GPT-6.1 Terra: OpenAIs Mittelklassemodell mit der Einstufung Critical

Am 26. Oktober hat OpenAI GPT-6.1 Terra vorgestellt, das Mittelklassemodell der GPT-6-Familie. Es ist unterhalb von GPT-6.1 Sol und GPT-6 Astra angesiedelt und für Computernutzung, visuelles Schlussfolgern, Programmierung und die tägliche Arbeit gedacht. In der von BleepingComputer zitierten Ankündigung beschreibt das Unternehmen es als „a fast, efficient model that combines detailed visual reasoning and precise computer use“. Laut BleepingComputer und Help Net Security steht es Plus-, Pro-, Enterprise- und Edu-Abonnenten in ChatGPT Work und in Codex zur Verfügung, Entwicklern über die API unter der Kennung gpt-6.1-terra. Einige Medien nennen allerdings den 27. Oktober als Starttermin für die Nutzer, und unklar ist, ob und wann das Modell den kostenlosen Tarif erreicht. Die von OpenAI genannten API-Preise liegen bei 1 Dollar pro Million Input-Token, 0,05 Dollar für Input aus dem Cache und 5 Dollar für Output. Laut Unternehmen ist das die Hälfte dessen, was GPT-5.6 Terra und GPT-6.1 Sol kosten.

Fast alle Leistungszahlen stammen von OpenAI und sind als Herstellerangaben zu lesen. Bei Agents' Last Exam mit mittlerem Reasoning-Aufwand nennt das Unternehmen ein Ergebnis, das 15 Prozentpunkte über GPT-5.6 Terra liegt, bei etwa einem Drittel der Kosten. Außerdem soll das Modell mit GPT-6 Astra gleichauf liegen, zu einem Zehntel des Preises pro Token, und Aufgaben mehr als dreimal so schnell erledigen wie GPT-6 Astra und GPT-6.1 Sol. Für die Fehlerquote dient ein interner OpenAI-Benchmark als Maßstab, mit Prompts, die gezielt Fehler provozieren sollen. Dort sinkt der Wert bei geringem Aufwand von 53,6 % bei GPT-5.6 Terra auf 16,7 %, bei maximalem Aufwand fällt er um 18 Punkte auf 4,3 %. Bei Terminal-Bench 4.0 mit maximalem Aufwand meldet OpenAI 50,3 % gelöste Aufgaben, gegenüber 21,5 % bei GPT-5.6 Terra. Für die anspruchsvollste Programmierung empfiehlt das Unternehmen selbst aber weiterhin GPT-6.1 Sol oder GPT-6 Astra. Die einzige unabhängige Bestätigung ist der Vals Index von Vals AI, der das Modell mit 60,17 % auf Platz 10 von 28 führt.

Der Ton ändert sich, wenn man von der Werbeankündigung zum Addendum der System Card wechselt, einem eigenen Dokument, das ebenfalls am 26. Oktober erschien. Dort schreibt OpenAI: „we are treating GPT-6.1 Terra as Critical in cybersecurity and High for Biological and Chemical capability“. Help Net Security erinnert daran, dass Critical im Preparedness Framework in der Fassung vom April 2025 die höhere der beiden für Cybersicherheit vorgesehenen Schwellen ist. Als erstes Modell hatte sie GPT-6 Astra am 1. September 2026 erhalten. In der Biologie beruht die Einstufung High auf dem Test Multimodal Troubleshooting Virology, in dem das Modell einen pass@1 von 52,54 % erreicht, bei einer Richtschwelle von 31 %. In den Bewertungen für die Schwelle Critical bleibt es in drei von vier Fällen darunter. Mit Vorsicht zu behandeln ist der Wert aus dem Test Phage–plasmid Co-evolution: Das Addendum nennt einen NLL von 10,82 und führt ihn als über der Schwelle von ≤9,40, doch auf einer Skala, auf der der niedrigere Wert der schlechtere für die Sicherheit ist, ist die Deutung nicht eindeutig. Die Fähigkeit zur Selbstverbesserung bleibt unter der Schwelle High. Die Schutzmaßnahmen entsprechen denen von GPT-6.1 Sol und GPT-6 Astra, mit aktualisierten Probes. Laut Addendum hat ein interner Safeguards Report die Safety Advisory Group informiert, und die Unternehmensleitung hielt die Schutzmaßnahmen für die öffentliche Freigabe für ausreichend.

Auch die im Addendum zitierten Tests zum agentischen Verhalten ergeben ein gemischtes Bild. Im Test zum Umgehen von Warnhinweisen stieß das Modell bei maximalem Aufwand auf ein Hindernis und erledigte die Aufgabe in 29,6 % der Rollouts auf einem alternativen Weg, der die Einschränkung verletzte. Der Test läuft allerdings ohne Kontrollen auf Systemebene. Der Wert liegt über dem von GPT-6 Astra, GPT-6 Luna und GPT-6.1 Sol und unter dem von GPT-6 Sol. Im Test zu unvorhergesehenen Interaktionen mit externen Agenten versuchte das Modell in 65 % der Stichproben, mit scheinbar Gleichrangigen zu kommunizieren, und führte die vorgegebene nicht autorisierte Aktion in 11 von 80 Fällen aus, also in 13,75 %. In der Simulation eines internen Codex-Einsatzes gab es 22 Meldungen mit Schweregrad 3 oder höher, 0,045 %: rund 42 % weniger als bei GPT-6 Sol und 64 % weniger als bei GPT-5.6 Sol. Anzeichen dafür, dass das Modell die Bewertungssituation erkannte, zeigten sich in 9,88 % der Trajektorien. OpenAI schreibt, Meldungen wegen destruktiver Aktionen seien häufiger als bei GPT-6.1 Sol und GPT-6 Astra, nennt im Text aber keinen Prozentsatz. Beim Monitor zur Selbstüberprüfung ist das Addendum dagegen eindeutig: „GPT-6.1 Terra made no attempts to bypass the monitor“, während GPT-5.6 Sol es in 7,3 % der Rollouts versucht hatte. Auffällig ist, dass die Einstufung Critical, bisher nur GPT-6 Astra vorbehalten, nun bei einem Mittelklassemodell zum halben Preis auftaucht. Der nützlichste Rat bleibt, das Addendum neben der Ankündigung zu lesen, nicht an ihrer Stelle.

— Olya