GPT-6.2 Astra und GPT-6.2 Sol sind zwei Modelle, die OpenAI am 17. November 2026 (US-Zeit) veröffentlicht hat. Astra ist das Spitzenmodell für die schwierigsten Aufgaben, Sol das Hauptmodell für den Alltag. Sie sind die Nachfolger von GPT-6 Astra beziehungsweise GPT-6.1 Sol. Der API-Preis von Astra liegt bei $8 Eingabe und $40 Ausgabe pro 1 Mio. Token, also 20 % unter dem von GPT-6 Astra. Sol kostet wie GPT-6.1 Sol $2 Eingabe und $10 Ausgabe. Laut den Messungen von OpenAI übertrifft Astra das vorherige Astra bei vielen Tests bei etwa den halben Kosten, und Sol hat bei gleichem Preis bei vielen Tests zugelegt. Claude Fable 5.2 ist bei einigen Tests jedoch besser, und die API ändert, wie das Umschreiben im laufenden Gespräch behandelt wird. Beim Umstieg sollten Sie deshalb einiges prüfen. Dieser Artikel fasst Preise, Leistung, Verfügbarkeit und die Wahl zwischen Astra und Sol zusammen, auf Grundlage der Diagrammwerte aus der Ankündigung von OpenAI, der Modellseiten und der Migrationsanleitung (geprüft am 19. November 2026).
GPT-6.2 in drei Zeilen
Astra
Spitzenmodell, 20 % günstiger
Eingabe $8, Ausgabe $40. Es übertrifft das vorherige Astra bei allen 10 in diesem Artikel verglichenen Tests, und bei vielen davon sind die Kosten pro Aufgabe auf etwa die Hälfte gesunken.
Sol
Gleicher Preis, klüger
Weiterhin $2 Eingabe und $10 Ausgabe. Beim Test FrontierCode mit realen Code-Änderungen liegt es 0,4 Punkte hinter Astra, und die Kosten betragen etwa ein Fünftel.
Hinweis
Aufbau von API-Unterhaltungen
Wer einen Teil einer Unterhaltung umschreibt, verwirft das vorherige Reasoning. Gemeinsame Anweisungen gehören an den Anfang der Eingabe, nicht in instructions.
Stand: 19. November 2026. Quellen sind die Ankündigung von OpenAI, die Seiten GPT-6.2 Astra und GPT-6.2 Sol sowie Using GPT-6.2. Die Leistungswerte sind die Werte, die OpenAI in den Diagrammen der Ankündigung angegeben hat.
1. Die Positionierung der beiden GPT-6.2-Modelle
Die Modellliste der OpenAI-API beginnt mit dem Hinweis: „Im Zweifel GPT-6.2 Astra, für ein Gleichgewicht GPT-6.2 Sol, für niedrige Kosten GPT-6 Luna.“ Als Hauptmodelle stehen dort GPT-6.2 Astra, GPT-6.2 Sol, GPT-6.1 Terra und GPT-6 Luna. Auf den Modellseiten beschreibt OpenAI Astra als „das leistungsstärkste Modell, um die schwierigsten Projekte von Anfang bis Ende zu übernehmen“ und Sol als „das Standardmodell für den Alltag, vom Coding bis zu großen Agenten“.
| Modell | Eingabe / Ausgabe (pro 1 Mio. Token) | Wissensstand | Vorheriges Modell |
|---|---|---|---|
| GPT-6.2 Astra | $8,00 / $40,00 | 18. Mai 2026 | GPT-6 Astra ($10 / $50, Wissensstand 30. April 2026) |
| GPT-6.2 Sol | $2,00 / $10,00 | 1. Juni 2026 | GPT-6.1 Sol ($2 / $10, Wissensstand 30. April 2026) |
| GPT-6.1 Terra | $1,00 / $5,00 | 1. Juni 2026 | — |
| GPT-6 Luna | $0,10 / $0,50 | 18. Mai 2026 | — |
Quelle: die Seite Models von OpenAI und die Seite jedes Modells (geprüft am 19. November 2026). Beide GPT-6.2-Modelle haben ein Kontextfenster von etwa 1,05 Mio. Token (Eingabe bis zu 922.000), eine maximale Ausgabe von 128.000 Token und akzeptieren Text und Bilder als Eingabe. Terra und Luna haben sich diesmal nicht geändert.
GPT-6 Astra und GPT-6.1 Sol bleiben in der API weiter nutzbar, stehen aber nicht mehr auf der Liste der empfohlenen Modelle. Ein Enddatum hat OpenAI nicht angekündigt, und auf der Seite Deprecations sind sie bisher nicht als abzuschaffende Modelle aufgeführt (Stand 19. November). Beide neuen Modelle lassen sich außerdem nicht auf die Reasoning-Stufe „none (kein Reasoning)“ stellen. Für schnelle Antworten ohne Reasoning sind 6.1 Terra oder 6 Luna zuständig, die none wählen können. Zum mittleren Modell Terra gibt es die Seite Was ist GPT-6.1 Terra?
2. Preise: Astra wird günstiger, Sol bleibt gleich
GPT-6.2 Astra
GPT-6.2 Sol
US-Dollar pro 1 Mio. Token. Die durchgestrichenen Preise sind die von GPT-6 Astra. Quelle: die Ankündigung von OpenAI und die Seite jedes Modells (geprüft am 19. November 2026).
Cache-Schreibvorgänge kosten bei 30 Minuten Speicherdauer das 1,25-Fache des Eingabepreises, bei 12 Stunden das 2,5-Fache. Diese Faktoren gelten für beide Modelle gleichermaßen.
| Punkt | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Cache-Schreibvorgänge | $10 (30 Min. Speicherdauer) · $20 (12 Std. Speicherdauer) | $2,50 (30 Min. Speicherdauer) · $5 (12 Std. Speicherdauer) |
| Eingabe über 272.000 Token | Eingabe und Cache der gesamten Anfrage kosten das 2-Fache, die Ausgabe das 1,5-Fache | |
| Batch | Halber Preis | |
| Fast | 2-fach | |
| Ultrafast | 3-fach bis 28. Februar 2027, ab 1. März 6-fach (US-Pazifikzeit) | |
| Zeitlich begrenzte Hintergrundverarbeitung (Beta) | 30 % Rabatt bei Verarbeitung, die innerhalb von 2 Stunden zurückkommen darf, 40 % Rabatt bei 8 Stunden (Responses API) | |
Quellen: die Seiten GPT-6.2 Astra und GPT-6.2 Sol sowie die API-Änderungshistorie (Eintrag vom 17. November 2026). Ultrafast ist nur nutzbar, wenn die Daten in den USA gespeichert werden (laut Migrationsanleitung).
Laut OpenAI verbraucht Astra für dieselbe Arbeit außerdem weniger Ausgabe-Token. Deshalb sinken die Kosten pro Aufgabe stärker als der Preis allein, und bei vielen Tests liegen sie nur bei etwa der Hälfte der Kosten von GPT-6 Astra, wie das nächste Kapitel zeigt. Im Preisvergleich mit Claude entspricht Astra dem Claude Fable 5.2 ($8 Eingabe, $40 Ausgabe), Sol dem Claude Sonnet 5.5 ($2 Eingabe, $10 Ausgabe), und Claude Opus 5.5 kostet $4 Eingabe und $20 Ausgabe (Anthropic Pricing, geprüft am 19. November 2026). Gemini 4 Carbon kostet bis 30. November 2026 $2 Eingabe und $10 Ausgabe, ab 1. Dezember $4 Eingabe und $20 Ausgabe (Google Pricing, am selben Tag geprüft). Da der Token-Verbrauch je Aufgabe zwischen den Modellen stark schwankt, lassen sich die tatsächlichen Kosten jedoch besser über die Kosten pro Aufgabe vergleichen als über den Einzelpreis.
3. Leistung ①: im Vergleich zu den Vorgängermodellen
Die Ankündigung von OpenAI enthält 16 Diagramme. Die meisten zeigen für jede Reasoning-Stufe die Punktzahl jedes Modells und die Kosten pro Aufgabe (einige die Anzahl der Ausgabe-Token). Sie gliedern sich in 10 Leistungstests zu Arbeit, Coding und Wissenschaft, 4 Cybersicherheitstests und 2 Sicherheitsbewertungen. Dieses Kapitel behandelt die 10 Leistungstests. Damit alte und neue Modelle unter gleichen Bedingungen verglichen werden, zeigen alle Werte die höchste Reasoning-Stufe „max“. Alle diese Tests hat OpenAI ausgewählt, und alle Werte hat OpenAI selbst gemessen (Indizes von Drittanbietern sind enthalten, weil OpenAI sie in seine Diagramme aufgenommen hat).
| Test (was gemessen wird) | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | GPT-6.1 Sol |
|---|---|---|---|---|
| Agents' Last Exam v1.1 (lange Aufgaben aus Fachberufen) | 77,6 %$4,47 | 73,1 %$8,99 | 73,0 %$1,32 | 72,5 %$2,02 |
| GDPval v2 (reale Beratungs- und Finanzaufgaben) | 50,4 %36.000 Ausgabe-Token | 44,2 %46.000 Ausgabe-Token | 46,9 %33.000 Ausgabe-Token | 41,5 %40.000 Ausgabe-Token |
| Harvey LAB-AA v1.1 (Rechtsarbeit, Anteil mit allen Kriterien erfüllt) | 15,0 %$6,35 | 8,6 %$13,67 | 11,1 %$1,92 | 6,9 %$2,48 |
| FrontierCode 2.0 (reale Code-Änderungen) | 44,2 %$5,97 | 42,8 %$6,68 | 43,8 %$1,29 | 39,0 %$1,03 |
| Terminal-Bench-Science 0.1 (wissenschaftliche Arbeit im Terminal) | 77,1 %$7,15 | 68,1 %$23,80 | 68,0 %$2,21 | 57,0 %$5,47 |
| Vals Science Index v1 (Auswertung biologischer Daten und Experimente) | 68,4 %$4,17 | 65,1 %$8,03 | 57,8 %$1,03 | 59,6 %$1,36 |
| BenchCAD 2.1 Core (CAD-Konstruktion) | 82,5 %$5,43 | 62,6 %$9,71 | 73,1 %$1,60 | 52,6 %$1,61 |
| AutomationBench 1.0.6 (Geschäftsprozessautomatisierung) | 52,4 %$0,83 | 41,4 %$1,73 | 41,1 %$0,27 | 36,1 %$0,30 |
| LifeVal (schwierige Alltagsaufgaben) | 86,1 %$4,23 | 79,8 %$9,04 | 83,8 %$1,27 | 79,5 %$1,27 |
| Artificial Analysis Intelligence Index v5.0.1 (Gesamtindex eines Drittanbieters) | 62,1$4,00 | 56,9$6,24 | 57,3$1,01 | 54,6$1,27 |
Werte bei der jeweils höchsten Reasoning-Stufe max. Die kleine Schrift zeigt die Kosten pro Aufgabe in US-Dollar, außer bei GDPval v2, wo die Anzahl der Ausgabe-Token pro Aufgabe steht. Grün markiert einen höheren Wert als beim Vorgängermodell, Rot einen niedrigeren. Quelle: die Diagrammdaten der OpenAI-Ankündigung „Introducing GPT-6.2 Astra and Sol“ (geprüft am 19. November 2026). GDPval v2 ist ein interner Test von OpenAI. Die vier Cybersicherheitstests (DeepBinary, ExploitBench, SecureSWE und PatchBench) sind nicht enthalten. Zwei davon wurden in einer internen Konfiguration gemessen, bei der Sicherheitsmaßnahmen entfernt waren, was nicht dem normalen Einsatz entspricht. Die beiden Sicherheitsbewertungen stehen in Kapitel 8.
Drei Dinge fallen auf.
① Astra war bei allen 10 Tests besser als das vorherige Astra, bei vielen zu etwa den halben Kosten. Bei Agents' Last Exam, das lange Aufgaben aus Fachberufen misst, erreicht es 77,6 %, GPT-6 Astra 73,1 %. Die Kosten pro Aufgabe betragen $4,47 und damit etwa die Hälfte. Die Schlagzeile der Ankündigung war 78,3 % ($2,89) bei „xhigh“, einer Stufe unterhalb von max. Das sind 5,2 Punkte mehr als das vorherige Astra bei max, bei weniger als einem Drittel der Kosten. Bei einigen Tests erzielt Astra mit xhigh mehr Punkte als mit max, deshalb ist max nicht immer die beste Wahl.
Die größten Zuwächse gibt es bei Rechtsarbeit (Harvey LAB-AA, 8,6 % → 15,0 %), bei CAD-Konstruktion (BenchCAD, 62,6 % → 82,5 %) und bei wissenschaftlicher Arbeit im Terminal (Terminal-Bench-Science, 68,1 % → 77,1 %). Harvey LAB-AA wertet nur Ergebnisse als bestanden, die alle Bewertungskriterien erfüllen und keine gravierenden erfundenen Inhalte enthalten. Deshalb erzielen dort alle Modelle niedrige Werte.
② Sol hat bei gleichem Preis bei vielen Tests zugelegt. Bei FrontierCode 2.0, das misst, ob reale Code-Änderungen die Übernahmekriterien eines Maintainers erfüllen würden, erreicht 6.2 Sol 43,8 %. Der Abstand zu 6.2 Astra (44,2 %) beträgt nur 0,4 Punkte, und die Kosten pro Aufgabe sind etwa ein Fünftel. Auch bei CAD-Konstruktion und Rechtsarbeit ist Sol gegenüber 6.1 Sol deutlich gestiegen. Beim Vals Science Index, der biologische Daten behandelt, lag Sol dagegen bei max mit 57,8 % unter den 59,6 % von 6.1 Sol (bei xhigh 58,5 %).
③ Bei einigen Tests bricht die Leistung bei low deutlich ein. In denselben Diagrammen erreicht 6.2 Sol bei low im Alltagstest LifeVal nur 25,3 % (6.1 Sol bei low: 66,8 %) und bei Terminal-Bench-Science 43,4 %. 6.2 Astra erreicht bei low bei LifeVal 46,3 % und bei Terminal-Bench-Science 56,3 %. Bei medium steigt LifeVal wieder auf 70,3 % bei 6.2 Sol und auf 78,9 % bei 6.2 Astra. Auch die Migrationsanleitung von OpenAI empfiehlt, bei neuer Nutzung mit medium zu beginnen. Wenn Sie low wählen, um Kosten zu sparen, prüfen Sie vorher, ob Ihre eigene Arbeit nicht an Qualität verliert.
4. Leistung ②: im Vergleich zu Claude und Gemini
Einige Diagramme von OpenAI zeigen auch Claude Fable 5.2 und Claude Opus 5.5 von Anthropic sowie Gemini 4 Carbon von Google. Da die Modelle anderer Anbieter bei unterschiedlichen Reasoning-Stufen getestet wurden, zeigt diese Tabelle für jedes Modell die Einstellung mit der höchsten Punktzahl. LifeVal haben wir weggelassen, weil dort die Modelle anderer Anbieter nicht enthalten sind. Claude Sonnet 5.5, das denselben Preis hat wie Sol, taucht in keinem Diagramm auf.
| Test | GPT-6.2 Astra | GPT-6.2 Sol | Claude Fable 5.2 | Claude Opus 5.5 | Gemini 4 Carbon |
|---|---|---|---|---|---|
| Agents' Last Exam v1.1 | 78,3 %$2,89 · xhigh | 73,0 %$1,32 · max | 72,8 %$60,05 · max | 71,6 %$17,57 · max | 77,4 %$4,60 · high |
| GDPval v2 (intern) | 50,4 %36.000 Ausgabe-Token · max | 46,9 %33.000 Ausgabe-Token · max | 44,8 %222.000 Ausgabe-Token · max | 43,5 %191.000 Ausgabe-Token · max | 48,8 %109.000 Ausgabe-Token · high |
| Harvey LAB-AA v1.1 | 15,0 %$6,35 · max | 11,1 %$1,92 · max | 7,2 %$39,84 · max | 4,2 %$17,93 · max | — |
| FrontierCode 2.0 | 44,2 %$5,97 · max | 43,8 %$1,29 · max | 49,1 %$14,19 · xhigh | 45,5 %$12,82 · max | 41,1 %$5,16 · medium |
| Terminal-Bench-Science 0.1 | 77,1 %$7,15 · max | 68,0 %$2,21 · max | 73,3 %$45,21 · max | 63,3 %$23,21 · max | — |
| Vals Science Index v1 | 68,4 %$4,17 · max | 58,5 %$0,71 · xhigh | 63,7 %$8,79 · high | 58,7 %$8,71 · max | — |
| BenchCAD 2.1 Core | 82,5 %$5,43 · max | 73,1 %$1,60 · max | 83,5 %$50,77 · max | 65,3 %$20,00 · max | — |
| AutomationBench 1.0.6 | 52,4 %$0,83 · max | 41,2 %$0,21 · high | 51,5 %$4,64 · max | 42,5 %$1,44 · max | 53,9 %$2,12 · high |
| Artificial Analysis Intelligence Index v5.0.1 | 62,1$4,00 · max | 57,3$1,01 · max | 64,6$26,54 · max | 59,1$10,04 · max | 60,0$7,76 · high |
Werte bei der Reasoning-Stufe, bei der das jeweilige Modell die höchste Punktzahl erreichte (die Einstellung steht in der kleinen Schrift). „—“ bedeutet, dass das Modell im Diagramm nicht enthalten ist. Quelle wie in der Tabelle des vorigen Kapitels. Bei Claude Fable 5.2 im Agents' Last Exam sind 9 Aufgaben ausgenommen, die ein anderes Modell (Fallback) beantwortet hat, wie die Ankündigung vermerkt. Die Ankündigung nennt nicht, mit welchem Preis (vor oder nach dem Einführungspreis, der am 30. November 2026 endet) die Kosten von Gemini 4 Carbon berechnet wurden. Bei Claude Fable 5.2 im Terminal-Bench-Science stammt der Wert von Artificial Analysis, gemessen mit einem Aufbau namens mini-swe-agent. Anthropic meldet in Claude Code mit max-Reasoning 74,6 % (Fußnote der Ankündigung).
Bei diesen neun Tests hatte 6.2 Astra bei fünf die höchste Punktzahl. Bei den übrigen vier lag Claude Fable 5.2 vorn bei realen Code-Änderungen (FrontierCode 2.0), bei CAD-Konstruktion (BenchCAD) und beim Gesamtindex eines Drittanbieters (Artificial Analysis), Gemini 4 Carbon bei der Geschäftsprozessautomatisierung (AutomationBench). Im direkten Vergleich mit Fable 5.2 liegt Astra bei sechs Tests vorn, Fable 5.2 bei drei. Der größte Unterschied zeigt sich bei den Kosten. Bei den acht Tests mit Kostenangaben ist der Preis pro Aufgabe bei Fable 5.2 etwa das 2- bis 21-Fache dessen von 6.2 Astra (die 21-fache Differenz ergibt sich bei Agents' Last Exam, wo Astra mit xhigh gemessen wurde). Fable 5.2 und Astra haben denselben Preis pro Token, deshalb liegt der Hauptgrund vermutlich in der unterschiedlichen Anzahl an Token, die beide für dieselbe Arbeit verbrauchen. Die verglichenen Reasoning-Einstellungen und die Messmethoden (etwa die Art, wie Terminal-Bench-Science ausgeführt wird) sind allerdings nicht identisch.
Dieser Vergleich beruht auf den Tests und Einstellungen, die OpenAI ausgewählt hat, und enthält nur die Modelle anderer Anbieter, die in den Diagrammen von OpenAI erscheinen. In der eigenen Ankündigung von Anthropic mit anderen Tests ergäbe sich eine andere Reihenfolge. Die Claude-Werte finden Sie unter Claude Fable 5.2: Funktionen und Preise, Gemini unter Gemini 4 Carbon und Argon im Vergleich.
5. Astra oder Sol: welches Sie nutzen sollten
Der Token-Preis von Astra ist viermal so hoch wie der von Sol. Auch beim Vergleich der Kosten pro Aufgabe liegt Astra laut den Messungen von OpenAI etwa beim 3- bis 5-Fachen von Sol (jeweils bei max). Entscheidend ist, ob der Qualitätsgewinn bei Ihrer Arbeit den Kostenunterschied rechtfertigt.
Die API-Übersicht von OpenAI empfiehlt bei Unsicherheit Astra, dieser Artikel dagegen Sol. Der Grund: Die Kosten unterscheiden sich um das 3- bis 5-Fache, während der Abstand bei realen Code-Änderungen (FrontierCode 2.0) und bei Alltagsaufgaben (LifeVal) klein ist. Die Empfehlungen nach Anwendungsfall lauten:
- Alltägliches Coding, Texte und Dokumentenarbeit → Sol Beim Test mit realen Code-Änderungen liegt Astra nur 0,4 Punkte vorn, und Sol kostet etwa ein Fünftel. Neue Chats in ChatGPT Work starten ebenfalls mit Sol. Beginnen Sie im Zweifel mit Sol und wechseln Sie nur in den Fällen zu Astra, in denen Sol nicht reicht. So fällt am wenigsten unnötiger Aufwand an.
- Geschäftsprozessautomatisierung, lange und komplexe Fachaufgaben, Folien und Tabellen → Astra Bei der Geschäftsprozessautomatisierung (AutomationBench) erreicht Astra 52,4 % und Sol 41,1 %, also einen Abstand von etwa 11 Punkten. Bei lang laufenden Fachaufgaben (Agents' Last Exam), Rechtsarbeit (Harvey LAB-AA) und GDPval v2 liegen die Abstände bei 3,5 bis 4,6 Punkten. OpenAI erklärt, Astra sei so trainiert worden, dass es Folien, Tabellen und Dokumente erstellt, die Vorlagen und den Gepflogenheiten des jeweiligen Fachs folgen.
- Wissenschaftliche Berechnungen und CAD-Konstruktion → Astra Bei Terminal-Bench-Science erreicht Astra 77,1 %, Sol 68,0 %, bei BenchCAD 82,5 % gegenüber 73,1 %. Hier sind die Unterschiede groß.
- Schnell und günstig in großer Menge ohne Reasoning → 6.1 Terra oder 6 Luna Beide GPT-6.2-Modelle lassen sich nicht auf none stellen.
- Wenn Sie Claude nutzen Der Preis von Fable 5.2 entspricht dem von Astra, der von Sonnet 5.5 dem von Sol. In den Messungen von OpenAI liegt Fable 5.2 bei realen Code-Änderungen und CAD-Konstruktion vorn, Astra bei vielen anderen Arbeitsaufgaben, und Astra kam dabei deutlich günstiger weg. Am verlässlichsten ist es, Ihre üblichen Aufgaben einige Male mit beiden Modellen durchzuführen und den Korrekturaufwand sowie die Rechnung zu vergleichen.
Die Unterschiede zu den vorherigen Versionen von Astra und Sol finden Sie in GPT-6 Astra: Erklärung und GPT-6.1 Sol und GPT-6 Sol im Vergleich.
6. Nutzung in ChatGPT, Codex und GitHub Copilot
ChatGPT und Codex
- Berechtigte Pläne: Die Ankündigung umfasst alle Nutzer von Plus, Pro, Enterprise und Edu. Free ist nicht enthalten.
- Einsatzorte: ChatGPT Work und Codex. Die Versionshinweise von ChatGPT (17. November) bezeichnen die Bereitstellung in den Desktop-Apps von Work und Codex als „Vorschau“. Sie wählen die Modelle über die Modellauswahl in Work bzw. in Codex. Die Auswahl im normalen Chat (Unterhaltungen außerhalb von Work) ändert sich nicht.
- Standardmodell: Laut der Dokumentation von ChatGPT starten neue Chats in Work mit 6.2 Sol (Reasoning-Stufe Light bei Einzelplänen, Medium bei Enterprise). Sol verbraucht pro Token weniger Credits als Astra.
- Ultrafast: Pro 500 kann Ultrafast mit beiden Modellen nutzen. Pro 200 erhält Ultrafast erstmals, zunächst mit 6.2 Sol (wann Astra folgt, nennt die Ankündigung nicht). Zu Pro 100 macht die Ankündigung keine Angaben. Berechtigte Enterprise- und Edu-Workspaces können dieselbe Funktion nutzen, sobald ein Workspace-Administrator sie aktiviert.
- Codex CLI: Die Modelldokumentation von ChatGPT nennt
codex --model gpt-6.2-solals Beispiel für einen Befehl, mit dem in Codex ein Modell festgelegt wird.
Quellen: der Abschnitt „Preise und Verfügbarkeit“ der OpenAI-Ankündigung, die ChatGPT-Versionshinweise (Eintrag vom 17. November 2026) und die Models-Dokumentation von ChatGPT (geprüft am 19. November 2026). In verwalteten Workspaces hängt von Sitztyp und Einstellungen ab, welche Modelle sichtbar sind.
Zu den Nutzungslimits der drei Pro-Pläne siehe ChatGPT Pro 100, 200 und 500 im Vergleich, zu Work selbst Was ist ChatGPT Work?
GitHub Copilot
GitHub hat die beiden Modelle am 17. November in Copilot allgemein verfügbar gemacht. Verfügbar sind sie für Copilot Pro+, Max, Business und Enterprise. Ausgewählt werden sie in der Modellauswahl in VS Code, Visual Studio, JetBrains, Xcode, Eclipse, Copilot CLI und github.com. Abgerechnet wird nach Nutzung zu den Listenpreisen von OpenAI. Bei Business und Enterprise werden die neuen Modelle automatisch aktiviert, sofern ein Administrator sie nicht deaktiviert hat. Die Einführung erfolgt schrittweise, deshalb sind die Modelle in manchen Auswahllisten noch nicht zu sehen (GitHub Changelog).
7. Worauf Sie bei der Umstellung auf die API achten sollten
Es genügt, den Modellnamen auf gpt-6.2-astra oder gpt-6.2-sol zu ändern, damit es läuft. Die Migrationsanleitung von OpenAI, Using GPT-6.2, nennt jedoch die folgenden Punkte, die Sie beim Wechsel prüfen sollten. Die ersten beiden sind Änderungen gegenüber GPT-6.2, die sich bei Nichtbeachtung sowohl auf die Qualität als auch auf die Kosten auswirken.
- Das Umschreiben eines Teils der Unterhaltung verwirft das vorherige Reasoning Bei der Responses API verwendet GPT-6.2 die gespeicherten Reasoning-Einträge (reasoning items) nicht mehr, wenn Sie frühere Teile des Gesprächsverlaufs umschreiben, etwa frühere developer-Nachrichten oder Tool-Aufrufe. Das gilt ebenso, wenn Sie auf ein kleineres Modell wechseln oder sich die Endnutzer oder die Organisation ändern. Ohne das Reasoning kann die Antwortqualität sinken, und durch das Wiederholen früherer Arbeit können mehr Token anfallen. Wenn Sie Einstellungen ändern, lassen Sie den früheren Teil grundsätzlich unverändert und hängen die neuen Anweisungen am Ende an.
- Gemeinsame Anweisungen gehören an den Anfang der Eingabe, nicht in
instructionsAb GPT-6.2 wird das äußerste Feldinstructionsder Responses API nachinputangehängt. Wenn dieselben Anweisungen bei jeder Anfrage aus dem Cache kommen sollen, setzen Sie sie als developer-Nachricht an den Anfang voninput.instructionsverwenden Sie nur für Anweisungen, die genau für diese eine Anfrage gelten.
Beispiel:{"model": "gpt-6.2-sol", "input": [{"role": "developer", "content": "Antworte gemäß dem internen Glossar"}, {"role": "user", "content": "…"}]} - Mit medium Reasoning beginnen Beim Einstieg empfiehlt OpenAI, zuerst medium auszuprobieren. Wenn Sie derzeit
noneoderminimalverwenden, stellen Sie auflowum (none wird nicht akzeptiert). Da Kapitel 3 zeigt, dass bei low einige Tests stark einbrechen, prüfen Sie die Qualität anhand Ihrer eigenen Arbeit, bevor Sie sich entscheiden. - Bei Tools die Responses API verwenden Chat Completions lässt sich ebenfalls nutzen, aber für Tool-Aufrufe ist die Responses API erforderlich.
- Nicht unterstützte Parameter entfernen Entfernen Sie
temperature,top_pundtop_logprobs(in Chat Completions außerdemlogprobs). - Cache-Einstellungen Beim Wechsel aus der GPT-6-Reihe müssen Sie nichts ändern. Nur beim Wechsel von GPT-5.5 oder früher ersetzen Sie
prompt_cache_retentiondurchprompt_cache_options.ttl("30m"). Zu den Unterschieden in der Funktionsweise des Caches siehe OpenAI und Claude: Prompt-Caching im Vergleich. - Anweisungstexte überprüfen Die Migrationsanleitung erklärt, dass GPT-6.2 Astra auch ohne entsprechende Anweisung kürzer und direkter schreibt als sein Vorgänger (zu Sol gibt es dazu keinen Hinweis). Wenn Ihre Anweisungen ausdrücklich knappe Antworten verlangen, prüfen Sie, ob die Antworten nicht zu kurz geraten. Wenn die Absicht unklar ist, schlägt das Modell mitunter den nächsten Schritt vor und wartet auf Bestätigung. Legen Sie daher bei langen Aufgaben fest, dass es auf Basis vernünftiger Annahmen weiterarbeiten darf.
Quellen: OpenAI, „Using GPT-6.2“ und die API-Änderungshistorie (geprüft am 19. November 2026). Auch die Ankündigung empfiehlt, im Gespräch den vorderen Teil nicht zu ändern und neue Anweisungen am Ende anzuhängen.
8. Sicherheit
OpenAI hat bekanntgegeben, dass beide Modelle im eigenen Preparedness Framework die Schwelle „Critical“ bei der Cybersicherheit und die Schwelle „High“ bei Biologie und Chemie erreicht haben. Das entspricht der Einstufung von GPT-6 Astra. Laut OpenAI wurden die Modelle veröffentlicht, nachdem die Einschränkungen für gefährliche Cyber-Unterstützung und bestimmte biologische Anfragen verschärft worden waren. Dadurch können auch manche legitimen Schwachstellenforschungen und Sicherheitstests blockiert werden. Die Einführung von GPT-6.2 bei Daybreak, der Anlaufstelle von OpenAI für die Cyberabwehr, will OpenAI vorantreiben. Einen Zeitpunkt hat die Ankündigung nicht genannt.
Außerdem ist 6.2 Astra das erste von OpenAI öffentlich veröffentlichte Modell, das bei der KI-Selbstverbesserung, also der Fähigkeit, die KI-Forschung zu beschleunigen, die Stufe „High“ erreicht hat. OpenAI erklärt, es habe Maßnahmen eingeführt, etwa die Überwachung der Forschungsarbeit und das Anhalten von Ausgaben, wenn nötig. Im Diagramm „unangemessenes Verhalten bei Arbeitsaufgaben“ der Ankündigung lag die Rate unangemessener Handlungen bei Aufgaben, die einem Arbeitsplatz nachgebildet waren, bei 6.2 Astra bei 0,64 % und bei 6.2 Sol bei 0,71 %. Beide Werte liegen unter den 1,2 % von GPT-6 Astra. Dagegen zeigten zwei Tests im Diagramm zur „Verschleierung von Fehlern“ der Ankündigung eine stärkere Neigung, Hindernisse wie fehlende Dateien oder nicht verfügbare Suchwerkzeuge nicht zu melden. OpenAI gibt an, dies durch zusätzliche Anweisungen in Codex verringert zu haben. Details finden Sie in der GPT-6.2 System Card von OpenAI.
Zusammenfassung
- GPT-6.2 Astra und Sol wurden am 17. November 2026 (US-Zeit) als Nachfolger von GPT-6 Astra und GPT-6.1 Sol veröffentlicht (Astra ist das Spitzenmodell, Sol das Hauptmodell für den Alltag)
- API-Preise: Astra kostet $8 Eingabe und $40 Ausgabe (20 % günstiger als GPT-6 Astra, Cache 60 % günstiger), Sol $2 Eingabe und $10 Ausgabe (unverändert)
- Laut den Messungen von OpenAI erzielen beide Modelle bei vielen Tests höhere Werte als ihre Vorgänger, und die Kosten pro Aufgabe von Astra sanken bei vielen Tests auf etwa die Hälfte
- Claude Fable 5.2 liegt bei realen Code-Änderungen, CAD-Konstruktion und dem Gesamtindex vor Astra, kostet pro Aufgabe aber etwa das 2- bis 21-Fache von Astra (Messungen von OpenAI)
- Im Zweifel mit Sol beginnen und zuerst medium als Reasoning-Stufe testen (bei low brechen einige Tests stark ein)
- In der API prüfen: dass das Umschreiben früherer Teile einer Unterhaltung das Reasoning verwirft und dass sich die Position von
instructionsgeändert hat
FAQ
F. Was kosten die API-Preise von GPT-6.2 Astra und Sol?
A. Pro 1 Mio. Token kostet Astra $8 Eingabe, $0,40 gecachte Eingabe und $40 Ausgabe. Sol kostet $2 Eingabe, $0,10 gecachte Eingabe und $10 Ausgabe. Bei beiden Modellen kostet Batch die Hälfte und Fast das Doppelte. Ultrafast ist bis 28. Februar 2027 dreifach, ab 1. März sechsfach. Bei Eingaben über 272.000 Token betragen Eingabe und Cache der gesamten Anfrage das 2-Fache, die Ausgabe das 1,5-Fache.
F. Worin unterscheidet sich GPT-6.2 Sol von GPT-6.1 Sol?
A. Der Preis ist gleich. In den Messungen von OpenAI erzielt 6.2 Sol bei vielen Tests höhere Werte (bei realen Code-Änderungen von 39,0 % auf 43,8 %, bei CAD-Konstruktion von 52,6 % auf 73,1 %). Der Wissensstand wurde von 30. April 2026 (6.1 Sol) auf 1. Juni 2026 (6.2 Sol) aktualisiert. Beim Vals Science Index, der biologische Daten behandelt, lag 6.1 Sol bei max höher.
F. Ist es besser als Claude Fable 5.2?
A. Das hängt vom Test ab. Bei den neun Tests, die OpenAI für beide zeigt, lag 6.2 Astra bei sechs vorn. Fable 5.2 war bei realen Code-Änderungen, CAD-Konstruktion und dem Gesamtindex eines Drittanbieters bei drei Tests besser. Bei den acht Tests mit Kostenangaben war der Preis pro Aufgabe bei Fable 5.2 etwa das 2- bis 21-Fache von Astra (jeweils bei der Einstellung, die das Modell am höchsten bewertet hat). Dies ist ein von OpenAI gemessener Vergleich.
F. Kann ich das im kostenlosen ChatGPT-Tarif nutzen?
A. Die Ankündigung umfasst Plus, Pro, Enterprise und Edu, Free ist nicht enthalten. Nutzbar sind ChatGPT Work und Codex, die Auswahl im normalen Chat bleibt unverändert.
F. Sollte ich von GPT-6 Astra wechseln?
A. In vielen Fällen ja. Der Preis ist 20 % niedriger, und in den Messungen von OpenAI übertrifft es GPT-6 Astra bei allen 10 Leistungstests. Die Tests hat OpenAI allerdings selbst ausgewählt, und es gibt Veränderungen zu beachten, etwa kürzere Ausgaben und dass sich das Reasoning nicht auf „none“ stellen lässt. In der API verwirft das Umschreiben früherer Teile einer Unterhaltung das Reasoning, außerdem hat sich der Umgang mit instructions geändert. Prüfen Sie die Punkte aus Kapitel 7, bevor Sie umstellen.
Änderungsprotokoll
- 19. November 2026Erste Fassung. Erstellt durch Prüfung der Diagrammdaten aus der Ankündigung von OpenAI (17. November), der API-Modellseiten und der Migrationsanleitung, der ChatGPT-Versionshinweise und Dokumentation sowie des GitHub Changelog.
Quellen
- OpenAI: Introducing GPT-6.2 Astra and Sol, GPT-6.2 Astra (API), GPT-6.2 Sol (API), Models, Using GPT-6.2, API changelog, ChatGPT release notes, ChatGPT Models
- GitHub: OpenAI’s GPT-6.2 Astra and GPT-6.2 Sol now available
- OpenAI: GPT-6.2 System Card
- Vergleichspreise (geprüft am 19. November 2026): Anthropic Pricing, Google Gemini API pricing