GPT-6 Sol und GPT-6 Luna stammen aus derselben Familie, richten sich aber an völlig unterschiedliche Aufgaben. Der Preisunterschied ist mit dem 20-Fachen gewaltig. Wer die falsche Wahl trifft, zahlt drauf oder bekommt zu wenig.
Der Preisabstand bestimmt alles
Zwischen Sol und Luna liegen Welten. Sol kostet 2 US-Dollar pro eine Million Input-Tokens und 10 US-Dollar pro eine Million Output-Tokens, während Luna mit 0,10 und 0,50 US-Dollar zu Buche schlägt. Pro Token ist Sol also 20-mal teurer.
Diese Zahl allein sagt wenig. Entscheidend ist, was die Modelle für dieses Geld leisten. Beide gehören zur GPT-6-Reihe von OpenAI und teilen sich denselben Ursprung, sind aber unterschiedlich trainiert und für unterschiedliche Einsatzbereiche gedacht.
Wo Sol vorne liegt
Sol ist auf Aufgaben ausgelegt, die mehrere Schritte verlangen und bei denen das Modell selbst nachdenken muss. Dazu gehören das Entwickeln neuer Funktionen, das Prüfen von Code, die Fehlersuche und das Auswerten von Daten.
Auf dem AutomationBench, einem Test für Geschäftsabläufe über 47 Werkzeuge hinweg, erreicht Sol bei höchster Reasoning-Stufe 33,2 Prozent und liegt damit über dem Spitzenwert von Claude Opus 5, das auf 26,9 Prozent kommt. Beide Werte sind Anbieterangaben.
Der Vergleich ist trotzdem aussagekräftig, weil er den Kostenhebel zeigt: Sol erledigt eine Aufgabe für 0,27 US-Dollar, während der teurere Konkurrent für ein schlechteres Ergebnis deutlich mehr verlangt. Der Vorsprung entsteht also nicht nur beim Score, sondern auch beim Preis pro erledigter Aufgabe, und genau dieser Wert entscheidet im Alltag über die Rechnung am Monatsende.
Wo Luna den Abstand verkleinert
Auf DeepSWE 1.1, einem Test für Softwareentwicklung mit langen Arbeitsschritten, rückt Luna dicht an Sol heran. Bei maximaler Stufe erzielt Luna 66,6 Prozent, Sol bei gleicher Stufe 68,8 Prozent. Der Unterschied beträgt gut zwei Prozentpunkte.
Der Kostenunterschied ist dabei ungleich größer. Laut OpenAI kostet Luna pro Aufgabe 93 Prozent weniger als Claude Opus 5 und 96 Prozent weniger als Claude Fable 5. Sol liegt im selben Test bei 1 US-Dollar pro Aufgabe, Luna bei 0,22 US-Dollar.
Das erklärt, warum die Wahl nicht pauschal ausfällt, sondern vom Aufgabentyp abhängt. Für klar umrissene Aufgaben reicht Luna fast immer aus. Sol spielt seine Stärke erst aus, wenn mehrere Schritte, Werkzeuge und Entscheidungen zusammenkommen, also dann, wenn das Modell den Weg zum Ziel selbst finden muss.
Der Unterschied liegt im Aufgabenprofil
Die beiden Modelle trennt weniger die Qualität als der Rahmen der Aufgabe. Bei Luna bleibt der Auftrag eng gefasst: zusammenfassen, Informationen herausziehen, kurze Fragen beantworten. Sol darf dagegen selbst planen und Zwischenschritte einbauen.
Daraus folgen zwei typische Situationen:
- Massenverarbeitung: Tausende Dokumente auswerten, Kundenanfragen sortieren, kurze Texte erzeugen. Luna ist hier die günstigere Wahl, weil die Aufgaben gleichförmig bleiben.
- Agentenarbeit: Ein Ablauf soll über mehrere Programme laufen, Fehler selbst erkennen und nachbessern. Dafür ist Sol gedacht.
Wer beide Aufgaben im Haus hat, wird nicht um eine Kombination herumkommen. Die Regel lautet dann: Luna für die Masse, Sol für die kniffligen Fälle.
Astra bleibt außen vor
Wer die anspruchsvollste Arbeit erledigen will, landet weder bei Sol noch bei Luna. Dafür gibt es Astra, das Flaggschiff der GPT-6-Familie. Es ist teurer als beide, aber laut OpenAI das leistungsstärkste Modell im Angebot.
Die drei Modelle decken damit unterschiedliche Kostenklassen ab. Luna ist die Unterkante, Sol die Mitte, Astra die Spitze. Terra, der günstigste Vertreter der alten 5.6er-Reihe, ist weggefallen, sodass sich die Auswahl innerhalb der Familie jetzt klarer an drei Stufen ausrichtet.
Wann welches Modell in Frage kommt
Wer viele gleichförmige Aufgaben zu erledigen hat und auf die Kosten achtet, fährt mit Luna günstiger. Sobald ein Ablauf selbstständig Entscheidungen treffen soll, führt der Weg zu Sol.
Die Frage lautet also nicht, welches Modell besser ist, sondern welches zum jeweiligen Auftrag passt. Wer unsicher ist, testet zunächst mit Luna und wechselt erst dann zu Sol, wenn die Ergebnisse für die eigene Aufgabe nicht ausreichen. Welches Modell passt zu Ihnen?
