OpenAI GPT-5.6 Sol, Terra und Luna: Das können die neuen Modelle

Die neue Architektur legt den Schwerpunkt auf die Arbeitsleistung pro Token. Beim „Agents’ Last Exam“, einem Test für professionelle Arbeitsabläufe in 55 Fachgebieten, erreichte GPT-5.6 Sol eine Punktzahl von 53,6. Damit liegt es deutlich vor Claude Fable 5. Selbst bei mittleren Einstellungen für die Schlussfolgerungsleistung übertrifft Sol seinen Konkurrenten und kostet dabei nur etwa ein Viertel so viel im Betrieb. Terra und Luna folgen einem ähnlichen Trend und schlagen Fable 5 bei etwa einem Sechzehntel der Kosten.

Für besonders anspruchsvolle Projekte verfügen die Modelle über eine Ultra-Einstellung. Dieser Modus koordiniert vier Agenten parallel, um komplexe Aufgaben schneller zu erledigen. Dabei wird ein höherer Token-Verbrauch gegen bessere Ergebnisse und geringere Latenz eingetauscht. Entwickler können diese Multi-Agenten-Konfigurationen nun über eine Beta-Version in der Responses-API nutzen.

Die Programmierfähigkeiten haben einen messbaren Sprung gemacht. Sol setzte mit einer Punktzahl von 80 einen neuen Maßstab im „Artificial Analysis Coding Agent Index“. Dabei verbraucht es weniger als die Hälfte der Ausgabetoken und benötigt nur die Hälfte der Zeit im Vergleich zu früheren Spitzenmodellen. Die Modellfamilie zeigt zudem Stärke bei Befehlszeilen-Workflows über Terminal-Bench 2.1 und DeepSWE.

Eine neue Funktion namens „Programmatic Tool Calling“ ermöglicht es dem Modell, schlanke Programme zu schreiben und auszuführen. Diese Programme koordinieren Tools und verarbeiten Daten im Arbeitsspeicher. Das bedeutet, dass Entwickler nicht jeden einzelnen Schritt skripten oder jede Tool-Antwort an das Modell zurückgeben müssen, was die Gesamtzahl der verwendeten Token reduziert.

Die Modelle gehen nun anders mit gestalterischen Entscheidungen um. GPT-5.6 kann anhand allgemeiner Anweisungen ergonomische Benutzeroberflächen und interaktive Visualisierungen erstellen. Da es das gerenderte Ergebnis überprüfen kann, anstatt nur Code zu generieren, erkennt es visuelle Fehler bereits vor der Auslieferung. Dies erstreckt sich auch auf Wissensarbeit, wo es fragmentierte Daten aus Slack oder Microsoft 365 in professionelle Präsentationen und Tabellenkalkulationen umwandelt. Es kann sogar ein bestimmtes Designsystem aus einer Referenzpräsentation ableiten und diese Layoutregeln auf neue Folien anwenden.

Auch die Leistung im Bereich Cybersicherheit hat sich verbessert. Sol erzielte bei ExploitBench 73,5 %, verglichen mit 47,9 % bei GPT-5.5. Um die Risiken dieser Funktionen zu bewältigen, hat OpenAI das Programm „Trusted Access for Cyber“ ins Leben gerufen. Verifizierte Nutzer dieses Programms können Aufgaben wie die Triage von Sicherheitslücken und die Analyse von Malware durchführen. Ab dem 1. September müssen Mitglieder hardwaregestützte Passkeys verwenden, um diesen Zugriff zu behalten.

In den Bereichen Biologie und Chemie zeigt Sol Verbesserungen bei GeneBench Pro und LifeSciBench. Diese Fortschritte spiegeln sich auch intern bei OpenAI wider. Forscher nutzen die Modelle, um Fehler zu diagnostizieren und Trainingskerne zu optimieren. Interne Daten zeigen, dass die Rechenleistung für die Codierungsinferenz innerhalb von sechs Monaten um das 100-Fache gestiegen ist.

Die Sicherheit wird durch ein mehrschichtiges System gewährleistet. Anstatt sich ausschließlich auf Klassifikatoren zu verlassen, nutzt das System einen „Reasoning Monitor“, um Unterhaltungen auf potenzielle Gefahren zu überprüfen. Vor der Einführung hat OpenAI 700.000 A100e-GPU-Stunden für automatisiertes „Red Teaming“ aufgewendet, um Sicherheitslücken zu finden und zu beheben. Die Modelle sollen Verteidiger dabei unterstützen, Schwachstellen zu finden und zu schließen, bevor Angreifer sie ausnutzen können.

Die Einführung erfolgt weltweit innerhalb eines Zeitfensters von 24 Stunden für ChatGPT, Codex und die API. Plus- und Enterprise-Nutzer erhalten Zugang zu Sol über Einstellungen mit höherem Aufwand. Die Preise sind nach Modellgröße gestaffelt: Sol kostet 5 US-Dollar pro Million Eingabe-Token und 30 US-Dollar für die Ausgabe; Terra kostet 2,50 US-Dollar bzw. 15 US-Dollar; Luna ist mit 1 US-Dollar für die Eingabe und 6 US-Dollar für die Ausgabe am günstigsten. Das Prompt-Caching wurde ebenfalls aktualisiert und umfasst nun eine Mindest-Cache-Lebensdauer von 30 Minuten.