Der Preis für GPT wurde halbiert und ist nun sogar günstiger als der von DeepSeek.

Tatsächlich ist in diesen Tagen das Preis-Leistungs-Verhältnis die einfachste wirksamste Waffe im geschäftlichen Wettbewerb, und die KI-Branche bildet keine Ausnahme. 

Gerade eben hat Anthropic Claude Opus 5.5 veröffentlicht. 

Kurz danach hat OpenAI die GPT-6-Familie um zwei neue Modelle ergänzt: GPT-6 Sol und GPT-6 Luna. 

Jeder mit klarem Verstand kann erkennen, dass OpenAI damit direkt in Konkurrenz zu den Modellen anderer Anbieter tritt: Man muss bei den Benchmark-Ergebnissen mithalten und gleichzeitig die Preise senken. 

Aber dieses Mal hat OpenAI nicht einfach nur zwei „Billigversionen“ unter GPT-6 eingefügt. 

Ihre Strategie lautet: Herabsetzung der Fähigkeiten auf niedrigere Ebenen, Halbierung der Preise. 

Astra übernimmt weiterhin die schwierigsten und komplexesten Aufgaben; Sol ist auf komplexe alltägliche Arbeitsaufgaben und Agenten ausgerichtet; Luna hingegen zielt auf häufige, standardisierte Aufgaben wie Zusammenfassung, Extraktion, Klassifizierung und Routing ab.

Sowohl Sol als auch Luna unterstützen die Eingabe von Text und Bildern und können auf Websuche, Dateisuche, Code-Interpreter, Computer Use, MCP und Skills zugreifen. 

Das bedeutet, dass es jetzt eine günstigere Alternative für einige Arbeiten gibt, für die früher nur Flaggschiff-Modelle in Frage kamen. 

Der Preiskrieg erreicht bereits die Türschwelle von DeepSeek

Was die Preise angeht: Gerade hat Opus die Preise nach unten gedrückt, und nun beginnt auch GPT, die Rechnung neu zu gestalten.

Der angegebene API-Preis von Sol und Luna wurde im Vergleich zum Aktionspreis der gleichwertigen Kategorie von GPT-5.6 direkt um 50 % gesenkt.

OpenAI gibt an, dass der Hauptgrund die Verbesserung der Cache- und Inferenz-Effizienz ist, und dass dieser Preis kein zeitlich begrenztes Sonderangebot, sondern eine langfristige Preisgestaltung ist.

Wirklich interessant ist GPT-6 Luna mit einem Preis von 0,10 USD pro Million Eingabe-Tokens, das nun direkt mit DeepSeek-V4.1-Flash konkurrieren kann.

Natürlich hat DeepSeek noch ein Ass im Ärmel: Der Preis bei Cache-Treffern ist noch niedriger.

Für Szenarien wie Agenten, die wiederholt denselben Satz von Code, Dokumenten, Systemhinweisen und Werkzeugdefinitionen verwenden, wirkt sich der Cache-Treffer direkt auf die endgültige Rechnung aus.

Früher konnte es passieren, dass wenn ein Agent mitten im Lauf die Inferenzintensität vorübergehend erhöht oder die Werkzeugkonfiguration anpasst, die Wiederverwendung des zuvor zwischengespeicherten Kontexts beeinträchtigt wird.

OpenAI hat dieses Mal auch den Cache-Mechanismus überarbeitet: Jetzt erlaubt GPT-6 Entwicklern, die Inferenzintensität während des Gesprächs anzupassen, Werkzeuge zu aktivieren oder zu deaktivieren und gleichzeitig den vorhandenen zwischengespeicherten Kontext zu behalten.

Das bedeutet, dass selbst wenn ein Agent Dutzende oder Hunderte von Runden hintereinander ausführt und die Konfiguration einmal unterwegs ändert, er nicht den gesamten bereits verarbeiteten großen Kontext neu berechnen muss.

Daher kann man jetzt nicht einfach sagen, wessen Cache günstiger ist, schließlich sind die Ansätze der beiden Unternehmen völlig unterschiedlich: DeepSeek senkt den Stückpreis des Caches weiter, während OpenAI die Wiederverwendungseffizienz des Caches verbessert.

Preisnachlass, keine Einbußen bei den Fähigkeiten

Nachdem wir so viel über die Preise gesprochen haben, stellt sich die Frage: Es ist zwar günstiger geworden, aber sind die Fähigkeiten auch zurückgegangen?

Aus einigen derzeit veröffentlichten Tests geht hervor, dass OpenAI dieses Mal nicht einfach „Leistung opfert, um den Preis zu senken“, sondern versucht, die Fähigkeiten von GPT-6 Astra zu einem günstigen Preis verfügbar zu machen.

Bei GPT-6 Sol ist dies besonders deutlich: Am Beispiel des echten Software-Engineering-Tests DeepSWE mit langer Kette erreicht GPT-6 Sol bei maximaler Inferenzintensität 68,8 %, was nur 1,1 Prozentpunkte unter dem Wert von 69,9 % von Claude Fable 5 liegt.

Aber nach Schätzungen von OpenAI liegen die Kosten pro Aufgabe um etwa 80 % niedriger.

Mit anderen Worten: Sie können bei Code-Agenten-Arbeiten wie dem Verstehen von Codebasen, dem Ändern von Code und der Fehlersuche 80 % des Geldes sparen.

Im anwendungsübergreifenden Agenten-Test AutomationBench beträgt die Aufgabenabschlussrate bei der hohen Inferenzstufe xhigh 33,2 %, was über dem Wert von 26,9 % von Claude Opus 5 in der maximalen Stufe liegt.

Was die Kosten angeht: Eine einzelne Aufgabe kostet nur 0,27 USD, was etwa dem 11-fachen des Preises von Opus 5 entspricht.

Man sieht also: Beim Schreiben von Code, Einstellen von Werkzeugen und Ausführen von mehrstufigen Aufgaben liefert GPT-6 Sol eine Leistung, die nahe an der eines Flaggschiffmodells liegt, und das zu niedrigeren Kosten.

GPT-6 Luna hingegen verfolgt einen anderen Ansatz: Es bietet ausreichend starke Code- und Agentenfähigkeiten zu einer noch niedrigeren Kostenstufe.

GPT-6 Luna erreicht bei maximaler Inferenzintensität ebenfalls 66,6 %, was nur 2,2 Prozentpunkte unter dem Wert von Sol liegt.

Aber wie hoch sind die Kosten? Laut OpenAI liegen sie um 93 % unter denen von Claude Opus 5 und um 96 % unter denen von Fable 5.

Darüber hinaus wurden die Langkontext- und Inferenzfähigkeiten nicht gekürzt.

Sowohl GPT-6 Sol als auch GPT-6 Luna unterstützen einen Kontext von etwa 1 Million Tokens und eine maximale Ausgabemenge von 128K Tokens.

Lange Codebasen, Dokumentsammlungen und mehrstufige Agenten-Zustände können direkt eingegeben werden.

Beide Modelle unterstützen zudem eine einstellbare Inferenzintensität und verfügen zusätzlich über eine Stufe „none“, die es im Vergleich zu Astra erlaubt, die explizite Inferenz vollständig zu deaktivieren.

Bei einfachen Extraktions-, Klassifizierungs- und Routingaufgaben kann die Inferenz direkt deaktiviert werden, um die Geschwindigkeit zu maximieren; bei komplexer Codierung oder dokumentenübergreifender Analyse kann die Inferenzstufe dann erhöht werden.

Praxisprüfung: Wie weit kann man mit diesem günstigen Preis tatsächlich kommen?

Der ausländische Entwickler Nate Herk ließ GPT-6 Sol und Claude Opus 5.5 einen ganzen Tag lang anhand von 10 echten Aufgaben direkt gegeneinander antreten. Das Ergebnis lautete: 7 Siege für Opus, 1 Sieg für Sol und zwei ungültige Ergebnisse aufgrund von Ordnerkonflikten.

Opus hat in vielen Bereichen die Nase vorn: Zum Beispiel erzeugt es bei Webdesigns mehrschichtige Tiefe und Details wie das Rauchen einer geöffneten Dose, bei Videoschnitten gibt es passende Rhythmen und Soundeffekte, bei 3D-Lernwelten kann man herumstöbern und spielen, und bei Canva-Zeichnungen ist das Ergebnis sogar dem Referenzbild näher als bei der vorherigen Leistung von Astra.

Der einzige Sieg von Sol lag bei der Code-Prüfung und -Reparatur: Es bestand alle 30 Prüfungen mit voller Punktzahl, während Opus 29 von 30 erreichte.

Aber der Kostenunterschied ist ebenfalls sehr deutlich: Opus verbrauchte 213 USD, während Sol nur 74,46 USD kostete.

Nates Schlussfolgerung lautet: Es ist die bessere Vorgehensweise, Opus für kreative Arbeiten und Beurteilungen zu verwenden, während Sol für die Ausführung klar definierter Aufgaben eingesetzt wird. 

Die Rückmeldungen anderer Blogger sind ähnlich: In den meisten Szenarien ist Opus deutlich besser. Zum Beispiel bei dem unten gezeigten Spieldesign sind die Details von Opus offensichtlich reichhaltiger.

Es gibt noch einen anschaulicheren direkten Vergleich derselben Aufgabe: „Erstelle eine interaktive Website für einen imaginären Planeten“. Sol erstellte 3 Planeten in 10 Minuten und verbrauchte nur 1 % des 200-USD-Guthabens. 

Opus lieferte nach 26 Minuten ein komplettes Sonnensystem und verbrauchte 16 % des 20-USD-Guthabens. Die Planeten sehen ähnlich aus, der Unterschied ist, dass Sol schneller und sparsamer ist, während Opus umfangreicher und detaillierter ist.