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.

GPT-5.6 Sol und Claude Fable 5 kämpfen derzeit um die Krone des Grenzmodells.

Fable 5 hat bei der allgemeinen Intelligenz einen leichten Vorsprung, während Sol mit einer stärkeren Codierungsleistung, schnellerer Ausführung und viel niedrigeren Preisen zurückschlägt. Tatsächlich liegt der Preis von GPT-5.6 Sol näher am Claude Opus 4.8 als am Fable 5, was diesen Vergleich noch interessanter macht.

Ein Modell verspricht tiefergehende Überlegungen. Der andere bietet nahezu bahnbrechende Leistung zu weitaus praktischeren Kosten.

Welches Modell sollten Sie additionally eigentlich verwenden?

Was ist GPT-5.6 Sol?

GPT-5.6 Sol ist das Flaggschiffmodell von OpenAI für Codierung, Forschung, Werkzeugnutzung und komplexe professionelle Arbeitsabläufe.

Bei schwierigeren Problemen unterstützt es Max Reasoning, sodass das Modell vor der Beantwortung mehr Rechenleistung aufwenden muss. Sein Extremely-Modus geht noch einen Schritt weiter, indem er mehrere Agenten parallel einsetzt, wodurch er sich besser für große Codierungsaufgaben, tiefgreifende Recherchen und mehrstufige Projekte eignet.

Mehr lesen: GPT-5.6: Sol, Terra und Luna

Was ist Claude Fable 5?

Claude Fable 5 ist Anthropics leistungsstärkstes öffentlich verfügbares Modell, das für komplexe Überlegungen und langwierige Agentenarbeit entwickelt wurde.

Innen Claude Code oder Managed Brokers kann es mehrstufige Aufgaben planen, Arbeit an Subagenten delegieren, Zwischenergebnisse überprüfen und seine eigene Ausgabe verfeinern. Das macht es besonders nützlich für große Codierungsprojekte, umfangreiche Recherchen und Aufgaben, die weniger menschliche Aufsicht erfordern.

Mehr lesen: Fabel 5: Mythos oder Realität

Preisvergleich

API-Preise professional Million Token:

Sol kostet halb so viel für den Enter und 40 % weniger für den Output.

Beide Modelle bieten etwa eine Million Kontext-Tokens und bis zu 128.000 Ausgabe-Tokens. Das Kontextfenster von Sol ist mit 1,05 Millionen Token etwas größer.

Es gibt einen Haken. Sol-Anfragen übersteigen 272.000 Eingangs-Tokens höhere Preise für die gesamte Anfrage.

Preissieger: GPT-5.6 Sol

Bei normaler Arbeitslast ist dies nicht der Fall. Sol hat nicht nur ein höheres Restrict, sondern bietet auch gelegentlich kostenlose Token-Resets an:

Etwas, das Anthropic eindeutig lernen kann!

Praktischer Vergleich

Um GPT-5.6 Sol und Claude Fable 5 honest zu vergleichen, habe ich für beide Modelle dieselbe Eingabeaufforderung, dieselben neuen Chats und Normal-Argumentationseinstellungen verwendet.

Die Ergebnisse wurden hinsichtlich der Befolgung der Anweisungen, ihrer Richtigkeit, Vollständigkeit und Präsentation beurteilt.

Check 1: Erstellen Sie eine Webanwendung

Dieser Check prüft Frontend-Codierung, Designqualität und funktionale Vollständigkeit.

Immediate:

Construct a responsive private finance dashboard as a single HTML file.
Necessities:
- Use solely HTML, CSS and vanilla JavaScript
- Embrace playing cards for earnings, bills, financial savings and investments
- Add an interactive month-to-month spending chart
- Add a transaction desk with search and class filters
- Embrace mild and darkish modes
- Use lifelike pattern knowledge
- Make the design clear and appropriate for a contemporary fintech product
- Return the whole working code in a single file

GPT 5.6 Sol-Antwort:

Das Modell brauchte 6 Minuten und 30 Sekunden, um mit der gewünschten Webseite zu antworten. Hier ist es:

Antwort von Claude Fable 5:

Das Modell brauchte 3 Minuten und 10 Sekunden, um mit der gewünschten Webseite zu antworten. Hier ist es:

Check 2: Datenanalyse und geschäftliches Denken

Dieser Check überprüft die analytische Tiefe, die numerische Genauigkeit und die Fähigkeit, nützliche Empfehlungen zu geben.

Immediate:

You're a senior knowledge analyst reviewing the quarterly efficiency of an e-commerce firm.
Quarterly knowledge:
Q1:
Income: $2.4 million
Orders: 48,000
Conversion charge: 2.8%
Buyer acquisition price: $31
Repeat buy charge: 22%
Q2:
Income: $2.7 million
Orders: 51,000
Conversion charge: 3.1%
Buyer acquisition price: $36
Repeat buy charge: 24%
Q3:
Income: $2.9 million
Orders: 54,000
Conversion charge: 3.4%
Buyer acquisition price: $43
Repeat buy charge: 23%
This autumn:
Income: $3.1 million
Orders: 56,000
Conversion charge: 3.3%
Buyer acquisition price: $51
Repeat buy charge: 20%
Analyse the corporate’s efficiency.
Embrace:
- The three most vital developments
- Any warning indicators
- Doubtless causes behind the adjustments
- 5 actions the corporate ought to take subsequent quarter
- A concise govt abstract
Don't merely repeat the numbers. Derive helpful enterprise insights from them.

GPT 5.6 Sol-Antwort:

Das Modell brauchte 1 Minute und 20 Sekunden, um zu antworten:

Klicken Sie hier, um die vollständige Antwort anzuzeigen

Antwort von Claude Fable 5:

Es dauerte eine Minute, bis das Modell antwortete:

Klicken Sie hier, um die vollständige Antwort anzuzeigen

Check 3: Präsentationserstellung

Dieser Check überprüft die Inhaltsstruktur, das visuelle Urteilsvermögen und die Qualität professioneller Ergebnisse.

Immediate:

Create an eight-slide investor presentation for an AI-powered recruitment platform.
The platform:
- Screens job purposes
- Matches candidates with appropriate roles
- Generates structured interview questions
- Gives hiring analytics
- Targets mid-sized expertise corporations
Embrace:
1. Title slide
2. Drawback
3. Answer
4. Product workflow
5. Market alternative
6. Enterprise mannequin
7. Aggressive benefit
8. Closing slide
Use lifelike pattern numbers the place required.

GPT 5.6 Sol-Antwort:

Sol brauchte 4 Minuten und 38 Sekunden, um auf die Anfrage zu antworten:

Antwort von Claude Fable 5:

Fable 5 brauchte 2 Minuten und 30 Sekunden, um auf die Anfrage zu antworten:

Urteil

Der größte Unterschied zwischen den beiden dürften die Nutzungsbeschränkungen sein. Die Nutzung von GPT 5.6 Sol ging nie aus, egal wie lange ich es verwendet hatte. Claude Fable 5 hingegen hat das Nutzungslimit überschritten. Nach 3-4 Gesprächen wurde ich begrüßt mit:

In Anbetracht der Tatsache, dass Fable 5 bis zum 19. Juli verfügbar ist, während Sol dauerhaft für alle zahlenden Benutzer verfügbar ist und der Preis von Fable 5 das 2-3-fache beträgt. Aber es braucht seine Zeit. Ich meine ein viel Zeit!

Im Durchschnitt benötigte Sol doppelt so viel Zeit wie Fable 5, um auf dieselbe Anfrage zu antworten (bei vergleichbarer Antwortqualität).

GPT-5.6 Sol vs. Claude Fable 5: Benchmarks

Claude Fable 5 hat bei der allgemeinen Intelligenz einen knappen Vorsprung, aber GPT-5.6 Sol ist das stärkere Codierungsmittel.

Die Schlagzeilenergebnisse sind aufgeteilt. Fable führt den Synthetic Evaluation Intelligence Index mit einem Punkt Vorsprung an, während Sol beim Coding Agent Index einen Vorsprung von drei Punkten hat. Generell gilt, dass die Modelle quasi Kopf an Kopf liegen. Bei praktischer Software program-Entwicklung hat Sol klar die Nase vorn.

Sol gewinnt mehr Coding-Bewertungen

Sol führt weiter DeepSWE Und Terminal-Bench v2während Fable einen Punkt Vorsprung hat SWE-Atlas-QnA. Der Gewinn von zwei der drei Einzelbewertungen verleiht Sol das insgesamt stärkere Coding-Agent-Profil.

Bessere Leistung zu geringeren Kosten

Die durchschnittlichen Bewertungskosten von Sol betragen 7,08 $ professional Aufgabeverglichen mit 11,80 $ für Fable 5. Das macht Sol ungefähr 40 % günstigerDies stärkt seinen Vorteil für Groups, die Coding-Brokers in großem Maßstab einsetzen.

Fable analysiert besser, aber Sol präsentiert besser

AA-Briefcase zeigt ein differenzierteres Ergebnis. Fable erzielt insgesamt die höhere Elo-Wertung und liegt klar in der analytischen Qualität vorne. Allerdings schneidet Sol bei der Präsentation wesentlich besser ab, was darauf hindeutet, dass es seine Arbeit besser in klare, nutzbare Ergebnisse umwandeln kann.

Abschluss

Folgendes wurde klar:

• GPT-5.6 Sol ist langsamer, aber günstiger.
• Claude Fable 5 eignet sich besser für lange, komplexe Aufgaben.
• Sol reagiert intestine auf Suggestions und Iteration.
• Fable erfordert weniger Aufsicht, sobald die Aufgabe definiert ist.

Für die meisten Benutzer gilt: GPT-5.6 Sol ist die bessere Wahl. Es kommt der Intelligenz von Fable nahe und bietet gleichzeitig eine bessere Codierungsleistung zu viel geringeren Kosten.

Wählen Claude Fabel 5 wenn die Arbeit komplex genug ist, um den Mehraufwand zu rechtfertigen, insbesondere wenn Sie ein Projekt übergeben und später zurückkehren möchten.

Der einfachste Weg, es auszudrücken:

Sol ist das Modell, mit dem Sie arbeiten. Fable ist das Modell, nach dem Sie in Handarbeit arbeiten.

Häufig gestellte Fragen