Zum Inhalt springen
B2B E-Commerce

GPT-6.1 Terra: Token-Kosten in B2B-Angeboten kalkulieren

GPT-6.1 Terra bietet B2B-Unternehmen die Möglichkeit, Token-Kosten in Angebots- und RFQ-Prozessen gezielt zu kalkulieren und um bis zu 50 % zu reduzieren. Erfahren Sie, welche Stellschrauben dabei entscheidend sind.

Von Maik Boche

GPT-6.1 Terra: Token-Kosten in B2B-Angeboten kalkulieren

OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 zu 1 US-Dollar pro Million Input-Token und 5 US-Dollar pro Million Output-Token veröffentlicht, was laut OpenAI 50 Prozent unter den Standardpreisen von GPT-6.1 Sol liegt (Quelle: imisofts.com, 27. Oktober 2026). Für Entscheider im B2B-E-Commerce bedeutet das: Wer Token-intensive Prozesse wie RFQ-Auswertungen, Angebotserstellung oder CRM-Notizen über die Batch-API abwickelt, zahlt nochmals 50 Prozent weniger. 10.000 personalisierte Angebotseröffnungen kosten per Batch-API laut Quelle rund 13 US-Dollar statt 52 US-Dollar auf GPT-6.1 Sol. Cached-Input-Token werden sogar mit nur 0,05 US-Dollar pro Million berechnet, was repetitive Systemprompts in B2B-Workflows erheblich vergünstigt.

GPT-6.1 Terra: Token-Kosten in B2B-Angeboten und RFQ-Prozessen kalkulieren

OpenAI hat GPT-6.1 Terra am 26. Oktober 2026 zu einem Einstiegspreis von 1 US-Dollar pro Million Input-Token und 5 US-Dollar pro Million Output-Token veröffentlicht. Laut OpenAI liegen diese Preise 50 Prozent unter den Standardpreisen von GPT-5.6 Terra und GPT-6.1 Sol. Für mittelständische B2B-Unternehmen, die Angebotsprozesse und RFQ-Workflows mit KI unterstützen, ergibt sich daraus ein konkreter Kalkulationsrahmen.


Token-Preisstruktur im Überblick

GPT-6.1 Terra wird pro Token abgerechnet, aufgeteilt in vier separate Gebührenposten:

PositionPreis pro Million Token
Standard-Input1,00 USD
Cached Input0,05 USD
Standard-Output5,00 USD
Cache Write (30 Min.)1,25 USD
Cache Write (12 Std.)2,50 USD

Über 272.000 Input-Token pro Prompt gilt ein Aufschlag: 2x auf Input, 1,5x auf Output. Das Kontextfenster beträgt 1.050.000 Token. Über die Batch-API und den Flex-Modus gewährt OpenAI einen Rabatt von 50 Prozent.

Zum Vergleich: GPT-6.1 Sol kostet 2 USD Input und 10 USD Output pro Million Token. GPT-6 Luna liegt bei 0,10 USD Input und 0,50 USD Output.


Praktische Implikation 1: Angebotsautomatisierung konkret kalkulieren

OpenAI selbst nennt ein Rechenbeispiel: 10.000 personalisierte Angebots-Opener mit jeweils 2.000 Input- und 120 Output-Token kosten bei Terra zu Listenpreisen rund 26 USD. Über die Batch-API sinkt dieser Betrag auf 13 USD. Zum Vergleich: GPT-6.1 Sol käme auf 52 USD, GPT-6 Luna auf 2,60 USD, jeweils ohne Reasoning-Token.

Für Entscheider bedeutet das: Wer KI-gestützte Angebotsautomatisierung im B2B-E-Commerce plant, sollte die Output-Token-Quote pro Dokument sorgfältig schätzen, da Output fünfmal teurer ist als Input.


Praktische Implikation 2: Caching spart bei wiederkehrenden RFQ-Strukturen

Der Cached-Input-Preis von 0,05 USD pro Million Token entspricht einem Zwanzigstel des Standard-Input-Preises. Wer in RFQ-Workflows lange Systemprompts oder Produktkataloge auf jede Anfrage neu sendet, zahlt jedes Mal den vollen Input-Preis. Strukturieren Sie Ihre API-Aufrufe so, dass Prompt-Präfixe wiederverwendet werden, reduziert sich der Input-Kostenbeitrag erheblich.

Gerade bei umfangreichen B2B-Angebotsprozessen mit Versions- und Freigabelogik lohnt es sich, den Systemkontext einmalig zu cachen und nur die variablen RFQ-Parameter pro Aufruf zu übergeben.


Praktische Implikation 3: Modellwahl nach Anwendungsfall differenzieren

GPT-6.1 Terra ist laut OpenAIs Entwicklerdokumentation als “schnelles, effizientes Modell für visuelles Reasoning, präzise Computer-Nutzung und klares, natürliches Schreiben” positioniert. Es läuft in ChatGPT Work und Codex. Für einfache, volumenstarke Aufgaben wie CRM-Notizen oder kurze Antwortvorlagen kann GPT-6 Luna bei 0,10 USD Input deutlich günstiger sein. Für komplexe Vertragsangebote mit Begründungstiefe bleibt GPT-6.1 Sol eine Option.

Eine strukturierte Token-Kostenoptimierung für die B2B-Angebotserstellung sollte daher Aufgabentypen trennen: Standard-RFQs auf Terra oder Luna, komplexe Nachverhandlungen auf Sol, wenn nötig.


Praktische Implikation 4: Batch-API für nicht zeitkritische Angebotswellen einplanen

Der Batch-Rabatt von 50 Prozent gilt laut OpenAI für Batch- und Flex-Verarbeitung. Für B2B-Unternehmen, die Angebote in Stapeln versenden, zum Beispiel zu Quartalsanfang oder bei saisonalen Ausschreibungen, ist die Batch-API der direkteste Weg, die Kosten auf das Niveau von GPT-6 Luna zu senken, ohne auf die Modellqualität von Terra zu verzichten.

Im Zusammenspiel mit automatisierten Rechnungs- und Angebotsprozessen im B2B-Shop lässt sich ein asynchroner Batch-Workflow aufbauen, der Kosteneffizienz und Prozessqualität verbindet.


Hinweis: Die genannten Preise basieren auf dem Stand vom 28. Oktober 2026. Überprüfen Sie aktuelle Tarife vor der Budgetplanung direkt auf der OpenAI-Preisseite.


Quellen

Häufige Fragen

Was kostet GPT-6.1 Terra pro Million Token und wie unterscheidet sich das von GPT-6.1 Sol?

GPT-6.1 Terra kostet $1,00 pro Million Input-Token und $5,00 pro Million Output-Token. Cached Input-Token sind mit $0,05 pro Million deutlich günstiger. OpenAI gibt an, dass diese Preise 50 Prozent unter den Standardpreisen von GPT-6.1 Sol liegen, der $2,00 Input und $10,00 Output kostet. Für B2B-Angebotsprozesse mit hohem Textvolumen ist Terra damit die kosteneffizientere Wahl gegenüber Sol.

Wie viel kostet es, 10.000 personalisierte Angebots-E-Mails mit GPT-6.1 Terra zu generieren?

Bei einem typischen Prompt von 2.000 Input-Token und 120 Output-Token pro E-Mail entstehen für 10.000 E-Mails auf Terra Kosten von rund $26,00 zum Standardpreis. Über die Batch-API reduziert sich das auf ca. $13,00. Zum Vergleich: GPT-6.1 Sol kostet für dieselbe Menge $52,00, GPT-6 Luna lediglich $2,60. Terra positioniert sich damit als mittlere Preisstufe mit höherer Ausgabequalität als Luna.

Wann lohnt sich der Einsatz von Cached Input-Token bei RFQ-Prozessen?

Cached Input-Token kosten nur $0,05 pro Million, also ein Zwanzigstel des Standardpreises. Das lohnt sich immer dann, wenn identische System-Prompts oder Angebotsvorlagen in vielen API-Calls wiederverwendet werden. Wer RFQ-Vorlagen strukturiert und Prompt-Präfixe konsequent wiederholt, kann die Input-Kosten erheblich senken. Cache-Writes kosten je nach Haltedauer $1,25 (30 Minuten) oder $2,50 (12 Stunden) pro Million Token.

Welche Kostenfalle sollten Entscheider bei langen Angebotsdokumenten beachten?

Übersteigen Prompts 272.000 Input-Token, verdoppelt OpenAI den Input-Preis auf $2,00 pro Million und berechnet Output-Token mit dem 1,5-fachen Satz. Bei umfangreichen RFQ-Dokumenten oder langen Produktkatalogen als Kontext ist es daher sinnvoll, Inhalte zu segmentieren oder gezielt Caching zu nutzen, um unter dieser Schwelle zu bleiben. Das Kontextfenster von GPT-6.1 Terra beträgt maximal 1.050.000 Token.

Bietet die Batch-API eine verlässliche Methode zur Kostensenkung für B2B-Massenprozesse?

Ja. Die Batch-API sowie der Flex-Modus gewähren laut OpenAI einen Rabatt von 50 Prozent auf die Standardpreise. Für Unternehmen, die Angebote oder RFQ-Antworten nicht in Echtzeit, sondern asynchron verarbeiten, halbiert sich damit der Token-Preis. 10.000 Angebots-E-Mails kosten so $13,00 statt $26,00. Preise sollten vor der Budgetplanung auf der offiziellen OpenAI-Preisseite bestätigt werden, da sich diese ändern können.


Dieser Artikel wurde von einem KI-System automatisiert erstellt. Kennzeichnung gemäß Art. 50 der EU-KI-Verordnung.