von AI-Fabrik.
In 30 Sekunden
- OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 veröffentlicht. Der Schwerpunkt liegt auf visuellem Verständnis, Computerbedienung und verständlichen Texten.
- Terra ist laut OpenAI in ChatGPT Work und Codex für Plus, Pro, Business, Enterprise und Edu verfügbar. Im Bereich Chat ist es nicht verfügbar; Unternehmenszugriff hängt zusätzlich von Administratoreinstellungen ab.
- Die Standard-API-Preise betragen 1 US-Dollar je Million Eingabetokens und 5 US-Dollar je Million Ausgabetokens. Zusatzbedingungen können die Rechnung verändern.
- Für Unternehmen ist entscheidend, ob Terra einen vollständigen Arbeitsvorgang mit weniger Nacharbeit erledigt. Dazu liegen keine eigenen Messungen vor.
Für IT- und Fachbereichsleitungen wird GPT-6.1 Terra dort interessant, wo visuelle Routinearbeit zwischen Anwendungen anfällt. Ein Lieferantenkatalog liegt als PDF vor, die Produktdaten stehen im Warenwirtschaftssystem und die Bilder müssen im Shop zugeordnet werden. In solchen Abläufen entsteht Aufwand zwischen den Anwendungen: Beschäftigte vergleichen Darstellungen, übertragen Informationen und kontrollieren das Ergebnis. Genau hier setzt die Positionierung von GPT-6.1 Terra an.
Die konkrete Testfrage lautet: Lässt sich ein klar begrenzter visueller Arbeitsvorgang wirtschaftlich unterstützen? Der Prüfaufwand entscheidet mit: Der Nutzen eines solchen Modells entscheidet sich an der Qualität der gesamten Bearbeitungskette – einschließlich der Kontrolle nach einer Änderung.
Empfehlung für den Einstieg: Wählen Sie einen wiederkehrenden Vorgang mit überprüfbarem Ergebnis. Lassen Sie Terra zunächst Vorschläge in einer Testumgebung erzeugen. Vergleichen Sie Bearbeitungszeit, fachliche Fehler, Nacharbeit und Gesamtkosten mit dem bisherigen Verfahren, bevor Sie Schreibrechte für produktive Anwendungen erweitern.
Was OpenAI mit GPT-6.1 Terra veröffentlicht hat
Der offizielle API-Changelog datiert die Veröffentlichung auf den 26. Oktober 2026. OpenAI beschreibt Terra als schnelles, effizientes Modell für visuelles Schlussfolgern, präzise Computerbedienung und klare Sprache. Diese Einordnung beschreibt den vorgesehenen Einsatz; sie ist noch kein Nachweis für eine bestimmte Fehlerquote oder Zeitersparnis im Unternehmen. Quelle: OpenAI API-Changelog
Die Modellkarte nennt Text und Bilder als Eingaben sowie Text als Ausgabe. Das Kontextfenster umfasst 1,05 Millionen Tokens, die maximale Ausgabe 128.000 Tokens. Werkzeugaufrufe setzen die Responses API voraus. Zu den dokumentierten Werkzeugen gehören unter anderem Websuche, Dateisuche, Computer Use und MCP. Die Unterstützung eines Werkzeugs bedeutet allerdings nicht, dass eine Unternehmensanwendung bereits angebunden oder für einen konkreten Nutzer freigegeben ist. Quelle: Modellkarte GPT-6.1 Terra
In OpenAIs Modellübersicht erhält Terra eine eigene Rolle: alltägliche Schreibaufgaben, Bilder und Bildschirmoberflächen. Sol ist für längere, komplexe Arbeitsabläufe vorgesehen, Astra für besonders anspruchsvolle Aufgaben und Luna für klar umrissene, wiederholbare Tätigkeiten. Diese Herstellerpositionierung hilft bei der Vorauswahl. Eine allgemeine Rangliste für sämtliche Unternehmensaufgaben lässt sich daraus nicht ableiten. Quelle: OpenAI-Modellübersicht
Wo Terra verfügbar ist – und was dafür eingerichtet werden muss
OpenAI nennt ChatGPT Work und Codex in den Tarifen Plus, Pro, Business, Enterprise und Edu. Die Auswahl erfolgt in der Desktop-App beziehungsweise in Work im Web über „Advanced“. Work unterstützt Terra auch mobil. Die Ankündigung schließt den Bereich Chat aus und verweist für Enterprise auf Workspace-Verfügbarkeit und Administratorkontrollen. Quelle: Produktneuigkeiten vom 26.–30. Oktober
Modellzugriff und Computerzugriff bleiben getrennte Voraussetzungen. Für die Bedienung lokaler Anwendungen dokumentiert OpenAI ein Computer-Use-Plugin und eigene App-Freigaben. Auf Windows arbeitet die Funktion im aktiven Vordergrund; derselbe Desktop steht dabei nicht gleichzeitig ungestört für die eigene Arbeit zur Verfügung. Das ist bei der Planung eines Arbeitsplatzpiloten ein praktischer Faktor. Für wiederholbare Datenoperationen empfiehlt auch OpenAI eine strukturierte Integration, sofern die Zielanwendung eine solche anbietet. Quelle: Computer-Use-Dokumentation
Für die Wahl der Arbeitsumgebung bietet die AI-Fabrik-Einordnung zu Codex im Unternehmen einen ergänzenden Überblick über App, CLI und Cloud-Agenten.
Ein sinnvoller Pilot: Produktbilder zuordnen
Der Pilotablauf
Fotos + Stammdaten → Terra-Vorschlag → Fachfreigabe → Änderung in der Testumgebung → Rücklesen → Abnahme
Die Fachfreigabe bewertet die geplante Änderung; die abschließende Abnahme prüft den tatsächlich gespeicherten Zustand.
Hypothetisches Anwendungsszenario: Ein mittelständischer Händler erhält neue Produktfotos und eine Tabelle mit Artikelnummern. Terra soll passende Zuordnungen vorschlagen, Abweichungen beschreiben und die Änderungen in einer Testkopie des Produktkatalogs vorbereiten. Dieses Beispiel ist eine redaktionelle Illustration, kein dokumentiertes Kundenprojekt.
Die Aufgabe sollte mehr verlangen als eine plausible Bildbeschreibung. Jede Zuordnung braucht eine nachvollziehbare Grundlage: sichtbare Merkmale, passende Artikelnummer und eine Kennzeichnung unklarer Fälle. Ähnliche Varianten dürfen nicht allein deshalb zusammengeführt werden, weil Farbe und Form übereinstimmen. Fehlende oder unleserliche Angaben müssen als offen erscheinen.
| Arbeitsschritt | Erwartetes Ergebnis | Abnahme durch den Fachbereich | Typisches Risiko |
|---|---|---|---|
| Fotos und Stammdaten vergleichen | Zuordnungsvorschlag mit Begründung | Artikel und Variante stimmen überein | Verwechslung ähnlicher Varianten |
| Unklare Fälle erkennen | Gesonderte Prüfliste | Keine erfundenen Artikelnummern oder Eigenschaften | Erfundene Artikelnummer oder Eigenschaft |
| Änderungen vorbereiten | Sichtbarer Vorher-nachher-Vergleich | Nur freigegebene Felder wurden verändert | Änderung eines nicht freigegebenen Feldes |
| Änderungen kontrollieren | Rückgelesener Endzustand | Gespeicherte Daten entsprechen der Freigabe | Gespeicherter Wert weicht vom Auftrag ab |
Der letzte Schritt ist besonders wichtig: Eine erfolgreiche Eingabe in einer Oberfläche bestätigt noch nicht, dass die Anwendung den richtigen Wert gespeichert hat. Der Pilot muss deshalb die Rückprüfung mitmessen. Wird sie vollständig auf Beschäftigte verlagert, kann ein schneller Modelllauf trotzdem wenig Arbeit sparen.
API-Kosten: günstiger Tokenpreis, offene Prozessrechnung
Die folgenden Listenpreise gelten laut OpenAI am 26. Oktober 2026 für Standardverarbeitung im kurzen Kontextbereich. Einheit: US-Dollar je Million Tokens.
| Modell | Eingabe | Ausgabe | Gecachte Eingabe |
|---|---|---|---|
| GPT-6.1 Terra | 1,00 | 5,00 | 0,05 |
| GPT-6.1 Sol | 2,00 | 10,00 | 0,10 |
| GPT-6 Luna | 0,10 | 0,50 | 0,01 |
Damit liegt Terra bei diesen Tokenarten bei der Hälfte der Sol-Preise. Daraus folgt keine halbierte Prozessrechnung: Modelle können unterschiedlich viele Tokens, Werkzeugaufrufe und Wiederholungen benötigen. Die API-Tarife sind außerdem keine Aussage über enthaltene Nutzung eines ChatGPT-Abonnements. Quelle: API-Preisliste
Illustrative Modellrechnung: Bei 100.000 regulären Eingabetokens und 10.000 berechneten Ausgabetokens kostet ein Terra-Lauf 0,15 US-Dollar. Angenommen sind Standardverarbeitung, keine Cache-Schreibvorgänge und keine zusätzlichen Werkzeug- oder Infrastrukturkosten. Menschliche Prüfung ist nicht enthalten. Bei 1.000 solchen Aufgaben pro Monat ergeben sich 150 US-Dollar reine Modellkosten unter denselben Annahmen. Das ist eine Rechenillustration, keine gemessene typische Aufgabe.
Weitere Tarifbedingungen sind relevant: Oberhalb von 272.000 Eingabetokens steigen für den gesamten Request die Eingabe- und Cache-Preise auf das Doppelte und die Ausgabepreise auf das 1,5-Fache. Cache-Schreibvorgänge werden separat bepreist; Fast Mode kostet das Doppelte des Standardtarifs. Quelle: Terra-Modellkarte
Für die Beschaffung empfiehlt sich daher die Kennzahl Gesamtkosten je fachlich abgenommener Aufgabe. Sie umfasst Modellverbrauch, Werkzeuge, Integrationsbetrieb und Prüfaufwand. So wird sichtbar, ob eine vermeintlich günstigere Automatisierung zusätzliche Kontrollarbeit erzeugt.
DACH-Perspektive: Der Bildschirm gehört in die Datenprüfung
Mit Computer Use kann ein Agent innerhalb seiner Berechtigungen Datensätze verändern oder Formulare absenden. Bildschirmzugriff eröffnet damit einen Handlungspfad in Unternehmenssysteme und erweitert die zu betrachtenden Datenflüsse. OpenAI weist darauf hin, dass sichtbare Anwendungsinhalte, Screenshots und geöffnete Dateien während der Aufgabe verarbeitet werden können. Außerdem können Aktionen in einem angemeldeten Browser über das bestehende Benutzerkonto erfolgen. Quelle: Computer Use – Sicherheit und Berechtigungen
Redaktionelle Umsetzungsempfehlung: IT und Datenschutz sollten vor dem Pilot festlegen, welche Anwendungen, Datenklassen und Konten verwendet werden dürfen. Dabei gehören Vertragsgrundlage, Aufbewahrung, tatsächliche Verarbeitungsregion und angebundene Dienste auf die Prüfliste. Die für diesen Artikel geprüften Quellen bestätigen keine konkrete EU-Verarbeitungszusage für Terra. Eine solche Zusage muss für den gewählten Produktweg und die konkrete Konfiguration geprüft werden.
Für einen kleinen Pilot können ein separates Testkonto, ein beschränkter Datenbestand und nachvollziehbare Änderungsprotokolle ausreichen. Bei sensiblen Daten oder großer finanzieller Wirkung braucht es entsprechend strengere technische Grenzen und eine vertiefte Prüfung.
Eine menschliche Freigabe ergänzt diese Grenzen. Sie sollte Ziel, betroffene Daten und geplante Änderung zeigen. Sie ersetzt keine restriktiven Rechte: Ein Konto, das nur Testdaten ändern darf, begrenzt den möglichen Schaden auch dann, wenn eine Modellantwort oder eine Freigabe fehlerhaft ist.
Was vor einem produktiven Einsatz noch bewiesen werden muss
Die ausgewerteten Produktquellen tragen die Aussagen zu Positionierung, Zugang und technischen Konditionen. Sie belegen keine allgemeine Wirtschaftlichkeit in deutschen Fachprozessen. Auch die Qualität deutscher Fachtexte, die Zuverlässigkeit bei ähnlichen Produktvarianten und das Verhalten bei geänderten Oberflächen wurden für diesen Artikel nicht praktisch getestet.
Ein brauchbarer Abnahmetest enthält deshalb absichtlich schwierige Fälle: unscharfe Beschriftungen, widersprüchliche Daten, ähnliche Varianten und eine unerwartete Dialogbox. Der Fachbereich bewertet das Ergebnis; die IT prüft Aktionsprotokoll und Rechte. Als vorgeschlagene Mindestkriterien gelten: keine Änderungen außerhalb des erlaubten Bereichs, kein stilles Ergänzen fehlender Informationen und ein nachvollziehbarer Abbruch bei nicht auflösbaren Konflikten. Diese Kriterien sind redaktionelle Empfehlungen, keine zugesicherten Modelleigenschaften.
Häufige Fragen
Reicht ein großes Kontextfenster für zuverlässige Dokumentarbeit?
Das Kontextfenster beschreibt eine Kapazität. Ob Details aus Dokumenten korrekt zugeordnet und in einer Anwendung richtig verwendet werden, muss am jeweiligen Arbeitsvorgang geprüft werden.
Kann Terra Bilder erzeugen?
Die native Ausgabe des Modells ist Text. Die Modellkarte führt zusätzlich Bildgenerierung als unterstütztes Werkzeug auf. Modellmodalität und angebundene Bildgenerierung sind deshalb getrennt zu betrachten. Quelle: Terra-Modellkarte
Welche Codex-CLI-Version wird benötigt?
Die offizielle Dokumentation nennt Version 0.159.0 oder neuer. Der Modellaufruf lautet codex -m gpt-6.1-terra; eine passende CLI-Version allein gewährt noch keinen Modellzugriff. Dafür muss das Modell auch für das jeweilige Konto freigeschaltet sein. Quelle: Modelle in Codex
Fazit: Der Prüfaufwand entscheidet mit
Terra ist ein konkreter Anlass, visuelle Routinearbeit neu zu vermessen. Der aussagekräftigste Einstieg ist ein begrenzter Vorgang, dessen Ergebnis sich eindeutig kontrollieren lässt. Über eine Ausweitung sollte erst entschieden werden, wenn die vollständige Bearbeitung einschließlich Rückprüfung einen messbaren Vorteil zeigt.
Ihr nächster Schritt: Wählen Sie einen abgeschlossenen, wiederkehrenden Vorgang und benennen Sie eine fachlich zuständige Person für die Abnahme. Halten Sie vor dem ersten Lauf Soll-Ergebnis, erlaubte Änderungen und Abbruchkriterien fest. Vergleichen Sie anschließend die gesamte Bearbeitungszeit einschließlich Prüfung mit dem bisherigen Verfahren.
Quellen
Herstellerquellen, abgerufen am 26. Oktober 2026:
- OpenAI API-Changelog – Veröffentlichungsdatum
- GPT-6.1 Terra – Modellkarte und technische Grenzen
- ChatGPT Learn – Produktneuigkeiten vom 26.–30. Oktober
- OpenAI – Modellübersicht und Auswahl
- OpenAI – API-Preise
- OpenAI – Computer Use, Einrichtung und Berechtigungen
Weiterführende Artikel auf AI-Fabrik
- Codex für Einsteiger – drei konkrete Aufgaben und ein begrenzter erster Test.
- Codex im Unternehmen – Arbeitsumgebung und Governance einordnen.
- KI-Agenten: Architektur, Risiken und Governance – Rechte, Werkzeuge und Abnahme im Gesamtprozess gestalten.
