OpenAI erweitert seine Modellfamilie um GPT-6 Sol und GPT-6 Luna und halbiert zugleich zentrale Nutzungspreise. Fast gleichzeitig erscheinen Claude Opus 5.5 von Anthropic und Grok 4.7 von SpaceXAI, sodass Anwenderinnen und Anwender zwischen mehreren neuen Frontier-Modellen wählen können – damit sind besonders leistungsfähige aktuelle Systeme der Künstlichen Intelligenz (KI) gemeint. Relevant ist weniger ein spektakulärer Fähigkeitssprung als die Frage, welche Leistung du für dein Budget tatsächlich brauchst.
Was die neuen Modelle unterscheidet
OpenAI beschreibt GPT-6 Sol und Luna als zwei Modelle mit unterschiedlicher Balance aus Fähigkeiten und Kosten. Sol richtet sich an regelmässig anfallende komplexe Arbeiten, während Luna viele klar umrissene Aufgaben schnell und günstig erledigen soll. Beide gehören zur GPT-6-Familie, bleiben aber unterhalb des zuvor veröffentlichten Spitzenmodells GPT-6 Astra positioniert.
Sol ist laut OpenAI für Aufgaben wie die Entwicklung neuer Funktionen, Code-Prüfungen, Fehlersuche und Datenanalyse gedacht. Luna soll dagegen Dokumente zusammenfassen, Informationen extrahieren oder kurze Fragen beantworten. Für den Büroalltag bedeutet das beispielsweise: Luna kann eine grosse Menge von Dokumenten verdichten, während Sol eher für eine anspruchsvolle Analyse derselben Inhalte infrage kommt.
Anthropic setzt mit Claude Opus 5.5 einen anderen Schwerpunkt. Das Modell ist für Programmierung und komplexe Wissensarbeit vorgesehen und soll laut Angaben zu Claude Opus 5.5 bei den meisten Arbeiten das Leistungsniveau des teureren Claude Fable 5.1 erreichen. Diese Aussage stützt sich allerdings auf Benchmarks des Anbieters und ist mit realen Aufgaben nicht gleichzusetzen.
Grok 4.7 ergänzt das Feld als Modell für Programmierung, agentische Aufgaben und Wissensarbeit. Agentisch bedeutet hier, dass ein Modell mehrere Arbeitsschritte und Werkzeuge möglichst selbstständig koordiniert. Laut Ankündigung zu Grok 4.7 basiert es auf einem grösseren Grundmodell und längerem Verstärkungslernen, bleibt aber gleich schnell und gleich teuer wie Grok 4.6.
Was die neuen Preise bedeuten
Die veröffentlichten Preise beziehen sich auf die Programmierschnittstelle (API), über die externe Dienste ein KI-Modell verwenden. Abgerechnet wird nach Tokens, also kleinen Textbestandteilen, die du an das Modell sendest oder von ihm zurückerhältst. Eine Million Eingabe-Tokens kostet bei GPT-6 Luna 0,10 US-Dollar, eine Million Ausgabe-Tokens 0,50 US-Dollar; bei GPT-6 Sol sind es 2 beziehungsweise 10 US-Dollar.
Damit kostet Luna bei der Eingabe halb so viel wie GPT-5.6 Luna. Der Ausgabepreis sinkt von 1,20 auf 0,50 US-Dollar. Bei Sol halbieren sich die Preise gegenüber GPT-5.6 Sol von 4 auf 2 US-Dollar für die Eingabe und von 20 auf 10 US-Dollar für die Ausgabe, wie der Preisvergleich von The Decoder festhält.
Claude Opus 5.5 kostet 4 US-Dollar pro Million Eingabe-Tokens und 20 US-Dollar pro Million Ausgabe-Tokens. Anthropic bezeichnet dies als 20 Prozent günstiger als Opus 5. Eine weitere Quelle spricht von 40 Prozent niedrigeren laufenden Kosten bei typischen Aufgaben und Standardeinstellungen; das ist kein direkter Widerspruch, weil dort ein gesamter Arbeitsablauf statt nur der Listenpreis verglichen wird. Beide Werte stammen letztlich aus Angaben des Anbieters und sind nicht unabhängig für jeden Anwendungsfall bestätigt.
Grok 4.7 liegt bei 2 US-Dollar für die Eingabe und 6 US-Dollar für die Ausgabe. Damit ist seine Ausgabe günstiger als bei GPT-6 Sol, während Luna in einer ganz anderen Preisklasse arbeitet. Der Vergleich der aktuellen API-Preise zeigt zudem, dass GPT-6 Sol gleich viel kostet wie GPT-5.6 Terra; laut The Decoder wird Terra nicht mehr angeboten.
Für Privatpersonen sagen diese Zahlen nur begrenzt etwas über ihre monatlichen Kosten aus. Die Quellen nennen keine neuen Preise für persönliche Abonnements und liefern auch keine vollständigen Angaben zu Nutzungslimits. Belegt ist lediglich, dass GPT-6 Sol und Luna laut Bericht zum Start in ChatGPT Work und Codex verfügbar sind.
Wie Zwischenspeicherung die Rechnung verändert
Ein wesentlicher Teil der Preissenkung hängt mit Prompt-Caching zusammen, also dem Zwischenspeichern wiederkehrender Eingaben. Wenn ein Dienst bei jeder Anfrage dieselben Anweisungen oder Dokumentteile mitsendet, muss das Modell diese Inhalte nicht jedes Mal zum vollen Preis neu verarbeiten. Bei GPT-6 kosten zwischengespeicherte Eingaben laut Preisübersicht nur 0,01 US-Dollar pro Million Tokens bei Luna und 0,20 US-Dollar bei Sol.
OpenAI nennt höhere Trefferquoten beim Prompt-Caching, neue Diagnosefunktionen, explizite Trennpunkte und zusätzliche Steuerungsmöglichkeiten. Diese Funktionen sollen Wartezeiten und Kosten reduzieren. Die behaupteten Verbesserungen stammen von OpenAI und wurden in den gelieferten Quellen nicht unabhängig geprüft.
Das ist besonders relevant, wenn dieselbe Grundlage oft verwendet wird. Ein Unternehmen könnte beispielsweise viele Berichte nach identischen Regeln zusammenfassen lassen oder aus einer Reihe ähnlich aufgebauter Dokumente immer dieselben Angaben extrahieren. Bei einer einzelnen kurzen Frage fällt der Cache-Vorteil dagegen kaum ins Gewicht.
Anthropic berechnet zwischengespeicherte Eingaben bei Opus 5.5 ebenfalls mit 0,20 US-Dollar pro Million Tokens. Laut Ars Technica machen solche Cache-Zugriffe einen grossen Teil der Kosten bei agentischen und programmierbezogenen Arbeiten aus. Der reine Ein- und Ausgabepreis reicht deshalb nicht immer, um die tatsächlichen Kosten eines längeren Arbeitsablaufs zu vergleichen.
Pro und Kontra eines Wechsels
Pro:
- Niedrigere variable Kosten – GPT-6 Sol und Luna kosten bei zentralen API-Positionen ungefähr halb so viel wie ihre direkten Vorgänger.
- Passendere Modellwahl – Luna deckt einfache Massenaufgaben ab, während Sol, Opus und Grok für anspruchsvollere Arbeit vorgesehen sind.
- Günstigere Wiederholungen – Prompt-Caching kann wiederkehrende Anweisungen und Dokumentteile deutlich billiger verarbeiten.
- Mehr Wettbewerb – OpenAI, Anthropic und SpaceXAI bieten zeitgleich neue Optionen mit unterschiedlichen Preis-Leistungs-Profilen.
Kontra:
- Anbieter-Benchmarks – Viele Qualitätsaussagen beruhen auf internen Tests und sind für deinen Arbeitsalltag noch nicht unabhängig bestätigt.
- Keine einheitliche Messung – Listenpreise, typische Gesamtkosten und Cache-Kosten beschreiben unterschiedliche Dinge.
- Migrationsaufwand – Bestehende Arbeitsabläufe und gespeicherte Anweisungen müssen nach einem Modellwechsel erneut geprüft werden.
- Unvollständige Verfügbarkeit – Die Quellen nennen weder vollständige Abonnementdetails noch länderspezifische Freigaben.
OpenAI behauptet ausserdem, GPT-6 Sol mache in einer internen Prüfung mit anonymisierten realen Unterhaltungen ungefähr halb so viele Fehler wie sein Vorgänger. Laut TechCrunchs Bericht über die Einführung soll das Modell damit bei der Zuverlässigkeit das Niveau von GPT-6 Astra erreichen. Weil die Auswertung von OpenAI selbst stammt, solltest du sie nicht als neutralen Vergleich mit Claude oder Grok lesen.
Auch die Behauptung, Opus 5.5 schlage GPT-6 Astra bei einigen Programmier- und Wissensaufgaben, beruht auf Tests von Anthropic und Partnern. Ars Technica ordnet die Verbesserungen insgesamt als eher bescheiden ein: Die eigentliche Nachricht sei mehr Effizienz statt grundlegend neuer Fähigkeiten. Das widerspricht dem üblichen Veröffentlichungsgetöse ein wenig, macht die Modelle für zahlende Nutzerinnen und Nutzer aber nicht weniger interessant.
Was das für deine Praxis bedeutet
Für Einsteiger: Beginne nicht mit dem vermeintlich stärksten Modell, sondern mit einer klar abgegrenzten Aufgabe. Für das Zusammenfassen mehrerer Dokumente, das Extrahieren festgelegter Informationen oder kurze Antworten ist Luna laut OpenAI vorgesehen; vergleiche einige Ergebnisse mit deinem bisherigen Modell und kontrolliere sachliche Fehler. Ohne API-Nutzung sind die genannten Tokenpreise allerdings keine direkte Berechnungsgrundlage für dein Abonnement.
Für Fortgeschrittene: Vergleiche Sol, Opus 5.5 und Grok 4.7 mit einem kleinen Satz eigener, wiederholbarer Aufgaben. Erfasse dabei nicht nur die Qualität, sondern auch Ausgabeumfang, Fehlerrate, Laufzeit und Cache-Nutzung. Bei regelmässiger Datenanalyse oder wiederkehrenden Dokumentabläufen kann eine günstigere Eingabe wichtiger sein als ein knapper Vorsprung in einem Anbieter-Benchmark.
Für die Schweiz enthalten die Quellen keine Angaben zu Preisen in Franken, zur Unterstützung schweizerischer Sprachvarianten oder zu länderspezifischer Verfügbarkeit. Ebenso fehlen Aussagen dazu, wo Daten verarbeitet werden und welche Einstellungen für schweizerische Datenschutzanforderungen angeboten werden. Für Schulen, Unternehmen und Behörden bleibt deshalb neben Qualität und Preis die Datenverarbeitung ein offener Prüfpunkt.
Die Veröffentlichungen markieren vor allem einen Preis- und Effizienzwettbewerb: OpenAI halbiert wesentliche API-Preise, Anthropic senkt den Preis seines leistungsfähigen Arbeitsmodells und Grok 4.7 bleibt trotz grösserer Grundlage beim bisherigen Tarif. Ein Wechsel lohnt sich am ehesten bei hohen, klar messbaren Nutzungsmengen; für gelegentliche Nutzung kann der Unterschied gering bleiben. Das grösste offene Risiko ist, dass interne Qualitätsversprechen unter realen Bedingungen weniger deutlich ausfallen als in den Tests der Anbieter.
Quellen
- Introducing GPT-6 Sol and Luna – Unbekannt, 2026-09-22
- Claude Opus 5.5, GPT-6 Sol, GPT-6 Luna, and a new price war – Unbekannt, 2026-09-22
- New Anthropic, OpenAI models make same promise: A little more for a lot less money – Unbekannt, 2026-09-22
- Better prompt caching for GPT-6 – Unbekannt, 2026-09-22
- OpenAI bringt GPT-6 Sol und Luna und senkt API-Preise um 50 Prozent – Unbekannt, 2026-09-22
- Anthropic Releases Claude Opus 5.5: Fable 5.1-Level Performance at 40% Lower Running Cost Than Opus 5 – Unbekannt, 2026-09-22
- OpenAI launches GPT-6 Sol and Luna, boasting lower cost and fewer mistakes – Unbekannt, 2026-09-22
- SpaceXAI Releases Grok 4.7: A Larger Base Model at the Same $2/$6 Price as Grok 4.6 – Unbekannt, 2026-09-22
Bild: Tara Winstead via Pexels