OpenAI baut GPT-6-Reihe mit Sol und Luna aus

OpenAI hat seine Modellreihe GPT-6 um zwei neue Varianten erweitert: GPT-6 Sol und GPT-6 Luna. Während GPT-6 Astra weiterhin das Flaggschiff des Portfolios bildet, positioniert das Unternehmen GPT-6 Sol als performantes Modell der Mittelklasse für anspruchsvolle Programmier- und Agentenaufgaben. GPT-6 Luna ist als leichtere, kostengünstige Variante für breitere Einsatzszenarien ausgelegt.

Technisch teilen sich beide Neuzugänge dieselben Dimensionen bei der Verarbeitung von Kontext: Sowohl Sol als auch Luna verarbeiten bis zu 1.050.000 Eingabe-Token und liefern bis zu 128.000 Ausgabe-Token. Beide Modelle erlauben über den Parameter reasoning.effort eine granulare Steuerung des Denkaufwands in den Stufen none, low, medium (Standard), high, xhigh und max.

Benchmark-Ergebnisse und Tool-Architektur

Laut Herstellerangaben erreicht GPT-6 Sol auf der höchsten Stufe xhigh im Benchmark AutomationBench 1.0.6 einen Wert von 33,2 Prozent bei Kosten von rund 0,27 US-Dollar pro Aufgabe. Im selben Benchmark kommt Claude Opus 5 auf 26,9 Prozent und Claude Fable 5.1 auf 31,4 Prozent, während das Vorgängermodell GPT-5.6 Sol bei 18,1 Prozent lag. Bei Agents' Last Exam erzielt GPT-6 Sol auf Stufe max 56,4 Prozent gegenüber 53,6 Prozent beim Vorgänger. Im GUI-Benchmark OSWorld 2.0 (Offline) liegt Sol bei 64,4 Prozent, verglichen mit 73,5 Prozent beim Spitzenmodell GPT-6 Astra. In internen Fehlerkorrektur-Datensätzen weist Sol laut OpenAI rund 50 Prozent weniger Fehler auf als GPT-5.6 Sol; die Datengrundlage stützt sich dabei allerdings ausschließlich auf zuvor von Nutzern gemeldete Fehlerfälle.

Das kleinere GPT-6 Luna erzielt im Programmier-Benchmark DeepSWE Version 1.1 auf Stufe max ein Ergebnis von 66,6 Prozent bei Task-Kosten von rund 0,22 US-Dollar. Auf AutomationBench 1.0.6 legt Luna auf Stufe high gegenüber GPT-5.6 Luna um 5,4 Prozentpunkte zu, während die Kosten pro Aufgabe um 58 Prozent sanken.

Entwickler müssen Anpassungen bei der Schnittstellenwahl beachten: Der klassische API-Endpunkt Chat Completions unterstützt Funktionsaufrufe (Function Calling) nur, wenn der Denkaufwand vollständig deaktiviert ist (reasoning_effort: none). Fortgeschrittene Werkzeuge und Agentenfunktionen setzen auf die modernere Responses API.

Differenzierte Tarife und Long-Context-Zuschläge

Die Preisgestaltung unterscheidet sich zwischen den beiden Modellen deutlich. GPT-6 Sol kostet regulär 2,00 US-Dollar pro Million Input-Token und 10,00 US-Dollar pro Million Output-Token. Gecachter Input schlägt mit 0,20 US-Dollar (10 Prozent des Basispreises) zu Buche, während das Schreiben in den Cache (Cache Writes) mit 2,50 US-Dollar pro Million Token berechnet wird. GPT-6 Luna ist mit Standardpreisen von 0,10 US-Dollar pro Million Input- und 0,50 US-Dollar pro Million Output-Token deutlich günstiger; gecachter Input kostet hier 0,01 US-Dollar und Cache Writes 0,125 US-Dollar pro Million Token.

Für beide Modelle greift bei langen Kontexten ein Preissprung: Überschreitet ein Prompt 272.000 Input-Token, verdoppeln sich die Eingabe- und Cache-Preise für die gesamte Anfrage, während die Ausgabepreise um den Faktor 1,5 steigen. Asynchrone Batch- und Flex-Verarbeitungen erhalten einen Rabatt von 50 Prozent auf den Standardtarif, während ein beschleunigter Fast Mode zum doppelten Preis abgerechnet wird. Regionale Verarbeitung erfordert einen Aufschlag von 10 Prozent; die europäische Datenspeicherung (EU Data Residency) setzt zwingend Standard-Processing voraus.

Verfügbarkeit für Endanwender und Cloud-Plattformen

GPT-6 Sol und GPT-6 Luna stehen ab sofort für Abonnenten von ChatGPT Work und Codex in den Plänen Plus, Pro, Business, Enterprise und Edu bereit. Nutzer von kostenlosen Konten und Go-Tarifen erhalten Zugriff auf GPT-6 Luna. Entwickler und Unternehmen können die Modelle neben der OpenAI-eigenen API auch über die Cloud-Plattformen Amazon Bedrock und Microsoft Foundry einbinden.