Während der Konkurrent Anthropic mit einem Börsenprospekt aller Aufmerksamkeit stiehlt, kontert OpenAI mit GPT-6.1 Terra —
Willst du allein die Schlagzeilen besetzen? Frag erst mal, ob das neue Modell das zulässt.
GPT-6.1 Terra punktet mit„halbem Preis, stärkeren Fähigkeiten“。
Verglichen mit GPT-5.6 Terra wird der Standard-API-Preis direkt halbiert:
1 US-Dollar pro Million Token für Eingaben, 0,05 US-Dollar pro Million Token für zwischengespeicherte Eingaben und 5 US-Dollar pro Million Token für Ausgaben.
Und während der Preis sinkt, werden die Fähigkeiten sogar noch stärker?!
Im Praxis-Test für Berufssoftware Agents’ Last Exam übertrifft Terra nicht nur deutlich GPT-5.6 Terra,sondern gleicht auch die Leistung von GPT-6 Astra aus — zum ein Zehntel des Token-Preises。
Verglichen mit Claude Opus 5.5 kostet der Token bei Terra nur ein Viertel, die Token-Effizienz ist über 3-mal höher, und die Kosten pro Aufgabe liegen bei nur etwa einem Neuntel.
Ist die KI-Kostenreduktion und Effizienzsteigerung jetzt schon so extrem geworden?
Beim Einsatzzweck ist der Kernverkaufs von GPT-6.1 Terra auch äußerst klar —schneller, stärker und gleichzeitig die Kosten für die Computersteuerung drastisch senken。
Es unterstützt nativ Bildschirmverständnis, übergreifende Bedienung verschiedener Programme sowie natürlichsprachiges Schreiben und zielt damit fest auf den kompletten Arbeitstag der Beschäftigten.
OpenAI-Mitgründer Greg Brockman sagte sogar, Terras Computerbedienung habe die „Qualitätsschwelle“ überschritten und sei schneller in der Anwendung, als wenn er selbst bediene.
Plus-, Pro-, Enterprise- und Edu-Nutzer können es bereits direkt in ChatGPT Work und Codex ausprobieren, Entwickler können es jederzeit über die Standard-API (gpt-6.1-terra) aufrufen.
Noch brisanter: Am selben Tag veröffentlichte OpenAI drei wissenschaftliche Ergebnisse, die von internen KI-Systemen erzeugt wurden und Mathematik, Informatik und Physik umfassen.
Auf der einen Seite wird der Preis dafür gedrückt, dass KI den Computer bedient, auf der anderen Seite die Vorstellungskraft dafür angehoben, wie KI an der Spitzenforschung teilnimmt.
Wie, es ist noch nicht einmal Donnerstag und schon geht es so wild los??
GPT-6.1 Terra offiziell gestartet, der Preis direkt halbiert
Wie die konkreten Fähigkeiten aussehen, zeigen wir zuerst anhand des offiziellen Ergebnisdokuments von OpenAI.
Zunächst das Gesamtfazit:
GPT-6.1 Terra ist nicht das leistungsstärkste Modell von OpenAI, hat aber mit geringeren Kosten bereits das Fähigkeitsspektrum der Flaggschiff-Modelle erreicht.
Im Agents’ Last Examliegt GPT-6.1 Terra in der Stufe medium 15 Prozentpunkte über GPT-5.6 Terra, bei nur etwa einem Drittel der Kosten pro Aufgabe.
Dieser Test prüft speziell, ob KI komplexe Arbeiten mit professioneller Software erledigen kann, etwa Baupläne in 3D-Modelle umsetzen oder Animationen Szenen für Szene sichten und Korrekturprotokolle mit Timecodes erstellen.
Noch extremer: Laut offiziellen Angaben entspricht Terras Leistung der von GPT-6 Astra, der Token-Preis beträgt aber nur ein Zehntel davon, und Aufgaben werden über 3-mal schneller erledigt als von GPT-6 Astra und GPT-6.1 Sol.
Nun zur visuellen Fähigkeit.
Im Benchmark MMMU-Pro, GPT-6.1 Terra übertrifft GPT-5.6 Terra bei allen Reasoning-Stärken und kommt zu geringeren Kosten nahe an GPT-6 Astra und GPT-6.1 Sol heran.
Beim Computer-Bedienungs-Benchmark OSWorld 2.1liegt sein Ergebnis in der Stufe medium ebenfalls über dem bisherigen Höchstwert von GPT-5.6 Terra.
Das heißt, das neue Terra kann nicht nur besser „sehen“, sondern auch anhand des Bildschirminhalts Aufgaben wirklich zu Ende führen.
Auch die Code-Fähigkeiten erlebten einen kräftigen Anstieg.
In Terminal-Bench 4.0löste GPT-6.1 Terra in der Stufe max 50.3% der Aufgaben, während das zuvor veröffentlichte Ergebnis von GPT-5.6 Terra nur bei 21.5% lag.
hat sich direkt mehr als verdoppelt.
Allerdings hat OpenAI selbst auch eine Grenze gezogen:
Bei den komplexesten Programmier-, Forschungs- und Deep-Reasoning-Aufgaben bleiben GPT-6.1 Sol und GPT-6 Astra weiterhin die passendere Wahl.
Ein weiteres deutliches Upgrade ist das reduzierte Fabulieren.
In internen anspruchsvollen Faktentreue-Stresstests von OpenAI sank die Fehlerrate bei niedriger Inferenzstärke von 53,6 % bei GPT-5.6 Terra auf 16,7 %.
Bei der Max-Stufe sank sie weiter auf 4,3 % und liegt damit nahe an GPT-6 Astra und GPT-6.1 Sol.
Zumindest nach diesen offiziellen Ergebnissen ist Terras Positionierung bereits klar:
Mit nahezu Flaggschiff-fähigen Leistungen die Kosten für eine große Menge an Computer-Aufgaben drücken.
Im aggregierten Intelligenzindex der dritten Partei Artificial Analysis erreichte GPT-6.1 Terra in der Max-Stufe 48 Punkte und landete damit hinter Claude Opus 5.5, Kimi K3.1 Pro, Googles Gemini 4 Argon, Meta Muse Wonder und GPT-6.1 Sol, aber vor Grok 4.7 und Xiaomis MiMo-V2.6-Pro.
Insgesamt befindet es sich im Mittelfeld der weltweiten Top-Modelle.
Praxistest der Netzbegutzer: detailliertere Bilder gezeichnet, bei 38 % geringeren Kosten
Wie sieht es nun mit den echten Fähigkeiten des Modells aus?
Wie gewohnt werfen wir wieder einen Blick auf die von Nutzern geteilten Praxistergebnisse.
DesignArena stellte GPT-6.1 Terra und GPT-5.6 Terra dieselbe Aufgabe:
Den Turm von Belém in Lissabon zur goldenen Stunde nachzubilden.
Es galt nicht nur, diese Festung aus Kalkstein aus dem 16. Jahrhundert zu zeichnen, sondern auch die eingemeißelten Taue, die offenen Balkone, die Zinnen und die Turmhauben-Ecktürmchen wiederzugeben – und im Bild außerdem Möwen, Segelboote sowie die Brücke des 25. April im Nebel zu zeigen.
Das Ergebnis ist durchaus interessant.
GPT-6.1 Terra brauchte fast das 4-fache der Zeit der Vorgängergeneration und verwendete 48 % mehr Token.
Da der Stückpreis jedoch weniger als die Hälfte des Vorgängermodells beträgt, waren die Gesamtkosten am Ende sogar um 38 % niedriger(das neue Terra kostete 0,047 USD, das alte Terra 0,077 USD).
Zum Glück hat sich der zusätzliche Zeitaufwand aber tatsächlich im Bild niedergeschlagen.
Welches Bild feiner und vollständiger ist, ist auf einen Blick erkennbar.
Ein anderer Entwickler, Victor Nunez, holte hingegen „lange Formulare“ heraus.
Er ließ GPT-6.1 Terra und GPT-6.1 Sol beide im Fast-Modus ein relativ langes allgemeines Formular suchen und ausfüllen und verglich anschließend die beiden Computerbedienungsabläufe miteinander.
Nach Aussage von Nunezhatte Terra das Formular im ersten Test 53,5 Sekunden schneller ausgefüllt als Sol.
Der OpenAI-Entwickler-Account teilte diese Demonstration anschließend direkt weiter.
Das entspricht genau der offiziellen Positionierung von Terra:
Es muss nicht unbedingt die schwierigsten Probleme bis zum Ende durchdenken, ist aber sehr geeignet, Informationen in Oberflächen zu erkennen, fortlaufend zu klicken, Inhalte auszufüllen und eine lange Kette von Schritten zügig durchzuarbeiten.
Ein anderer Nutzer, Leo, stellte Terra und Claude zusammen gegenüber.
Beim aggregierten Intelligenzwert erreichte Terra 48 Punkte und lag damit unter den 56 Punkten von Sonnet 5.5 und den 58 Punkten von Opus 5.5.
Bei Geschwindigkeit und Kosten kehrte sich das Ergebnis jedoch direkt um:
Terras Generierungsgeschwindigkeit erreicht 283 Token/s, das ist das 3.4-Fache von Opus 5.5, und die Kosten pro Aufgabe betragen nur 0.4 USD, etwa ein Fünfzehntel von Opus 5.5.
Leos Fazit fällt daher sehr direkt aus:
Wer Intelligenz und Fähigkeiten will, wählt Sonnet 5.5; wer Geschwindigkeit und Preis-Leistung will, wählt Terra. Was Opus 5.5 betrifft, so ist Terra vorerst noch nicht auf demselben Niveau.
Außerdem bestätigen die Testergebnisse eines anderen Nutzers Leos Schlussfolgerung.
Beim direkten Vergleich von Sonnet 5.5 und 6.1 Terra mit demselben Prompt braucht man nicht viele Worte darüber zu verlieren, wer die Nase vorn hat.
Im Vergleich zu Opus 5.5 ist es确实 viel billiger – aber in Anbetracht der Ergebnisse kann man nur sagen:
Was teuer ist, hat seinen Preis auch (doge).
Am selben Tag präsentierte OpenAI noch 3 neue wissenschaftliche KI-Entdeckungen
Neben Terra warf OpenAI am selben Tag noch eine größere „akademische Bombe“.
Offiziell wurde verkündet,dass sein KI-System drei neue Ergebnisse in Mathematik, Informatik und Physik erzielt hat, die jeweils die harmonische Analyse, die Komplexitätstheorie und die Quantenfeldtheorie betreffen。
Und es blieb nicht dabei, nur einen Ableitungstext in natürlicher Sprache zu liefern.
Die Texte in natürlicher Sprache zu den mathematischen und informatischen Ergebnissen sowie die Lean-Formalisierungen der Beweise sind bereits öffentlich zugänglich.
Bei den physikalischen Ergebnissen ist die Lean-Formalisierung der Existenz reiner Yang-Mills-Theorien ebenfalls abgeschlossen, doch die entsprechenden Materialien werden zunächst einem externen Expertengremium zur Durchsicht vorgelegt.
Auf Details will ich hier nicht eingehen; ich habe die Fortschritte, die OpenAI diesmal erzielt hat, kurz zusammengefasst:
1. Eine Vermutung geknackt, die die Mathematik seit über 30 Jahren beschäftigt
OpenAI erklärt,sein KI-System habe die lokale Glattheitsvermutung in allen Dimensionen bewiesen und damit weiter die Kakeya-Vermutung und die Stein-Restriction-Vermutung gelöst。
Kurz gesagt untersucht diese Forschung, wie sich Wellen bei ihrer Ausbreitung fokussieren.
Sie wurde 1991 vom Mathematiker Christopher Sogge aufgestellt; zuvor waren nur Probleme in bestimmten Dimensionen gelöst worden.
Nun hat die KI nicht nur einen Beweis in natürlicher Sprache geliefert, sondern ihn auch in das Lean-Formalisierungssystem aufgenommen.
Wenn dies in der Mathematik-Community bestätigt wird, bedeutet das, dass die KI tatsächlich in ein Problem vorgedrungen ist, das Menschen seit Jahrzehnten nicht vollständig lösen konnten.
2. Ein seit Jahrzehnten verwendetes Fundament der Informatik könnte falsch sein
Das zweite Ergebnis richtet sich auf die Exponentialzeithypothese (ETH).
Diese Hypothese besagt grob, dass es für komplexe Probleme wie 3-SAT sehr schwer ist, Algorithmen zu finden, die deutlich schneller sind als vollständige Enumeration.
In den vergangenen Jahrzehnten beruhten zahlreiche informatische Schlussfolgerungen auf ihrer Gültigkeit.
OpenAI erklärt jedoch,sein KI-System habe bewiesen, dass die ETH falsch ist, und die Lean-Formalisierung sei bereits abgeschlossen。
Das bedeutet aber nicht, dass das Problem P≠NP gelöst wäre, noch dass sofort praktische neue Algorithmen entstehen werden; es zeigt nur, dass manche komplexen Probleme möglicherweise nicht so schwer zu berechnen sind wie bisher angenommen.
3. Mathematische Beweise für vierdimensionale Quantenfeldtheorien der Physik ergänzt
Das dritte Ergebnis führt direkt in die Quantenfeldtheorie.
OpenAI erklärt,sein System habe Existenzbeweise für bestimmte vierdimensionale Quantenfeldtheorien erbracht, darunter die Quantenchromodynamik (QCD)。
Kurz gesagt geht es darum zu versuchen, aus streng mathematischer Sicht zu beweisen:
Diese physikalischen Theorien, die Quarks, Gluonen und die starke Wechselwirkung beschreiben, gelten tatsächlich.
Dazu gehört auch der Beweis der Existenz der reinen Yang-Mills-Theorie –
das ist Teil des berühmten Millenniumsproblems „Yang-Mills-Existenz und Massenlücke“.
Aber Achtung: nur ein Teil davon.
Das Mass Gap-Problem ist weiterhin ungelöst, sodass man noch nicht sagen kann, dass die KI dieses mit 100万美元 dotierte Welträtsel gemeistert hat.
Derzeit werden die betreffenden Ergebnisse auch von externen Experten wie dem Nobelpreisträger David Gross überprüft.
Gleichzeitig ein neues Modell veröffentlichen und nebenbei ein Problem lösen, das die Menschheit seit Jahrzehnten beschäftigt.
OpenAI:
Wenn ich schon nicht vor A-Company an die Börse kann, habe ich genug Mittel, um Aufmerksamkeit auf mich zu ziehen.
Referenz-Links:
[1]
https://openai.com/index/introducing-gpt-6-1-terra/
[2]
https://developers.openai.com/api/docs/models/gpt-6.1-terra
[3]
https://developers.openai.com/api/docs/pricing
[4]
https://x.com/OpenAI/status/2114780711664398349
[5]
https://x.com/DesignArena/status/2114800086391878104