• Deutsch
  • English
  • OpenAI veröffentlicht mit GPT-6.2 Astra und GPT-6.2 Sol zwei Modelle für unterschiedliche berufliche Ansprüche. Astra ist für komplexe Projekte vorgesehen, Sol für schnellere Alltagsaufgaben; beide stehen laut Anbieter in ChatGPT Work, Codex und über die Programmierschnittstelle (API) bereit. Für dich sind vor allem drei Punkte relevant: die gesunkenen Nutzungskosten, neue Fachanwendungen für Verkauf und Recht sowie weiterhin deutliche Grenzen bei Verlässlichkeit und Programmierleistung.

    Was sind GPT-6.2 Astra und Sol?

    GPT-6.2 Astra und Sol sind geschlossene Sprachmodelle, also Systeme, die Text- und Bildeingaben verarbeiten und Text ausgeben, deren technische Grundlagen aber nicht öffentlich zugänglich sind. OpenAI bezeichnet Astra als Spitzenmodell für besonders schwierige, mehrstufige Projekte. Sol ist die effizientere Variante für alltägliche Arbeit und ersetzt GPT-6.1 Sol.

    Die Ankündigung von OpenAI nennt bessere Ergebnisse bei professionellen Aufgaben, Programmierung, Computerbedienung und Effizienz. Dazu gehören laut einer Zusammenfassung von MarkTechPost sauberere Präsentationen, Tabellen und Dokumente, die Vorlagen und fachliche Konventionen besser einhalten sollen. Diese Qualitätsversprechen stammen überwiegend vom Anbieter und sind noch nicht für alle Einsatzarten unabhängig geprüft.

    Beide Modelle verfügen laut MarkTechPost über ein Kontextfenster von 1,05 Millionen Token. Ein Token ist ein kleiner Textbaustein, nach dem Eingaben und Ausgaben abgerechnet werden. Davon können höchstens 922’000 Token auf die Eingabe und 128’000 auf die Ausgabe entfallen. Das erlaubt theoretisch die Verarbeitung sehr umfangreicher Dokumentensammlungen oder langer Arbeitssitzungen, bedeutet aber nicht automatisch, dass jedes Detail zuverlässig berücksichtigt wird.

    Bei der Verfügbarkeit sind die Quellen nicht ganz deckungsgleich. MarkTechPost nennt ausschliesslich die API, ChatGPT Work und Codex, während THE DECODER zusätzlich Plus-, Pro-, Enterprise- und Edu-Nutzer aufführt. Pro-500-Abonnenten sollen beide Modelle im Ultrafast-Modus verwenden können; für Pro-200 wird dieser Modus zunächst mit Sol genannt. Die gelieferten Quellen enthalten keine Angaben zu regionalen Einschränkungen in der Schweiz.

    Was kosten die beiden Modelle?

    Die genannten Preise beziehen sich auf die API und nicht auf ein ChatGPT-Abonnement. GPT-6.2 Astra kostet 8 US-Dollar pro Million Input-Token, 0,40 Dollar pro Million zwischengespeicherter Input-Token und 40 Dollar pro Million Output-Token. Zwischengespeicherte Eingaben sind bereits verarbeitete Textteile, die bei wiederholter Verwendung günstiger abgerechnet werden können.

    Damit ist Astra laut OpenAI 20 Prozent günstiger als GPT-6 Astra, das 10 Dollar für die Eingabe und 50 Dollar für die Ausgabe pro Million Token kostete. Simon Willison weist darauf hin, dass der Preis für zwischengespeicherte Eingaben sogar von 1 Dollar auf 0,40 Dollar pro Million fällt. Das kann bei langen, wiederkehrenden Arbeitssitzungen mit denselben Unterlagen stärker ins Gewicht fallen als der allgemeine Preisnachlass.

    GPT-6.2 Sol bleibt bei 2 Dollar pro Million Input-Token, 0,10 Dollar für zwischengespeicherte Eingaben und 10 Dollar pro Million Output-Token. Damit kostet Sol auf allen drei Positionen ein Viertel des Astra-Preises und bleibt auf dem Niveau von GPT-6.1 Sol und GPT-6 Sol. Gegenüber GPT-5.6 Sol mit 4 beziehungsweise 20 Dollar für Ein- und Ausgabe hatte sich der Preis bereits halbiert.

    Für normale Anwenderinnen und Anwender sagen Tokenpreise nur begrenzt etwas über die tatsächliche Rechnung aus. Sie hängen von Dokumentlänge, Zahl der Antworten, wiederholten Eingaben und gewähltem Modell ab. OpenAI erklärt zudem, beide Modelle benötigten weniger Ausgabe-Token, um Aufgaben abzuschliessen; ob daraus bei deiner konkreten Arbeit niedrigere Gesamtkosten entstehen, lässt sich aus den Quellen nicht ableiten. Preise für die genannten ChatGPT-Abonnements werden in den vorliegenden Meldungen nicht aufgeführt.

    Welche beruflichen Anwendungen kommen hinzu?

    Der deutlichste Ausbau betrifft spezialisierte Arbeitsabläufe. Mit ChatGPT for Sales führt OpenAI ein Verkaufs-Plugin sowie mehr als 30 neue oder erweiterte Partner-Plugins ein. Ein Plugin verbindet ChatGPT mit einer bestimmten Funktion oder einem externen Arbeitswerkzeug.

    Im Verkaufsalltag kann das System laut Anbieter potenzielle Kundinnen und Kunden recherchieren, Präsentationen vorbereiten und Einträge in einem Customer-Relationship-Management-System (CRM) aktualisieren, also in der zentralen Kunden- und Kontaktverwaltung eines Unternehmens. Ein konkretes Beispiel wäre die Vorbereitung eines Verkaufsgesprächs: ChatGPT sammelt Informationen zum Zielunternehmen und erstellt daraus einen Entwurf für die Präsentation. Ein zweites Beispiel ist die Nachbearbeitung, bei der Angaben zum Gespräch in das CRM übertragen und nächste Schritte vorbereitet werden.

    Für juristische Arbeit gibt es Astra for Law. OpenAI berichtet, die Fachvariante habe in einer Einführungsauswertung über 24 Rechtsgebiete den ersten Platz erreicht. Alle Kundinnen und Kunden von ChatGPT Enterprise können demnach Zugang beantragen. Die Kurzmeldung nennt jedoch weder Vergleichsmodelle noch Bewertungsmethode oder konkrete Fehlerquoten, weshalb sich daraus keine allgemeine juristische Zuverlässigkeit ableiten lässt.

    Die Ausrichtung auf anspruchsvolle Facharbeit hat eine Vorgeschichte. Einen Tag vor der Einführung von GPT-6.2 berichtete THE DECODER, dass das frühere GPT-6 Astra bei einem möglichen mathematischen Beweis für ein Gittermodell der Teilchenphysik mitgewirkt habe. Das Modell setzte eine Idee des Physikers Nathaniel Craig mathematisch um; weitere Physiker stellten kritische Fragen. Für realistische Simulationen sei weiterhin viel Arbeit nötig. Das Beispiel zeigt spezialisiertes Potenzial, aber ebenso die Bedeutung menschlicher Kontrolle und darf nicht ohne Weiteres auf GPT-6.2 übertragen werden.

    Für die Schweiz fehlen Angaben zu unterstützten Landessprachen, lokaler Datenhaltung oder besonderen Datenschutzbedingungen. Unternehmen, Schulen und Verwaltungen können daher aus den vorliegenden Quellen nicht ableiten, ob sensible Schweizer Daten in diesen Fachanwendungen anders behandelt werden als in den allgemeinen Diensten. Die Verfügbarkeit für Enterprise- und Edu-Konten ist relevant, ersetzt aber keine Prüfung der jeweils geltenden Vertrags- und Datenschutzvorgaben.

    Pro und Kontra von GPT-6.2 Astra und Sol

    Pro:

    • Klare Aufgabenteilung – Astra richtet sich an schwierige, lange Projekte, während Sol die günstigere Wahl für häufige Alltagsaufgaben ist.
    • Niedrigere Astra-Preise – Ein- und Ausgabe kosten in der API 20 Prozent weniger als beim direkten Vorgänger, zwischengespeicherte Eingaben noch deutlicher weniger.
    • Grosse Arbeitsgrundlage – Das Kontextfenster von 1,05 Millionen Token kann umfangreiche Dokumente und längere Sitzungen aufnehmen.
    • Berufliche Spezialisierung – Verkaufsfunktionen und Astra for Law bringen zugeschnittene Abläufe statt nur eines allgemeinen Chatfensters.

    Kontra:

    • Hohe Fehlerrate im Test – MarkTechPost nennt im AA-Omniscience-Test 59 Prozent für Astra und 55 Prozent für Sol; der Wert beschreibt diesen Benchmark und nicht die Fehlerwahrscheinlichkeit jeder Antwort.
    • Kaum Fortschritt beim Programmieren – Berichte sehen bei beiden Modellen eine Stagnation, und Sol verlor im genannten Coding Agent Index drei Punkte.
    • Unvollständige Produktangaben – Abonnementspreise sowie schweizspezifische Informationen zu Sprache, Verfügbarkeit und Datenschutz fehlen.
    • Geschlossene Bewertung – Mehrere Leistungsangaben stammen von OpenAI, während Details zu Fachtests wie Astra for Law nur teilweise offengelegt sind.

    Auch die unabhängiger wirkenden Vergleichswerte ergeben kein einheitliches Bild. Astra erreicht laut MarkTechPost 62 Punkte im Artificial Analysis Intelligence Index und liegt damit hinter Claude Fable 5.2 mit 65 Punkten. Im räumlichen AA-3D-Test steht Astra dagegen mit 1’318 Elo-Punkten vor Fable 5.2 mit 1’271; Elo ist ein relatives Bewertungssystem aus direkten Vergleichen.

    Ein praktischer Versuch von Simon Willison fällt ebenfalls gemischt aus. Astra und Sol sollten in Codex eine 3D-Animation erstellen, in der Yonkers zu einer grossen Maschine wird und sich durch New York bewegt. Nach seiner Einschätzung gelang die zentrale Verwandlung bei beiden Modellen weniger gut als bei Claude Fable 5.2 und Gemini 4 Carbon. Gute Gesamtwerte garantieren somit nicht, dass eine ungewöhnliche kreative Aufgabe überzeugend gelöst wird.

    Was heisst das für deine Praxis?

    Wenn du einsteigst, ist Sol der naheliegende erste Test für wiederkehrende Büroarbeit: Lass beispielsweise ein vorhandenes Dokument zusammenfassen oder einen Präsentationsentwurf aus bereits geprüften Unterlagen erstellen. Verwende keine sensiblen Daten, solange die Datenschutzbedingungen deines Kontos und deines Arbeitgebers nicht geklärt sind. Prüfe Namen, Zahlen und fachliche Aussagen an den Ausgangsdokumenten, denn das grosse Kontextfenster beseitigt erfundene oder übersehene Angaben nicht.

    Für Fortgeschrittene lohnt sich Astra dort, wo eine Aufgabe mehrere Schritte, umfangreiche Unterlagen oder strenge Formate umfasst. Du kannst etwa eine Präsentation und eine Tabelle aus derselben geprüften Dokumentensammlung entwickeln lassen und anschliessend kontrollieren, ob Vorlagen und Fachkonventionen eingehalten wurden. Wiederkehrende Eingaben können wegen des günstigeren Cache-Preises wirtschaftlich interessant sein, während Sol für Vorarbeiten oder häufige Standardaufgaben die deutlich preiswertere Option bleibt.

    In Verkaufsteams bietet sich ein begrenzter Ablauf an: zuerst Recherche und Präsentationsentwurf, danach menschliche Prüfung und erst dann die Aktualisierung des CRM. Bei juristischen Aufgaben sollte Astra for Law als Assistenz für Sichtung und Strukturierung verstanden werden, nicht als Ersatz für qualifizierte Rechtsberatung. Der gemeldete erste Platz über 24 Rechtsgebiete ist ein Anhaltspunkt, aber ohne veröffentlichte Testdetails kein ausreichender Beleg für den sicheren Einsatz in einem konkreten Fall.

    GPT-6.2 Astra und Sol verbinden niedrigere API-Kosten mit einer klareren Trennung zwischen komplexer Facharbeit und günstigem Alltagseinsatz. Die neuen Verkaufs- und Rechtsfunktionen machen die Modelle beruflich konkreter, doch unabhängige Tests zeigen stagnierende Programmierleistung und erhebliche Probleme bei falschen Antworten. Offen bleibt vor allem, wie zuverlässig die Systeme ausserhalb ausgewählter Messungen arbeiten und welche Bedingungen für Schweizer Organisationen bei Datenschutz, Sprache und Verfügbarkeit gelten.

    Quellen

    AI-FunghiAI-Funghi

    Bild: Kampus Production via Pexels

    © 2024 - 2026 ai-funghi.com | All Rights Reserved | Impressum | Datenschutz