GPT-6 Sol und Luna erklärt: Preise, Einsatzorte und die Wahl gegenüber Astra low (Light)

Am 22. September 2026 (US-Zeit; in Japan war es bereits der frühe Morgen des 23. September) hat OpenAI GPT-6 Sol und GPT-6 Luna veröffentlicht (Ankündigung von OpenAI). Es handelt sich um schnellere und günstigere Modelle, die aus derselben Trainingslinie stammen wie GPT-6 Astra, das am 3. September erschienene Spitzenmodell.

Dieser Artikel richtet sich vor allem an alle, die Astra derzeit auf low (in der App als „Light“ angezeigt) in Codex oder ChatGPT Work nutzen. Die kurze Antwort: Wer einheitlich auf Astra low setzt, macht nichts falsch. Die offizielle Empfehlung von OpenAI nach Einsatzzweck lautet allerdings: Sol für die tägliche Arbeit und komplexes Coding, Luna für klar umrissene, wiederkehrende Aufgaben und Astra für die schwierigste Arbeit. Und „Astra ab Light“ bedeutet „wenn Sie Astra nutzen, dann beginnen Sie bei Light“ — nicht, dass jede Aufgabe über Astra laufen sollte.

Die Zahlen führen wir getrennt nach Herausgeber auf: Die Tests von OpenAI, die unabhängigen Tests von Artificial Analysis und unser eigener kleiner Test arbeiten mit völlig unterschiedlichen Methoden und Aufgaben.

1. Was GPT-6 Sol und Luna sind: Release, Eckdaten, Einordnung

Nach der Beschreibung von OpenAI ist Sol auf komplexes Coding und agentische Workflows ausgerichtet, während Luna das effizienteste Modell für fokussierte Arbeit in großen Mengen ist. Die Ankündigung stellt den Release so dar, dass Astras Stärken (professionelle Arbeit, Faktentreue, Coding und Computerbedienung) in schnellere, erschwinglichere Modelle wandern — sagt aber zugleich, dass die anspruchsvollsten Projekte mit hohem Einsatz weiterhin Astras Tiefe brauchen.

Quelle: die Modellseiten der OpenAI-API-Dokumentation (Sol, Luna, Astra). Geprüft am 24. September 2026.

Überraschend ist der Wissensstichtag: Der von Luna (18. Mai) liegt später als der von Astra (30. April). Wer die Modelle mit Websuche nutzt, merkt davon allerdings kaum etwas (Wissensstichtage der wichtigsten KI-Modelle).

Ein Hinweis für Entwickler: Sol und Luna akzeptieren in der API none (kein Reasoning), Function Calling in Chat Completions setzt allerdings none voraus, und für integrierte Tools und Function Calling verweist OpenAI auf die Responses API.

2. Wo es sie gibt: Work, Codex und API, aber nicht im normalen Chat

Legt man die Ankündigung und die Seiten Models und Pricing nebeneinander, ergibt sich folgendes Bild. Der Zugang läuft über ChatGPT Work und Codex; in der normalen Chat-Oberfläche (Chat) tauchen die Modelle nicht auf.

Die älteren Modelle verschwinden nicht sofort. Laut der Seite Models bleiben GPT-5.6 Sol, Terra und Luna während der Übergangszeit verfügbar. Dagegen wird GPT-5.5 am 14. Oktober 2026 aus ChatGPT, ChatGPT Work und Codex zurückgezogen (die API ist nicht betroffen); als Ersatz nennt die Seite Sol in den bezahlten Tarifen (Plus, Pro, Business, Enterprise, Edu) und Luna in der Desktop-App bei Free und Go. Wer gpt-5.5 in einer Konfigurationsdatei oder einer geplanten Aufgabe angibt, muss das vorher umstellen (ChatGPT Models).

3. Preise: „1/5 und 1/100 von Astra“ gilt nur bei gleicher Tokenzahl

Pro 1 Mio. Tokens, Standardgeschwindigkeit. Quellen: die Modellseiten der OpenAI-API-Dokumentation und ChatGPT / Codex Pricing. Geprüft am 24. September 2026.

In jeder Zeile gilt: Sol kostet genau 1/5 von Astra, Luna genau 1/100, und die Codex-Credits folgen denselben Verhältnissen. OpenAI beschreibt die Senkung gegenüber der Vorgängergeneration als 50 % unter dem Aktionspreis von GPT-5.6. Genau genommen halbiert sich bei Sol der Preis für Input und Output, während Luna beim Input die Hälfte kostet und beim Output von $1.20 auf $0.50 fällt (rund 58 % weniger).

Die Verhältnisse gelten nur für eine Rechnung mit identischer Tokenzahl. Bei 100.000 Input-Tokens (davon 80.000 aus dem Cache) und 10.000 Output-Tokens kostet die API zum Beispiel Astra $0.78, Sol $0.156 und Luna $0.0078. Dazu kommen weitere Bedingungen: Ab mehr als 272.000 Input-Tokens verdoppeln sich die Preise für Input und Cache-Input, und der Output wird mit dem 1,5-Fachen berechnet; Cache-Schreibvorgänge kosten in der API das 1,25-Fache des Input-Preises (bei Codex-Credits werden Schreibvorgänge nicht gesondert berechnet); und der Fast-Modus kostet in der API das 2-Fache, bei Codex-Credits das 2,5-Fache.

Stückpreise sagen nicht, wie weit Ihr Abo reicht

Wer die Modelle über einen ChatGPT-Tarif nutzt, kann nicht davon ausgehen, mit Sol fünfmal und mit Luna hundertmal so viel Nutzung zu bekommen wie mit Astra. Die Preisseite von Codex hält selbst fest, dass die Credit-Sätze allein nicht bestimmen, wie viel Nutzung ein Abo enthält.

Dieselbe Seite nennt grobe Spannen für die Zahl der Nachrichten pro 5 Stunden. Bei Plus sind es Astra 5–45, Sol 15–150 und Luna 350–3.000. Vergleicht man jeweils Untergrenze mit Untergrenze und Obergrenze mit Obergrenze, kommt Sol auf rund das 3-Fache von Astra und Luna auf rund das 67- bis 70-Fache — das passt nicht zum 5-Fachen und 100-Fachen aus den Stückpreisen. Hinzu kommt der Hinweis von OpenAI, dass dies keine festen Grenzen sind und ähnliche Aufgaben je nach Modell, Kontext, Reasoning, Tool-Nutzung und Caching unterschiedlich viel verbrauchen. Wie viel Sie für Ihre eigene Arbeit tatsächlich bekommen, zeigt nur der Nutzungsbildschirm.

4. Die offizielle Empfehlung: Sol ab Medium, Luna ab High, Astra ab Light

Welches Modell wofür, beantwortet die Seite Models von OpenAI recht eindeutig. Zusammengefasst:

Drei Dinge werden hier leicht verwechselt.

• Ausgangspunkte nach Einsatzzweck: das oben genannte „Sol ab Medium, Luna ab High, Astra ab Light“.
• Die Standard-Presets der App: In der Desktop-App und im Web gibt es sechs Power-Presets — Luna High, Sol Light, Sol Medium, Astra Light, Astra Medium und Astra Extra High — und vorausgewählt ist Sol Light (in manchen bezahlten Tarifen fehlt Astra Extra High).
• Der API-Standard: medium für Sol und Luna.

Alle drei unterscheiden sich, widersprechen sich aber nicht. Das Standard-Preset heißt „erst einmal schnell und leicht“; die Empfehlung nach Einsatzzweck heißt „hier anfangen, um bei dieser Art von Arbeit Ergebnisse zu bekommen“. OpenAI weist außerdem darauf hin, dass sich Reasoning-Effort-Stufen zwischen Generationen nicht eins zu eins entsprechen, und rät, vertraute Aufgaben zunächst mit einer niedrigeren Einstellung zu testen und dann nachzujustieren. Eine Einstellung für das neue Sol lässt sich also nicht mit dem Gefühl wählen, das Sie für „GPT-5.6 Sol auf high“ hatten. Einen Vergleich mit der Vorgängergeneration finden Sie in unserem Messvergleich von Astra low und GPT-5.6 Sol high (ein anderes Modell als das hier behandelte GPT-6 Sol).

So ist „Astra ab Light“ zu lesen. Es ist der Ausgangspunkt, nachdem Sie sich für Astra entschieden haben. Es bedeutet nicht, dass jede Aufgabe an Astra gehen sollte. Einheitlich auf Astra low zu setzen, ist eine vernünftige Wahl, wenn Sie sich das Umschalten sparen und die Leistung an erste Stelle stellen wollen. Ob das auch dann optimal ist, wenn man Nutzungsgrenzen und Wartezeit einrechnet, ist eine andere Frage — und wenn Ihnen das wichtig ist, lohnt es sich, die Arbeit auf Sol und Luna aufzuteilen.

5. Die Zahlen von OpenAI: der Test, in dem Sol xhigh Astra low schlägt

Die Ankündigung von OpenAI enthält genau eine Grafik, die Sol und Astra direkt nebeneinanderstellt: AutomationBench 1.0.6, ein Test für Workflows, die sich über mehrere Business-Apps erstrecken.

Quelle: die Tabelle in der Ankündigung von OpenAI (eigene Auswertung des Anbieters).

Allein in diesem Test erzielt Sol, wenn man es lange nachdenken lässt, einen höheren Wert als Astra low, und das zu rund einem Viertel der Kosten. Zu beachten ist allerdings, dass hier Sol auf xhigh verglichen wird, nicht auf medium oder low. Die übrigen Werte, die OpenAI nennt:

• DeepSWE v1.1 (Softwareentwicklung in echten Codebasen): Sol max 68,8 %, Luna max 66,6 %.
• Agents' Last Exam (lange berufliche Aufgaben): Sol max 56,4 %.
• OSWorld 2.0 offline (Bedienung eines Computers): Sol xhigh 60,5 %. OpenAI selbst sagt, dass Astra bei der Computerbedienung das beste Modell bleibt.
• Faktentreue: In einem internen Test aus früheren Gesprächen, in denen Nutzer Fehler gemeldet hatten, machte Sol rund halb so viele Fehler wie die Vorgängergeneration (GPT-5.6 Sol).

Beim Lesen gelten zwei Vorbehalte. Der Test zur Faktentreue ist eine Sammlung von Gesprächen, in denen Fehler wahrscheinlich sind, und OpenAI weist selbst darauf hin, dass er nicht für die typische Nutzung repräsentativ ist. Außerdem erklärt OpenAI, dass die Tests in einer Forschungsumgebung oder über die API liefen und das ChatGPT-Produkt im Betrieb andere Systemanweisungen und Tools nutzt, weshalb die Ausgaben leicht abweichen können. „Halb so viele Fehler“ lässt sich also nicht direkt auf Ihre tägliche Arbeit übertragen.

6. Unabhängige Zahlen: der Vergleich von Artificial Analysis

Der unabhängige Benchmark-Anbieter Artificial Analysis (im Folgenden AA) hat Vergleichsseiten veröffentlicht, die Sol low, Sol medium und Luna high jeweils Astra low gegenüberstellen. Die Tabelle unten übernimmt die Werte dieser drei Seiten; die Werte für Astra low waren auf allen drei Seiten identisch.

Quelle: Vergleichsseiten von Artificial Analysis (Sol medium vs. Astra low, Sol low vs. Astra low, Luna high vs. Astra low). Intelligence Index v4.3.2 (10 Tests). Geprüft am 24. September 2026. Die Werte in der Tabelle können sich ändern.

Drei Punkte fallen an dieser Tabelle auf.

Die Zeit pro Aufgabe bei AA ist die aus der Ausgabegeschwindigkeit berechnete Generierungsdauer; die Wartezeit auf die erste Antwort und jede Verarbeitung drumherum sind nicht enthalten. Sie entspricht also nicht der Dauer einer Aufgabe in Ihrer eigenen Umgebung. Bei der Wissensgenauigkeit von AA (AA-Omniscience) erreicht Astra low 41, Sol low und medium jeweils 27 und Luna high −6. Diese große Spanne zeigt, dass es riskant ist, Luna allein wegen des Preises zu wählen, um Sachfragen ohne mitgelieferte Quellen zu beantworten.

7. Unser kleiner Test: kurze Aufgaben, bei denen günstigere Einstellungen reichten

Bei AI Arte haben wir mit der Codex CLI ebenfalls einen kleinen Test durchgeführt. Er taugt nicht dazu, die Modelle in eine Rangfolge zu bringen. Zunächst die Bedingungen.

Die Zeit ist vom Start der CLI bis zu ihrem Ende gemessen. Das API-Kostenäquivalent ist nicht der Betrag, der uns berechnet wurde (die Durchläufe liefen über ein Abo; es ist ein Referenzwert, der die offiziellen API-Preise auf die von der CLI gemeldeten Tokenzahlen anwendet).

Von 5:47 bis 5:49 Uhr desselben Tages haben wir noch eine weitere, separate Aufgabe auf Japanisch laufen lassen — Fehler bei der Datumsumrechnung und beim Zählen über mehrere Quellen hinweg finden —, mit 12 vorab festgelegten Bewertungspunkten und zwei Durchläufen pro Einstellung. Alle 8 Durchläufe bestanden, mit Medianzeiten von Sol low 9,65 s, Sol medium 13,29 s, Astra low 13,48 s und Luna high 17,32 s (Aufgabe und Zeitfenster unterscheiden sich von der Tabelle oben, deshalb haben wir die Mittelwerte nicht vermischt).

Das zeigt nur, dass es bei kurzen Aufgaben mit überprüfbaren Antworten Fälle gibt, in denen Sol low oder Luna high ausreichten. Alle Einstellungen haben bestanden, weil die Aufgaben leicht waren, und das ist kein Beleg dafür, dass die Modelle gleich leistungsfähig sind. Es gab 3 voneinander unabhängige Aufgaben mit 4 bzw. 2 Durchläufen pro Einstellung. Nicht gemessen haben wir Korrekturen in einem bestehenden Repository, Entwurfsarbeit, lange Texte und lange autonome Arbeit. Und weil die Anzeige der verbleibenden Nutzung nur ganze Prozent zeigt und mit anderer Arbeit geteilt wird, kann dieser Test nicht sagen, wie viel von der Nutzungsgrenze jedes Modell verbraucht hat.

Zwei Dinge ließen sich trotzdem beobachten. Sol low war schneller fertig als Astra low, zu rund 1/5 des API-Kostenäquivalents. Luna high dagegen hatte das niedrigste API-Kostenäquivalent, brauchte aber länger als Astra low — dasselbe Muster wie in der Tabelle von AA.

8. So wählen Sie für Ihre eigene Arbeit: wo die Entscheidung kippt

Aus dem Bisherigen (der offiziellen Empfehlung nach Einsatzzweck, den Tests von AA und unserem kleinen Test) ergibt sich die folgende Aufteilung als praktikabel. Verstehen Sie sie als Vorschlag für einen Ausgangspunkt, nicht als belegtes Optimum.

Die entscheidende Frage lautet: Können Sie das Ergebnis der Aufgabe sofort selbst überprüfen? Wenn bestandene Tests oder ein korrektes Format die Sache klären, fällt ein Fehlschlag auf einem günstigen Modell sofort auf, und eine Wiederholung kostet wenig. Umgekehrt gilt: Bei Arbeit, deren Fehler erst spät sichtbar werden (Entwurfsentscheidungen, Sachtexte ohne Quellen, optische Qualität), kostet die Nacharbeit nach einem günstigen Modell am Ende mehr als der Preisunterschied.

Am zuverlässigsten entscheiden Sie mit einem Vergleich an Ihrer eigenen typischen Arbeit. Bestand die erste Ausgabe vom selben Ausgangszustand aus, wie oft haben Sie korrigiert, und wie viele Minuten hat Ihre eigene Schlussprüfung gedauert? Wer diese drei Dinge zählt, bekommt für sich eine bessere Antwort als aus jeder Tabelle.

FAQ

Q1. Kann ich GPT-6 Sol und Luna schon nutzen?

Seit dem 22. September 2026 (US-Zeit) werden sie in ChatGPT Work und Codex bei Plus, Pro, Business, Enterprise und Edu ausgerollt. Free und Go bekommen nur Luna, und zwar in der Desktop-App. In der API stehen sie als gpt-6-sol und gpt-6-luna bereit. Im normalen Chat werden sie nicht angeboten (laut den offiziellen Seiten mit Stand vom 24. September 2026).

Q2. Ich nutze Astra low. Sollte ich zu Sol wechseln?

Einen zwingenden Grund gibt es nicht. OpenAI empfiehlt Sol für die tägliche Arbeit und komplexes Coding (Ausgangspunkt Medium) und Astra für die schwierigste Arbeit (Ausgangspunkt Light). In den Tests von Artificial Analysis lag Sol medium bei Business-Workflows 1 Punkt hinter Astra low, bei Terminal-Arbeit mit 19 % gegenüber 42 % aber weit zurück. Wir empfehlen, Sol medium nur bei neuen Alltagsaufgaben auszuprobieren und zu vergleichen, wie oft Arbeit wiederholt werden muss.

Q3. Wenn Sol 1/5 von Astra kostet, bekomme ich dann fünfmal so viel Nutzung?

Das lässt sich so nicht sagen. API-Preise und Credits liegen bei 1/5, aber die Preisseite von Codex hält selbst fest, dass die Credit-Sätze allein nicht die Nutzung eines Abos bestimmen. Die groben Spannen derselben Seite pro 5 Stunden bei Plus lauten Astra 5–45 und Sol 15–150 Nachrichten, also nur rund dreimal so viele. Zudem sind das keine festen Grenzen, und der Verbrauch schwankt je nach Arbeit.

Q4. Luna ist am günstigsten. Kann ich es für alles nehmen?

Es eignet sich für wiederkehrende Arbeit, bei der Sie wissen, wie ein gutes Ergebnis aussieht (Extraktion, Klassifikation, Umwandlung, Zusammenfassungen in festem Format). In den Tests von Artificial Analysis kostet Luna high pro Aufgabe rund 1/27 von Astra low, braucht aber länger, erreicht bei Terminal-Arbeit nur 5 % und fällt bei der Wissensgenauigkeit deutlich ab. Sachfragen ohne mitgelieferte Quellen oder lange autonome Entwicklung sollten Sie ihm nicht allein wegen des Preises überlassen.

Q5. Die App wählt standardmäßig „Sol Light“, OpenAI sagt aber „Sol ab Medium“. Ist das kein Widerspruch?

Nein. Sol Light ist der Standard unter den Power-Presets in der Desktop-App und im Web, während „Sol ab Medium“ der Ausgangspunkt ist, um bei dieser Art von Arbeit Ergebnisse zu bekommen. Der API-Standard ist noch einmal etwas anderes: medium für Sol und Luna. Eine einfache Faustregel: Für leichte Arbeit beim Standard bleiben, für Arbeit mit Planung oder Analyse auf Medium oder höher gehen.

Q6. Was passiert mit GPT-5.6 Sol und GPT-5.5?

GPT-5.6 Sol, Terra und Luna bleiben während der Übergangszeit verfügbar. GPT-5.5 wird am 14. Oktober 2026 aus ChatGPT, ChatGPT Work und Codex zurückgezogen (die API ist nicht betroffen), und OpenAI nennt als Ersatz GPT-6 Sol in den bezahlten Tarifen (Plus, Pro, Business, Enterprise, Edu) sowie GPT-6 Luna in der Desktop-App bei Free und Go. Wer gpt-5.5 in einer Konfigurationsdatei oder einer geplanten Aufgabe angibt, sollte das vorher ändern.

Quellen

Die Zahlen in diesem Artikel wurden am 24. September 2026 auf den unten genannten Seiten der Herausgeber sowie anhand der eigenen Messdaten von AI Arte geprüft.

• OpenAI — Introducing GPT-6 Sol and Luna
  Einordnung, Preissenkungen gegenüber der Vorgängergeneration (Sol $4→$2 und $20→$10, Luna $0.20→$0.10 und $1.20→$0.50), AutomationBench 1.0.6 (Sol xhigh 33,2 % bei $0.27, Astra low 30,3 % beim 3,9-Fachen, Opus 5 max 26,9 % beim 11,1-Fachen), DeepSWE v1.1 (Sol max 68,8 %, Luna max 66,6 %), Agents' Last Exam (Sol max 56,4 %), OSWorld 2.0 (Sol xhigh 60,5 %), der interne Test zur Faktentreue und seine Vorbehalte, Verfügbarkeit
• OpenAI Developer Community — Ankündigung von GPT-6 Sol und Luna
  Zeitpunkt des Releases (22. September 2026, 18:16 UTC), Verfügbarkeit in Work, Codex und der API, Luna in der Desktop-App für Free und Go
• OpenAI — GPT-6 Sol, GPT-6 Luna, GPT-6 Astra (API-Dokumentation)
  Modell-IDs, Kontextfenster, maximaler Input und Output, Wissensstichtage, Reasoning-Effort und Standardwerte, API-Preise, Aufschlag ab 272.000 Tokens, Cache-Schreibvorgänge zum 1,25-Fachen, Fast-Modus zum 2-Fachen
• ChatGPT — Models
  Empfehlung nach Einsatzzweck (Sol ab Medium, Luna ab High, Astra ab Light), die sechs Power-Presets mit Sol Light als Standard, keine Verfügbarkeit in Chat, GPT-5.6 in der Übergangszeit verfügbar, Rückzug von GPT-5.5 (14. Oktober 2026)
• ChatGPT / Codex — Pricing
  Verfügbarkeit nach Tarif, Credit-Sätze, der Hinweis, dass die Sätze allein nicht die Nutzung bestimmen, grobe Spannen pro 5 Stunden (Plus: Astra 5–45, Sol 15–150, Luna 350–3.000), Fast-Modus zum 2,5-Fachen
• Artificial Analysis — Vergleichsseiten (Sol medium vs. Astra low, Sol low vs. Astra low, Luna high vs. Astra low)
  Intelligence Index v4.3.2, Terminal-Bench 4.0, AutomationBench-AA, AA-Omniscience, Kosten, Output-Tokens und Zeit pro Aufgabe
• Messungen von AI Arte (24. September 2026, Codex CLI 0.155.0-alpha.16)
  4 Einstellungen × 2 Aufgaben × 2 Durchläufe = 16 Durchläufe, dazu eine zusätzliche Aufgabe auf Japanisch mit zwei Durchläufen pro Einstellung = 8 Durchläufe. Bestanden, Zeit, Output-Tokens, API-Kostenäquivalent

Verwandte Artikel

• GPT-6 Astra Release: der vollständige Überblick — Preise, Verfügbarkeit nach Tarif und Benchmarks des Spitzenmodells
• Ist GPT-6 Astra low wirklich günstiger? — ein Messvergleich mit GPT-5.6 Sol auf high aus der Vorgängergeneration
• GPT-5.6 Release: der vollständige Überblick — Luna / Terra / Sol der Vorgängergeneration
• Claude Opus 5.5 Release — das neue Modell von Anthropic aus derselben Woche
• Wissensstichtage der wichtigsten KI-Modelle — wie weit das Wissen der einzelnen Modelle reicht