Über Nacht ist GPT-5.6 erschienen, Codex ist verschwunden und Claude ist in Eile

Obwohl wir die Geschichte von Sam Altman, der erschöpft auf einem Stuhl sitzt, schon oft gehört haben, erwarten wir jedes Mal instinktiv etwas Neues, wenn ChatGPT ein neues Modell veröffentlicht.

Lange mussten wir nicht warten: Gerade eben wurde die GPT-5.6-Serie offiziell vorgestellt, gleich drei Modelle auf einen Schlag: Das Flaggschiff Sol, das ausgewogene Terra und das kostengünstige Luna – die Namen stammen jeweils aus dem Lateinischen für Sonne, Erde und Mond.

Bei den Preisen gilt: Sol kostet 5 US-Dollar pro Million Input-Token und 30 US-Dollar pro Million Output-Token; Terra halbiert die Werte direkt auf 2,5 US-Dollar und 15 US-Dollar; Luna ist am günstigsten mit nur 1 US-Dollar und 6 US-Dollar.

API-Preise🔗https://developers.openai.com/api/docs/pricing

Im Gegensatz zu den holprigen Veröffentlichungen von Fable 5 sind alle drei Modelle ab sofort vollständig verfügbar und werden innerhalb von 24 Stunden schrittweise auf ChatGPT, Codex und der API bereitgestellt.

Unter dem Druck ist auch Anthropic „vernünftig“ geworden und hat die Claude-Kontingente automatisch zurückgesetzt.

Das ist noch nicht das größte Update: Die eigenständige Codex-App wurde heute eingestellt – aber sie ist nicht verschwunden. Die gesamten Codex-Funktionen wurden in ChatGPT integriert, wodurch eine neue Super-App für KI entstanden ist. GPT-5.6 ist das Kern-Engine, das diesen neuen Einstiegspunkt antreibt.

Bei der GPT-5.6-Vorstellung wurde Claude zum heimlichen Hauptdarsteller

Wenn Sie den offiziellen Blog zu GPT-5.6 öffnen, fällt Ihnen auf: Claude wird so oft erwähnt, dass es wie eine Werbung für den Konkurrenten wirkt. Im Vergleich zeigt sich, wer hinterherhinkt.

Am spannendsten ist die „Agents' Last Exam“, eine Langzeit-Evaluierung von Agenten-Workflows in 55 Branchen. GPT-5.6 Sol erreichte 53,6 Punkte – ein neuer Rekord, der 13,1 Punkte über Claude Fable 5 (adaptive Reasoning) liegt.

OpenAI legte noch nach: Selbst bei mittlerer Reasoning-Einstellung liegt das Ergebnis 11,4 Punkte über Fable 5, bei nur etwa einem Viertel der Kosten. Die kleineren Modelle Terra und Luna übertreffen Fable 5 ebenfalls – bei Kosten von etwa einem Sechzehntel.

Auf dem breiter angelegten „Artificial Analysis Intelligence Index“ liegt Sol mit maximaler Reasoning-Stufe nur 1 Punkt hinter Fable 5, erledigt Aufgaben aber 61 % schneller und kostet etwa halb so viel.

Man merkt es: Das Kernmotiv dieser Veröffentlichung ist ein Wort: Kosteneffizienz. Mehr Leistung für dasselbe Geld – oder dieselbe Leistung für weniger Geld.

Sam Altman selbst unterstützte dies sofort auf X: OpenAI habe die Sorgen der Unternehmenskunden bezüglich der KI-Kosten gehört – mit GPT-5.6 Sol mache man einen großen Schritt nach vorne, was die Kosten pro Aufgabe angeht, und Terra und Luna tun das Gleiche.

Um das „Geld sparen“-Konzept abzurunden, wurden die Abrechnungsregeln angepasst: Das Schreiben von Prompt-Cache wird mit dem 1,25-fachen des regulären Eingabepreises berechnet, das Lesen kostet nur 10 % des Preises; Entwickler können manuell Cache-Unterbrechungen festlegen, der Cache bleibt mindestens 30 Minuten erhalten – so wird die Rechnung vorhersehbarer.

Natürlich klingt das alles gut, aber die Praxis könnte anders aussehen.

Programmierung ist das Hauptgebiet. Sol erreichte 80 Punkte auf dem „Artificial Analysis Coding Agent Index“ – ein neuer Rekord, 2,8 Punkte über Fable 5, mit weniger als der Hälfte der Output-Token, weniger als der Hälfte der Zeit und etwa einem Drittel geringeren Kosten. Auf Terminal-Bench 2.1 und DeepSWE wurden ebenfalls neue Bestwerte erzielt.

Auch Terra und Luna sind stark: Terra liegt auf diesem Index leicht über Fable 5, Luna übertrifft Opus 4.8 – beide brauchen nur etwa ein Drittel der Zeit der Konkurrenz und kosten etwa ein Viertel.

Erste Nutzer loben die neuen Modelle bereits. Der Mitbegründer von Lovable gab an, dass die neuen Modelle die Schritte zum Erstellen von Apps um etwa 25 % reduzieren, Tool-Aufrufe um 35 % bis 48 % senken und blockierte Aufgaben um 15 % verringern.

Die Community ist bereits begeistert: Der Entwickler Matt Shumer zeigte ein voxelbasiertes Manhattan, das Sol in einem Durchgang erstellt hat – mit erstaunlicher Genauigkeit, wobei das Modell fast eine Woche lang vollständig autonom gearbeitet hat.

Sogar die Erstellung einer kompletten „Minecraft“-Welt ist kein Problem.

https://x.com/preferredev\_/status/2075282363458982299

Neben dem Schreiben von Code betonte OpenAI zwei weitere Punkte: Designsinn und Computersteuerung.

Laut offiziellen Angaben ist GPT-5.6 bei der Designbeurteilung ein „sprunghafter Fortschritt“: Mit nur groben Anweisungen erstellt es ästhetische und benutzerfreundliche Oberflächen.

Wichtiger noch: Es nutzt seine verbesserte Computersteuerung, um die gerenderten Ergebnisse selbst zu prüfen, visuelle und funktionale Fehler zu erkennen und erst dann das fertige Werk zu übergeben. Frühere Modelle beendeten ihre Arbeit nach dem Code-Schreiben – jetzt prüfen sie selbst das Ergebnis.

Die Verbesserungen bei wissensintensiven Büroaufgaben sind ebenso offensichtlich.

Bei der BrowseComp-Webbrowser-Evaluierung erreichte Sol einen neuen Rekord von 92,2 %; bei der OSWorld 2.0-Computersteuerungsevaluierung 62,6 % – es übertrifft Opus 4.8 und erzeugt dabei 85 % weniger Output-Token.

Für die alltägliche Aufgabe, Präsentationen zu erstellen, gab OpenAI ein Vergleichsbeispiel: Wenn das Modell Daten anhand einer Referenzdatei aktualisieren soll, verlor GPT-5.5 wichtige Elemente aus der Mastervorlage – GPT-5.6 kann das gesamte Designsystem ableiten und es unverändert auf neue Inhalte anwenden.

Dasselbe gilt für Dokumente und Tabellen: Formeln und Finanzmodelle werden mit höherer Genauigkeit erstellt.

Um das Gesamtbild zu sehen, lohnt sich ein Blick auf die große Evaluierungstabelle unten im Blog – einige Zahlen sind auffällig:

Auf SWE-Bench Pro erreicht Sol 64,6 %, Claude Fable 5 hingegen 80 % und das noch bessere Anthropic-Modell Mythos 5 sogar 80,3 %. Hier hat Claude immer noch die Nase vorn.

Bei den schwierigsten Tier-4-Matheaufgaben von FrontierMath liegt Sol mit 65,9 % sogar unter dem eigenen Vorgängermodell GPT-5.5 (72,5 %), während Fable 5 87,8 % erreicht.

Auf dem GDPval-Index für professionelle Arbeit liegt Sol mit 1747,8 Elo ebenfalls leicht unter Fable 5 mit 1759,6.

Bei der biologischen Evaluierung GeneBench Pro gibt es eine kleine Spitze: OpenAI schrieb in der Bildunterschrift extra, dass Claude Fable 5 nicht aufgeführt sei – weil es „keine fortgeschrittenen biologischen Fragen beantwortet und die meisten Aufgaben dieser Evaluierung ablehnt“. Ein kurzer Fußnote, der deutlich macht, was man davon hält.

Erwähnenswert ist ein neues Feature von GPT-5.6: der Ultra-Modus.

Einfach gesagt: Viele Hände beschleunigen die Arbeit.