Neue Geschwindigkeitsklasse für das Spitzenmodell
OpenAI hat am 13. August 2026 eine neue Leistungsstufe für seine API vorgestellt: Ultrafast. Der Modus führt GPT-5.6 Sol, das aktuell leistungsfähigste Modell des Anbieters, nach eigenen Angaben bis zu 14-mal schneller aus als die Standardverarbeitung. Konkret nennt OpenAI bis zu 750 Output-Tokens pro Sekunde, also die Textbausteine, die ein Sprachmodell bei der Antwortgenerierung ausgibt.
Der entscheidende Punkt aus Sicht von OpenAI: Die Beschleunigung geht nicht mit einem Qualitätsverlust einher. Bislang bedeutete Echtzeit-Tempo in der Praxis, auf ein kleineres oder spezialisiertes Modell auszuweichen. Ultrafast soll diesen Kompromiss auflösen.
Bisher hieß Geschwindigkeit in Echtzeit meist, sich für ein kleineres oder spezialisierteres Modell zu entscheiden. Ultrafast zeigt in eine neue Richtung: mehr nützliche Arbeit pro Sekunde. (sinngemäße Übersetzung der Ankündigung)
Die Zahlen aus den Benchmarks
OpenAI unterlegt die Ankündigung mit Messwerten. Beim Benchmark "Humanity's Last Exam", einem Test mit 2.500 Fragen auf Doktoranden-Niveau, arbeitete GPT-5.6 Sol im Ultrafast-Modus den Fragenkatalog in 11 Stunden und 11 Minuten ab. Claude Fable 5 brauchte für dieselbe Aufgabe 78 Stunden und 27 Minuten. Auf dem Benchmark GDP-Val, der wirtschaftlich relevante Aufgaben abbildet, wurde eine 5,6-fache Beschleunigung von Anfang bis Ende gemessen.
| Messwert | Angabe |
|---|---|
| Beschleunigung gegenüber Standardverarbeitung | bis zu 14x |
| Ausgabegeschwindigkeit | bis zu 750 Tokens pro Sekunde |
| Humanity's Last Exam, GPT-5.6 Sol Ultrafast | 11 Std. 11 Min. |
| Humanity's Last Exam, Claude Fable 5 | 78 Std. 27 Min. |
| GDP-Val, End-to-End-Gewinn | 5,6x |
| Vergleich laut Artificial Analysis | 11x schneller als Fable 5, 5x schneller als Opus 4.8 im Fast-Modus |
Die Vergleichswerte für die Konkurrenzmodelle stammen aus Messungen von Artificial Analysis. Anthropic bietet mit dem Fast-Modus ebenfalls eine beschleunigte Variante an, erreicht laut diesen Zahlen aber nicht das von OpenAI genannte Tempo.
Cerebras statt Standard-GPU
Technische Grundlage ist eine Partnerschaft mit dem Chiphersteller Cerebras. Dessen Wafer-Scale-Engine-Architektur setzt nicht auf viele einzelne Chips, sondern auf einen einzigen sehr großen Chip pro Silizium-Wafer. Pro Wafer-Chip stehen 44 GB SRAM zur Verfügung, also schneller Speicher direkt auf dem Chip. Genau das reduziert die Latenz bei der Textgenerierung deutlich, weil die Modellgewichte nicht permanent über einen langsameren externen Speicher geladen werden müssen.
Damit reiht sich der Vorstoß in einen breiteren Trend ein: Die großen Anbieter versuchen, Leistungsvorteile über spezialisierte Hardware zu holen, statt nur über Modellarchitekturen. Auch Anthropic baut ein eigenes Chipdesign-Team auf, und AMD hat mit Taalas ein Unternehmen übernommen, das Modellgewichte direkt im Silizium verankert.
Wofür OpenAI den Modus vorsieht
Als Einsatzfelder nennt OpenAI vor allem Szenarien, in denen Sekunden zählen. Dazu gehören die Behandlung von IT-Störungen, bei der Logs, kürzliche Code-Änderungen und Meldungen von Entwicklern noch während des Ausfalls ausgewertet werden. Weiter genannt werden Finanz- und Sicherheitsanalysen, Sprach-Kundenservice, E-Commerce sowie interaktive Forschungsarbeit.
Beim Thema Forschung beschreibt OpenAI eine Verschiebung im Arbeitsrhythmus. Bisher üblich war, nachts einen Stapel Experimente laufen zu lassen und die Ergebnisse morgens zu prüfen. Mit Ultrafast sollen mehrere Durchläufe innerhalb eines Arbeitstages möglich werden. Ein Entwickler bei OpenAI beschreibt es so, dass eine Aufgabe fertig sei, bevor überhaupt die Gelegenheit bestehe, gedanklich auf etwas anderes umzuschalten (sinngemäße Übersetzung).
Erste Testkunden aus den Bereichen Programmierung, Handel, Finanzanalyse und Support berichten Ähnliches. Von Podium heißt es, die Geschwindigkeit verändere das Anruferlebnis bei komplexeren Aufgaben komplett. Von Rogo kommt die Einschätzung, Geschwindigkeit lasse ein Produkt nicht nur besser wirken, sondern verändere, wofür Menschen es realistisch einsetzen könnten (beides sinngemäße Übersetzungen).
Was offen bleibt
Ultrafast läuft zunächst als begrenzte Vorschau für einen ausgewählten Kundenkreis. Der Zugang soll ausgeweitet werden, sobald mehr Kapazität verfügbar ist. Einen Termin für die allgemeine Verfügbarkeit nennt OpenAI nicht.
Auch zu den Kosten gibt es keine Angaben. Wie hoch der Aufpreis gegenüber der Standardverarbeitung ausfällt, ist bislang nicht kommuniziert. Das ist relevant, weil OpenAI zuletzt in die andere Richtung gearbeitet hat und die API-Preise für GPT-5.6 Luna deutlich gesenkt hat. Ebenfalls unklar bleibt, ob der Modus auf die API beschränkt bleibt oder später auch in ChatGPT-Tarifen auftaucht.
Für europäische Unternehmen gibt es einen weiteren offenen Punkt: Wie die Verarbeitung auf der Cerebras-Hardware datenschutzrechtlich einzuordnen ist, dazu liegen keine Aussagen vor. Wer sensible Daten über eine solche Schnittstelle schickt, muss das also selbst klären.
Einordnung: Tempo als neue Abhängigkeit
Der eigentlich interessante Aspekt liegt weniger im Benchmark-Wert als in der Struktur dahinter. Latenzen dieser Größenordnung bei einem Spitzenmodell sind derzeit nur über hochspezialisierte, proprietäre Hardware in der Cloud eines Anbieters erreichbar. Wer Open-Weight-Modelle auf handelsüblichen GPUs selbst betreibt, kann dieses Tempo wirtschaftlich kaum abbilden.
Damit wird Geschwindigkeit zu einem weiteren Argument für die Bindung an eine proprietäre API-Plattform. Für Unternehmen, die aus Kosten- oder Datenschutzgründen auf eigene Infrastruktur setzen, steigt die Hürde beim Mithalten. Gleichzeitig gilt die alte Rechnung weiter: Mehr Tokens pro Sekunde bedeuten in der Praxis auch mehr verbrauchte Tokens, und die Token-Kosten fressen bei manchen Unternehmen bereits einen erheblichen Teil des Entwicklerbudgets. Ein Modus, der ohne bekannten Preis in eine Vorschau geht, verdient in dieser Rechnung besondere Aufmerksamkeit.
Realistisch betrachtet ist Ultrafast für die meisten Arbeitsabläufe kein Muss. Sinnvoll wird es dort, wo eine Antwort innerhalb eines laufenden Vorgangs kommen muss, etwa im Telefongespräch, während einer Störung oder solange ein Kunde noch im Bestellprozess ist. Für Batch-Verarbeitung oder nächtliche Auswertungen ist der Nutzen dagegen begrenzt, dort zählt der Preis pro Token mehr als die Sekunde.