GPT-6.1 Terra: OpenAI macht Computerbedienung für Agenten günstiger

Von /

Ein KI-Agent soll eine technische Zeichnung auswerten, anschließend Daten in einer Anwendung abgleichen und das Ergebnis dokumentieren. Für solche Abläufe zählt nicht nur, wie gut ein Modell Text formuliert. Es muss Bildschirminhalte verstehen, Werkzeuge zuverlässig nutzen und bei vielen Arbeitsschritten bezahlbar bleiben. Genau hier setzt das am 26. Oktober vorgestellte GPT-6.1 Terra an. Das Modell ist über die OpenAI-API verfügbar; Amazon Bedrock und GitHub Copilot haben es ebenfalls aufgenommen.

Was das Modell kann – und was nicht

GPT-6.1 Terra nimmt Text und Bilder entgegen und gibt Text aus. OpenAI nennt unter anderem den Abgleich von Produktfotos mit Katalogeinträgen, die Auswertung technischer Zeichnungen und die Bedienung von Anwendungen als Einsatzfälle. Audio und Video gehören nicht zu den unterstützten Eingabeformaten; eine Videoerzeugung ist ebenfalls keine Modellfunktion. Das Kontextfenster umfasst laut Modellbeschreibung 1.050.000 Token, wobei OpenAI höchstens 922.000 Eingabe- und 128.000 Ausgabetoken ausweist. Ein großes Kontextfenster ersetzt allerdings nicht die Prüfung, ob ein Agent die richtigen Informationen aus einem langen Verlauf tatsächlich nutzt.

Für die Qualität und Laufzeit lässt sich der Denkaufwand über reasoning.effort steuern. Die sechs Einstellungen reichen von none bis max; medium ist voreingestellt. OpenAI empfiehlt für den Einstieg, mit medium zu arbeiten und nur dann höher zu schalten, wenn sich der zusätzliche Aufwand im eigenen Anwendungsfall lohnt. Das ist für Agenten wichtiger als eine einzelne Spitzenwertung: Je mehr Schritte ein Ablauf benötigt, desto stärker wirken sich Antwortzeit und Tokenverbrauch aus.

Computerbedienung bedeutet dabei nicht, dass das Modell eigenständig Zugriff auf einen Arbeitsplatz bekommt. Die Anwendung muss ihm eine Browser- oder Desktop-Umgebung und passende Werkzeuge bereitstellen. In der Computer-Use-Dokumentation beschreibt OpenAI eine Schleife: Das Modell fordert eine Aktion an, die Anwendung führt sie in ihrer Umgebung aus und gibt das beobachtete Ergebnis zurück. Für Werkzeugaufrufe mit GPT-6.1 Terra verlangt OpenAI die Responses API. Wer solche Aufrufe beim Wechsel vom Vorgänger noch über Chat Completions abwickelt, muss deshalb die Integration anpassen.

Der Preisvorteil hat Bedingungen

In der Standard-API kostet GPT-6.1 Terra laut OpenAI einen US-Dollar pro Million Eingabetoken und fünf US-Dollar pro Million Ausgabetoken. Beim Vorgänger GPT-5.6 Terra stehen zwei beziehungsweise zwölf US-Dollar in der Modellbeschreibung. Die reine Tokenrechnung fällt damit günstiger aus. Der tatsächliche Preis eines Agentenlaufs hängt aber auch davon ab, wie viele Schritte er braucht und wie viele Token dabei entstehen. Für bestimmte Werkzeuge, etwa Computer Use und Suche, können zusätzlich Gebühren pro Aufruf anfallen. Bei Prompts mit mehr als 272.000 Eingabetoken berechnet OpenAI für die gesamte Anfrage erhöhte Tokenpreise; auch Cache-Dauer und Verarbeitungsmodus beeinflussen die Rechnung. Wer lange Dokumente oder viele Screenshots verarbeitet, sollte deshalb Kosten pro erledigter Aufgabe statt nur Listenpreise vergleichen.

Bei der Leistung lohnt sich ebenfalls ein Blick über die Herstellerankündigung hinaus. Artificial Analysis hat GPT-6.1 Terra selbst getestet und berichtet im eigenen Coding Agent Index v2.0 einen Wert von 48 gegenüber 54 für GPT-6.1 Sol. Im hauseigenen Terminal-Bench-4.0-Test sieht das Unternehmen dagegen einen deutlichen Sprung gegenüber GPT-5.6 Terra. Diese Ergebnisse beschreiben bestimmte Testaufgaben und Denkstufen, nicht die Erfolgsquote eines beliebigen Unternehmensprozesses. OpenAI positioniert Terra für schnelle Alltagsarbeit; für besonders anspruchsvolle Recherche und Programmierung führt die aktuelle Modellübersicht GPT-6.1 Sol und GPT-6 Astra als stärkere Alternativen.

Was Entwickler und Unternehmen prüfen sollten

Der Zugang ist nicht auf die direkte API begrenzt. GitHub meldet allgemeine Verfügbarkeit in Copilot für Pro-, Pro+-, Max-, Business- und Enterprise-Kunden, weist aber auf einen schrittweisen Rollout und Administratoreinstellungen hin. In ChatGPT Work und Codex ist das Modell für mehrere kostenpflichtige Tarife vorgesehen; in der gewöhnlichen Chat-Ansicht steht es laut OpenAI nicht zur Verfügung. Der konkrete Zugang hängt also vom Produkt und gegebenenfalls von den Einstellungen des Arbeitsbereichs ab.

Bei automatisierter Computerbedienung müssen Teams vor allem den Ausführungsraum begrenzen. OpenAI rät zu isolierten Umgebungen, erlaubten Websites und Aktionen sowie menschlicher Bestätigung vor Käufen, Datenübertragungen oder schwer rückgängig zu machenden Änderungen. Inhalte auf Webseiten können einen Agenten zu unerwünschten Schritten verleiten; sie sind keine Anweisungen des Nutzers. In einem Pilotprojekt sollten Unternehmen daher nicht nur Antworten bewerten, sondern vollständige Abläufe mit echten Berechtigungen, Kostenlimits und überprüfbarem Ergebnis testen.

Fazit

GPT-6.1 Terra verbindet Bildverständnis und Computerbedienung mit niedrigeren API-Listenpreisen als sein direkter Vorgänger. Das macht es für häufige, klar abgegrenzte Agentenaufgaben interessant. Ob sich ein Umstieg lohnt, entscheidet jedoch nicht der Tokenpreis allein: Entwickler müssen Werkzeugaufrufe über die passende API integrieren und messen, ob das Modell ihre konkreten Aufgaben zuverlässig, sicher und insgesamt günstiger erledigt.

Quellen

Nach oben scrollen