OpenAI hat seine GPT‑5.6‑Familie in den allgemeinen Produktivbetrieb überführt und das Line-up dabei klar segmentiert: an der Spitze das Flaggschiff Sol, darunter das mittelpreisige Terra – zwei Modelle, die für deutlich unterschiedliche Workloads gedacht sind.
Zentrale Punkte:
- Sol kostet 5 US‑Dollar pro Million Eingabetokens und 30 US‑Dollar pro Million Ausgabetokens – damit doppelt so viel wie Terra.
- Sol führt die Coding‑ und Agenten‑Benchmarks an, während Terra auf Routineaufgaben zum niedrigeren Preis zielt.
- Erste Tests zeigen: Terra kann bei langen Jobs mehr Ausgabetokens verbrauchen als Sol – und damit teurer werden.
GPT‑5.6: Sol und Terra mit klarer Preisdifferenz
Das Unternehmen kündigte den breiten Rollout über ChatGPT, Codex und die eigene API am 9. Juli an und beendete damit eine rund zweiwöchige Vorabphase. Sol als Flaggschiff zielt auf hochkomplexe Programmierung, Cybersicherheit und lang laufende Agenten‑Workloads; OpenAI bezeichnet das Modell als sein „bisher bestes Coding‑Modell“. Terra ist eine Stufe darunter positioniert und liefert eine Performance auf Augenhöhe mit GPT‑5.5 – bei etwa halben Kosten.
Am deutlichsten ist die Trennlinie bei den Preisen: Sol schlägt mit 5 US‑Dollar pro Million Eingabetokens und 30 US‑Dollar pro Million Ausgabetokens zu Buche. Terra verlangt für die gleichen Volumina 2,50 bzw. 15 US‑Dollar. Ein drittes Modell, Luna, ist für Hochvolumen‑Szenarien mit 1 bzw. 6 US‑Dollar bepreist.
Auch beim Zugang über ChatGPT verläuft eine klare Linie: Bezahlabonnenten erreichen Sol über die mittleren und höheren Reasoning‑Einstellungen, während Gratis‑ und Go‑Nutzer in ChatGPT Work und Codex auf Terra treffen. GitHub hat bereits alle drei Modelle in Copilot integriert und positioniert Sol dort als Option für anspruchsvolle Reasoning‑Aufgaben über große Codebasen, während Terra als ausgewogener Standard für alltägige, agentenähnliche Programmierarbeit gilt.
Lesen Sie auch: Verlässt Charles Hoskinson Cardano? Er nennt die Behauptung eine komplette Lüge
Sol hängt Terra in Coding‑Benchmarks ab
Sol erzielte 80 Punkte im Artificial Analysis Coding Agent Index – nach Angaben von OpenAI liegt das 2,8 Punkte über Anthropics Claude Fable 5. Vorstandschef Sam Altman sagte, das Modell sei bei Coding‑Aufgaben 54 % tokeneffizienter als frühere OpenAI‑Modelle – ein Argument, das sich klar an Unternehmenskassen richtet.
Einheitlich ist das Bild allerdings nicht. Beim SWE‑Bench‑Pro‑Benchmark kommt Sol lediglich auf 64,6 % und liegt damit rund 15 Punkte hinter Claude Mythos 5. Unabhängige Tester stellten dennoch fest, dass Sol auch in langen, unübersichtlichen Repository‑Läufen zuverlässig auf Kurs bleibt. Terra eigne sich dagegen eher für klar umrissene Implementierungen und den ersten Code‑Review‑Durchlauf – mit Eskalation auf das größere Modell, wenn es komplex wird.
Die gleichen Tests enthalten jedoch eine Warnung für kostenbewusste Teams: In langen Coding‑Runs verbrauchte Terra mehr Ausgabetokens als Sol. Niedrigere Tarife führen also nicht zwingend zu niedrigeren Endkosten. Unternehmen sollten daher den Preis pro tatsächlich gelöstem Job messen, bevor sie massenhaft Traffic auf Terra umleiten.
Der gestufte Marktstart markiert zugleich einen Strategiewechsel beim Rollout von Frontier‑Modellen durch OpenAI.
Das Unternehmen informierte vorab die US‑Regierung über die Fähigkeiten der Modellfamilie und beschränkte den frühen Zugang auf einen kleinen Kreis geprüfter Partner, deren Beteiligung mit den Behörden abgestimmt war.
Mit der Generation 5.6 verabschiedet sich OpenAI zudem von der bisherigen Namenslogik: Die Zahl kennzeichnet nun klar die Generation, während Sol, Terra und Luna als dauerhafte Fähigkeitsstufen fungieren, die jeweils in ihrem eigenen Takt weiterentwickelt werden können.
Als Nächstes lesen: Palantir streicht 50 Ingenieure und ein Viertel seines Börsenwerts: Was ist schiefgelaufen?