GPT-5.6 Release: Der vollständige Überblick — Luna/Terra/Sol, Benchmarks, Preise und vs. Claude

Am 9. Juli 2026 hat OpenAI die neue Modellfamilie „GPT-5.6“ allgemein verfügbar gemacht (offizielle Ankündigung von OpenAI, nach einer begrenzten Vorschau am 26. Juni offiziell veröffentlicht). Die größte Neuerung: Statt der bisherigen zweistufigen Struktur aus „Standard + Pro“ gibt es nun ein Drei-Modell-System aus Luna (schnell, günstig) / Terra (ausgewogen) / Sol (Flaggschiff).

Das Flaggschiff Sol führt mit 80 Punkten im Artificial Analysis Coding Agent Index, dem Maßstab für die Leistung von Coding-Agenten, und liegt damit an der Spitze. Auch im Agents' Last Exam, das langlaufende praktische Workflows misst, erreicht Sol 53,6 und distanziert Claude Fable 5 (40,5) um 13,1 Punkte (von OpenAI veröffentlichte Werte, aufbereitet von Vellum). Beim produktionsnahen Coding im SWE-Bench Pro liegt jedoch Claude Fable 5 mit 80,0 %, Sol nur bei 64,6 % – hier bleibt ein Bereich, in dem Sol Claude klar unterliegt (beide Werte stammen aus der Evaluierungstabelle von OpenAI; auch Anthropics System Card nennt für Fable 5 80,0 %; die 80,3 % in Anthropics Ankündigungstabelle sind der höhere Wert – der von Mythos 5 – aus einer gemeinsamen Spalte).

Dieser Artikel erklärt auf Basis der offiziellen Ankündigung von OpenAI und mehrerer unabhängiger Benchmark-Berichte alles Wesentliche zu GPT-5.6 – die Unterschiede der drei Modelle, Preise, Benchmarks, neue Funktionen, Verfügbarkeit nach ChatGPT-Tarif, den Vergleich mit Claude und die Wahl nach Anwendungsfall – ausschließlich auf gesicherten Informationen.

1. Überblick zum Release – Datum, Verfügbarkeit, Spezifikationen

Der entscheidende Punkt: Alle drei Modelle teilen sich dasselbe Kontextfenster von rund 1 Mio. Tokens und dieselbe maximale Ausgabe von 128K. Unterschiede gibt es bei „Intelligenz“, „Geschwindigkeit“ und „Preis“ – die verarbeitbare Dokumentmenge bleibt gleich. Die Wahl erfolgt vertikal nach Anwendungsfall und Kosten.

2. Luna / Terra / Sol – die drei Modelle und die richtige Wahl

Die größte Veränderung von GPT-5.6 ist die Umstellung von zweistufig (Standard/Pro) auf dreistufig. Ordnen wir die jeweilige Rolle ein.

Das Auswahlprinzip ist einfach. Setzen Sie zunächst Terra als Standard, wechseln Sie bei zu geringer Genauigkeit zu Sol und greifen Sie zu Luna, wenn Stückpreis und Geschwindigkeit oberste Priorität haben – dieser „Terra-als-Ausgangspunkt“-Ansatz erleichtert die Balance zwischen Kosten und Qualität.

3. Preisstruktur – das mittlere Terra verdient Aufmerksamkeit

Bemerkenswert ist das Preis-Leistungs-Verhältnis von Terra. OpenAI erklärt: „Terra bietet eine Leistung auf dem Niveau der Vorgängergeneration GPT-5.5 zu etwa dem halben Preis.“ Das heißt: Viele Aufgaben, für die bisher Sol (entsprechend dem alten Standard) nötig war, lassen sich möglicherweise zum halben Kostenaufwand erledigen.

Der Preis von Sol mit $5/$30 liegt bei der Eingabe gleichauf mit Claude Opus 4.8 ($5/$25), bei der Ausgabe etwas höher. Die Stückpreise der Flaggschiffe verschiedener Anbieter nähern sich einander an – der Unterschied entsteht heute über „Leistung“ und „Token-Effizienz“.

4. Benchmarks – direkter Vergleich mit Claude

Fazit: stark bei Agenten, aber beim produktionsnahen Coding liegt Claude vorn

GPT-5.6 Sol steht bei der Agenten-Gesamtleistung (Agents' Last Exam) und beim Coding-Agent-Index an der Spitze. Auch im TerminalBench liegt es laut OpenAIs Tabelle über Claude Fable 5 (83,1 %). Beim SWE-Bench Pro (echte Bug-Fixes auf Produktionsniveau in realen Repositories) unterliegt Sol mit 64,6 % jedoch dem Wert von Claude Fable 5 von 80,0 % (Terra 63,4 %, Luna 62,7 %) – ein Rückstand von über 15 Punkten. „Die Fähigkeit, als Agent autonom zu handeln“ und „die Fähigkeit, eine reale Codebasis präzise zu korrigieren“ sind offenkundig zwei verschiedene Dinge.

Auch der Langtext-Recall von Luna (MRCR) fällt mit 41,3 % deutlich hinter Sol/Terra zurück. Auch wenn das Fenster 1 Mio. Tokens fasst, eignet sich Luna nicht dafür, extrem lange Texte präzise zu verarbeiten. Für lange Texte sollten Sie mindestens Terra wählen.

5. Was ist neu – fünf zentrale Punkte

① Von der zweistufigen Struktur zum Drei-Modell-System

Die wichtigste Änderung. Aus dem alten „Standard + teures Pro“ wurde eine dreistufige Struktur aus Luna / Terra / Sol. Besonders Terra wird mit dem Preis-Leistungs-Versprechen „GPT-5.5-Niveau zu 40 % des Sol-Preises“ zum zentralen Baustein der Kostenplanung.

② Verbesserte Token-Effizienz (54 % beim Coding)

OpenAI-CEO Sam Altman erklärt, dass Sol bei agentischen Coding-Aufgaben 54 % token-effizienter ist (im Interview mit CNBC; eine Vergleichsbasis nannte er nicht). Wenn dieselbe Arbeit weniger Tokens verbraucht, sinken die Gesamtkosten selbst bei gleichem Stückpreis. Genau deshalb sollte man nicht nur die Preisliste, sondern die „tatsächlichen Kosten pro Aufgabe“ vergleichen.

③ Programmatic Tool Calling (Responses API)

Als neue Funktion für Entwickler wurde der Responses API das „Programmatic Tool Calling“ hinzugefügt, bei dem das Modell JavaScript generiert und ausführt, um Tool-Aufrufe zu orchestrieren (Erläuterung von Simon Willison). Komplexe Agenten, die mehrere Tools übergreifend nutzen, lassen sich so mit weniger Hin und Her ausführen. Der Reasoning-Effort umfasst die sechs Stufen none / low / medium / high / xhigh / max.

④ ChatGPT Work und neue Desktop-App

Zeitgleich mit GPT-5.6 wurden der Business-Agent „ChatGPT Work“, eine neue Desktop-App mit integriertem Codex sowie ein Hosting-Dienst für Kunden angekündigt. Das ist ein Schritt, ChatGPT von einem „reinen Chat“ zu einer „Plattform, die Arbeit ausführt“, zu erweitern.

⑤ Sprachmodell GPT-Live (Vollduplex-Gespräche)

Im Sprachbereich erscheint die neue Serie GPT-Live. Statt des bisherigen Wechselsprech-Modells (Antwort erst nach Ende des Sprechens) ermöglicht sie Gespräche im Vollduplex-Betrieb, bei denen man wie ein Mensch unterbrechen und zustimmende Laute einwerfen kann. Zahlende Nutzer erhalten GPT-Live-1, kostenlose Nutzer GPT-Live-1 mini.

6. Verfügbarkeit nach ChatGPT-Tarif

Charakteristisch ist, dass auch Free-/Go-Nutzer innerhalb von ChatGPT Work oder Codex Terra nutzen können. Modelle frei auszuwählen und den Reasoning-Effort anzupassen, ist jedoch erst ab Plus möglich. Vom Sprachmodell GPT-Live steht auch kostenlos die mini-Version zur Verfügung. (Tarifaufbau und Preise beruhen auf verschiedenen Medienberichten zum Zeitpunkt der Veröffentlichung. Aktuelles bitte auf der offiziellen ChatGPT-Preisseite prüfen.)

7. Vergleich mit Claude (Fable 5 / Opus 4.8)

Zusammengefasst gilt die Aufteilung: Wenn Sie einen Agenten breit und autonom arbeiten lassen wollen, GPT-5.6 Sol; wenn Sie eine reale Codebasis präzise korrigieren oder langlaufendes Coding durchführen lassen wollen, Claude. Preislich hat Claude Opus 4.8 ($5/$25) einen günstigeren Ausgabepreis als Sol ($5/$30) und zugleich eine hohe Coding-Qualität – im Coding-Einsatz glänzt daher das Preis-Leistungs-Verhältnis des Claude-Lagers.

8. Zu beachten – unveröffentlichte Benchmarks und Coding-Schwächen

① Es gibt Benchmarks, die OpenAI nicht veröffentlicht hat

Die unabhängige Analyse (Vellum) wies direkt nach dem Start darauf hin, dass OpenAI SWE-bench Verified, GPQA Diamond, AIME, MMLU, ARC-AGI-2 und FrontierMath nicht veröffentlicht hatte. Die Evaluierungstabelle auf OpenAIs Ankündigungsseite enthält jedoch mit Stand 22. September 2026 GPQA Diamond (Sol 94,6 %) und FrontierMath (89 % auf Tier 1–3, 83 % auf Tier 4). SWE-bench Verified, AIME und MMLU fehlen, und ein Sol-Wert für ARC-AGI-2 (92,5 %) tauchte erst in der Vergleichstabelle der Ankündigung von GPT-6 Astra am 3. September auf. Dass der Fokus auf Agenten-Metriken liegt und es nur wenige Vergleichswerte für allgemeines Reasoning und Mathematik gibt, sollte bei der Bewertung beachtet werden. Man muss einkalkulieren, dass hier möglicherweise nur die guten Zahlen aufgereiht sind.

② Auch Sol ist beim produktionsnahen Coding schwach

Wie erwähnt, erreicht Sol im SWE-Bench Pro 64,6 %, Claude Fable 5 dagegen 80,0 % (beide Werte aus OpenAIs Evaluierungstabelle). Wenn Bug-Fixes oder PR-Erstellung in Produktions-Repositories das Hauptziel sind, lohnt es sich, statt GPT-5.6 Claude in Betracht zu ziehen. Allerdings hat OpenAI – obwohl es diesen Wert in seine Tabelle aufnimmt – separat eine Analyse veröffentlicht, nach der rund 30 % der Aufgaben im SWE-Bench Pro fehlerhaft sind (worauf Vellum hinweist).

③ Luna verarbeitet lange Texte schlecht

Luna ist günstig und schnell, hat aber mit 41,3 % einen deutlich niedrigeren Langtext-Recall (MRCR). Vermeiden Sie es, lange Spezifikationen, Logs oder Codebasen komplett an Luna zu übergeben, und überlassen Sie lange Texte mindestens Terra.

④ Der Wissensstand endet am 16. Februar 2026

Ereignisse danach sind nicht eingelernt. Für Aufgaben, die aktuelle Informationen erfordern, ist der kombinierte Einsatz eines Websuche-Tools Voraussetzung.

9. Empfehlung nach Anwendungsfall – welches Modell wählen?

FAQ

Q1. Ab wann kann man GPT-5.6 nutzen?

Die allgemeine Verfügbarkeit begann am 9. Juli 2026 (die begrenzte Vorschau am 26. Juni). Es lässt sich über ChatGPT, ChatGPT Work, Codex und die OpenAI API nutzen.

Q2. Worin unterscheiden sich Luna / Terra / Sol?

Es sind Modelle, die sich vertikal entlang der drei Achsen Intelligenz, Geschwindigkeit und Preis anordnen. Luna = am günstigsten und schnellsten, Terra = ausgewogen (GPT-5.5-Niveau zu 40 % des Sol-Preises), Sol = höchste Leistung. Kontext (ca. 1 Mio. Tokens) und maximale Ausgabe (128K) sind bei allen drei Modellen gleich. Empfehlenswert ist, zunächst Terra als Standard zu setzen und bei Bedarf zu Sol/Luna zu wechseln.

Q3. Kann man GPT-5.6 auch im kostenlosen Tarif nutzen?

Im normalen Chat nicht, aber innerhalb von ChatGPT Work oder Codex können auch Free-/Go-Nutzer Terra verwenden. Um Modelle frei auszuwählen oder den Reasoning-Effort anzupassen, ist Plus ($20/Monat) oder höher nötig. Vom Sprachmodell GPT-Live steht auch kostenlos die mini-Version zur Verfügung.

Q4. Wer ist beim Coding stärker, GPT-5.6 oder Claude?

Das hängt vom Maßstab ab. Bei der Terminal-Bedienung (TerminalBench 2.1) liegt Sol mit 88,8 % über den 83,1 % von Claude Fable 5, doch beim produktionsnahen SWE-Bench Pro ist Claude Fable 5 mit 80,0 % gegenüber Sols 64,6 % klar im Vorteil (alle Werte aus OpenAIs Evaluierungstabelle; auch Anthropics System Card nennt für Fable 5 im SWE-Bench Pro 80,0 %). Ist die Bug-Behebung in Produktions-Repositories das Hauptziel, ist Claude sinnvoll, für breite autonome Agenten Sol – diese Aufteilung ist realistisch.

Q5. Wie sehen die Preise aus?

Pro 1 Mio. Tokens: Sol $5/$30, Terra $2/$12, Luna $0.20/$1.20 (Eingabe/Ausgabe), Stand August 2026. Am 30. Juli 2026 wurde Luna um 80 % und Terra um 20 % günstiger, während Sol unverändert blieb. Terra ist so positioniert, dass es die Leistung der Vorgängergeneration GPT-5.5 zu rund 40 % des Sol-Preises bietet, und wird damit zum zentralen Baustein der Kostenplanung. Beachten Sie, dass Sol am 21. August 2026 auf einen Aktionspreis umgestellt wurde (Eingabe $4 / Ausgabe $20, angekündigt für drei Monate). Ob das günstiger ausfällt als GPT-6 Astra, vergleichen wir anhand gemessener Werte in Ist GPT-6 Astra auf low wirklich günstiger?

Q6. Wie groß sind Kontextfenster und Wissensstand?

Alle drei Modelle verfügen über ein Kontextfenster von ca. 1 Mio. Tokens (1.050.000) und eine maximale Ausgabe von 128K. Der Wissensstand endet am 16. Februar 2026.

Q7. Gibt es neue Funktionen für Entwickler?

Der Responses API wurde Programmatic Tool Calling hinzugefügt (eine Funktion, bei der das Modell JavaScript generiert, um Tool-Aufrufe zusammenzustellen). Der Reasoning-Effort lässt sich in den sechs Stufen none / low / medium / high / xhigh / max steuern.

Q8. Was ist GPT-Live?

Eine neue Sprachmodell-Serie, die zeitgleich mit GPT-5.6 angekündigt wurde. Statt im Wechselsprech-Modus arbeitet sie im Vollduplex-Betrieb und ermöglicht natürliche Gespräche mit Unterbrechungen und zustimmenden Lauten. Zahlend gibt es GPT-Live-1, kostenlos GPT-Live-1 mini.

Q9. Gibt es Benchmarks, die OpenAI nicht veröffentlicht hat?

Ja. SWE-bench Verified, AIME und MMLU fehlen in der Evaluierungstabelle der Ankündigung. Die unabhängige Analyse (Vellum) meldete direkt nach dem Start, dass auch GPQA Diamond und FrontierMath fehlten, doch die Tabelle enthält mit Stand 22. September 2026 GPQA Diamond (Sol 94,6 %) und FrontierMath. Da der Fokus auf Agenten-Metriken liegt, müssen allgemeines Reasoning und mathematische Leistung gesondert bewertet werden.

Q10. Laufen bestehende GPT-Anwendungen unverändert weiter?

Die API ist weitgehend kompatibel, und durch Umschalten der Modell-ID lässt sich migrieren. Da es nun jedoch ein Drei-Modell-System gibt, können Sie durch eine Neugestaltung der Frage, welche Aufgabe Luna/Terra/Sol zugewiesen wird, Kosten und Qualität optimieren. In vielen Fällen ist Terra als Ausgangspunkt sinnvoll.

Fazit: hin zu einer Ära des „vertikalen Wählens“ mit drei Modellen

GPT-5.6 ist nicht als einzelnes Aushängemodell erschienen, sondern als dreistufige Struktur aus Luna / Terra / Sol. Sol steht bei der Agenten-Gesamtleistung und beim Coding-Agent-Index an der Spitze, Terra wird mit dem Preis-Leistungs-Versprechen „GPT-5.5-Niveau zu 40 % des Sol-Preises“ zum Praxis-Star und Luna zum Preis-Leistungs-Sieger für die Massenverarbeitung – die Rollen sind klar verteilt.

Andererseits gibt es Faktoren, die es nicht bedingungslos zum Besten machen: Beim produktionsnahen Coding (SWE-Bench Pro) unterliegt es Claude deutlich, OpenAIs Evaluierungstabelle enthält nur wenige Vergleichswerte für allgemeines Reasoning und Mathematik, und Luna verarbeitet lange Texte schwach.

Der kluge Einsatz im Jahr 2026 besteht darin, „je nach Aufgabe zwischen den drei GPT-5.6-Modellen und Claude zu wählen“. Alltag mit Terra, komplexe Agenten mit Sol, Massenverarbeitung mit Luna, produktionsnahes Coding mit Claude – optimieren Sie Kosten und Qualität mit einer auf mehrere Modelle ausgelegten Strategie.

Verwandte Artikel

• GPT-6 Astra Release – der vollständige Überblick — das Nachfolge-Flaggschiff von GPT-5.6
• GPT-5.5 Release – der vollständige Überblick — Details zur Vorgängergeneration GPT-5.5
• Claude Opus 4.8 Release – der vollständige Überblick — das direkte Konkurrenzmodell
• Claude Fable 5 Release – der vollständige Überblick — das Modell an der Spitze des SWE-Bench Pro
• Claude vs ChatGPT Preisvergleich — die Tarifstruktur beider Anbieter
• Was ist ChatGPT Work? Der GPT-5.6-Arbeits-Agent erklärt — der Arbeits-Agent, der Dokumente, Tabellen und Folien erstellt
• GPT-5.6 vs GPT-5.5 im Vergleich — 3 Modelle, Terra zu 40 % des Preises, Benchmarks und Umstieg
• Was ist Kimi K3? Das Modell mit 2,8 Billionen Parametern hinter dem „Platz 3“-Anspruch — Preis, Open Weights und Marktwirkung