GPT-5.6: Welches Modell wählen?Sol, Terra, Luna — vollständiger Kaufratgeber

Kaufratgeber  ·   ·  ca. 15 Min.

Entwickler vergleicht am Laptop die drei GPT-5.6-Stufen Sol, Terra und Luna

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.

3
durable Fähigkeitsstufen
1,05M
einheitliches Kontextfenster
Sol vs. Luna Output-Preis

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

Neuer Task im System Zuerst: repetitiv / komplex / hohes Risiko?
Standard: Terra Ausgewogene Baseline für die meisten Agent-Loops
Router prüft Signale Fehlerkosten, Task-Struktur, Grader vorhanden?
Ausführen + loggen Modell, effort, Token, Latenz, Kosten in einem Trace

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
Teams sparen nicht durch „immer das billigste Modell“, sondern indem ~90 % der Requests auf Terra/Luna laufen und Sol nur für High-Value-Fälle zahlt.

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-Routing (Sol / Terra / Luna · Python)
# 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-5.6 spart 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.

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
Cloud Mac Mac mini online mieten