OpenAI hat am 9. Juli 2026 kein einziges Modell auf den Markt gebracht. Es hat ein dreistufiges Preismenü eingeführt, und das Menü ist wichtiger als jeder einzelne Benchmark-Rating in den Versionshinweisen. Bei Sol, Terra und Luna kann ein Käufer jetzt jede Aufgabe an ein Modell weiterleiten, dessen Preis für die Aufgabe angemessen ist, anstatt jede Anfrage standardmäßig an das Flaggschiff zu richten.
Drei Modelle verteilen die Arbeitslast
GPT-5.6 wurde am 9. Juli 2026 allgemein verfügbar, nachdem Ende Juni eine begrenzte Vorschau angekündigt wurde. Die Familie teilt sich in Sol, das Flaggschiff; Terra, eine ausgewogene Alltagsoption; und Luna, die schnellste und günstigste der drei. Entwickler können alle drei über die API erreichen, und die Commonplace-Brief-Context-Preise professional Million Token sind in der folgenden Tabelle aufgeführt.
| Modell | Eingang | Zwischengespeicherte Eingabe | Cache-Schreiben | Ausgabe |
| Sol | 5,00 $ | 0,50 $ | 6,25 $ | 30,00 $ |
| Terra | 2,50 $ | 0,25 $ | 3,125 $ | 15,00 $ |
| Luna | 1,00 $ | 0,10 $ | 1,25 $ | 6,00 $ |
Der Zugriff variiert je nach Produkt und Plan und folgt nicht einer einfachen Regel. In Codex können Free- und Go-Benutzer Terra erreichen, während Plus-, Professional-, Enterprise- und Enterprise-Benutzer zwischen Sol, Terra und Luna wählen können. ChatGPT Work bietet alle drei Modelle für Plus- und höhere Pläne an. Commonplace-ChatGPT-Konversationen funktionieren anders: Terra und Luna sind dort nicht auswählbar, und berechtigte zahlende Benutzer erreichen Sol je nach Plan über die Begründungsoptionen „Mittel“, „Hoch“ und „Further Hoch“. Im aktuellen Assist Heart von OpenAI wird Sol Professional, eine höherwertige Variante für die schwierigsten Aufgaben, als verfügbar für Professional-, Enterprise- und Enterprise-Pläne aufgeführt, obwohl in der ursprünglichen Ankündigung zur Markteinführung nur Professional und Enterprise genannt wurden. OpenAI hat GPT-5.6 in berechtigte bestehende ChatGPT-Pläne integriert, anstatt eine neue Abonnementstufe einzuführen, und die Preise für Commonplace-ChatGPT-Abonnements sind mit der Einführung des Modells nicht gestiegen.
Sol behält den Grundpreis von GPT-5.5
Der Commonplace-Brief-Context-Preis für Sol, 5 US-Greenback Enter und 30 US-Greenback Output professional Million Token, entspricht genau den Hauptpreisen von GPT-5.5. OpenAI positioniert Sol als Leistungs- und Effizienzgewinn, ohne den Verkaufspreis seines Topmodells zu erhöhen.
Der Vergleich hört jedoch beim Aufkleber auf. GPT-5.6 fügt Cache-Schreibgebühren hinzu. GPT-5.5 wird nie in Rechnung gestellt. OpenAI meldet bei mehreren Kodierungs- und Computernutzungsbewertungen höhere Werte und eine geringere Verwendung von Ausgabe-Tokens, obwohl der Vergleich vom Benchmark, der Argumentationseinstellung und dem konkurrierenden Modell abhängt. Eine echte Rechnung hängt vom Argumentationsaufwand, den Instrument-Aufrufen, der Kontextlänge und davon ab, wie viel von einer Eingabeaufforderung zwischengespeichert wird, und nicht nur von den beiden Schlagzeilen.
Terra ist möglicherweise das wichtigste Modell für Unternehmenskäufer
Terra kostet die Hälfte von Sol und landet bei der genauen Standardpreisgestaltung von GPT-5.4 bei der Markteinführung: 2,50 $ Enter, 15 $ Output. Für einen Großteil der Unternehmens-Workloads ist die Positionierung wichtiger als die Grenzwerte von Sol, da für den Großteil des Produktionsverkehrs keine Grenzbegründung erforderlich ist.
Notion, zitiert in den Startmaterialien von OpenAI, sagte, dass viele auf GPT-5.5 basierende Agenten auf Terra zum halben Preis und mit 16 % weniger Token genauso intestine funktionieren. Betrachten Sie die Zahl als ein vom Kunden gemeldetes Ergebnis der Arbeitsbelastung eines Unternehmens und nicht als universellen Maßstab, den jedes Group reproduzieren wird. Terra ist einen Migrationstest für bestehende Agenten wert, bevor Sol zur Standardannahme für neue Agenten wird.
Luna erstellt eine kostengünstige Routing-Stufe
Luna kostet ein Fünftel des Enter-Preises von Sol und ein Fünftel seines Output-Preises: 1 $ und 6 $ professional Million Token. Das wahrscheinliche Zuhause für Luna ist Arbeit mit hohem Volumen und geringer Komplexität: Kundensupport-Triage, Inhaltsklassifizierung, -extraktion und einfache Codierungsunterstützung, bei der Durchsatz und Kosten professional Anruf wichtiger sind als die Spitzenqualität der Argumentation.
Luna ist in der Praxis nicht automatisch günstig. Der Output kostet bei Standardtarifen immer noch das Sechsfache des Inputs, sodass eine ausführliche Luna-Bereitstellung die Ausgaben schneller ankurbeln kann als eine prägnante Sol-Bereitstellung, die weniger und kürzere Austauschvorgänge erfordert. Die Ergebnisse von OpenAI zeigen auch bei anspruchsvolleren Auswertungen echte Lücken zwischen Luna und Sol, daher müssen Routing-Entscheidungen neben der Aufgabenschwierigkeit auch das Volumen abwägen.
Caching und langer Kontext verändern die Rechnung
GPT-5.6 führt explizite Cache-Haltepunkte und eine Mindest-Cache-Lebensdauer von 30 Minuten ein. Für zwischengespeicherte Eingabelesevorgänge wird ein Rabatt von 90 % auf die nicht zwischengespeicherte Eingaberate gewährt, während ein Cache-Schreibvorgang das 1,25-fache der nicht zwischengespeicherten Eingaberate kostet. Stabile Systemaufforderungen, Tooldefinitionen und Referenzmaterial können nach dem ersten Schreiben kostengünstig wiederverwendet werden. Eingabeaufforderungen, die sich bei jedem Anruf ändern, können Schreibgebühren in die Höhe treiben, ohne dass die Wiederverwendung ausreichend ist, um diese auszugleichen.
Langkontextanfragen lösen eine höhere Preisstufe aus, sobald eine Eingabeaufforderung 272.000 Eingabetokens überschreitet. OpenAI berechnet das Doppelte der Standardeingaberate und das 1,5-fache der Standardausgaberate für die gesamte Anfrage, nicht nur für den Teil über dem Schwellenwert. Sol steigt daher auf 10 $ professional Million Enter-Tokens und 45 $ professional Million Output-Tokens, Terra steigt auf 5 $ und 22,50 $ und Luna steigt auf 2 $ und 9 $. Die Preise für Cache-Schreibvorgänge verdoppeln sich zusammen mit der Eingaberate.
Ein vereinfachtes Beispiel verdeutlicht die Ausbreitung. Für eine Million nicht zwischengespeicherte Eingabe-Tokens und 250.000 Ausgabe-Tokens zu Brief-Context-Standardpreisen kostet Sol etwa 12,50 US-Greenback, Terra etwa 6,25 US-Greenback und Luna etwa 2,50 US-Greenback. Echte Rechnungen unterscheiden sich, sobald Instruments, Caching, Argumentationsaufwand und regionale Verarbeitung in die Berechnung einfließen.
Batch, Flex und Precedence bilden eine weitere Preisebene
Die Verarbeitungsklasse vervielfacht das Preisraster erneut. Für die Batch- und Flex-Verarbeitung wird in der gesamten GPT-5.6-Familie die Hälfte des Commonplace-Brief-Context-Tarifs berechnet: Sol fällt auf 2,50 US-Greenback professional Million Eingabe-Tokens und 15 US-Greenback professional Million Ausgabe-Tokens, Terra auf 1,25 US-Greenback und 7,50 US-Greenback und Luna auf 0,50 US-Greenback und 3 US-Greenback. Batch und Flex eignen sich für Arbeitslasten wie Klassifizierung, Extraktion und Anreicherung, die eine langsamere oder asynchrone Ausführung tolerieren.
Die Prioritätsverarbeitung verdoppelt die Standardrate für kurze Kontexte: Sol steigt auf 10 $ professional Million Enter-Tokens und 60 $ professional Million Output-Tokens, Terra auf 5 $ und 30 $ und Luna auf 2 $ und 12 $. Auf der Preisseite von OpenAI werden nur Prioritätsstufen für kurze Kontexte angezeigt. Käufer sollten daher nicht davon ausgehen, dass derselbe Multiplikator über 272.000 Eingabe-Tokens hinausgeht, bis OpenAI eine Prioritätsstufe für lange Kontexte dokumentiert. Bei latenzempfindlichen, kundenorientierten Anwendungen magazine Precedence seine Kosten rechtfertigen, aber ein Group, das sich an Standardpreisen orientiert und Precedence standardmäßig einsetzt, kann seine Modell-Token-Ausgaben schnell verdoppeln.
Durch die regionale Abwicklung kommt eine weitere Kostenschicht hinzu. OpenAI berechnet einen Aufschlag von 10 % für berechtigte Datenresidenzmodelle, die am oder nach dem 5. März 2026 veröffentlicht werden. Regionale Speicherverfügbarkeit bedeutet jedoch nicht automatisch, dass die Modellinferenz innerhalb der ausgewählten Area erfolgt.
Die Modellebene ist nur eine Routing-Entscheidung. Sol bietet außerdem Max, das mehr Rechenleistung für tiefere Überlegungen aufwendet als die hohe Einstellung, und Extremely, das standardmäßig vier Agenten koordiniert. Extremely kann schwierige Arbeiten schneller erledigen, aber die parallele Ausführung kann die Gesamt-Token-Nutzung erhöhen. Der Argumentationsmodus von Sol fungiert als eine weitere FinOps-Kontrolle und nicht als einfacher Qualitätsschalter.
Programmatic Instrument Calling fügt einen zweiten Hebel hinzu. Laut OpenAI kann GPT-5.6 leichtgewichtige Programme schreiben und ausführen, die Instruments koordinieren und Zwischenergebnisse filtern, anstatt jede Instrument-Antwort durch das Modell zurückzuleiten. In Instrument-lastigen Workflows meldet OpenAI dadurch weniger Token und weniger Modell-Roundtrips. Die Kostenkontrolle erfolgt jetzt auf mehreren Ebenen und nicht mehr auf einer.
Die Leistung professional Greenback erfordert Workload-Assessments
Anbieter-Benchmarks beschreiben Bedingungen, die OpenAI kontrolliert, nicht den tatsächlichen Datenverkehr eines Käufers. Die Vergleichstabelle von OpenAI meldet 52,7 % für Sol bei Brokers‘ Final Examination und einen Indexwert von 80 beim Synthetic Evaluation Coding Agent Index, wobei Terra und Luna bei schwierigeren Aufgaben mit großem Abstand und bei einfacheren Aufgaben mit geringerem Abstand zurückliegen. In einem separaten Abschnitt auf der Startseite von OpenAI werden 53,6 für Sol bei derselben Prüfung unter verschiedenen Einstellungen angegeben. Zur Erinnerung: Die Argumentationskonfiguration ändert die Punktzahl genauso stark wie das Modell. OpenAI hat die Zahlen mithilfe seines Evaluierungssystems generiert und sie verdienen es, als solche bezeichnet zu werden und nicht als neutraler Beweis behandelt zu werden.
Eine Beschaffungsentscheidung erfordert den internen Bewertungssatz einer Organisation: Aufgabenerfolgsrate, menschliche Korrekturzeit, insgesamt verbrauchte Token, Latenz, Wiederholungsrate und Kosten professional abgeschlossener Aufgabe statt Kosten professional Token. Ein Modell, das mehr professional Token kostet, kann immer noch weniger professional abgeschlossenem Auftrag kosten, wenn weniger Wiederholungsversuche erforderlich sind, und eine Multi-Agent- oder Extremely-Konfiguration, die schneller abschließt, kann insgesamt immer noch mehr Token verbrennen. Unabhängige, unternehmensübergreifende Beweise für einheitliche Kosteneinsparungen, Latenzgewinne oder Verbesserungen der Produktionsleistung gibt es außerhalb der Benchmark-Tabellen von OpenAI und der hier genannten Kundenzitate noch nicht.
Die Routing-Entscheidung ist nun eine FinOps-Entscheidung
Die dreistufige Struktur von GPT-5.6 verlagert die Modellauswahl aus dem rein technischen Bereich in die Budgetplanung. Die Beschaffungsrichtlinie muss nun festlegen, welches Modell welche Datenklasse verarbeitet, welche Argumentationsebene standardmäßig genehmigt wird, wann die Prioritätsverarbeitung zulässig ist und was passiert, wenn die Zuverlässigkeit eines kleineren Modells sinkt. Unternehmen, die vollständige Arbeitsabläufe anhand interner Aufgaben und nicht anhand eines einzelnen Bestenlistenergebnisses vergleichen, werden die bessere Entscheidung treffen, wo Sol seinen Preis verdient und wo Terra oder Luna bereits den Job machen.