GPT-6 Sol und GPT-6 Luna: OpenAI halbiert die Preise der Schnittstelle

OpenAI hat am 22. September 2026 zwei weitere Modelle der GPT-6-Reihe veröffentlicht. GPT-6 Sol und GPT-6 Luna ergänzen das Anfang des Monats vorgestellte Spitzenmodell GPT-6 Astra nach unten. Beide setzen nach Herstellerangaben auf dieselben Trainingsverfahren wie Astra, laufen aber schneller und kosten in der Schnittstelle nur noch halb so viel wie die Vorgänger aus der 5.6er-Reihe.

Die Veröffentlichung folgt zwei Tage nach Anthropics Claude Opus 5.5, das ebenfalls vor allem mit einem besseren Verhältnis von Leistung zu Kosten wirbt. Beide Hersteller verlagern den Wettbewerb damit sichtbar weg von reinen Bestwerten hin zum Preis je Aufgabe.

Die neuen Preise

Die folgenden Werte stammen aus der offiziellen Modelldokumentation von OpenAI, abgerufen am 22. September 2026.

Preis je 1 Million Token	GPT-6 Sol	GPT-6 Luna
Eingabe	2,00 US-Dollar	0,10 US-Dollar
Eingabe aus dem Zwischenspeicher	0,20 US-Dollar	0,01 US-Dollar
Schreiben in den Zwischenspeicher	2,50 US-Dollar	0,125 US-Dollar
Ausgabe	10,00 US-Dollar	0,50 US-Dollar

Gegenüber den Aktionspreisen der 5.6er-Reihe halbieren sich die Kosten. OpenAI führt das auf Verbesserungen beim Zwischenspeichern und bei der Inferenz zurück.

Besonders deutlich fällt der Rabatt auf wiederverwendeten Kontext aus: Zwischengespeicherte Eingabe-Token kosten nur 10 Prozent des regulären Eingabepreises. Wer denselben Kontext mehrfach verwendet, etwa bei Agenten mit festen Systemanweisungen oder bei wiederholten Abfragen auf dieselbe Dokumentensammlung, spart damit den größten Anteil.

Zwei Punkte aus dem Kleingedruckten, die in der Praxis ins Gewicht fallen:

• Schreiben in den Zwischenspeicher kostet extra. Cache-Writes werden mit dem 1,25-fachen des regulären Eingabepreises abgerechnet. Der Rabatt greift also erst ab der zweiten Nutzung desselben Kontexts.
• Sehr lange Anfragen werden teurer. Bei mehr als 272.000 Eingabe-Token gilt für die gesamte Anfrage der doppelte Preis bei Eingabe und Zwischenspeicher sowie der 1,5-fache Preis bei der Ausgabe.
• Regionale Verarbeitung kostet 10 Prozent Aufschlag, wo sie verfügbar ist.

Technische Eckdaten

Merkmal	GPT-6 Sol	GPT-6 Luna
Modell-Kennung	gpt-6-sol	gpt-6-luna
Ausrichtung	komplexe Programmier- und Agentenaufgaben	eng umrissene Aufgaben in großer Menge
Kontextfenster	1.050.000 Token	1.050.000 Token
Maximale Eingabe	922.000 Token	922.000 Token
Maximale Ausgabe	128.000 Token	128.000 Token
Wissensstand	20. April 2026	18. Mai 2026
Eingabeformate	Text, Bild	Text, Bild

Beide Modelle unterstützen abgestufte Denktiefe über den Parameter reasoning.effort mit den Stufen none, low, medium (Standard), high, xhigh und max. Für eingebaute Werkzeuge und Funktionsaufrufe empfiehlt OpenAI die Responses-API. Über Chat Completions funktionieren Funktionsaufrufe nur, wenn reasoning_effort auf none gesetzt ist.

Auffällig ist der unterschiedliche Wissensstand: Luna kennt Inhalte bis zum 18. Mai 2026, Sol nur bis zum 20. April 2026. Das kleinere Modell ist in diesem Punkt also aktueller.

Was OpenAI zur Qualität sagt

Der Hersteller nennt eine konkrete Zahl zur Zuverlässigkeit. In der eigenen Faktentreue-Auswertung, die auf anonymisierten echten Unterhaltungen beruht, in denen Nutzer Fehler gemeldet hatten, macht GPT-6 Sol nach eigenen Angaben etwa halb so viele Fehler wie sein Vorgänger und erreicht damit ein Zuverlässigkeitsniveau wie Astra bei deutlich geringeren Kosten.

Auch bei Programmieraufgaben gibt OpenAI eine niedrigere Fehlerquote an. Die Einordnung der beiden Modelle beschreibt das Unternehmen so: Sol ist für komplexe Aufgaben wie Programmierung gedacht, Luna für Arbeiten mit klarem Ziel in großer Menge, etwa Dokumente zusammenfassen, Informationen herauslösen oder kurze Fragen beantworten.

Beide Modelle übernehmen zudem den überarbeiteten Antwortstil von Astra. Die Ausgaben sollen direkter ausfallen und weniger unnötigen Fachjargon enthalten.

Wichtig für die Einordnung: Sämtliche genannten Qualitätsaussagen stammen von OpenAI selbst und beruhen auf internen Auswertungen. Unabhängige Nachmessungen liegen zum Zeitpunkt dieser Meldung nicht vor. Auch die wiederholten Vergleiche mit den Modellen von Anthropic sind Herstellerangaben.

Verfügbarkeit

Die Freigabe erfolgt gestaffelt:

• ChatGPT Work und Codex: beide Modelle ab sofort für Abonnenten von Plus, Pro, Business, Enterprise und Edu
• Kostenlose Version und Go: Zugriff auf GPT-6 Luna über die Desktop-Anwendung
• Normaler ChatGPT-Chat: noch nicht freigeschaltet
• Schnittstelle: beide Modelle ab sofort unter gpt-6-sol und gpt-6-luna

Zum Datenschutz nennt OpenAI eine Einschränkung, die für Unternehmen in der EU wichtig ist: Datenhaltung in der EU ist nur mit der Standardverarbeitung verfügbar, nicht in Verbindung mit allen Verarbeitungsoptionen.

Für wen ist das relevant?

Für Administratoren und kleine IT-Teams, die Sprachmodelle produktiv einsetzen, ergeben sich drei nüchterne Schlussfolgerungen.

Der Preisunterschied zwischen den beiden Modellen ist erheblich. Luna kostet bei der Eingabe ein Zwanzigstel und bei der Ausgabe ein Zwanzigstel von Sol. Wer heute für einfache Aufgaben wie Zusammenfassungen, Textextraktion oder Klassifizierung ein großes Modell einsetzt, zahlt erheblich mehr als nötig. Ein Vergleich der eigenen Aufgabenarten lohnt sich mehr als der Wechsel auf die jeweils neueste Version.

Der Zwischenspeicher entscheidet über die tatsächliche Ersparnis. Die beworbene Halbierung bezieht sich auf die Listenpreise. Wer dieselben Systemanweisungen oder Dokumente wiederholt verarbeitet, spart durch den 90-Prozent-Rabatt deutlich mehr. Wer dagegen überwiegend einmalige Anfragen mit wechselndem Kontext stellt, profitiert nur von der regulären Preissenkung. Die eigene Abrechnung gibt darüber Auskunft, nicht die Ankündigung.

Die Grenze bei 272.000 Token ist eine Kostenfalle. Wer sehr große Kontexte verarbeitet, etwa vollständige Codebasen oder umfangreiche Dokumentensammlungen, zahlt für die gesamte Anfrage den doppelten Eingabepreis. In solchen Fällen ist es günstiger, die Aufgabe in kleinere Abschnitte zu zerlegen.

Wer seine Modellkosten grundsätzlich überprüfen will, findet in unserem Beitrag zu Ollamas Abrechnung pro Token einen Vergleichsmaßstab für offene Modelle. Die Gegenseite dieser Woche beschreiben wir im Artikel zu Claude Opus 5.5, das mit einer sehr ähnlichen Argumentation antritt. Wer lieber eine eigene Oberfläche über mehrere Anbieter legt, findet in unserer Anleitung zu LibreChat einen praktischen Einstieg.

Einordnung

Innerhalb von drei Tagen haben beide führenden Anbieter Modelle vorgestellt, die nicht mit höherer Leistung werben, sondern mit niedrigeren Kosten bei vergleichbarer Leistung. Das ist für Anwender die erfreulichere Entwicklung, weil sie unmittelbar auf der Rechnung sichtbar wird.

Gleichzeitig bleibt die übliche Einschränkung bestehen: Alle Qualitätsaussagen stammen von den Herstellern. Die Faktentreue-Auswertung von OpenAI ist eine interne Messung, deren Methodik nicht offengelegt ist. Belastbar sind derzeit nur die Preise und die technischen Eckdaten aus der Dokumentation.

Für die Praxis empfiehlt sich der gleiche Weg wie bei jedem Modellwechsel: eine typische eigene Arbeitslast über einige Tage mit beiden Modellen laufen lassen und die tatsächlichen Kosten und Fehlerquoten vergleichen, statt sich auf die genannten Prozentwerte zu verlassen.

Quellen

• OpenAI Modelldokumentation: GPT-6 Sol, abgerufen am 22. September 2026
• OpenAI Modelldokumentation: GPT-6 Luna, abgerufen am 22. September 2026
• TechCrunch: OpenAI launches GPT-6 Sol and Luna, boasting lower cost and fewer mistakes, 22. September 2026
• Caschys Blog: OpenAI, GPT-6 Sol und GPT-6 Luna starten als günstigere Modelle, 22. September 2026