GPT-5.6 Terra vs Claude Sonnet 5: Benchmarks, Preise und wann du welches nutzt

Wenn du ein Mid-Tier-Modell suchst, das als dauerlaufender Agent im Hintergrund arbeitet, sind aktuell GPT-5.6 Terra und Claude Sonnet 5 die offensichtlichen Kandidaten. Beide sind die Standardmodelle, die ihre Anbieter Gratis-Nutzenden an die Hand geben, beide bieten etwa 1 Mio. Token Kontextfenster, und beide liegen bei den Input-Tokens preislich nur knapp einen Dollar auseinander.

In diesem Artikel vergleiche ich GPT-5.6 Terra und Claude Sonnet 5 in den Bereichen Coding- und Terminal-Agents, Wissensarbeit, Cybersicherheitsprofil, Verhalten bei langem Kontext, API-Steuerung sowie Preise, damit du das Modell wählen kannst, das zu deinem Workload passt. Für eine tiefergehende Betrachtung jedes Modells schau dir unsere Guides zur GPT-5.6-Familie und zu Claude Sonnet 5 an.

TL;DR

• Terra ist die stärkere Wahl für terminalgetriebene Coding-Agents und toollastige Pipelines, wo seine Token-Effizienz echte Arbeit spart.
• Sonnet 5 ist die entspanntere Wahl für langen Kontext und dokumentenlastige Aufgaben, da die Preise über das gesamte Fenster konstant bleiben.
• Wähle GPT-5.6 Terra, wenn deine Agents in der Shell leben, pro Turn viele Tools aufrufen oder du ab August günstigere Output-Tokens willst.
• Wähle Claude Sonnet 5, wenn du sehr große Prompts sendest, kalkulierbare Abrechnung pro Token möchtest oder bewusst ein Modell bevorzugst, das Exploit-Arbeit ablehnt.

Was ist GPT-5.6 Terra?

GPT-5.6 Terra ist die mittlere Stufe in OpenAIs GPT-5.6-Familie, die am 9. Juli 2026 allgemein verfügbar wurde – neben dem Flaggschiff Sol und der günstigsten Stufe Luna. OpenAI beschreibt Terra als ausgewogene Option für den Alltagseinsatz und ordnet es grob der Mini-Stufe früherer GPT-5-Familien zu. Es bietet ein Kontextfenster von 1.050.000 Tokens, eine Output-Obergrenze von 128.000 Tokens und einen Wissensstand bis zum 16. Februar 2026.

Zwei Dinge machen Terra interessant statt nur günstig. Es erbt Programmatic Tool Calling aus der Responses API, wodurch das Modell kleine In-Memory-Programme schreiben und ausführen kann, die Tools koordinieren – statt jede Tool-Antwort zurück durchs Modell zu schleifen. Und am 30. Juli 2026 senkte OpenAI den Terra-Preis um 20%, von anfangs $2,50/$15 auf $2,00/$12 pro 1 Mio. Tokens.

Die gesamte Familie haben wir im Guide zu GPT-5.6 Sol, Terra und Luna beleuchtet. Wenn du sehen willst, wofür das Flaggschiff eingesetzt wird, lies unseren Bericht darüber, wie GPT-5.6 Sol zur Widerlegung der Maxwell-Vermutung beitrug. Ein Vergleich auf Flaggschiff-Niveau findet sich außerdem in Claude Opus 5 vs GPT-5.6 Sol.

Was ist Claude Sonnet 5?

Claude Sonnet 5 ist das Mid-Tier-Modell von Anthropic, veröffentlicht am 30. Juni 2026, und als bisher „agentischstes" Sonnet positioniert. Laut Anthropic plant es, steuert Browser und Terminals und läuft autonom auf einem Niveau, das zuvor Opus-Klasse erforderte – und liegt bei Reasoning, Toolnutzung, Coding und Wissensarbeit preisgünstig nahe bei Opus 4.8.

Es ist das Standardmodell in den Free- und Pro-Plänen und kommt mit bewussten Einschränkungen: temperature, top_p und top_k sind entfernt, manuelles Extended Thinking liefert einen 400-Fehler, und Adaptive Thinking ist standardmäßig aktiviert. Zudem nutzt es einen neuen Tokenizer, der für denselben Text rund 30% mehr Tokens erzeugt als Sonnet 4.6 – was Anthropic bis zum 31. August 2026 mit Einführungspreisen kompensiert.

Die Launch-Zahlen findest du in unserem Claude Sonnet 5 Guide sowie den Vergleich nach oben gegen das Flaggschiff in Claude Opus 5 vs Claude Sonnet 5.

GPT-5.6 Terra vs Claude Sonnet 5: Direktvergleich

Hier die Eckdaten beider Modelle nebeneinander, bevor wir in die einzelnen Fähigkeitsbereiche einsteigen.

Coding und Terminal-Agents

Typischerweise hat Anthropic die Nase vorn beim Programmieren im Repository, OpenAI beim Terminal.

Diese Aufteilung bleibt: Auf Terminal-Bench 2.1 erreicht Terra 87,4% gegenüber 80,4% für Sonnet 5 in Anthropics Launch-Materialien – ein 7-Punkte-Vorsprung bei Command-Line-Workflows. Bemerkenswert: Terra übertrifft in OpenAIs Lauf derselben Eval auch Claude Opus 4.8 (78,9%) und Claude Fable 5 (83,1%).

Aktuell liegen die beiden Mid-Tier-Konkurrenten beim Repo-Coding jedoch gleichauf. Auf SWE-Bench Pro, das mehrstufige Fixes in realen Repositories testet, meldet OpenAI für Terra 63,4% und Anthropic für Sonnet 5 63,2%.

Auch Anthropics eigenes Framing stützt diese Aufteilung. Sonnet 5s Coding-Story betont das „Dranbleiben“ statt Peak-Scores: Frühe Tester berichteten, es schließe Aufgaben ab, bei denen Sonnet 4.6 zuvor stoppte, und prüfe ungefragt den eigenen Output.

Lebt dein Agent in der Shell, hat Terra die Nase vorn. Lebt er im Codebase-Kontext und analysiert Fehler, sagen die Benchmarks: Du wählst zwischen zwei Modellen derselben Klasse.

Wissensarbeit und professionelle Aufgaben

Beide Anbieter berichten GDPval-AA v2, ein Elo-ähnliches Maß für Qualität professioneller Outputs, und die Zahlen liegen so dicht beieinander, dass es praktisch egal ist. OpenAI sieht Terra bei 1.593 Elo; Anthropic setzt Sonnet 5 bei 1.618 an. OpenAI bewertet Claude Opus 4.8 auf diesem Eval mit 1.600 Elo, Anthropic mit 1.615 – der 25-Punkte-Abstand zwischen Terra und Sonnet 5 liegt also im Methodik-Rauschen.

Unbeantwortet bleibt Terras Anspruch bei Agents' Last Exam, einer Evaluation langlaufender Professional-Workflows über 55 Felder. Terra erzielt 50,4% und liegt vor GPT-5.5 (46,9%), Claude Opus 4.8 (45,2%) und Claude Fable 5 (40,5%). Anthropic hat Sonnet 5 auf diesem Eval nicht berichtet – nimm es also als von OpenAI gewähltes Terrain, nicht als Urteil.

Beim Computergebrauch rate ich von einem direkten Vergleich ab. OpenAI meldet Terra mit 50,2% auf OSWorld 2.0, während Anthropic Sonnet 5 mit 81,2% auf OSWorld-Verified angibt. Das sind unterschiedliche Sets mit unterschiedlicher Wertung, und Anthropic hat OSWorld-Verified explizit für diesen Release überarbeitet. Ein Nebeneinanderstellen sagt hier nichts aus.

Terras praktischer Vorteil in diesem Bereich ist das Token-Accounting. Notion berichtete, dass viele Agents mit GPT-5.5 auf Terra bei halben Kosten und mit 16% weniger Tokens gleich gut laufen, und Clio meldete, dass Programmatic Tool Calling die Prompt-Tokens bei mehrstufiger Dokumentenanalyse ohne Qualitätsverlust um 38% senkte. Das sind Partneraussagen, keine unabhängigen Messungen – aber sie benennen klar, was sich geändert hat.

Cybersicherheit: zwei gegensätzliche Wetten

Hier liegt der größte Abstand – und er ist ein Designentscheid, kein Zufall.

OpenAI hat die GPT-5.6-Familie für Cyberarbeit trainiert: Terra erzielt 91,8% auf Capture-the-Flag-Challenges, 57,7% auf SEC-Bench Pro, 52,9% auf ExploitBench und 23,2% auf ExploitGym. Zwei dieser Werte übertreffen GPT-5.5, das vorherige Flaggschiff, das 45,8% auf SEC-Bench Pro und 47,9% auf ExploitBench erreichte.

Anthropic wählte den gegenteiligen Weg. Sonnet 5 wurde nicht gezielt für Cybersicherheitsaufgaben trainiert und erzielte auf einer mit Mozilla gebauten Exploit-Entwicklungseval gegen Firefox-147-Schwachstellen 0,0% – es produzierte nie einen funktionierenden Exploit. Anthropic liefert Sonnet 5 mit Echtzeit-Cyber-Schutzmaßnahmen standardmäßig aus und empfiehlt Opus 4.8 für Cyberarbeit mit reduzierten Leitplanken.

Für die meisten ist das bei Sonnet 5 ein Feature, kein Mangel. Wenn du ein Produkt baust, bei dem ein Modell, das versucht, Exploits zu generieren, ein Risiko ist, ist ein Modell, das verlässlich ablehnt, die sicherere Abhängigkeit. Wenn du defensive Security betreibst, liegt Terra im OpenAI-Programm Daybreak Trusted Access for Cyber, und einzelne Mitglieder benötigen bis zum 1. September hardwaregestützte Passkeys, um Zugriff auf die cyberfähigsten Modelle zu behalten.

Auch die Reibungskosten auf OpenAI-Seite sind erwähnenswert. OpenAI sagt, die Cyber-Schutzmaßnahmen von GPT-5.6 Sol blocken rund zehnmal so viel potenziell schädliche Aktivität wie frühere Modelle, und es hat in ChatGPT und Codex eine Retry-Option auf ein Modell mit geringerer Fähigkeit ergänzt, weil harmlose Anfragen hängen bleiben. In Reddit-Threads wird Ähnliches über Anthropic berichtet: Sonnet 5 blockiert harmlose Security-Lehrinhalte – das Überblocken ist bei keinem Anbieter gelöst.

Kontextfenster und Long-Context-Arbeit

Nominal sind beide gleich: Terra publiziert ein Kontextfenster von 1.050.000 Tokens mit 128.000 Token Output-Ceiling, Sonnet 5 liefert 1 Mio. mit 128K Output-Ceiling. Der Unterschied zeigt sich, wenn du das Fenster wirklich füllst.

Terra veröffentlicht Retrieval-Scores über das ganze Fenster. Auf OpenAI MRCR v2 8-needle erzielt es 89,6% im 256K–512K-Band und 72,5% im 512K–1M-Band – nahe bei Sols 91,5% und 73,8% und deutlich über Lunas 41,3%. Heißt: Das Modell findet versteckte Details in etwa 9 von 10 Fällen innerhalb eines 512k-Dokuments – sehr verlässlich für Wissensextraktion. Anthropic hat zum Launch keine vergleichbaren Needle-Retrieval-Zahlen für Sonnet 5 publiziert.

Wichtiger ist das Abrechnungsverhalten. Prompts über 272K Input-Tokens kosten bei Terra das Doppelte für Input und das 1,5-Fache für Output – für die gesamte Anfrage, nicht nur für die Überschreitung. Sonnet 5 hat keinen veröffentlichten Long-Context-Aufschlag, die Raten bleiben über das ganze Fenster stabil. Zahlen dazu gibt es im Preisabschnitt – dort kippt, welches Modell günstiger ist.

Control Surface: Aufwand, Thinking und API-Einschränkungen

Beide Modelle bieten einen Regler für den Reasoning-Aufwand, gehen aber stark auseinander, was du sonst noch einstellen darfst.

Sonnet 5 hat temperature, top_p und top_k komplett entfernt – entsprechende Aufrufe liefern einen 400-Fehler. Manuelles Extended Thinking ebenfalls: 400. Du hast Adaptive Thinking standardmäßig an oder deaktivierst Thinking ganz.

Sonnet 5 unterstützt außerdem keine Priority Tier auf der Anthropic-Plattform – relevant, wenn dein Team heute für Latenzgarantien auf Opus oder Sonnet 4.6 setzt. Anthropic hat die Ratenlimits in Chat, Cowork, Claude Code und der Claude Platform erhöht, um den höheren Tokenverbrauch bei hohem Aufwand aufzufangen.

Terras Oberfläche ist in eine andere Richtung breiter. Wichtige Features:

• Programmatic Tool Calling in der Responses API, führt koordinierende Programme im Speicher aus und ist mit Zero Data Retention kompatibel.

• Eine Multi-Agent-Beta in der Responses API, mit der das Modell parallele Sub-Agents in einer Anfrage ausführt und ihre Ergebnisse zusammenführt.

• Die Einstellung max für den Aufwand, von allen Nutzenden mit GPT-5.6-Zugang in ChatGPT Work und Codex umschaltbar.

• Explizite Cache-Breakpoints mit mindestens 30 Minuten Cache-Lebensdauer, Cache-Reads mit 90% Rabatt und Cache-Writes zu 1,25x des ungespeicherten Input-Tarifs.

• Function Calling, strukturierte Outputs, gehostete Shell, Code Interpreter und Computer Use in der Responses API; Fine-Tuning wird nicht unterstützt.

Eine Asymmetrie zum Merken: OpenAIs ultra-Einstellung koordiniert vier Agents parallel, aber alle veröffentlichten ultra-Benchmarks gehören zu Sol, nicht Terra. Geh nicht davon aus, dass die Mid-Tier dieselben Multi-Agent-Gewinne bringt, bis es Ultra-Zahlen für Terra gibt.

Preise: Was du tatsächlich zahlst

Terra und Sonnet 5 liegen beim Input aktuell nur rund einen Dollar auseinander – entscheidend ist also die Form deines Workloads, nicht der Stickerpreis.

Tokenraten im Vergleich

Terras $2,00/$12,00 spiegeln die 20%-Senkung vom 30. Juli 2026 wider (zuvor $2,50/$15,00). Gecachte Input-Reads kosten bei Terra $0,20 pro 1 Mio., und Anthropic unterstützt Prompt-Caching für Sonnet 5, ohne in den Launch-Materialien einen Sonnet-spezifischen Tarif auszuweisen.

Da Anthropic Thinking-Tokens zum Output-Tarif abrechnet, vervielfacht extra-hoher Aufwand bei Sonnet 5 direkt deine teuerste Kostenzeile. Das ist der einfachste Weg, ein auf Input-Volumen kalkuliertes Budget zu sprengen.

Was ein echter Workload kostet

Die Formel ist simpel: (Volumen ÷ 1 Mio.) × Tarif, summiert über Input und Output. Ich habe drei Workload-Formen zu Standardraten durchgerechnet – jede isoliert einen Mechanismus, in dem sich die Modelle wirklich unterscheiden.

Die dritte Zeile ist die Kernaussage. Am Gesamtvolumen ändert sich nichts zwischen Zeile zwei und drei – nur die Größe der einzelnen Anfragen –, und Terras 272K-Aufschlag dreht einen 41%-Kostenvorteil in einen 29%-Nachteil. Wenn du routinemäßig 300K Tokens Vertragstext oder Repository-Kontext in einen Call packst, ist Terras günstiger Stickerpreis trügerisch.

Die generation-lastige Zeile kehrt sich vor September außerdem um. Mit Sonnet 5s Einführungspreisen von $2,00/$10,00 kostet dieser Workload $42 gegenüber $50 bei Terra – Sonnet 5 ist also $8 günstiger, bis ab dem 1. September 2026 die Standardraten greifen. Anthropic hat das Fenster so gewählt, dass die Migration von Sonnet 4.6 grob kostenneutral wird – bau dein Budget nicht dauerhaft darauf.

Warum dieselbe Aufgabe unterschiedlich viel kostet

Diese Tarife werden nur dann zur Rechnung, wenn beide Modelle für dieselbe Arbeit gleich viele Tokens verbrauchen – was selten der Fall ist. Terra und Sonnet 5 nutzen unterschiedliche Tokenizer verschiedener Anbieter, daher liefert identischer Text vor jeder Antwort unterschiedliche Input-Token-Zählungen.

Kein Anbieter hat eine Between-Subjects-Zählung veröffentlicht, also gibt es keinen adjustierten Referenzwert. Es existieren nur Vorgänger-Aussagen, die nichts über Terra vs. Sonnet 5 aussagen:

• Anthropic dokumentiert, dass Sonnet 5s neuer Tokenizer rund 30% mehr Tokens erzeugt als Sonnet 4.6, und
• Notion berichtete 16% weniger Tokens bei Terra im Vergleich zu GPT-5.5.

Mein Rat: Betrachte die obige Tabelle als Tarifvergleich, nicht als Prognose, und miss deine eigenen Token-Zahlen an einem repräsentativen Sample, bevor du dich festlegst. Besonders die Sonnet-5-Tokenizer-Änderung hat Teams beim Launch überrascht – Simon Willisons Review und Cloud-Beratungen haben sie als größte Migrationsüberraschung markiert.

Wann du GPT-5.6 Terra vs. Claude Sonnet 5 wählst

So fällt die Entscheidung in den Szenarien aus, in denen sich die meisten wiederfinden dürften.

Wähle GPT-5.6 Terra, wenn ...

• Deine Agents in der Shell leben. Der 7-Punkte-Vorsprung auf Terminal-Bench 2.1 ist der größte veröffentlichte Coding-Unterschied zwischen diesen Modellen.
• Du pro Turn viele Tools aufrufst. Programmatic Tool Calling hält Zwischendaten aus dem Modellkontext; PlayCo meldete 63,5% weniger Gesamttokens und 50,1% weniger Modell-Turns bei strukturierter Szenenkonstruktion.
• Du defensive Cyberarbeit machst. Terras 57,7% auf SEC-Bench Pro und 52,9% auf ExploitBench liegen in einer anderen Klasse als Sonnet 5s bewusste Verweigerung.
• Du günstigere Output-Tokens brauchst. Nach August 2026 liegt Sonnet 5 bei $15 pro 1 Mio. gegenüber Terras $12.
• Du dokumentierte Long-Context-Retrieval-Zahlen willst, etwa 72,5% auf MRCR v2 im 512K–1M-Band.

Wähle Claude Sonnet 5, wenn ...

• Deine Prompts oder Dateikontexte groß sind. Flat Pricing bis 1 Mio. Tokens schlägt Terras 272K-Klippe – das macht bei 10 Mio. Input einen Kosten-Swing von 29%.
• Du ein Modell willst, das Cyberarbeit designbedingt ablehnt. Anthropic bewertet Sonnet 5 deutlich schwächer in Cyber als Opus 4.8 und Mythos 5 – für die meisten Produktteams ist das gewünscht.
• Du bereits im Claude-Ökosystem bist. Sonnet 5 ist Standard in Free und Pro und läuft in Claude Code.
• Du lieber einen einzelnen Regler statt eines Einstellungs-Panels hast. Adaptive Thinking plus Aufwandsstufen ist eine kleinere Fläche zum Nachdenken als Aufwand plus max plus ultra plus Tool-Calling-Modi.

Wenn Kosten der Engpass sind, zeigen die drei durchgerechneten Workloads am schnellsten, wo du landest: $50 versus $63 in einem generation-lastigen Monat, $32 versus $45 bei Retrieval unterhalb der Schwelle und $58 versus $45, sobald jede Anfrage 272K Input-Tokens überschreitet.

So startest du mit GPT-5.6 Terra und Claude Sonnet 5

Beide Modelle sind heute allgemein verfügbar und jeweils das Modell, das die Anbieter kostenlos bereitstellen – ausprobieren kostet also nur Zeit.

Deinen ersten API-Call machen

Es sind unterschiedliche SDKs, der Wechsel ist also mehr als nur ein Model-String. Beide Aufrufe sind kurz genug, dass der Unterschied sofort auffällt.

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-5.6-terra",  # swap for gpt-5.6-sol or gpt-5.6-luna
    input="Refactor this pytest fixture to avoid module-level state.",
)
print(response.output_text)

from anthropic import Anthropic

client = Anthropic()
message = client.messages.create(
    model="claude-sonnet-5",  # no temperature/top_p/top_k on this model
    max_tokens=1024,
    messages=[{"role": "user", "content": "Refactor this pytest fixture to avoid module-level state."}],
)
print(message.content.text)

Wenn du bestehenden Anthropic-Code portierst, entferne zuerst temperature, top_p, top_k und jegliche manuelle Extended-Thinking-Konfiguration – Sonnet 5 liefert sonst einen 400 statt sie zu ignorieren.

Für den vollständigen Setup-Pfad auf der Anthropic-Seite geht unser kompletter Guide zur Claude API weiter ins Detail, als es hier sinnvoll ist. Für den Einstieg auf der GPT-Seite ist unser Kurs Working with the OpenAI API der beste Startpunkt.

Fazit

Die Ein-Satz-Version: Terra ist das bessere Mid-Tier-Modell für Terminal-Agents und tooldichte Pipelines, Sonnet 5 das bessere für große Prompts und Teams, die eine kleinere Einstellungsfläche bevorzugen.

Spannend ist, dass beide Anbieter das Mid-Tier als kostenlosen Standard wählen – und dann gegensätzliche Wetten eingehen, was ein Mid-Tier-Modell ablehnen sollte. OpenAI trainierte Terra für Cyberarbeit und packte die schärfsten Fähigkeiten hinter Identitätsprüfung und Hardware-Passkeys. Anthropic trainierte Sonnet 5 so, dass es sie gar nicht ausführt – und legte Schutzmechanismen oben drauf. Beides ist nicht offensichtlich „richtig“ und schafft reale Reibung für legitime Arbeit.

Wenn du dir das Fundament selbst erarbeiten willst, statt fremde Benchmark-Tabellen zu lesen, startest du am besten mit unserem AI Fundamentals Skill Track.