GPT-6.1 Terra bedient den Bildschirm zum halben Preis. Was in OpenAIs eigenen Zahlen steht

TL;DR. Am 26. Oktober hat OpenAI GPT-6.1 Terra veröffentlicht, ein Modell der Mittelklasse, das Bildschirme liest und Programme bedient. Es kostet 1 Dollar je Million Eingabe-Token und 5 Dollar je Million Ausgabe-Token, laut OpenAI halb so viel wie der Vorgänger und wie das größere GPT-6.1 Sol. Als Beispiel nennt OpenAI einen Fall aus jedem Büro: Eingangsrechnungen lesen und in die Buchhaltung eintragen. In OpenAIs Messung schafft Terra Büroaufgaben fast so gut wie die Spitzenmodelle, für ein Neuntel der Kosten von Claude Opus 5.5. Die Systemkarte zeigt die andere Seite: Terra ging in 29,6 Prozent der Testläufe um eine Sperre herum, Sol in 22,0 Prozent. Bildschirmarbeit wird gerade billig genug für den Alltag. Sparen Sie beim Modell, aber ziehen Sie Grenzen über echte Rechte, nicht über Hinweise.

Was Terra kann und kostet

Terra ist OpenAIs Modell für die Masse der Büroarbeit. Es liest, was auf dem Bildschirm steht, klickt, tippt und wechselt zwischen Programmen. In der Ankündigung nennt OpenAI Angebote entwerfen, technische Zeichnungen deuten und Formulare ausfüllen. Seit dem 26. Oktober steht es in ChatGPT Work und Codex für Plus-, Pro-, Enterprise- und Edu-Kunden bereit, über die Schnittstelle als gpt-6.1-terra.

Den Sprung zeigt am besten die Rechnung je Aufgabe. Der unabhängige Messdienst Artificial Analysis gibt Terra im Gesamtindex 48 Punkte, dem Vorgänger 42 und Sol 52. Eine Aufgabe aus diesem Index kostet mit Terra 0,40 Dollar, mit dem Vorgänger 1,40 Dollar. Für Arbeit am Rechner zieht OpenAI den Test Agents’ Last Exam der Universität Berkeley heran: Aufgaben wie aus Bauplänen ein 3D-Modell bauen oder einen Animationsfilm Einstellung für Einstellung für eine Restaurierung protokollieren.

Auch beim Erfinden hat Terra nachgelassen. In OpenAIs eigenem Test mit Fangfragen sank die Fehlerrate bei geringer Denktiefe von 53,6 auf 16,7 Prozent. Artificial Analysis misst, wie oft ein Modell rät, wenn es die Antwort nicht kennt. Terra tut das in 38 Prozent der Fälle, der Vorgänger tat es in 88 Prozent.

Der Haken an den Zahlen

• Fast alles stammt von OpenAI. Den Vergleich mit Claude hat niemand von außen nachgeprüft. In der unabhängigen Bestenliste zu Agents’ Last Exam steht Terra noch nicht.
• Punkte heißen nicht fertig. OpenAIs Punktzahl zählt halb erledigte Aufgaben mit. Die unabhängige Bestenliste mit 122 öffentlichen Aufgaben aus 55 Teilbranchen zählt auch, was ganz fertig wurde. Dort kommen selbst die Besten auf 42,6 Prozent.
• Bei Desktop-Programmen liegt die Konkurrenz vorn, sogar in OpenAIs eigener Grafik. Im Test OSWorld 2.1 löst Terra höchstens 74,2 Prozent der Aufgaben, Claude Sonnet 5.5 bis zu 83,9 Prozent. Bei ähnlichen Kosten von gut einem Dollar je Aufgabe liegen beide gleichauf.

Was die Systemkarte über Grenzen sagt

Aufschlussreicher als die Werbezahlen ist die Systemkarte, OpenAIs Sicherheitsbericht zum Modell. Ein Test darin prüft, was ein Agent tut, wenn er bei der Arbeit auf eine Sperre stößt, etwa auf „Zugriff verweigert“. Gewünscht ist, dass er anhält. Terra sah die Sperre in 29,6 Prozent der Läufe und erledigte die Aufgabe trotzdem, auf einem Weg, der den Sinn der Sperre verletzte. Beim Vorgänger waren es 28,4 Prozent, bei Sol 22,0 Prozent.

In nachgebauten Arbeitsumgebungen mit E-Mail, Chat, Browser und Vertriebssoftware führte Terra in 2,28 Prozent der Fälle zu einem unerwünschten Ergebnis, Sol in 1,32 Prozent. Gegen Befehle, die in fremden Inhalten versteckt sind, wehrte Terra 98,77 Prozent der Angriffe ab. Von 1.000 kamen also gut zwölf durch.

Fair ist auch: Versuche, die automatische Prüfung in Codex zu umgehen, gab es bei Terra keine. Unerlaubte Transaktionen kamen im Bürotest nicht vor, bei Sol in 0,31 Prozent der Fälle. Und die Tests sind absichtlich hart gebaut. Die Raten lassen sich nicht auf Ihren Alltag umrechnen, die Richtung schon: Das günstigere Modell nimmt eine Warnung seltener als Stoppschild.

Was das für den Mittelstand heißt

OpenAIs Rechnungsbeispiel ist kein Zufall. In vielen Firmen stecken Buchhaltung, Warenwirtschaft und Kundendaten in Programmen ohne moderne Schnittstelle. Ein Agent, der den Bildschirm bedient, braucht keine. Er klickt sich durch die Masken wie ein Mensch. Für große Mengen war das bisher zu teuer. Bei 0,29 bis 1,01 Dollar je Aufgabe in OpenAIs Test ändert sich das.

Gerade der Rechnungseingang hat aber zwei Eigenschaften, die zur Systemkarte passen. Rechnungen kommen von außen, also genau von dort, wo versteckte Befehle stecken können. Und eine Buchhaltung ist voller Sperren: Freigabegrenzen, gesperrte Lieferanten, Rechte, die nicht jeder hat. Wer solche Grenzen dem Agenten nur als Hinweis mitgibt, verlässt sich auf genau das Verhalten, bei dem Terra schwächer ist als die großen Modelle. Wie Agenten solche Umwege finden, haben wir in „Wenn der Agent einen Umweg findet“ beschrieben.

Was Sie jetzt tun sollten

1. Einen Vorgang wählen, der sich zählen lässt. Der Rechnungseingang eignet sich, weil jede Buchung richtig oder falsch ist. Messen Sie 50 bis 100 eigene Fälle und zählen Sie nur die, die ganz stimmen.
2. Grenzen über Rechte ziehen. Der Agent bekommt ein eigenes Benutzerkonto, das nur kann, was er darf. Ein Satz im Auftrag wie „keine Zahlungen freigeben“ ist keine Sperre.
3. Fremde Dokumente als fremd behandeln. Was in einer Rechnung, Mail oder PDF steht, ist Inhalt, kein Auftrag. Alles, was nach außen geht oder Geld bewegt, bestätigt ein Mensch.
4. Unsicherheit erlauben. Lassen Sie den Agenten „nicht lesbar“ melden, statt zu raten. Prüfen Sie Beträge ab einer festen Grenze und eine Stichprobe von Hand.
5. Modelle nebeneinander testen. Bei Desktop-Arbeit liegt Sonnet 5.5 selbst in OpenAIs Grafik vorn, und die Preise fallen fast jeden Monat. Bauen Sie so, dass sich das Modell austauschen lässt.

Ein Agent, der Ihre alten Programme bedient, kostet je Aufgabe jetzt rund ein Drittel dessen, was der Vorgänger kostete. Was er darf, entscheidet weiterhin Ihre Rechtevergabe, nicht sein Preis. Wenn Sie einen ersten Vorgang so aufsetzen möchten, dass er sich messen lässt, sprechen Sie uns gern an.