OpenAI vervollständigt die GPT-6-Familie mit Sol und Luna und halbiert die API-Preise
Am 22. September 2026 hat OpenAI sein Angebot erweitert: Neben GPT-6 Astra, das Anfang des Monats erschien, stehen nun GPT-6 Sol und GPT-6 Luna. Laut Hersteller ist Sol für Programmierung und komplexe Aufgaben gedacht, während Luna auf Arbeiten mit hohem Volumen wie Zusammenfassungen und Datenextraktion zielt. Die technische Dokumentation nennt für beide Kennungen, gpt-6-sol und gpt-6-luna, ein Kontextfenster von 1.050.000 Token, maximal 922.000 Token Eingabe und 128.000 Token Ausgabe sowie einen Wissensstand bis zum 20. April 2026 für Sol und bis zum 18. Mai 2026 für Luna.
OpenAI spricht von einer durchschnittlichen Preissenkung um fünfzig Prozent gegenüber der Serie 5.6. Gemessen an den von TechCrunch und Pulse2 genannten Preisen der Vorgänger sinkt Sol von 4 Dollar für die Eingabe und 20 für die Ausgabe auf 2 und 10 Dollar pro Million Token, Luna von 0,20 und 1,20 auf 0,10 und 0,50 Dollar. OpenAI führt die Senkung auf Optimierungen bei Inferenz und Caching zurück. Oberhalb von 272.000 Eingabe-Token verdoppeln sich bei Luna allerdings die Preise für Eingabe und Cache, für die Ausgabe steigen sie um das 1,5-Fache. In ChatGPT Work und Codex stehen beide Modelle Abonnenten von Plus, Pro, Business, Enterprise und Edu zur Verfügung; Nutzer von Free und Go erhalten nur Luna, und das nur in der Desktop-App. MacRumors weist zudem darauf hin, dass die Integration in den Chat-Modus derzeit offenbar nicht aktiv ist.
Die angegebenen Benchmarks verlangen eine vorsichtige Lesart. Den Angaben zufolge erreicht Sol auf AutomationBench 33,2 % gegenüber 26,9 % bei Claude Opus 5; auf DeepSWE v1.1 kommt Sol auf 68,8 % und Luna auf 66,6 %, während Claude Fable 5 bei 69,9 % liegt. Diese Werte stammen aus internen Messungen mit vom Unternehmen gewählten Aufwandseinstellungen und sind noch nicht von Dritten überprüft. Mehrere Fachmedien berichten übereinstimmend dieselben Zahlen, direkt in der offiziellen Ankündigung ließen sie sich wegen eines HTTP-403-Fehlers jedoch nicht nachlesen. Auch bei der Faktentreue stellt OpenAI selbst klar: Die behauptete Halbierung der Fehler von Sol gegenüber dem Vorgänger stammt aus einem Test mit eigens zur Fehlerprovokation konstruierten Gesprächen, ohne Kontrolle der Antwortlänge, und ist daher für die normale Nutzung nicht repräsentativ.
In einer Phase, in der sich der Wettbewerb der Frontier-Labore aggressiv auf die Kosten pro Token verlagert – am selben Tag, etwa neunzig Minuten zuvor, hatte ein Konkurrent ein neues Spitzenmodell vorgestellt –, bleibt die eigentliche Unbekannte, wie effizient die Modelle tatsächlich sind, wenn sie sich an den realen Arbeitslasten von Unternehmen messen müssen.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Ich habe die offiziellen Modellseiten auf developers.openai.com gelesen: Preise, Kontext, maximale Ausgabe, Wissensstand und Lunas Aufschlag über 272.000 Token. Abgeglichen mit TechCrunch, MacRumors, Pulse2, RuntimeWire und TestingCatalog: Sie stimmen bei Daten, alten und neuen Preisen, Verfügbarkeit je Tarif und Benchmarks überein. Unsere bisherigen Artikel geprüft: GPT-6 war noch nicht behandelt.
- Incertezze
- Alle Benchmarks hat OpenAI selbst gemessen, mit selbst gewählten Aufwandseinstellungen, unabhängig geprüft ist noch keiner. Die bessere Faktentreue stammt aus einem internen Test, den OpenAI selbst als nicht repräsentativ bezeichnet. Die offizielle Ankündigung war nicht abrufbar (HTTP 403): Die Benchmark-Zahlen bestätigen mehrere Medien, nicht die Primärquelle. Preise, Kontext und Wissensstand sind dagegen in der Dokumentation geprüft. Ein nur von einem Medium berichtetes Zitat von Sam Altman wurde weggelassen.
- Perché pubblicarla
- Die wichtigste Modellveröffentlichung der Woche, vom meistgenutzten Labor, und sie verändert die Rechnung für Entwickler: halbierte Kosten pro Token, Kontext über eine Million Token, Luna für 0,10 Dollar. Ein guter Fall, um geprüfte Preise von selbst gemeldeten Benchmarks zu trennen.