GPT-6.1 Terra führt Ultralytics-Rangliste für Auto-Annotation an und schlägt teurere OpenAI-Modelle

Bester Wert bei den niedrigsten Kosten unter den Top sechs

Ultralytics hat GPT-6.1 Terra am 26. Oktober 2026 durch UL37 laufen lassen, dem Tag, an dem OpenAI das Modell veröffentlichte. UL37 ist ein Benchmark aus 360 Bildern, jeweils 10 aus 36 realen Datensätzen zur Objekterkennung, darunter medizinische Aufnahmen, Luftbilder, Supermarktregale, Sport, Dokumente und Leiterplatten. Jedes Bild durchläuft dieselbe Produktiv-Pipeline, die auch Nutzerinnen und Nutzern der Ultralytics Platform zur Verfügung steht, wobei SAM 3.1 jede Bounding Box nachschärft.

Terras Ergebnisse laut Ultralytics:

• mAP50: 0,560, Platz 1 von 39 Modellen
• mAP50-95: 0,345, ebenfalls Platz 1
• Precision und Recall: 0,646 und 0,613
• Kosten beim Anbieter: 4,36 $ pro 1.000 Bilder
• Mediane Zeit pro Bild: 5,1 Sekunden
• Fehlgeschlagene Anfragen: keine

Sechs Modelle erreichen in UL37 mehr als 0,51, darunter Claude Opus 5.5 auf Platz drei. Laut Ultralytics ist Terra von diesen sechs sowohl das genaueste als auch das günstigste. Das Modell lief mit dem Standardwert von OpenAI für den Reasoning-Aufwand (medium), ohne besondere Anpassungen.

Günstiger und schneller als OpenAIs größere Modelle

OpenAI positioniert GPT-6.1 Terra als schnellen, effizienten Mittelpunkt seines Portfolios. In der Dokumentation heißt es, es sei "ein schnelles, effizientes Modell für visuelles Reasoning, präzise Computernutzung und klares, natürliches Schreiben". Der Preis liegt bei 1 $ pro Million Input-Token und 5 $ pro Million Output-Token. Laut Ultralytics ist das die Hälfte des Tarifs von GPT-6.1 Sol und ein Zehntel von dem von GPT-6 Astra.

Die OpenAI-Modelle schneiden in UL37 wie folgt ab:

• GPT-6 Luna: 0,370 mAP50, 0,77 $ pro 1.000 Bilder, 11,9 s pro Bild
• GPT-6.1 Terra: 0,560, 4,36 $, 5,1 s
• GPT-6.1 Sol: 0,514, 10,30 $, 10,5 s
• GPT-6 Astra: 0,525, 49,31 $, 11,6 s

Im direkten Vergleich schlägt Terra Sol in 22 der 36 Datensätze. Beide finden einen ähnlichen Anteil der Objekte, der Recall liegt bei 0,613 für Terra und 0,618 für Sol. Der Unterschied liegt in der Precision: 0,646 gegenüber 0,551. Im SKU110K-Datensatz mit Supermarktregalen liegt Terras Precision bei 0,79 gegenüber 0,49 bei Sol, und sein mAP50 von 0,62 ist dort der höchste, den bisher ein Modell erzielt hat. Ultralytics weist darauf hin, dass falsche Boxen die Prüfenden mehr Aufwand kosten als übersehene, höhere Precision also einen saubereren ersten Entwurf liefert.

Stark in der Medizinbildgebung, schwach bei Röntgenbildern und Leiterplatten

Terras auffälligstes Ergebnis stammt aus der Medizin. Über die acht medizinischen Datensätze in UL37 erreicht es im Schnitt 0,505 mAP50, Platz 1 von 39 Modellen. Dahinter folgen Gemini 3.8 Flash mit 0,387 und Gemini 4 Argon mit 0,379. Terra erzielte 0,94 bei Schilddrüsen-Ultraschall (TN5000), 0,90 bei Hirntumor-MRT und 0,89 bei Blutzellmikroskopie. Ultralytics mahnt zur Vorsicht: Jeder Datensatz trägt nur 10 Bilder bei, Einzelwerte seien daher Hinweise und keine Urteile, und die Ausgabe sei keine Diagnose. Klinische Fachleute müssten die Boxen weiterhin prüfen und freigeben.

Auch die Schwächen sind deutlich. Bei allen Röntgendatensätzen in UL37 schneidet ein anderes Modell besser ab. Im Sicherheitsdatensatz IEDXray erzielte Terra 0,00, während Gemini 4 Argon 0,30 erreicht. Bei industriellen PCB-Datensätzen liegt der Durchschnitt bei 0,13, gegenüber 0,39 bei GPT-6.1 Sol. Auf DeepPCB kommt es auf 0,03. Für Daten zur Leiterplatteninspektion nennt Ultralytics Sol die bessere OpenAI-Wahl.

Knapperes Rennen mit Gemini 4 Argon

Terra erzielt auf 19 Datensätzen höhere Werte als Gemini 4 Argon, Argon auf 16, bei einem Gleichstand. Ein Großteil von Terras Vorsprung von 0,023 geht auf den Schilddrüsen-Ultraschalldatensatz zurück, bei dem es 0,94 erreicht gegenüber 0,29 bei Argon. Ohne diesen Datensatz liegen die Durchschnitte bei 0,549 für Terra und 0,544 für Argon. Nach Domänen betrachtet führt Terra in fünf und belegt unter allen 39 Modellen Platz 1 in Medizin sowie in Dokumenten, UI und CAD. Argon führt in sechs, darunter Luftbilder, Unterwasseraufnahmen und Wärmebilder.

Was das für Labeling-Teams bedeutet

Laut Ultralytics ist GPT-6.1 Terra ab sofort in der Ultralytics Platform verfügbar. OpenAI bietet es in der API als gpt-6.1-terra an sowie in ChatGPT Work und Codex für Plus-, Pro-, Enterprise- und Edu-Nutzer. Für Teams, die Bounding Boxes vorab erstellen, deuten die Ergebnisse auf eine günstigere und schnellere Option als OpenAIs größere Modelle hin, insbesondere für medizinischen Ultraschall, MRT und Mikroskopie sowie für dichte Einzelhandelsszenen. Ultralytics rät, vor dem Labeln großer Datensätze in Bereichen wie Röntgen oder PCB-Inspektion die Modellseite zu prüfen, die Terras aufgezeichnete Boxen auf allen 36 Benchmark-Datensätzen und COCO wiedergibt.