Nur 20 % Preisnachlass, doch die Rechnungssumme ist um 80 % niedriger: GPT-5.6 dringt in Claudes Domäne ein und stellt die Abrechnung von Programmieraufgaben neu auf.
Dasselbe Modell hat seinen offiziellen Preis nur um 20 % gesenkt, aber Ihre Rechnung fällt um 80 % geringer aus.
Am 24. August veröffentlichte OpenAI die Ergebnisse eines gemeinsam mit AWS durchgeführten Tests:
Auf Terminal-Bench 2.1 sind die Kosten für eine erfolgreiche Aufgabenausführung von GPT-5.6 Terra in Kiro um rund 82 % gesunken.
Kiro ist die Plattform für Softwareentwicklungsagenten von AWS, die IDE, CLI und Web abdeckt.
Die drei Modelle der GPT-5.6-Familie, Sol, Terra und Luna, laufen dort bereits seit mehr als einem Monat.
Diese 82 % sind keine offizielle Preisermäßigung.
Die letzte Preisanpassung von Terra erfolgte am 30. Juli mit einer Senkung von 20 %.
Die Preisanpassungsmitteilung von OpenAI vom 30. Juli: Terra wird um 20 % günstiger.
Der Stückpreis sinkt nur um 20 %, aber die Rechnung kann um 80 % gekürzt werden.
Woher die fehlenden 60 Prozentpunkte eingespart werden, ist das, was uns wirklich interessieren sollte.
GPT-5.6 wurde im Juli dieses Jahres auf Kiro eingeführt.
Zuerst, am 13. Juli, kündigte AWS an, dass GPT-5.6 Sol, Terra und Luna auf Amazon Bedrock allgemein verfügbar sind.
Am nächsten Tag veröffentlichte Kiro einen Blogbeitrag, der die Einführung der drei Modelle auf IDE, CLI und Web bekanntgab.
Das ist das erste Mal, dass ein OpenAI-Modell in Kiro integriert wurde, und fällt genau mit dem einjährigen Jubiläum der öffentlichen Vorschau von Kiro zusammen.
Zuerst die Modelle auf die Plattform stellen, dann sie arbeiten lassen – mehr als einen Monat später legt OpenAI die Ergebnisse vor:
Die beiden Unternehmen haben gemeinsam die Kiro-Umgebung und die OpenAI-Modelle optimiert, sodass die Kosten für eine erfolgreiche Aufgabenausführung von Terra um rund 82 % gesunken sind.
Die Einsparungen
entfallen auf verschwendete Kosten
Bei der Preisanpassung am 30. Juli sank der Preis von Terra um 20 %, aber im Kiro-Test sanken die Kosten pro Aufgabe um 82 %.
Woher stammen die zusätzlichen 60 % an Einsparungen?
Es gibt nur wenige mögliche Richtungen:
Das Modell generiert weniger Tokens, die Anzahl der Aufrufe von Tools sinkt, und es gibt weniger Wiederholungsversuche und Umwege nach Fehlschlägen.
Daher stammt dieser große Teil der Einsparungen nicht aus den Kosten pro Aufruf, sondern aus den Kosten für Aufrufe, die sonst vergeudet worden wären.
Die Logik ist einfach: Wenn ein KI-Agent eine Aufgabe einmal falsch ausführt, wird dies trotzdem in der Rechnung vermerkt. Wenn er unterwegs den falschen Weg wählt und erst nach drei Fehlversuchen zurückkehrt, werden diese Tokens ebenfalls berechnet.
In der tatsächlichen Entwicklungsarbeit gehen die Kosten oft genau auf diese Weise verloren.
OpenAI hat dieselbe Logik auch in seinem offiziellen Blog erwähnt: Die Effizienz stammt aus drei Ebenen:
Dem Agenten-Framework, das Anforderungen stellt und den Kontext organisiert, dem Orchestrierungssystem, das die Anforderungen zwischenzeitlich verwaltet, und zuletzt dem Modell selbst, das auf der GPU ausgeführt wird.
OpenAI zerlegt die Effizienzquellen von GPT-5.6: Anforderungen werden vom Agenten-Framework gestartet, über das Orchestrierungssystem verwaltet und schließlich auf der GPU ausgeführt – jede Ebene spart Kosten.
Kosteneinsparungen lassen sich auch durch die Aufgabenteilung der Modelle erzielen.
OpenAI hat auch eine Anwendungsmöglichkeit genannt: Bei Codierungs-Workflows kann Sol zuerst das Problem klären und den Plan festlegen, bevor Luna die klar definierten Änderungen umsetzt, Tests schreibt und Bewertungen durchführt.
In derselben Pipeline werden für unterschiedliche Schritte unterschiedliche Intelligenzstufen zugewiesen.
Modelle machen nur die Hälfte der Rechnung aus
Ein anderer Framework bedeutet einen anderen Preis
Die Aufgaben von Terminal-Bench 2.1 sind nicht dafür gedacht, dass das Modell sie alleine löst.
Das Modell wird in eine Terminalumgebung eingebettet, erhält ein unklares Ziel und soll selbst den Weg planen, Tools aufrufen, Skripte schreiben, Fehler beheben und wiederholt iterieren.
Daher ist das erzielte Ergebnis das Ergebnis der Kombination aus „Agent + Modell“.
Die öffentliche Rangliste von Terminal-Bench 2.1: Neben der Genauigkeit wird auch der Kostenwert angezeigt. (Quelle: Terminal-Bench)
Die vier Zeilen Zahlen in der Rangliste verdeutlichen dies am besten:
Claude Code mit Fable 5: 83,8 %, 552,67 USD;
Codex mit GPT-5.5: 83,1 %, 2059,19 USD;
Codex mit GPT-5.6 Terra: 78,4 %, 421,15 USD;
Codex mit GPT-5.6 Luna: 75,7 %, 241,45 USD.
Die Punktzahlen der ersten beiden Zeilen unterscheiden sich nur um 0,7 Prozentpunkte, aber die Rechnungen unterscheiden sich um fast das Vierfache.
Dasselbe Modell, eingebettet in unterschiedliche Frameworks mit unterschiedlichen Kontextorganisations- und Toolstrategien, erzielt völlig unterschiedliche Kosten.
Laut den offiziellen Daten von Kiro erreicht Terra 77,4 Punkte im Coding Agent Index, nur etwas mehr als die 77,2 Punkte von Claude Fable 5.
Sein Verkaufsargument liegt nicht in der Punktzahl, sondern in dem Preis, der zu dieser Punktzahl gehört.
Der Schwerpunkt des spec-driven-Ansatzes von Kiro liegt genau hier: Die Kernregel lautet: Nicht sofort mit dem Schreiben von Code beginnen.
Zuerst wird das unklare Ziel des Nutzers in eine ordentliche Anforderungsdokumentation, technische Entwürfe und eine ausführbare Aufgabenliste zerlegt, bevor es an das Modell übergeben wird.
Auf diese Weise erhält das Modell keine unklare Anweisung, sondern eine klar strukturierte Aufgabe.
Personen, die mit Agenten vertraut sind, werden sofort erkennen, dass dieser Schritt genau den teuersten Teil der Ausgaben einspart.
Die Tokens, die durch Fehlwege, Nacharbeiten und komplette Neuerstellungen des Modells verbraucht werden, sind oft höher als die Tokens, die für die eigentliche Arbeit benötigt werden.
Kiro hat zudem zwei Kontrollpunkte im Prozess vorgesehen: Bevor der Code tatsächlich geändert wird, wird er zuerst von einer Person überprüft; nachdem die Aufgabe abgeschlossen ist, werden automatisch Tests ausgeführt, um die Korrektheit zu bestätigen.
Jede Nacharbeit, die durch diese beiden Kontrollpunkte vermieden wird, spart echtes Geld.
Auf dem Gebiet von AWS
nimmt GPT die Hälfte des Marktes von Claude ein
Vor einem Jahr war Kiro noch eine spec-driven-IDE, und der Modellauswahlbereich war die Domäne von Anthropic.
Ein Jahr später hat AWS drei Stufen von OpenAI-Modellen auf seiner eigenen Plattform für Entwicklungsagenten eingeführt.
Dass Sol, Terra und Luna gemeinsam mit Claude in derselben Dropdown-Liste aufgeführt sind, war vor einem Jahr kaum vorstellbar.
Obwohl GPT-5.6 diesmal als gesamte Familie integriert wurde, ist es nicht vollständig allgemein verfügbar.
Die drei Modelle werden schrittweise und experimentell für Pro-, Pro+-, Pro Max- und Power-Nutzer freigegeben. Es gibt nur zwei unterstützte Regionen: Nord-Virginia in den USA und Frankfurt in Europa, mit Unterstützung für regionsübergreifende Inferenz.
Es gibt eine weitere Funktion, die viele Nutzer ungewohnt finden: Diese Modelle verwenden in Kiro eine verborgene Denkkette, sodass Sie die Schlussfolgerungsschritte nicht sehen können, sondern nur das Endergebnis.
Personen, die es gewohnt sind, die Schlussfolgerungsprozesse von Agenten Schritt für Schritt zu verfolgen, werden das Gefühl haben, die Arbeit in eine undurchsichtige Box zu legen.
Laut offizieller Angabe handelt es sich hierbei um ein erwartetes Verhalten, das die Ausgabequalität nicht beeinträchtigt.
Die drei Modellstufen haben in Kiro klare Preise.
Als sie am 14. Juli eingeführt wurden, kostete dieselbe Aufgabe bei Sol das 2,4-fache, bei Terra das 1,2-fache und bei Luna das 0,6-fache.
Nach der Preissenkung von OpenAI am 30. Juli folgte Kiro am nächsten Tag: Der Preis von Luna sank von dem 0,6-fachen auf das 0,1-fache, der Preis von Terra sank von dem 1,2-fachen auf das 1,0-fache, nur der Preis von Sol blieb unverändert.
Die Haltung von AWS ist klar: Eine Entwicklungsplattform darf nicht nur an einen Modellanbieter gebunden sein.
In derselben Auswahlliste beginnen zwei führende Modelle, sich gegenseitig im Preis zu unterbieten.
Die Bewertungsmaßstäbe für Modelle ändern sich ebenfalls: Hohe Punktzahlen führen nicht mehr automatisch zum Erfolg, niedrigere Kosten können ebenfalls zum Erfolg führen.
Für Entwickler lautet die Frage bei der Auswahl eines Modells nicht mehr „Wie viel kostet eine Million Tokens dieses Modells?“, sondern „Wie viel muss ich tatsächlich ausgeben, damit es diese Aufgabe erledigt?“.
Quellen:
https://x.com/OpenAIDevs/status/2091966982015103068
https://openai.com/index/gpt-5-6-in-kiro/