OpenAI führt die bisherigen Bereiche Chat und Work in ChatGPT zusammen und lässt ChatGPT sowie Codex künftig aus einem gemeinsamen Token-Kontingent schöpfen. Das betrifft vor allem Menschen, die neben normalen Unterhaltungen auch längere Aufgaben, Dateiarbeit oder Programmieraufträge ausführen lassen. Gleichzeitig erschweren neue Gerätegrenzen den Wechsel zwischen mehreren bezahlten Konten, während zusätzliche Codex-Integrationen den Verbrauch weiter erhöhen können.
Eine Oberfläche für Chat und Arbeitsaufträge
Die ChatGPT-Desktop-App trennt bisher zwischen ChatGPT und Codex sowie innerhalb von ChatGPT zwischen Chat und Work. Codex ist ein auf Programmieraufgaben ausgerichteter Assistent, während Work umfangreichere, teilweise selbstständig ausgeführte Arbeitsabläufe bündelt. Diese Aufteilung kann unübersichtlich werden, wenn du nicht mehr genau weisst, in welchem Bereich ein Projekt, eine Datei oder ein Arbeitsauftrag liegt.
Nach einer E-Mail von OpenAI an ausgewählte Nutzerinnen und Nutzer sollen Chat und Work deshalb in einer gemeinsamen Oberfläche aufgehen. Der Zugang werde zunächst mit einer begrenzten Gruppe getestet und später breiter ausgerollt. Codex soll dagegen eine eigene Erfahrung innerhalb der Desktop-App bleiben.
Praktisch sollst du eine Idee künftig im Chat besprechen und anschliessend am gleichen Ort ausführen lassen können. Als Beispiele nennt OpenAI das Erstellen einer Website, den Aufbau einer Präsentation aus mitgebrachten Dateien und Aufgaben im Web, die du während der Ausführung kontrollierst. Damit wird die Grenze zwischen einer einzelnen Antwort und einem mehrstufigen Arbeitsauftrag weniger sichtbar.
Ganz neu ist dieser Ansatz nicht. Anthropic hatte laut den Berichten bereits im September die Chat- und Cowork-Funktionen von Claude in einer Ansicht zusammengeführt. Bei ChatGPT ist die Änderung dennoch relevant, weil die vereinfachte Oberfläche mit einer neuen Abrechnung der Nutzung verbunden wird.
Gemeinsame Token verändern die Nutzung
Ein Token ist eine kleine Informationseinheit, die ein Sprachmodell beim Lesen einer Eingabe und Erzeugen einer Antwort verarbeitet. Die Zahl der Token entspricht nicht einfach der Zahl deiner Nachrichten: Lange Dokumente, komplexe Modelle und mehrstufige Aufgaben können erheblich mehr Kontingent beanspruchen als eine kurze Frage. Laut einer Zusammenfassung der aktualisierten OpenAI-Regeln sollen Plus-, Pro- und Business-Tarife ab Dezember ein gemeinsames Kontingent für ChatGPT und Codex erhalten.
Damit konkurrieren zwei bisher leichter getrennt wahrnehmbare Nutzungsarten um denselben Vorrat. Wenn du morgens mit ChatGPT eine Präsentation aus mehreren Dateien erstellst und später Codex einen umfangreichen Programmierauftrag bearbeiten lässt, belastet beides dasselbe Kontingent. OpenAI erklärt laut TechCrunch, dass die Änderung die meisten Menschen nicht beeinträchtigen werde; abhängig von Modell und Nutzung könnten einzelne Personen jedoch häufiger auf eine Zurücksetzung ihres Limits warten müssen.
Restbudget und Zeitpunkt der nächsten Zurücksetzung sollen in den Einstellungen sichtbar sein. Wenn das Kontingent aufgebraucht ist, bleiben laut Bericht drei Möglichkeiten: auf den Reset warten, den Tarif wechseln oder zusätzliche Credits kaufen. Konkrete Preise und die genaue Grösse der Kontingente nennen die vorliegenden Quellen nicht.
Einfache Sofort-Chats mit sogenannten Instant-Modellen sollen nicht auf das gemeinsame Kontingent angerechnet werden. Ein Instant-Modell ist eine auf schnelle Antworten ausgerichtete Modellvariante. Dadurch bleibt ChatGPT formal breit nutzbar, doch anspruchsvollere Funktionen können früher pausieren als gewöhnliche Unterhaltungen.
Die tatsächliche Belastung dürfte stark vom jeweiligen Arbeitsablauf abhängen. Ein gesponserter Beitrag über die Kosten von KI-Programmieragenten beziffert den Token-Verbrauch einer einzelnen agentischen Programmieraufgabe auf das Zehn- bis Fünfzigfache einer einfachen Chat-Eingabe. Agentisch bedeutet hier, dass das System plant, Code erzeugt, Tests ausführt und Fehler in mehreren Schleifen korrigiert. Die Angabe stammt aus einem gesponserten Text und ist für die neuen ChatGPT-Kontingente nicht unabhängig bestätigt, zeigt aber, warum wenige komplexe Aufgaben mehr ins Gewicht fallen können als viele kurze Chats.
Pro und Kontra der Zusammenlegung
Pro:
- Weniger Orientierungslast – Ideen, Dateien und ausgeführte Aufgaben liegen näher beieinander, sodass du seltener zwischen Chat und Work wechseln musst.
- Durchgängige Abläufe – Eine Unterhaltung kann direkt in eine Website, eine Präsentation oder eine beaufsichtigte Web-Aufgabe übergehen.
- Sichtbarer Verbrauch – Das geplante Restbudget und die Reset-Zeit in den Einstellungen erleichtern die Planung intensiver Aufgaben.
- Passender Einsatz einfacher Modelle – Nicht angerechnete Instant-Chats können das gemeinsame Kontingent für anspruchsvollere Arbeiten schonen.
Kontra:
- Gemeinsamer Engpass – Intensive Codex-Nutzung kann deine verfügbaren Ressourcen für komplexe ChatGPT-Aufträge verkleinern und umgekehrt.
- Schwer abschätzbare Kosten – Ohne veröffentlichte Kontingentgrössen und Preise für Zusatzguthaben lässt sich der tatsächliche Bedarf nur begrenzt planen.
- Unsichtbare Komplexität – Eine einfachere Oberfläche kann verdecken, dass unterschiedliche Modelle und Arbeitsschritte sehr verschieden viele Token verbrauchen.
- Mögliche Wartezeiten – Nach Erreichen des Limits musst du unter Umständen auf den Reset warten oder zusätzliche Ausgaben akzeptieren.
Die neue Oberfläche reduziert damit eine Form der Komplexität, führt aber eine andere deutlicher vor Augen. Laut The Decoder stehen je nach Tarif zwei Betriebsmodi mit insgesamt elf Modelleinstellungen zur Auswahl, deren Unterschiede selbst für erfahrene Nutzerinnen und Nutzer schwer nachvollziehbar sein können. Eine gemeinsame Verbrauchsanzeige hilft, ersetzt aber keine verständliche Erklärung, welche Aufgabe welches Kontingent belastet.
Gerätegrenzen erschweren mehrere Abos
Zusätzlich zu den Token-Kontingenten setzt OpenAI laut einem Bericht über neue Karten- und Gerätegrenzen Beschränkungen für mehrere bezahlte Konten ein. Wer zu viele Abonnements mit derselben Zahlungskarte oder demselben Gerät verbindet, kann demnach keine weiteren Abos abschliessen. Erreicht ein Gerät die zulässige Zahl bezahlter Konten, erscheint die Meldung «Device limit reached», und das betroffene Konto kann auf diesem Gerät nicht mehr verwendet werden.
Betroffen seien ChatGPT Go, Plus, Pro 100, Pro 200 und Pro 500. Kostenlose Konten sowie Business-, Enterprise- und Edu-Tarife würden nicht mitgezählt. Die genaue Zahl erlaubter Konten pro Gerät geht aus der Quelle nicht hervor, und das Abmelden eines Kontos soll nicht automatisch einen freien Platz schaffen.
Das trifft besonders Personen, die bisher auf einem Laptop zwischen mehreren günstigeren Bezahlkonten gewechselt haben, sobald ein Nutzungslimit erreicht war. OpenAI verweist stattdessen auf zusätzliche Guthaben oder das Warten auf den nächsten Reset. Für eine Einzelperson mit nur einem bezahlten Konto dürfte die Gerätegrenze dagegen weniger relevant sein als das gemeinsame Token-Kontingent.
Für Teams entsteht eine klare Trennung: Mehrere persönliche Abos auf demselben Gerät sind nicht dasselbe wie ein dafür vorgesehener Business- oder Edu-Tarif. Ob und wie die Einschränkung bei gemeinsam genutzten Familiencomputern, Schulgeräten oder wechselnden Arbeitsplätzen angewendet wird, erklären die gelieferten Quellen nicht. Du solltest deshalb nicht davon ausgehen, dass blosses Abmelden ein blockiertes Gerät sofort wieder freigibt.
Neue Codex-Integrationen erhöhen den Nutzen und den Verbrauch
Codex wird trotz der zusammengeführten ChatGPT-Oberfläche nicht bedeutungslos. OpenAI verweist gleichzeitig auf neue Integrationen, darunter ein Codex-Plugin des Anbieters Qodo. Laut der kurzen Anbieterbeschreibung bringt Qodo unternehmensinternes Wissen und Programmierrichtlinien in Codex ein, um besonders kritische Fehler über mehrere Code-Sammlungen hinweg vor dem Öffnen eines Pull Requests zu erkennen. Ein Pull Request ist ein Vorschlag, eine Codeänderung prüfen und in ein Projekt übernehmen zu lassen.
Das ist ein konkretes Beispiel dafür, weshalb Codex mehr als ein zusätzlicher Chat ist. Ein Team könnte vor der formellen Prüfung untersuchen lassen, ob eine Änderung gegen interne Standards verstösst oder Auswirkungen auf mehrere Projekte hat. Die Behauptung, dass dabei Fehler der höchsten Prioritätsstufe erkannt werden, stammt allerdings vom Anbieter und lässt sich anhand der knappen Kurzfassung nicht unabhängig prüfen.
Solche Integrationen können den Nutzen steigern, aber auch längere Arbeitsketten auslösen. Der gesponserte Technology-Review-Beitrag empfiehlt deshalb, nicht nur Token zu zählen, sondern die Kosten mit fertig geprüften und übernommenen Änderungen zu vergleichen. Für normale Anwenderinnen und Anwender lässt sich der Gedanke übertragen: Entscheidend ist nicht allein, wie viel Kontingent eine Aufgabe benötigt, sondern ob daraus eine brauchbare Präsentation, eine funktionierende Website oder ein tatsächlich geprüfter Arbeitsstand entsteht.
Die Quelle nennt als Warnbeispiele einen gemeldeten frühen Verbrauch des gesamten KI-Jahresbudgets von Uber nach einer Ausweitung von Claude Code sowie den Wechsel von GitHub Copilot von einer Pauschale zu gemessenen Credits. Zudem wird eine Gartner-Prognose erwähnt, wonach die Token-Kosten für KI-Programmierung bis 2028 durchschnittliche Entwicklergehälter übersteigen könnten. Das sind keine Aussagen über deinen ChatGPT-Tarif, sondern Hinweise darauf, dass intensive agentische Nutzung finanziell anders funktioniert als gelegentliches Chatten.
Was das für dich in der Praxis heisst
Für Einsteigerinnen und Einsteiger: Beginne mit einem klar abgegrenzten Auftrag und beobachte danach die Verbrauchsanzeige in den Einstellungen. Wenn du etwa aus einigen Dateien eine Präsentation erstellen lässt, prüfst du anschliessend Restbudget und Reset-Zeit, bevor du eine zweite umfangreiche Aufgabe startest. Für kurze Verständnisfragen kann ein nicht angerechnetes Instant-Modell genügen, sofern es die benötigte Qualität liefert.
Für Fortgeschrittene: Trenne einfache Rückfragen, anspruchsvolle Dokumentarbeit und Codex-Aufträge bewusst voneinander. Vergleiche nicht nur die verbrauchten Token, sondern auch das Ergebnis: Wurde die Präsentation tatsächlich verwendbar, die Website fertig oder die Codeänderung geprüft? Wiederholte Korrekturschleifen und fehlgeleitete Agenten können viel Kontingent verbrauchen, ohne entsprechend mehr Nutzen zu schaffen.
Wenn du ChatGPT und Codex beruflich parallel nutzt, lohnt sich zudem eine interne Reihenfolge für grosse Aufgaben. Ein kritischer Codex-Lauf kurz vor dem Reset kann sinnvoller sein als mehrere experimentelle Durchgänge zu Beginn des Zeitraums. Mehrere persönliche Abos auf demselben Gerät sind dagegen keine verlässliche Ausweichstrategie mehr, weil Karten- und Gerätegrenzen diesen Weg blockieren können.
Für die Schweiz nennen die Quellen weder abweichende Verfügbarkeit noch besondere Preise, Sprachoptionen oder Datenschutzregeln. Auch zum Umgang mit Unternehmensdateien, internem Wissen und Programmcode in den neuen Integrationen fehlen konkrete Angaben. Schweizer Privatpersonen, Schulen und Unternehmen können aus den Meldungen daher vor allem die allgemeinen Nutzungsgrenzen ableiten, nicht aber eine landesspezifische Datenschutzbewertung.
Die Zusammenlegung macht ChatGPT auf der Oberfläche verständlicher, koppelt aber allgemeine und spezialisierte Arbeit enger an dasselbe Kontingent. Für gelegentliche Nutzung kann das kaum auffallen; bei langen Dokumenten, Websites oder Codex-Arbeitsläufen wird die Verbrauchsanzeige dagegen Teil der Arbeitsplanung. Offen bleibt, wie gross die einzelnen Kontingente und Gerätegrenzen tatsächlich sind und ob die einfachere Bedienung langfristig mit transparenten Kosten einhergeht.
Quellen
- OpenAI is finally merging ChatGPT’s Chat and Work tabs – Medium unbekannt, 2026-11-02
- ChatGPT legt Chat und Work zusammen und Nutzer müssen mehr mit ihren Token haushalten – Medium unbekannt, 2026-11-01
- ChatGPT setzt neue Gerätelimits: OpenAI macht Schluss mit Abo-Hopping – Medium unbekannt, 2026-11-01
- Stop counting tokens, start counting what ships – Medium unbekannt, 2026-11-02
- Qodo builds context into AI code review with Codex – Medium unbekannt, 2026-11-02
Bild: Mikael Blomkvist via Pexels