Kurz gesagt: OpenAI hat diesmal kein „GPT-6“ veröffentlicht, sondern drei neue Namen auf einmal — Sol, Terra, Luna — mit drei Preisen nebeneinander auf der Seite. Die erste Frage vieler: Wie teilen die sich die Arbeit, damit das Geld nicht falsch ausgegeben wird? Unten erklären wir die neue Namenslogik und zerlegen Parameter, Benchmark-Abstände, ChatGPT/Codex-Abo-Rechte und Routing-Code in eine umsetzbare Checkliste.
Wer Token-Abrechnung noch nicht sicher beherrscht, startet mit unserem Token-Preisvergleich. Wer auf eine „volle Generation“ GPT-6 wartet: Dafür müssen Sie vorerst nicht warten — die GPT-5.6-Familie deckt die meisten Produktionsfälle bereits ab.
Warum drei Modelle statt einem „GPT-6“?
Am 9. Juli 2026 hat OpenAI die GPT-5.6-Familie vollständig freigeschaltet: Flaggschiff Sol, ausgewogenes Terra und preiswertes Luna. Sol war bereits am 26. Juni 2026 als limitierte Vorschau für vertrauenswürdige Partner live. Das sind keine drei Masken eines Modells, sondern eine neue Namensregel: Die Zahl (5.6) steht für die Generation, Sol / Terra / Luna für unabhängig weiterentwickelbare Fähigkeitsstufen — künftig kann nur Terra oder Luna aktualisiert werden, während Sol unverändert bleibt.
Für Kaufentscheidungen ändert das mehr als es klingt: Früher war „upgraden ja/nein“ eine Einzelfrage — jetzt „welche Linie auf welche Version“. Die gute Nachricht: Alle drei Stufen akzeptieren dasselbe Input-Format, dieselben Tool-Protokolle und dasselbe Kontextfenster. Modellwechsel ist im Wesentlichen ein String — Prompts und Tool-Definitionen bleiben.
„Drei Produkte“ vs. „drei Zugänge“
Sol / Terra / Luna sind Modellstufen; ChatGPT, ChatGPT Work / Codex und die OpenAI API sind drei Kanäle — dieselbe Stufe ist nicht überall gleich verfügbar. Details unter ChatGPT-Abo-Rechte.
Sol / Terra / Luna auf einen Blick: Parameter und Preise
Kontextfenster, maximale Ausgabelänge und Tool-Support (Function Calling, Websuche, Dateisuche, Computer Use) sind identisch. Der harte Unterschied ist Preis und Reasoning-Effizienz — die Kernfrage lautet also: „Lohnt sich der Mehrfachpreis für diese Aufgabe?“, nicht „Welches Modell unterstützt mein Feature?“.
| Modell | API-Modell-ID | Input / Output (pro 1M Token) | Kontext / Max. Output | Positionierung |
|---|---|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol (Alias gpt-5.6) |
$5 / $30 | 1,05M / 128K | Komplexes Coding, Forschung, teure Fehler |
| GPT-5.6 Terra | gpt-5.6-terra |
$2,50 / $15 | 1,05M / 128K | Tägliche Agent-Loops, Preis-Leistungs-Baseline |
| GPT-5.6 Luna | gpt-5.6-luna |
$1 / $6 | 1,05M / 128K | Hohe Parallelität: Klassifikation, Extraktion, prüfbare Entwürfe |
Als Referenz nennt OpenAI GPT-5.5: Terra soll „GPT-5.5-Leistung oder besser, günstiger“ liefern, Luna ist die schnelle Einstiegsstufe. Wer noch GPT-5.5 als Baseline nutzt, wechselt zu Terra vermutlich mit gleicher oder besserer Leistung und niedrigerer Rechnung — eigene Evals gegen Verhaltensdrift laufen lassen.
Ein Diagramm: Routing vom Task-Eingang bis zur Ausführung
Auf Sol upgraden, wenn …
- Mehrere Dateien, mehrstufige Planung und Selbstkorrektur
- Computer Use zur Prüfung gerenderter Ergebnisse
- Sicherheitsreview, komplexes Debugging, Forschungs-Reasoning
- Hohe Fehlerkosten — Mehrpreis für Erfolgsrate lohnt sich
Auf Luna downgraden, wenn …
- Feste Input-Struktur, Output schnell per Regel oder Mensch prüfbar
- Hohe Parallelität: Klassifikation, Feldextraktion, Tagging
- Zuverlässiger Grader als Sicherheitsnetz
- Volumen vor Qualität, preissensibel
Benchmarks: Wofür der Aufpreis zahlt
OpenAIs veröffentlichte Scores decken Coding, Wissensarbeit, Browsing und Sicherheit ab. Hier die für die Modellauswahl relevantesten (offizielle Evals — eigene Task-Sets zum Abgleich):
| Benchmark | Sol | Terra | Luna | GPT-5.5 |
|---|---|---|---|---|
| Artificial Analysis Coding Agent Index | 80,0 (neuer SOTA) | 77,4 | 74,6 | 76,4 |
| Agents' Last Exam (lange Profi-Tasks) | 52,7 % | 50,4 % | 50,3 % | 46,9 % |
| OSWorld 2.0 (Computer Use) | 62,6 % | 50,2 % | 45,6 % | 47,5 % |
| SEC-Bench Pro (Sicherheit) | 71,2 % | 57,7 % | 48,9 % | 45,8 % |
Zwei Muster: Bei Coding und langen Profi-Tasks sind die Abstände moderat — Terra und Luna liegen auf oder über GPT-5.5, die meisten täglichen Agent-Loops brauchen Sols Aufpreis nicht. Bei Computer Use und Sicherheitstests mit mehrstufiger Selbstkorrektur zieht Sol deutlich weg — genau dort, wo Fehler teuer sind und Ergebnisse geprüft werden müssen.
Nicht nur den Prozentpunkt im Benchmark lesen
OpenAI betont: Sol erreicht höhere Scores mit weniger Output-Token und kürzerer Laufzeit — teurer pro Million heißt nicht automatisch teurer pro erfolgreichem Task. Rechnen Sie „Kosten pro gelungener Ausführung“, besonders bei Retries.
Für Endnutzer: ChatGPT-Abo-Rechte im Vergleich
ChatGPT-Hauptprodukt, ChatGPT Work / Codex und die Developer API folgen unterschiedlichen Regeln:
| Kanal / Abo-Stufe | Verfügbare Modelle | Hinweis |
|---|---|---|
| ChatGPT · Plus / Pro / Business / Enterprise | Sol (mittlere / hohe Reasoning-Intensität) | Pro und Enterprise zusätzlich Sol Pro für höchste Qualität |
| ChatGPT Work / Codex · Free / Go | Terra | Kein manueller Wechsel zu Sol / Luna im Free-Tier |
| ChatGPT Work / Codex · Plus und höher | Sol / Terra / Luna frei wählbar | Reasoning-Intensität (effort) pro Task einstellbar |
| max Reasoning-Intensität | Alle Work/Codex-Nutzer mit GPT-5.6-Zugang | Manuell in den Einstellungen — langsamer, gründlicher |
| ultra (Multi-Agent parallel) | Work: Pro / Enterprise; Codex: Plus und höher | Standard 4 parallele Agenten — mehr Token für schnellere/stärkere Ergebnisse |
Für gelegentliches Chatten reicht Sol mit mittlerer Intensität auf Plus. Wer Codex täglich nutzt: Terra als Baseline, bei Cross-File-Refactors oder Incident-Debugging manuell auf Sol — nicht dauerhaft die teuerste Stufe.
Für Entwickler: Modell-IDs, Cache und Routing-Code
Der häufigste API-Fehler: gpt-5.6 als feste Version behandeln — der Alias routet standardmäßig zu gpt-5.6-sol und driftet mit Upgrades. In Produktion volle Modell-IDs verwenden:
# Modell nach Task-Typ und Fehlerkosten wählen — nicht blind Flaggschiff def pick_model(task: str, blast_radius: str = "low") -> tuple[str, str]: if blast_radius == "high" or task in ("security_review", "multi_file_refactor"): return "gpt-5.6-sol", "high" # hohe Fehlerkosten, volle Reasoning-Intensität if task in ("ticket_tagging", "field_extraction", "draft_for_review"): return "gpt-5.6-luna", "medium" # feste Struktur, menschliche Prüfung return "gpt-5.6-terra", "medium" # Standard-Baseline für Agent-Loops
Modell, Reasoning-Intensität, Tool-Calls, Token und End-Score in einem Log — dann ist Routing iterierbar. Das passt zu unseren OpenRouter-Nutzungsrankings: Routing ist Laufzeitpolitik, kein fester Konstantenwert im Code.
Neue Cache-Regeln — Buchhaltung anpassen
GPT-5.6 führt explizite Cache-Breakpoints und eine Mindest-Cache-Laufzeit von 30 Minuten ein: Cache-Schreiben kostet 1,25× den ungecachten Input-Preis, Cache-Hits behalten 90 % Rabatt. Stabile System-Prompts, Schemas und Referenzmaterial am Prompt-Anfang mit Breakpoint senken Kosten bei wiederholten Agent-Kontexten — bei jedem Request neuem Inhalt bringt ein Breakpoint nur Mehrkosten.
Zwei weitere Neuerungen: Programmatic Tool Calling in der Responses API (Modell schreibt Code zur Koordination mehrerer Tool-Calls und filtert Zwischenergebnisse — kompatibel mit Zero Data Retention ZDR) und die Beta-Funktion Multi-Agent parallel (ultra). Beides zuerst in einem datenintensiven Szenario benchmarken, Single-Agent-Fallback behalten.
6 reale Szenarien — welches Modell?
| Szenario | Empfohlene Stufe | Warum |
|---|---|---|
| Support-Ticket-Klassifikation / Feldextraktion | Luna | Feste Struktur, schnell per Regel oder Mensch prüfbar |
| Täglicher Coding-Agent (Code + Tests) | Terra | Coding nahe oder über GPT-5.5, halber Sol-Preis |
| Cross-File-Refactor / Produktions-Incident | Sol | Hohe Fehlerkosten, mehrstufige Planung nötig |
| Lange Dokumente / Vertragszusammenfassung (100k+ Token Input) | Terra starten, bei Präzisionsmangel Sol | 1,05M Kontext überall — Retrieval-Qualität bei Sol stabiler |
| Sicherheitsreview / Pentest-Berichte | Sol (Trusted Access nötig) | Größter Cyber-Abstand zwischen Stufen, volle Fähigkeit nach Verifizierung |
| Massen-Entwürfe mit menschlicher Nachprüfung | Luna | Typisches Luna-Szenario laut OpenAI |
Sicherheitsgrenze: Cyber-Zugang und Frist
Im OpenAI Preparedness Framework sind Sol, Terra und Luna in Cybersicherheit und bio/chem als „High“ eingestuft (nicht „Critical“) — mit dem bisher strengsten Schutzpaket. Offizielle Angabe: Sols Cyber-Guardrails blockieren rund 10× mehr potenziell schädliche Aktivität als die Vorgeneration.
Für Security Research, Red Team und Patch-Validierung gilt: Persönliche Konten brauchen bis 1. September 2026 Advanced Account Security mit Hardware-Passkey (z. B. Yubico) für vollen Zugang zu den stärksten Cyber-Modellen; ohne Aktivierung greift der Standardzugang. Unternehmen beantragen Trusted Access for Cyber separat.
- Einzelperson — Identität verifizieren, Trusted Access beantragen; Hardware-Passkey vor dem 1.9.2026
- Team / Enterprise — Antragsprozess für Security-Teams früh planen
- Allgemeine Entwickler — ohne Offensive/Defensive-Security-Tasks irrelevant, normale API-Nutzung
Typische Fehlannahmen
- „Teuer = immer richtig“ — Terra und Luna schlagen GPT-5.5 in Coding und langen Tasks; durchgehend Sol ist oft Verschwendung.
- „Alias
gpt-5.6spart Arbeit“ — driftet mit Upgrades; in Produktion volle Modell-ID. - „Großes Kontextfenster ersetzt Retrieval“ — 1,05M ist Option, kein Ziel; Lunas Retrieval-Qualität schwächer als Sol/Terra.
- „Cache-Breakpoints überall“ — bei sich änderndem Inhalt nur 1,25× Schreibkosten ohne Nutzen.
- „ultra = mehr Agenten = besser“ — Multi-Agent noch Beta; erst Single-Agent + Grader, dann Parallelität bewerten.
FAQ
Wann wurde GPT-5.6 veröffentlicht? Gleichzeitig alle drei? Sol limitierte Vorschau am 26. Juni 2026; Sol, Terra und Luna am 9. Juli 2026 in ChatGPT, Codex und API voll live, innerhalb von 24 Stunden weltweit verfügbar.
Wohin zeigt der API-Alias gpt-5.6? Standardmäßig gpt-5.6-sol. Für festes Verhalten volle Modell-ID verwenden.
Sind Terra und Luna abgespecktes Sol? Nein — unabhängige Stufen. Terra schlägt GPT-5.5 in Coding/Browsing; Luna günstig, schwächer bei langem Kontext und schwerer Forschung.
Free ChatGPT und GPT-5.6? Hauptprodukt Free: alte oder gedrosselte Modelle. Work/Codex Free/Go: Terra. Sol: Plus+ mit höherer Reasoning-Intensität.
Nur ein Modell im Budget? Mit Terra starten — halber Sol-Preis, GPT-5.5-nah. Sol für teure Fehler, Luna für bewertbare Massenjobs; Drei-Stufen-Routing spart meist mehr.
- GPT-6 Release-Prognose: Zeitpunkt, Preise, Funktionen und API — vollständige Analyse
- Was sind Tokens? KI-Modell-Preisvergleich 2026
- OpenRouter-Nutzungsranking: Welche Modelle geben Entwickler 2026 auf?
- 2026 Codex installieren & nutzen: GPT-5.5-Codex Komplettanleitung
- LLM-Duell 2026: Claude Fable 5 vs Opus 4.8 vs Gemini 3.5 Flash
ZavCloud
Modell-Routing und Evals auf stabiler Hardware
Sol / Terra / Luna vergleichen, Codex-CI fahren, Batch-Evals — dediziertes Mac mini M4 Cloud mit fester IPv4 und 1 Gbps, ohne geteilte Compute-Konkurrenz.
Cloud-Mac-Tarife ansehen