GPT-6.1-Terra-Agenten kosten pro Token nur die Hälfte von GPT-6.1-Sol-Agenten, und laut OpenAI laufen sie mehr als dreimal so schnell. OpenAI hat das Modell am 26. Oktober mit der API-ID gpt-6.1-terra veröffentlicht – zu Preisen von 1 $ pro Million Input-Tokens, 0,05 $ für gecachte Tokens und 5 $ für Output-Tokens. Es ersetzt GPT-5.6 Terra als mittleres Modell der Familie, angesiedelt zwischen dem leistungsstärkeren GPT-6.1 Sol und dem schlankeren GPT-6 Luna. Ein GPT-6 Terra gibt es nicht; dies ist das erste Terra-Modell seit Version 5.6.
Für ein Team, das mehrere Coding-Agenten betreibt, ist der Preis die leichteste Entscheidung. Weitaus schwieriger ist die Frage, welche Agenten umgestellt werden, welche auf Sol bleiben und wie das Management eine Woche später überhaupt einen Unterschied feststellen kann. Dieser Leitfaden erklärt das Setup in Sharkly, das empfohlene Effort-Level für den Einstieg, die Einsatzgebiete von Terra und was die halbierten Kosten einer Crew konkret bringen. Er folgt dem gleichen Aufbau wie unser Leitfaden zu GPT-6.1 Sol und konzentriert sich daher ganz auf die Neuerungen.
TL;DR
Aktualisieren Sie Codex auf dem Computer auf Version 0.159.0 oder neuer und prüfen Sie im Terminal, ob codex -m gpt-6.1-terra startet. Erstellen Sie in Sharkly eine Variante eines bestehenden Agenten, setzen Sie dessen Modell in den Custom arguments oder in der Zeile „Default model“ auf gpt-6.1-terra und benennen Sie ihn passend zu seinem Einsatzbereich. Starten Sie mit dem Effort-Level medium, wechseln Sie bei kurzen Routineaufgaben auf low oder none, und belassen Sie anspruchsvollste Programmieraufgaben sowie die Crew-Leitung bei Sol oder Astra. Agenten recherchieren, implementieren, testen und berichten. Menschen geben die Richtung vor, erteilen Freigaben und nehmen das Ergebnis ab.
GPT-6.1 Terra im Überblick
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| API-ID | gpt-6.1-terra |
gpt-6.1-sol |
| Input / gecacht / Output pro 1 Mio. | 1 $ / 0,05 $ / 5 $ | 2 $ / 0,10 $ / 10 $ |
| Effort-Level | none bis max, Standard: medium |
low bis max, Standard: medium |
| Wissensstand (Knowledge Cutoff) | 1. Juni 2026 | 30. April 2026 |
Das Kontextfenster von Terra umfasst 1.050.000 Tokens mit bis zu 922.000 Input- und 128.000 Output-Tokens. GPT-6 Luna, die darunter liegende Stufe, liegt preislich bei 0,10 $ für Input und 0,50 $ für Output.
Drei Preisdetails spielen bei längeren Agenten-Läufen eine wichtige Rolle: Batch und Flex kosten die Hälfte des Listenpreises, während der Fast-Modus das Doppelte kostet (2 $ / 10 $). Jede Anfrage mit mehr als 272.000 Input-Tokens wird für die gesamte Anfrage mit dem doppelten Input- und Cache-Preis sowie dem 1,5-fachen Output-Preis berechnet. Cache-Schreibvorgänge kosten 1,25 $ pro Million Tokens bei einer Cache-Dauer von 30 Minuten. Die vollständige Preisübersicht finden Sie auf OpenAIs Preisseite.
Wo sich die Modell-Einstellung jetzt befindet
Die Agenten-Einstellungen in Sharkly wurden seit unseren früheren Modell-Leitfäden überarbeitet – eine Änderung, die hier sehr gelegen kommt. In der Dokumentation zu den Agenten heißt es nun, dass ein Agent „standardmäßig dem Modell der Runtime folgt, und über die Zeile ‚Model‘ ein anderes Modell aus dem Katalog ausgewählt werden kann, den die Runtime meldet.“ Die Zeile ist schreibgeschützt, wenn die Runtime ein Modell über ihre Startargumente fest vorgibt. Alternativ können Sie das Modell in den Custom arguments des Agenten oder der Runtime angeben; die Zeile übernimmt dann genau diesen Wert.
Ganz in der Nähe befinden sich zwei weitere Bedienelemente: Dieselbe Zeile bietet eine Auswahl für die Denktiefe (Thinking Depth), sofern das Modell diese unterstützt. Und bei der Zuweisung eines Tasks beschreibt die Dokumentation zur Task-Ausführung ein Modellsymbol in jeder Agenten-Zeile der Zuweisungsauswahl (Assignee Picker). Damit lässt sich das Modell gezielt für einen einzelnen Lauf festlegen, ohne den Standard des Agenten zu verändern.
Schritt 1: Terra auf dem Computer zum Laufen bringen
Sharkly verkauft selbst keine Tokens. Ein Lauf wird über den Codex-Tarif oder den API-Schlüssel abgerechnet, der der Runtime auf diesem Computer bereits hinterlegt ist. Die erste Überprüfung erfolgt daher im Terminal auf dem jeweiligen Computer und nicht in Sharkly:
codex --version # needs 0.159.0 or later
codex -m gpt-6.1-terra # should open a session on Terra
Wenn Sie sich mit einem ChatGPT-Abonnement anmelden: Laut OpenAIs Ankündigung ist Terra „für alle Plus-, Pro-, Enterprise- und Edu-Nutzer in ChatGPT Work und Codex verfügbar.“ Free- und Go-Tarife erhalten keinen Zugriff, und es gibt keinen kostenlosen API-Tier. Auf einem Computer mit API-Schlüssel zahlen Sie die oben genannten Token-Preise.
Öffnen Sie anschließend in Sharkly die Detailansicht des Computers, führen Sie den Rescan oder Verbindungstest durch und bestätigen Sie, dass die Codex-Runtime als „Available“ angezeigt wird. Ein als „Online“ markierter Computer bedeutet lediglich, dass sein lokaler Dienst Heartbeats sendet. Der Artikel Computer in Sharkly beschreibt im Detail, wie Runtimes erkannt werden.
Schritt 2: Eine Terra-Variante erstellen, statt den Sol-Agenten zu überschreiben
Es liegt nahe, einfach den bestehenden Sol-Agenten zu öffnen und ein einziges Argument anzupassen. Tun Sie das lieber nicht. Andernfalls stünden alle Tasks, die dieser Agent zuvor auf Sol ausgeführt hat, auf dem Board direkt neben den neuen Terra-Tasks – ohne dass man sie auf den ersten Blick unterscheiden könnte.
Erstellen Sie stattdessen eine Agenten-Variante. Die Dokumentation nennt genau diesen Fall („ein anderes Standardmodell verwenden“) als Grund für Varianten: Die Variante übernimmt die Anweisungen, Skills und Repositories des Originals, und Sie überschreiben lediglich das Modell. Fügen Sie in den Einstellungen für Computer & Runtime der Variante eine Zeile für Custom arguments hinzu:
Runtime: Codex on <your Computer>
Custom arguments: --model gpt-6.1-terra
Die Zeile „Default model“ liest den Wert dann direkt aus diesem Argument aus, wie im Screenshot oben zu sehen ist. Benennen Sie die Variante nach ihrem Aufgabenbereich, beispielsweise „Codex, Routine-Lane“, und tragen Sie das Modell sowie das Effort-Level in die Beschreibung ein. Niemand sollte beim Review eines Diffs erst eine Shell auf fremden Computern öffnen müssen, um herauszufinden, welches Modell den Code geschrieben hat.
Zwei typische Szenarien: Verwenden Sie eine Variante, wenn mehrere Personen diesem Agenten Aufgaben zuweisen oder wenn Sie die Ergebnisse von Terra über eine Woche hinweg bei identischen Anweisungen mit Sol vergleichen möchten. Nutzen Sie dagegen die Auswahl pro Lauf im Assignee Picker, wenn Sie Terra einfach einmalig an einem einzelnen Task testen wollen, ohne dafür ein neues Profil anzulegen.
Schritt 3: Das passende Effort-Level für den Einstieg wählen
GPT-6.1 Terra unterstützt die Stufen none, low, medium, high, xhigh und max, wobei medium als Standard voreingestellt ist. Die Option none ist wieder verfügbar: In GPT-6.1 Sol war sie entfallen, sodass Konfigurationen, die damals von none auf low angehoben wurden, nun wieder zurückgestellt werden können.
Starten Sie bei regulären Programmieraufgaben mit medium und passen Sie die Stufe anhand der tatsächlichen Aufgabenanforderungen an:
noneoderlowfür kurze Feedbackschleifen mit eindeutigem Ergebnis: Umbenennungen, Linting-Korrekturen, Dependency-Updates oder Changelog-Einträge.mediumfür klar abgegrenzte Code-Änderungen, Fehlerbehebungen mit vorhandenem Reproduktionsschritt sowie Textaufgaben wie Dokumentationen oder Release Notes.highodermaxfür Computer-Use-Läufe und komplexe, mehrstufige Abläufe, bei denen ein einzelner Fehltritt alle nachfolgenden Schritte zunichtemachen würde.
Legen Sie die Stufe direkt über die Denktiefe-Auswahl in der Modell-Zeile fest, sobald diese erscheint, oder über model_reasoning_effort in der Datei ~/.codex/config.toml auf dem jeweiligen Computer. Laut Sharkly-Dokumentation bricht eine Runtime, die die gewählte Denktiefe nicht unterstützt, den Lauf mit einer eindeutigen Fehlermeldung ab, anstatt stillschweigend auf den Standard zurückzufallen – ein Tippfehler fällt also schon beim ersten Durchlauf im Ausführungsprotokoll auf.
Was der halbe Sol-Preis einem Team konkret bringt
Da der Tarif in jeder Zeile exakt der Hälfte von Sol entspricht, ist die Rechnung denkbar einfach. Nehmen wir als Beispiel einen typischen Agenten-Lauf mit 2 Millionen Input-Tokens (davon 80 % gecacht) und 100.000 Output-Tokens:
| GPT-6.1 Terra | GPT-6.1 Sol | |
|---|---|---|
| 400.000 ungecachte Input-Tokens | 0,40 $ | 0,80 $ |
| 1,6 Mio. gecachte Input-Tokens | 0,08 $ | 0,16 $ |
| 100.000 Output-Tokens | 0,50 $ | 1,00 $ |
| Pro Durchlauf | 0,98 $ | 1,96 $ |
| 40 Durchläufe pro Tag | 39,20 $ | 78,40 $ |
Hierbei sind Gebühren für Cache-Schreibvorgänge unberücksichtigt; zudem wird eine Abrechnung über API-Schlüssel vorausgesetzt. Bei einem ChatGPT-Abonnement macht sich die Ersparnis nicht direkt auf der Rechnung bemerkbar, sondern darin, dass Sie deutlich mehr Durchläufe ausführen können, bevor Sie an Tariflimits stoßen.
Der Preis ist aber nur die halbe Miete – die Geschwindigkeit ist mindestens genauso entscheidend: Laut OpenAI ist Terra „im Durchschnitt mehr als dreimal schneller als Astra und GPT-6.1 Sol“. Für eine Crew bedeutet das, dass deutlich mehr Durchläufe innerhalb des Task-Timeouts abgeschlossen werden und anstehende Aufgaben in der Warteschlange schneller an die Reihe kommen. Artificial Analysis, ein unabhängiger Benchmark-Anbieter, ermittelte für Terra bei maximalem Effort Kosten von 0,40 $ pro Task – im Vergleich zu 1,40 $ bei GPT-5.6 Terra.
Welche Agenten auf Terra laufen sollten
OpenAI hat Terra gezielt für Computer-Use, Textverfassung und visuelles Verständnis optimiert und empfiehlt für besonders komplexe Programmieraufgaben nach wie vor Sol oder Astra. Die Zahlen unabhängiger Tests bestätigen dieses Bild: Im Coding Agent Index von Artificial Analysis erreicht Terra 48 Punkte, während GPT-6.1 Sol auf 54 und GPT-6 Luna auf 31 Punkte kommt. Die Halluzinationsrate im AA-Omniscience-Benchmark sank von 88 % bei GPT-5.6 Terra auf nun 38 %.
Als Richtwert für erste Tests mit Ihren eigenen Aufgaben empfiehlt sich folgende Aufteilung:
| Crew-Rolle | Starten mit | Wechseln, wenn... |
|---|---|---|
| Leader: Interpretation mehrdeutiger Ziele | GPT-6.1 Sol oder GPT-6 Astra | Planungsaufgaben über einen ganzen Sprint hinweg reine Routine bleiben |
| Members: Routine-Coding und Refactorings | GPT-6.1 Terra, medium |
Ein Aufgabentyp zweimal fehlschlägt und manuell eskaliert wird |
| Computer-Use- und Browser-Aufgaben | GPT-6.1 Terra, high |
Ergebnisse öfter überarbeitet werden müssen als zuvor unter Sol |
| Dokumentation, Release Notes, PR-Beschreibungen | GPT-6.1 Terra, low oder medium |
Reviewer beginnen, die Ausgaben regelmäßig umzuschreiben |
| Triage und Labeling | GPT-6 Luna | Entscheidungen wiederholt revidiert werden |
Die Leader-Rolle verbleibt aus gutem Grund im obersten Segment, wie wir bereits in unserem Leitfaden für Crew-Leader dargelegt haben: Ein Fehltritt der Leitung führt dazu, dass alle Mitglieder in die falsche Richtung laufen. Wer Routing-Regeln mit klar definierten manuellen Eskalationspfaden sucht, findet in unserem Leitfaden zu Modell-Routing für Crews eine Schritt-für-Schritt-Anleitung; unser GPT-6-Luna-Guide deckt die darunter liegende Ebene ab.
Was sich durch eine günstigere Runtime nicht ändert
Terra senkt die Kosten für die Erstellung von Änderungen – nicht jedoch die Kosten für deren Abnahme. Doppelt so viele Durchläufe für das gleiche Budget bedeuten auch doppelt so viele Diffs, die auf ein menschliches Review warten. Prüfen Sie daher Ihre Review-Kapazitäten, bevor Sie die Crew verdoppeln. Der Artikel Menschliche Reviews als Engpass beleuchtet genau diesen Aspekt.
Sharkly sorgt dafür, dass Kontext, Fortschritt, Blocker, Ergebnisse und menschliche Reviews von der Anforderung bis zum Release jederzeit transparent bleiben – ganz gleich, welches Modell den Task ausgeführt hat. Für Organisationen mit bis zu fünf Personen ist die Plattform derzeit kostenlos, wie der Preisseite zu entnehmen ist. Der nächste sinnvolle Schritt: Aktualisieren Sie Codex auf einem Computer, erstellen Sie eine Terra-Variante und weisen Sie ihr drei typische Routineaufgaben zu, die Sie bisher Sol überlassen hätten.
FAQ
Ist GPT-6.1 Terra kostenlos?
Nein. Es gibt keinen kostenlosen API-Zugang, und die Tarife ChatGPT Free und Go enthalten das Modell nicht. Nutzer mit Plus, Pro, Enterprise und Edu können es in ChatGPT Work und Codex nutzen. Unser Artikel über die Nutzung von GPT-6.1 Sol ohne API-Schlüssel erklärt die Unterschiede zwischen Tarifnutzung und tokenbasierter Abrechnung.
Gibt es ein GPT-6 Terra?
Nein. GPT-6.1 Terra löst GPT-5.6 Terra direkt ab.
Kann ich einen bestehenden Agenten von Sol auf Terra umstellen?
Ja, aber mit einer Variante bleibt der bisherige Verlauf übersichtlich und nachvollziehbar. Passen Sie das Original nur an, wenn niemand frühere Durchläufe mit den neuen vergleichen muss.
Zeigt Sharkly an, welches Modell einen Task ausgeführt hat?
Die Zeile „Default model“ zeigt das eingestellte Modell des Agenten an. Da Sharkly nicht immer eindeutig feststellen kann, welches Modell eine Runtime tatsächlich verwendet, empfiehlt es sich, das Modell zusätzlich in der Beschreibung des Agenten zu vermerken.
