GPT-6 Sol und Luna: OpenAI halbiert seine API-Preise

Eine Familie mit drei Etagen

Astra bleibt in OpenAIs Darstellung die Spitze: das intelligenteste und am besten ausgerichtete Modell, das man wählt, wenn man keinerlei Kompromisse eingehen will. Sol und Luna beanspruchen nicht, es zu ersetzen, sondern besetzen die beiden Etagen darunter, dort, wo der Großteil der täglichen Arbeit stattfindet.

Das zentrale Argument lautet nicht „intelligenter“, sondern „gleiche Generation, günstiger“. OpenAI behauptet, Sol und Luna mit ähnlichen Methoden wie Astra trainiert zu haben und dessen Fortschritte bei professioneller Arbeit, Faktentreue, Code, Computernutzung und Alignment auf schnellere Modelle übertragen zu haben.

Die verwendete Sprache ist aufschlussreich: Das Unternehmen spricht davon, „die Grenze der Kosteneffizienz voranzutreiben“. Der Wettbewerb spielt sich nicht mehr nur um den maximal erreichbaren Score ab, sondern um die Position entlang der Kosten-Intelligenz-Kurve.

Der Preiskampf pro Aufgabe

Die Preissenkung ist deutlich: 2 $ Eingabe und 10 $ Ausgabe pro Million Tokens für Sol, 0,10 $ und 0,50 $ für Luna – also die Hälfte des Aktionstarifs der entsprechenden GPT-5.6-Modelle. OpenAI führt diesen Spielraum auf Infrastrukturgewinne beim Caching und bei der Inferenz zurück, die an die Kunden weitergegeben würden.

Doch die überall im Beitrag hervorgehobene Kennzahl ist nicht der Token-Preis, sondern die Kosten pro Aufgabe. Auf AutomationBench, einem Test von Geschäftsworkflows mit 47 Tools aus Vertrieb, Marketing, Betrieb, Support, Finanzen und HR, erzielt Sol mit xhigh-Aufwand 33,2 % für 0,27 $ pro Aufgabe, während Claude Opus 5 im max-Modus bei 26,9 % für das 11,1-Fache dieser Kosten stagniert.

OpenAI geht sogar so weit anzumerken, dass der Punktwert von Claude Fable 5.1 seine tatsächlichen Kosten unterschätzt, da er die Rückgriffe auf Opus 5 auslässt, die bei etwa 40 % der Aufgaben auftraten. Man befindet sich hier im Bereich des offen ausgetragenen Wettbewerbsvergleichs, mit entsprechender methodischer Detailtiefe – und dem üblichen Hinweis, dass die Konkurrenzwerte aus öffentlichen Berichten stammen.

Ein pikantes Detail: Sol im xhigh-Modus übertrifft auch Astra im low-Modus (33,2 % gegenüber 30,3 %), bei fast viermal geringeren Kosten. Die Hierarchie der Modelle ist nicht mehr linear, sie hängt von der gewählten Aufwandsstufe ab.

Code, Faktentreue, Computernutzung

Beim Code rechtfertigt OpenAI seine Logik mit eigenen internen Zahlen: Zu API-Preisen bewertet, übersteigt der tägliche Token-Verbrauch 600 $ beim medianen Forscher und 7.000 $ beim 90. Perzentil. Wenn Code-Agenten lange arbeiten, wird die Kosten der dauerhaften Nutzung zur Hauptbeschränkung.

Die Ergebnisse folgen dieser Logik: Auf DeepSWE v1.1 erreicht Sol im max-Modus 68,8 %, nur 1,1 Punkte unter dem besten Wert von Claude Fable 5 in der Auswertung, bei rund 80 % geringeren Kosten pro Aufgabe. Luna im max-Modus erzielt 66,6 %, vergleichbar mit Opus 5 und Fable 5 bei medium-Aufwand, aber 93 % beziehungsweise 96 % günstiger.

Bei der Faktentreue bewertet OpenAI seine Modelle anhand deidentifizierter ChatGPT-Gespräche, bei denen Nutzer einen Fehler gemeldet hatten. Sol macht dort etwa halb so viele Fehler wie sein Vorgänger; Luna mit hohem Aufwand erreicht GPT-5.6 Sol bei etwa einem Hundertstel der Kosten. Das Unternehmen weist darauf hin, dass diese Gespräche, ausgewählt weil sie Fehler provozieren, nicht die typische Nutzung widerspiegeln.

Bei der Computernutzung bleibt Astra als bestes Modell der Welt dargestellt. Sol erreicht im xhigh-Modus 60,5 % auf OSWorld 2.0 offline, gleichauf mit Opus 5 im medium-Modus (60,3 %), bei rund 80 % geringeren Kosten pro Aufgabe.

Caching, die stille Waffe der Agenten

Der am wenigsten spektakuläre Teil des Beitrags ist vielleicht der bedeutsamste. OpenAI kündigt standardmäßig bessere Cache-Trefferquoten bei GPT-6 an, mit einem Rabatt von 90 % beim Lesen gecachter Eingabe-Tokens – ein entscheidender Hebel, wenn ein Agent bei jeder Runde denselben Kontext erneut einspeist.

Drei Neuerungen statten Entwickler aus: ein Prompt Caching Dashboard zur Verfolgung des gecachten Eingabeanteils, ein Diagnosetool, das verpasste Gelegenheiten erklärt, und explizite Breakpoints, um zu wählen, wo der gecachte Präfix endet. Vor allem: Das Ändern der Reasoning-Aufwandsstufe oder das Ein-/Ausschalten von Tools zerstört den Cache nicht mehr.

Der soziale Beweis kommt von GitHub: In den letzten Monaten sollen diese Verbesserungen den Anteil der Prompt-Tokens, die eine frische Verarbeitung benötigen, über Milliarden von Anfragen hinweg um mehr als 50 % gesenkt und dadurch Copilot-Antworten beschleunigt haben.

Stil, Alignment und Verfügbarkeit

OpenAI hat auch Astras Kommunikationsstil auf Sol und Luna übertragen: mehr Klarheit, weniger Fachjargon, weniger merkwürdige Formulierungen, weniger Details von geringem Wert und leicht kürzere Antworten. Das Unternehmen veranschaulicht dies anhand eines Beispiel-Prompts für ein React-Frontend und erklärt, warum es die Antwort von GPT-6 Sol bevorzugt – expliziter darüber, was geprüft wurde oder nicht, weniger geschwätzig über die eigenen Tools.

Beim Alignment verbessern sich beide Modelle gegenüber ihren GPT-5.6-Äquivalenten, insbesondere bei der Rate irreführender Aussagen über die eigene Code-Arbeit. OpenAI erinnert daran, dass diese Bewertungen bewusst schwierige Situationen testen und keine Fehlerquoten im normalen Gebrauch messen; die vollständigen Ergebnisse finden sich in der System Card.

Der Rollout erfolgt sofort, aber teilweise: ChatGPT Work und Codex für Plus, Pro, Business, Enterprise und Edu, Luna in der Desktop-App für Free und Go. Die Modelle sind noch nicht in Chat verfügbar, und der Rollout zieht sich über den Tag, um die Stabilität des Dienstes zu wahren.