Im Juli habe ich dir hier GPT-5.6 mit Sol, Terra und Luna erklärt. Zwei Monate später sind Sol und Luna schon wieder da, diesmal mit der Nummer 6: Am 22. September hat OpenAI GPT-6 Sol und GPT-6 Luna veröffentlicht. Wer da nicht mehr mitkommt, ist nicht allein.
Die Grundidee aus dem Juli-Beitrag bleibt: größere Modelle für schwierige Aufgaben, kleinere für Masse. Neu ist, was es kostet, wer Zugriff hat und wo der Haken liegt.
Was OpenAI angekündigt hat
Anfang September kam zunächst GPT-6 Astra, das größte Modell der Familie. Sol und Luna sollen laut OpenAI viel von dessen Stärken in schnellere und günstigere Modelle bringen, "um Arbeit im großen Maßstab zu unterstützen". Die Rollenverteilung formuliert OpenAI so: Sol für komplexe Coding- und Agenten-Workflows, Luna für fokussierte Aufgaben in hoher Stückzahl.
Zur Qualität gibt es eine Zahl, die du mit Vorsicht lesen solltest: Sol macht laut OpenAI in einer internen Faktentreue-Auswertung etwa halb so viele Fehler wie sein Vorgänger. Das ist ein Eigentest des Herstellers, und "halb so viele Fehler" sagt noch nichts darüber, wie oft dich ein Fehler in deinem konkreten Fall trifft. Unabhängig bestätigt habe ich das nicht gesehen.
Wer die Modelle bekommt
Hier lohnt sich genaues Lesen, denn die Verfügbarkeit ist enger, als die Schlagzeilen vermuten lassen.
Sol und Luna laufen laut OpenAI in ChatGPT Work und in Codex, und zwar für Plus, Pro, Business, Enterprise und Edu. Free- und Go-Nutzer bekommen Luna in der Desktop-App. Im normalen Chat-Modus sind beide Modelle zum Start noch nicht verfügbar. Das berichten MacRumors und 9to5Mac übereinstimmend.
Für Firmenkunden kommt eine Hürde dazu: Laut 9to5Mac müssen Administratoren die Modelle in den Workspace-Einstellungen erst freischalten. Wenn du in deinem Business-Tarif nichts davon siehst, liegt es vermutlich nicht an dir, sondern an dieser Einstellung.
Was es kostet
Für alle, die über die API automatisieren, ist das der spannendste Punkt. Laut MacRumors kostet Sol 2 Dollar pro Million Eingabe-Token und 10 Dollar pro Million Ausgabe-Token, Luna 0,10 Dollar und 0,50 Dollar. OpenAI selbst schreibt in der Ankündigung im Entwicklerforum von 50 Prozent niedrigeren API-Preisen im Vergleich zum Aktionspreis von GPT-5.6. Beide Quellen passen zusammen, die genauen Preise stehen aber nicht im Forenbeitrag. Prüf sie deshalb vor einer Kalkulation auf der OpenAI-Preisseite. Es sind Listenpreise in US-Dollar, Steuern kommen je nach Land dazu.
Dazu kommt, dass beide Modelle laut OpenAI weniger Token pro Aufgabe verbrauchen als ihre GPT-5.6-Vorgänger. Das ist in der Praxis oft mehr wert als der reine Preis pro Token, denn bezahlt wird am Ende die ganze Aufgabe.
Welches Modell wofür?
Meine Einordnung auf Basis der OpenAI-Beschreibung, nicht aus einem eigenen Dauertest. Ich habe die Modelle seit dem Start nicht lange genug im Alltag genutzt, um dir Erfahrungswerte zu verkaufen:
Luna nimmst du für Arbeit, die sich ständig wiederholt. Eingehende Mails sortieren, Rechnungen auslesen, Produkttexte in gleichem Aufbau erzeugen, Support-Anfragen vorsortieren. Wenn du hier das größere Modell nimmst, zahlst du für Denkleistung, die niemand braucht.
Sol nimmst du, wenn eine Aufgabe aus mehreren Schritten besteht und ein Fehler am Anfang alles Weitere ruiniert. Wer mit ChatGPT Work Aufgaben abarbeiten lässt oder Code schreiben lässt, ist hier richtig.
Astra, das größere Modell, kommt für die meisten Aufgaben in kleinen Unternehmen vermutlich nicht in Frage. Für Texte, Auswertungen und Recherche würde ich es nicht als Erstes testen.
Ein Praxistipp, der unabhängig vom Modell funktioniert: Starte bei jeder neuen Aufgabe mit Luna. Wenn das Ergebnis nicht reicht, wechsle auf Sol und stell dieselbe Aufgabe noch einmal. So lernst du schnell, was du wirklich brauchst, und bezahlst nicht dauerhaft für Reserven.
Wenn du wissen willst, welches Modell sich für euch rechnet, nimm dir zehn echte Aufgaben aus der letzten Woche. Lass jede einmal mit Luna und einmal mit Sol laufen. Notiere, wie oft du nacharbeiten musstest und wie lange es gedauert hat. Gemessen wird nicht der Preis pro Token, sondern der Aufwand pro fertiger Aufgabe. Eine halbe Stunde Test spart dir die Diskussion, welche Stufe das Team standardmäßig nehmen soll.
Und im ganz normalen ChatGPT?
Wenn du ChatGPT im Chat-Modus nutzt und nichts automatisierst, ändert sich für dich zum Start wenig. Die neuen Modelle stecken in Work und Codex. Ob sie später auch im Chat auftauchen, hat OpenAI nach meinem Stand nicht verbindlich angekündigt, ich würde darauf nicht warten.
Lern lieber, die Modelle gezielt anzusprechen. Wer saubere Prompts schreibt, bekommt aus jeder Stufe mehr heraus. Im Bereich ChatGPT lernen gehen wir genau das Schritt für Schritt durch.
Mein Fazit
Die Namen wechseln schneller, als man sie sich merken kann. Das Prinzip bleibt: Das günstigste Modell, das die Aufgabe sauber löst, ist das richtige. Neu ist, dass die Preise sinken und die Modelle sparsamer arbeiten. Für kleine Unternehmen, die Abläufe automatisieren wollen, ist das eine gute Nachricht.
Wie gehst du damit um? Wählst du bewusst ein Modell pro Aufgabe, oder nimmst du, was ChatGPT dir anbietet? Schreib mir deine Erfahrung, mich interessiert besonders, wo Luna bei dir an Grenzen stößt.
Dein Markus vom KI Club
