OpenAI erweitert GPT-6 um günstigere Modelle
OpenAI hat nach GPT-6 Astra zwei kleinere Modelle vorgestellt. GPT-6 Sol ist für anspruchsvolle Coding-Aufgaben und automatisierte Geschäftsprozesse ausgelegt. GPT-6 Luna adressiert Anwendungen, bei denen niedrige Kosten und hohe Aufrufzahlen im Vordergrund stehen.
Beide Modelle sind ab sofort über die OpenAI-API verfügbar. Die Modellbezeichnungen lauten gpt-6-sol und gpt-6-luna. Zusätzlich stehen sie zahlenden Nutzern von ChatGPT Work und Codex in den Tarifen Plus, Pro, Business, Enterprise und Edu zur Verfügung.
API-Preise sinken gegenüber GPT-5.6
OpenAI beziffert die Preissenkung gegenüber den Aktionspreisen der GPT-5.6-Vorgänger mit 50 %. Abgerechnet wird weiterhin nach verarbeiteten Input- und Output-Tokens. Ein Token ist eine kleine Texteinheit, aus denen Modelle Eingaben und Antworten zusammensetzen.
| Modell | Input je 1 Mio. Tokens | Output je 1 Mio. Tokens | Vorgängerpreis Input / Output |
|---|---|---|---|
| GPT-6 Sol | 2,00 US-Dollar | 10,00 US-Dollar | 4,00 / 20,00 US-Dollar |
| GPT-6 Luna | 0,10 US-Dollar | 0,50 US-Dollar | 0,20 / 1,20 US-Dollar |
Damit setzt sich der Preiswettbewerb bei KI-Modellen fort. Auch Google hatte zuletzt mit Gemini 3.8 Flash die Preise für Coding-Anwendungen gesenkt. Für Unternehmen wird dadurch nicht nur der einzelne API-Aufruf günstiger, sondern auch der dauerhafte Betrieb von Agenten mit langen Arbeitsabläufen.
Prompt Caching reduziert wiederholte Verarbeitung
Ein weiterer Kostenfaktor ist das verbesserte Prompt Caching. Dabei speichert die Plattform wiederkehrende Bestandteile einer Eingabe zwischen, damit sie nicht bei jedem Aufruf vollständig neu verarbeitet werden müssen. Für gecachte Input-Tokens gewährt OpenAI einen Rabatt von 90 %.
Der Cache bleibt laut Anbieter auch dann erhalten, wenn der Reasoning-Aufwand oder die Nutzung von Werkzeugen angepasst wird. Das ist für Agenten relevant, die mit umfangreichen Systemanweisungen, Dokumentationen oder wiederkehrenden Kontextdaten arbeiten.
GitHub berichtet laut OpenAI, dass die Verbesserungen den Anteil der Prompt-Tokens, die neu verarbeitet werden müssen, über Milliarden von Anfragen hinweg um mehr als 50 % reduziert haben. Copilot könne dadurch schneller antworten. Das Zitat ist sinngemäß aus dem Englischen übersetzt.
GPT-6 Sol zielt auf Geschäftsprozesse und Coding
OpenAI positioniert GPT-6 Sol vor allem für komplexe Arbeitsabläufe. Im AutomationBench 1.0.6 bearbeiten KI-Agenten durchgängige Prozesse mit 47 Werkzeugen aus Vertrieb, Marketing, Betrieb, Support, Finanzen und Personalwesen.
| Modell und Aufwand | AutomationBench | Kosten pro Aufgabe |
|---|---|---|
| GPT-6 Sol, xhigh | 33,2 % | 0,27 US-Dollar |
| GPT-6 Astra, low | 30,3 % | 3,9-fache Kosten von GPT-6 Sol |
| Claude Opus 5, max | 26,9 % | 11,1-fache Kosten von GPT-6 Sol |
GPT-6 Sol erreicht damit einen höheren Wert als Claude Opus 5 und verursacht nach der Berechnung von OpenAI nur rund 9 % von dessen Kosten pro Aufgabe. Beim Agents' Last Exam V1 erzielt Sol mit maximalem Aufwand 56,4 %. Die Kosten pro Aufgabe sollen dabei 60 % unter Claude Opus 5 liegen.
Ergebnisse im Software Engineering
Im Benchmark DeepSWE v1.1 müssen Agenten längere Software-Engineering-Aufgaben in realen Codebasen lösen. GPT-6 Sol erreicht bei maximalem Aufwand 68,8 %. Claude Fable 5 kommt auf 69,9 %, soll pro Aufgabe jedoch rund fünfmal so teuer sein.
| Modell | DeepSWE v1.1 | Kosteneinordnung laut OpenAI |
|---|---|---|
| GPT-6 Sol, max | 68,8 % | Rund 80 % günstiger als Claude Fable 5 |
| GPT-6 Luna, max | 66,6 % | 93 % günstiger als Claude Opus 5, 96 % günstiger als Claude Fable 5 |
| Claude Fable 5, xhigh | 69,9 % | Referenzwert |
Die Werte unterstreichen, wie stark die Kosten für Coding-Agenten fallen. Gleichzeitig zeigen Untersuchungen zu KI-Coding und zunehmenden Code-Duplikaten, dass mehr erzeugter Code nicht automatisch eine bessere Softwarebasis ergibt. Qualitätskontrollen, Tests und Code Reviews bleiben deshalb Teil der Gesamtkosten.
Computersteuerung und Faktentreue
Auch bei der Steuerung grafischer Anwendungen meldet OpenAI Fortschritte. Im Offline-Test OSWorld 2.0 erreicht GPT-6 Sol mit xhigh-Aufwand 60,5 %. Claude Opus 5 kommt mit mittlerem Aufwand auf 60,3 %, wobei Sol laut OpenAI rund 80 % weniger pro Aufgabe kostet.
Bei der Faktentreue soll GPT-6 Sol in einem internen Test nur etwa halb so viele Fehler wie sein Vorgänger machen. Grundlage waren anonymisierte Unterhaltungen, in denen Nutzer zuvor sachliche Fehler gemeldet hatten. Diese Auswahl ist nicht repräsentativ für alle Anwendungen und stammt aus einer internen Auswertung des Herstellers.
Benchmarks müssen sich im Unternehmensalltag beweisen
Die genannten Ergebnisse beruhen auf Angaben von OpenAI. Unabhängige Vergleiche in realen Unternehmensprozessen stehen noch aus. Insbesondere bei Agenten hängen Kosten und Qualität stark von Prompt-Länge, Werkzeugaufrufen, Fehlerkorrekturen und der Zahl notwendiger Wiederholungen ab.
Der Trend ist dennoch relevant. Sinkende Tokenpreise machen intern entwickelte Assistenten wirtschaftlicher und können eine Alternative zu Software-Abos mit festen Gebühren pro Nutzer schaffen. Der Preis allein entscheidet jedoch nicht, ob ein bestehendes SaaS-Produkt sinnvoll ersetzt werden kann.
Eigene Lösungen verursachen Aufwand für Entwicklung, Überwachung, Berechtigungen und Wartung. Außerdem kann die enge Nutzung proprietärer OpenAI-Schnittstellen einen Vendor-Lock-in erzeugen. Als Gegenmodell bleiben lokal oder selbst betriebene Modelle interessant, zumal Open-Weights-Modelle bei den Betriebskosten deutliche Vorteile erreichen können.
Datenschutz bleibt für DACH-Unternehmen offen
Für Unternehmen im DACH-Raum sinkt mit GPT-6 Sol und Luna die finanzielle Einstiegshürde für eigene KI-Agenten. Das betrifft besonders interne Wissensassistenten, Coding-Automatisierung und standardisierte Geschäftsprozesse mit hohem Anfragevolumen.
Zu europäischen Hosting-Optionen oder speziellen Garantien für Datenresidenz und DSGVO-Konformität der neuen Modelle nennt OpenAI bislang keine Details. Vor der Verarbeitung sensibler Unternehmensdaten müssen deshalb Vertragsgrundlagen, Speicherorte, Löschkonzepte und technische Schutzmaßnahmen geprüft werden.
Die neuen Preise verschieben die Make-or-Buy-Rechnung zugunsten maßgeschneiderter Anwendungen. Gleichzeitig bleibt die Abhängigkeit von einer US-Plattform bestehen. Unternehmen gewinnen bei den laufenden Kosten, tauschen feste SaaS-Lizenzen aber möglicherweise gegen eine neue Abhängigkeit auf API-Ebene.