OpenAI halbiert mit GPT-6 Sol und Luna die Preise für seine KI-Modelle

Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.

Wenn man Anthropic schon nicht bei der Leistung der KI-Modelle schlagen kann, in den Preiskampf kann man immerhin ziehen:  OpenAI hat soeben mit GPT-6 Sol und GPT-6 Luna zwei neue KI-Modelle veröffentlicht, die vor allem bei den Kosten punkten sollen. Beide Modelle ergänzen das Flaggschiff GPT-6 alias „Astra“, das OpenAI erst Anfang des Monats vorgestellt hat, und kosten pro Token halb so viel wie ihre Vorgänger aus der GPT-5.6-Reihe. Laut OpenAI wurden Sol und Luna mit ähnlichen Methoden trainiert wie Astra, sollen aber schneller und günstiger sein. Unabhängige Benchmarks zeichnen bei der Leistung ein gemischtes Bild.

Neue Preisliste: Sol und Luna im Vergleich

GPT-6 Sol kostet künftig 2 statt 4 US-Dollar pro Million Input-Tokens und 10 statt 20 US-Dollar pro Million Output-Tokens. Das kleinere Modell GPT-6 Luna kostet 0,10 statt 0,20 US-Dollar für Input und 0,50 statt 1,20 US-Dollar für Output. OpenAI bezieht die Preissenkung von 50 Prozent dabei auf die bisherigen Aktionspreise von GPT-5.6. Unverändert bleiben die Konditionen für das Caching: Wiederverwendete Inhalte (Cache Reads) sind um 90 Prozent günstiger, für das Schreiben in den Cache fällt laut Artificial Analysis ein Aufschlag von 25 Prozent an.

Zum Vergleich: Das Flaggschiff GPT-6 Astra kostet in der API 10 US-Dollar pro Million Input-Tokens und 50 US-Dollar pro Million Output-Tokens. Sol ist damit um den Faktor fünf günstiger als Astra, Luna sogar um den Faktor 100. Für die anspruchsvollsten Aufgaben empfiehlt OpenAI trotzdem weiterhin Astra. Im AutomationBench kostet laut OpenAI selbst Astra in der niedrigsten Rechenstufe pro Aufgabe fast viermal so viel wie Sol in einer hohen Stufe und schneidet dabei schlechter ab.

Die niedrigeren Preise begründet OpenAI mit Verbesserungen bei Caching und Inferenz, die den Betrieb der Modelle günstiger machen. Diese Ersparnisse gebe man direkt an Nutzer:innen und Kund:innen weiter.

Was eine Aufgabe tatsächlich kostet

Aussagekräftiger als der Token-Preis ist für Entwickler:innen oft, was eine konkrete Aufgabe kostet. Artificial Analysis beziffert die Kosten pro Aufgabe im eigenen Intelligence Index für GPT-6 Sol in der höchsten Rechenstufe auf 1,06 US-Dollar, beim Vorgänger waren es noch 1,99 US-Dollar. GPT-6 Luna kommt auf 0,07 US-Dollar pro Aufgabe statt 0,18 US-Dollar, ein Minus von rund 60 Prozent. Die Ersparnis ergibt sich ausschließlich aus der Preissenkung, denn beide Modelle verbrauchen pro Aufgabe sogar etwas mehr Output-Tokens als ihre Vorgänger. Mit den beiden Modellen besetzt OpenAI laut Artificial Analysis einen großen Teil der sogenannten Pareto-Grenze, also jener Modelle mit dem besten Verhältnis aus Leistung und Kosten.

OpenAI selbst stellt vor allem Kostenvergleiche mit Anthropic in den Vordergrund. Im AutomationBench, der Geschäftsprozesse über verschiedene Apps hinweg testet, soll GPT-6 Sol besser abschneiden als Claude Opus 5 und dabei nur 9 Prozent von dessen Kosten pro Aufgabe verursachen. Eine Aufgabe kostet dort mit Sol 0,27 US-Dollar. Im Coding-Benchmark DeepSWE liege Sol nur 1,1 Prozentpunkte hinter dem Bestwert von Claude Fable 5, bei rund 80 Prozent niedrigeren Kosten. Luna soll dort auf dem Niveau von Opus 5 und Fable 5 in mittlerer Rechenstufe liegen und pro Aufgabe 93 beziehungsweise 96 Prozent weniger kosten. Bei der Computer-Steuerung (OSWorld 2.0) erreiche Sol ähnliche Werte wie Opus 5 zu rund einem Fünftel der Kosten. Dabei handelt es sich um Angaben des Herstellers, die Werte der Konkurrenzmodelle stammen laut OpenAI aus öffentlich verfügbaren Berichten.

Coding-Agenten treiben die Kosten

Wie stark die Kosten bei intensiver Nutzung ins Gewicht fallen, zeigt OpenAI mit Zahlen aus dem eigenen Haus. Zu API-Preisen gerechnet, verbrauchen OpenAI-Forscher:innen im Median täglich Tokens im Wert von mehr als 600 US-Dollar, bei den intensivsten zehn Prozent sind es über 7.000 US-Dollar pro Tag. Weil Coding-Agenten immer längere und komplexere Aufgaben übernehmen, werde der Preis für dauerhafte Nutzung wichtiger.

Zusätzlich hat OpenAI das Prompt Caching für GPT-6 überarbeitet. Höhere Trefferquoten im Cache sollen dafür sorgen, dass Agenten mehr Kontext wiederverwenden und so häufiger vom Rabatt von 90 Prozent profitieren. Neu sind ein Dashboard und ein Diagnosetool, mit denen Entwickler:innen ihre Cache-Nutzung überwachen können. Außerdem lassen sich Rechenstufe und verfügbare Tools künftig ändern, ohne dass der Cache verloren geht. GitHub berichtet laut OpenAI, dass die Verbesserungen den Anteil neu zu verarbeitender Prompt-Tokens bei Copilot um mehr als die Hälfte reduziert haben.

Gemischtes Bild in unabhängigen Tests

Im Coding Agent Index von Artificial Analysis legt GPT-6 Sol um zwei Punkte auf 57 zu, eine Coding-Aufgabe kostet rund 2,99 US-Dollar und damit etwa halb so viel wie zuvor. GPT-6 Luna verliert hingegen zwei Punkte und kommt auf 41, bei rund 60 Prozent niedrigeren Kosten pro Aufgabe.

Deutliche Fortschritte gibt es bei Halluzinationen. Im Test AA-Omniscience sinkt die Halluzinationsrate von Sol von 92 auf 60 Prozent, jene von Luna von 93 auf 77 Prozent. Sol erreicht das allerdings vor allem dadurch, dass das Modell häufiger auf eine Antwort verzichtet: Es beantwortet nur noch 83 Prozent der Fragen, die Genauigkeit sinkt dabei von 59 auf 54 Prozent. OpenAI berichtet in einer internen Auswertung, dass Sol rund halb so viele Faktenfehler mache wie sein Vorgänger.

Rückschritte verzeichnen die Tester:innen von Artificial Analysis bei klassischer Wissensarbeit. Im Benchmark GDPval-AA, der wirtschaftlich relevante Aufgaben aus 44 Berufen abbildet, verliert Sol rund 100 Elo-Punkte, Luna etwa 75. Nach manueller Prüfung hunderter Ergebnisse führt Artificial Analysis das auf eine schwächere Aufbereitung und auf Ergebnisse zurück, bei denen geforderte Elemente fehlen. OpenAI wiederum betont, dass die neuen Modelle klarer und etwas knapper antworten als ihre Vorgänger.

Box-CEO Levie sieht Jevons-Paradoxon am Werk

Die Preissenkung fällt zeitlich mit einem Update von Anthropic zusammen, das mit Claude Opus 5.5 ebenfalls ein neues Modell samt Preissenkung von 20 Prozent vorgestellt hat. Aaron Levie, CEO des Cloud-Content-Anbieters Box, spricht auf LinkedIn von einem „verrückten Tag in der KI“. Die größere Nachricht für alle, die Agenten bauen, sei aus seiner Sicht, dass die Modelle deutlich günstiger geworden sind.

Das Tempo, mit dem die Kosten pro Aufgabe bei vergleichbarer Leistung sinken, sei laut Levie mit keiner anderen Technologie in der Geschichte vergleichbar. Mit jeder Preissenkung wachse die Zahl der Anwendungsfälle, für die sich KI-Agenten einsetzen lassen. Levie beschreibt das als Jevons-Paradoxon, angewandt auf Agenten: Sinkende Kosten führen zu mehr Nutzung statt zu Einsparungen. Als Beispiele nennt er Agenten, die sämtliche Unternehmensdaten verarbeiten, Code auf Sicherheitslücken prüfen, Log-Daten auswerten oder als ganze Agenten-Schwärme in Workflows arbeiten. Die Token-Kosten stünden in direktem Zusammenhang damit, ob solche Einsatzszenarien im großen Maßstab wirtschaftlich werden.

Verfügbarkeit und Preiskampf

GPT-6 Sol und Luna stehen ab sofort in ChatGPT Work und Codex für Nutzer:innen der Tarife Plus, Pro, Business, Enterprise und Edu zur Verfügung, die Einführung erfolgt schrittweise. Wer ChatGPT kostenlos oder im Go-Tarif nutzt, erhält Zugriff auf GPT-6 Luna in der Desktop-App. In der API heißen die Modelle gpt-6-sol und gpt-6-luna.

Die Veröffentlichung reiht sich in einen zunehmenden Preiswettbewerb zwischen den führenden KI-Anbietern ein. OpenAI hatte bereits beim Start von GPT-5.6 mit deutlich niedrigeren Kosten im Vergleich zur Konkurrenz geworben. Für Unternehmen, die KI-Agenten in großem Umfang einsetzen, dürften die neuen Preise spürbare Auswirkungen auf die Kalkulation haben. Ob die Rückschritte bei Wissensarbeit für die jeweiligen Anwendungsfälle ins Gewicht fallen, müssen Nutzer:innen im Einzelfall prüfen.