Startseite » Blog » GPT-5.6 Sol, Terra oder Luna? So wählen Sie Modell, Tempo und Denkaufwand richtig

GPT-5.6 Sol, Terra oder Luna? So wählen Sie Modell, Tempo und Denkaufwand richtig

2.710 Wörter
10. Juli 2026
von Benjamin Erhardt

0:00 / 0:00

PRAXISGUIDE

GPT‑5.6 Sol, Terra oder Luna?

So wählen Sie Modell, Tempo und Denkaufwand richtig

SOL · TERRA · LUNA

Nicht immer gewinnt das stärkste Modell. Entscheidend sind Fehlerkosten, Aufgabenstruktur und die Frage, ob Tiefe oder Reaktionszeit zählt.

Veröffentlichungsfähige Redaktionsfassung | Quellenstand: 10. Juli 2026

Luna für Menge. Terra für den Arbeitstag. Sol für die Momente, in denen der Unterschied zählt.

OpenAI hat am 9. Juli 2026 GPT‑5.6 allgemein verfügbar gemacht. Neu ist nicht nur die Leistung, sondern vor allem die Produktlogik: Statt eines einzigen Modells gibt es mit Sol, Terra und Luna drei dauerhafte Leistungsstufen. Dazu kommen mehrere Stufen des Denkaufwands – von Light bis Max – sowie Ultra für parallelisierte Arbeit. Wer diese Ebenen verwechselt, wartet unnötig lange, verbraucht unnötig viele Credits oder setzt für eine kritische Aufgabe zu niedrig an. [1] [2]

DIE ANTWORT IN EINEM SATZ

Sol ist der Qualitätsdefault für schwierige und offene Aufgaben, Terra der Effizienzdefault für professionelle Alltagsarbeit und Luna die Durchsatzmaschine für klare, wiederholbare Aufgaben.

Die Kurzfassung in 60 Sekunden

Sol Kernrolle: Komplexe, mehrdeutige oder hochwertige Arbeit; höchste Qualitätsreserve Typische Einstellung: Medium als Qualitätsdefault; High/Extra High bei mehreren Schritten und Zielkonflikten; Max oder Ultra nur gezielt
Terra Kernrolle: Professioneller Allrounder für den Arbeitstag; starkes Reasoning und Tool-Nutzung bei besserer Ökonomie Typische Einstellung: Medium als Effizienzdefault; Light für klar umrissene Arbeit; High für anspruchsvolle Synthese
Luna Kernrolle: Schnelle, günstige Volumenarbeit mit klaren Regeln und gut prüfbarem Ergebnis Typische Einstellung: Light für Extraktion, Klassifikation und Transformation; Medium, wenn etwas Interpretation nötig ist

Die erste Wahlregel lautet deshalb nicht „immer Sol“, sondern: Nutzen Sie die niedrigste Kombination aus Modell und Denkaufwand, die Ihren Qualitätsmaßstab zuverlässig erreicht. OpenAI empfiehlt ausdrücklich, mit der Standardeinstellung zu beginnen und erst dann hochzuschalten, wenn die Aufgabe mehr Planung, Analyse oder Kontrolle verlangt. [2] [3]

Was GPT‑5.6 tatsächlich neu macht

Mit GPT‑5.6 trennt OpenAI die Generation von der Leistungsstufe. Die Zahl 5.6 bezeichnet die Generation; Sol, Terra und Luna bezeichnen dauerhafte Capability-Tiers, die sich künftig in unterschiedlichem Rhythmus weiterentwickeln können. Sol ist das Flaggschiff, Terra die ausgewogene Stufe für alltägliche Arbeit und Luna die schnellste sowie günstigste Variante. [1]

Die Familie richtet sich nicht nur an Chatbots. OpenAI positioniert GPT‑5.6 für End-to-End-Wissensarbeit: recherchieren, Dateien auswerten, Programme bedienen, Code schreiben, Dokumente, Tabellen und Präsentationen erzeugen und Ergebnisse visuell nacharbeiten. Gerade bei Computer Use, Design und länger laufenden Arbeitsabläufen legt Sol deutlich zu. [1]

Die offiziellen Messwerte zeigen zugleich, warum die kleineren Varianten ernst zu nehmen sind. Bei Agents’ Last Exam, einer Evaluation langfristiger professioneller Arbeitsabläufe, erreicht Sol 52,7 Prozent, Terra 50,4 Prozent und Luna 50,3 Prozent; GPT‑5.5 liegt bei 46,9 Prozent. Bei OSWorld 2.0, das Computerbedienung testet, öffnet sich die Schere dagegen deutlich: Sol erreicht 62,6 Prozent, Terra 50,2 und Luna 45,6 Prozent. Die richtige Variante hängt also stärker von der Aufgabenform ab als von einem pauschalen Rangplatz. [1]

Sol: maximale Qualitätsreserve

Sol ist das Frontier-Modell der Familie. Es ist die richtige Wahl, wenn die Aufgabe offen, mehrdeutig, neuartig oder folgenreich ist: strategische Analysen, schwierige Architekturentscheidungen, Deep Research, komplexe Programmierung, Sicherheitsprüfungen, anspruchsvolle Computerbedienung sowie Dokumente, deren inhaltliche und gestalterische Qualität unmittelbar zählt. [2]

Sol lohnt sich besonders, wenn mehrere Quellen widersprechen, Anforderungen erst aus unordentlichem Material rekonstruiert werden müssen oder ein Fehler hohe Folgekosten verursacht. Sein Vorteil ist nicht bloß „mehr Wissen“, sondern mehr Urteilskraft, Beharrlichkeit, Kontrolle und Finish. Für eine mechanische Umformatierung von 5.000 Datensätzen wäre dieser Qualitätsvorsprung dagegen häufig ökonomisch wertlos.

Empfohlen: Sol + Medium für hochwertige Standardarbeit und offene Aufgaben.
Empfohlen: Sol + High oder Extra High für mehrstufige Recherche, Strategie, schwierige Reviews und Zielkonflikte.
Empfohlen: Sol + Max für die härteste, kaum teilbare Einzelaufgabe; Sol + Ultra für große, sauber teilbare Arbeitspakete.

Terra: der pragmatische Allrounder

Terra ist für den professionellen Alltag gebaut. OpenAI beschreibt es als ausgewogene Variante mit einer Leistung, die mit GPT‑5.5 konkurriert, aber niedriger bepreist ist. Das macht Terra zur plausiblen Standardwahl für Briefings, Projektarbeit, normale Programmierung, Dokumentanalyse, operative Entscheidungen, strukturierte Texte und die tägliche Arbeit mit Werkzeugen. [1] [2]

Terra ist besonders stark, wenn die Aufgabe echte Interpretation verlangt, aber nicht die volle Qualitätsreserve von Sol. In Organisationen ist Terra deshalb ein guter Effizienzdefault: Sol bleibt für schwierige Grenzfälle und finale Prüfungen reserviert, während Terra den Großteil des Arbeitstags trägt.

Empfohlen: Terra + Medium für die tägliche Wissens- und Projektarbeit.
Empfohlen: Terra + Light für klar beschriebene, interaktive Arbeit mit schneller Rückkopplung.
Empfohlen: Terra + High für anspruchsvolle Synthese, bevor ein Wechsel zu Sol wirtschaftlich sinnvoll wird.

Luna: die Durchsatzmaschine

Luna ist die schnellste und günstigste GPT‑5.6-Variante. Sie passt zu Aufgaben, bei denen das gewünschte Ergebnis eindeutig beschrieben und leicht überprüft werden kann: Informationen extrahieren, Datensätze klassifizieren, Formate umwandeln, Varianten erzeugen, Inhalte taggen oder strukturierte Zusammenfassungen erstellen. [1] [2]

Luna sollte nicht mit „schwach“ verwechselt werden. Bei manchen professionellen Benchmarks liegt es nahe an Terra. Seine Grenze zeigt sich eher bei anhaltender Mehrdeutigkeit und sehr langem Kontext. Obwohl alle drei Modelle in der API ein Kontextfenster von 1,05 Millionen Token ausweisen, erreicht Luna bei OpenAIs Langkontext-Evaluation MRCR für 512.000 bis eine Million Token 41,3 Prozent; Terra kommt auf 72,5 und Sol auf 73,8 Prozent. Gleiches Fenster bedeutet also nicht gleiche effektive Langkontextqualität. [4] [1]

Empfohlen: Luna + Light für große Mengen klarer, wiederholbarer Arbeit.
Empfohlen: Luna + Medium, wenn die Routineaufgabe zusätzlich etwas Interpretation oder Kontrolle benötigt.
Nicht empfohlen: Luna als alleinige Instanz für mehrdeutige, irreversible oder schwer prüfbare Entscheidungen.

Modell, Denkaufwand und Tempo: drei verschiedene Regler

Das Modell bestimmt die Leistungsdecke. Der Denkaufwand – bei OpenAI Reasoning Effort – bestimmt, wie viel Rechenarbeit das gewählte Modell in den konkreten Auftrag investiert. Das Tempo ist das beobachtete Ergebnis aus Modell, Denkaufwand, Werkzeugen, Kontextmenge, Parallelisierung und gegebenenfalls einem separaten Ausführungsdienst. Ein längerer Text ist deshalb nicht automatisch tiefer durchdacht, und ein schnellerer Lauf ist nicht automatisch oberflächlich.

In ChatGPT Work, der Codex-App und der IDE-Erweiterung heißt die kleinste Stufe Light; in der CLI heißt sie Low. Medium ist der Standard. Danach folgen High, Extra High, Max und Ultra. Die API bietet none, low, medium, high, xhigh und max. Die Bezeichnungen unterscheiden sich also je nach Oberfläche, die Grundlogik bleibt jedoch gleich. [2] [3]

Welcher Denkaufwand passt zu welcher Aufgabe?

Light / Low Bedeutung: Leichtes Reasoning, kurze Reaktionszeit Sinnvoll für: Eng umrissene Aufgaben, Extraktion, Formatierung, schnelle Schleifen
Medium Bedeutung: Ausgewogen; Standard Sinnvoll für: Normale Wissensarbeit, Planung, Schreiben, alltägliches Coding
High Bedeutung: Mehr Planung und Prüfung Sinnvoll für: Mehrstufige Aufgaben, mehrere Quellen, relevante Zielkonflikte
Extra High Bedeutung: Sehr hohe Reasoning-Tiefe Sinnvoll für: Schwierige Analysen, komplexe Reviews, hohe Qualitätsanforderungen
Max Bedeutung: Maximale Tiefe eines einzelnen Laufs Sinnvoll für: Härteste, schlecht teilbare Probleme; Tiefe wichtiger als Wartezeit und Verbrauch
Ultra Bedeutung: Mehrere Subagenten parallel Sinnvoll für: Große Aufgaben mit unabhängigen Teilströmen; schnellerer Time-to-result trotz mehr Gesamtaufwand

OpenAIs Leitlinie ist bemerkenswert nüchtern: Verwenden Sie die niedrigste Stufe, die das gewünschte Ergebnis liefert. Wer von GPT‑5.5 oder GPT‑5.4 migriert, soll die bisherige Stufe und zusätzlich eine Stufe darunter testen. Höherer Aufwand lohnt sich nur, wenn er auf repräsentativen Aufgaben einen messbaren Qualitätsgewinn bringt. [3] [2]

Max und Ultra sind nicht dasselbe

Max gibt einem einzelnen Modelllauf mehr Zeit, Alternativen zu prüfen, Kontrollen auszuführen und den Ansatz zu überarbeiten. Das ist ideal für ein schwieriges, zusammenhängendes Problem, das sich nicht sinnvoll zerlegen lässt. [1] [2]

Ultra koordiniert dagegen standardmäßig vier Agenten parallel. Dadurch kann eine große Aufgabe schneller fertig werden, wenn sie in unabhängige Arbeitspakete zerfällt – etwa Recherche, Datenanalyse, Gegenprüfung und redaktionelle Synthese. Ultra verbraucht insgesamt mehr Rechenarbeit und Token; bei einer unteilbaren Aufgabe bringt Parallelisierung wenig. Die meisten Aufgaben benötigen weder Max noch Ultra. [1] [2]

Was „Tempo“ bei GPT‑5.6 praktisch bedeutet

Wer mit GPT‑5.6 schneller arbeiten will, hat derzeit vor allem zwei robuste Hebel: ein kleineres Modell und einen niedrigeren Denkaufwand. Luna + Light maximiert den Durchsatz. Terra + Light oder Medium liefert eine stärkere Qualitätsreserve bei weiterhin zügiger Interaktion. Sol + Medium ist der von OpenAI gesetzte Qualitätsdefault in der Power-Auswahl von Work und Codex. [2]

WICHTIGER STAND-HINWEIS

Der separate Fast Mode beschleunigt unterstützte Modelle um 1,5× gegen höheren Creditverbrauch. Laut aktueller OpenAI-Dokumentation unterstützt er derzeit GPT‑5.5 und GPT‑5.4 – GPT‑5.6 wird noch nicht genannt. Für 5.6 sollte deshalb kein Fast-Mode-Vorteil versprochen werden. [6]

Für API-Nutzer existiert zusätzlich eine echte Ausführungswahl: Priority Processing priorisiert geringere und stabilere Latenz gegen einen Aufpreis; Flex Processing tauscht Reaktionszeit und Verfügbarkeit gegen niedrigere Kosten. Diese Service-Tiers verändern nicht die Intelligenz des Modells, sondern die Art der Ausführung. [8] [9]

Wo Sol, Terra und Luna auswählbar sind

Im normalen ChatGPT ist „Instant“ weiterhin GPT‑5.5 Instant – nicht Luna. Die Stufen Medium, High und Extra High verwenden GPT‑5.6 Sol; Pro verwendet GPT‑5.6 Sol Pro. Terra und Luna sind dort nicht direkt auswählbar. In ChatGPT Work und Codex können berechtigte zahlende Tarife dagegen zwischen Sol, Terra und Luna wählen und den Denkaufwand für jedes Modell einstellen. Die API bietet ebenfalls alle drei Modelle. [5] [1]

Max lässt sich für Nutzer mit GPT‑5.6-Zugang in Work und Codex aktivieren. Ultra ist in ChatGPT Work für Pro und Enterprise und in Codex ab Plus verfügbar. Da der Rollout und administrierte Workspace-Einstellungen den sichtbaren Modellkatalog beeinflussen können, kann die konkrete Auswahl vorübergehend abweichen. [1] [5]

Die richtige Kombination für typische Aufgaben

Datensätze extrahieren oder taggen Empfohlene Kombination: Luna + Light Warum: Klare Regeln, hoher Durchsatz, leicht prüfbar
Standardmail oder Varianten Empfohlene Kombination: Luna + Light oder Terra + Light Warum: Schnelle Schleifen; Terra bei mehr Kontext
Tägliches Projektbriefing Empfohlene Kombination: Terra + Medium Warum: Ausgewogene Synthese aus mehreren Quellen
Blogartikel: Erstentwurf Empfohlene Kombination: Terra + Medium Warum: Gute Struktur und Sprache bei effizientem Einsatz
Blogartikel: finale Prüfung Empfohlene Kombination: Sol + High Warum: Mehr Urteil, Evidenzkontrolle und Finish
Geschäftsplan oder Code-Review Empfohlene Kombination: Sol + High / Extra High Warum: Mehrstufige Logik, Risiken, Zielkonflikte
Härteste unteilbare Analyse Empfohlene Kombination: Sol + Max Warum: Maximale Tiefe eines zusammenhängenden Laufs
Großprojekt mit mehreren Teilströmen Empfohlene Kombination: Sol + Ultra Warum: Teilströme lassen sich parallel bearbeiten
Recht, Medizin oder Finanzen Empfohlene Kombination: Sol + High bis Max + Fachprüfung Warum: Hohe Fehlerkosten; menschliche Kontrolle zwingend

Die wirtschaftlich beste Arbeitsweise: kaskadieren statt maximieren

Eine professionelle KI-Organisation muss nicht jede Aufgabe mit dem stärksten Modell bearbeiten. Häufig ist eine dreistufige Kaskade besser:

Luna bereitet Masse vor: extrahieren, klassifizieren, bereinigen und standardisieren.
Terra verdichtet: Zusammenhänge herstellen, Briefings schreiben und operative Entscheidungen vorbereiten.
Sol prüft die kritischen Teile: Widersprüche, Risiken, Grenzfälle, endgültige Argumentation und publizierbares Finish.

Diese Kaskade ist eine Praxisempfehlung, keine starre OpenAI-Vorgabe. Ihr wirtschaftlicher Sinn liegt darin, Qualitätsreserve nur dort zu bezahlen, wo ein besseres Urteil den Ausgang wirklich verändert. Bei kleineren Aufgaben ist der direkte Lauf mit Sol + Medium oft einfacher; bei großen Volumina kann die Kaskade erhebliche Kosten und Wartezeit sparen.

Qualitätsdefault und Effizienzdefault

Die offiziellen Oberflächen setzen unterschiedliche Akzente. In ChatGPT Work und Codex startet die Power-Auswahl mit Sol + Medium – das ist der Qualitätsdefault für unbekannte oder gemischte Aufgaben. Für wiederkehrende professionelle Prozesse ist Terra + Medium häufig der bessere Effizienzdefault. Wer klare Hochvolumenarbeit automatisiert, kann auf Luna + Light heruntergehen. Entscheidend ist nicht die theoretische Rangfolge, sondern die Erfolgsquote auf den eigenen Aufgaben. [2]

Ein großer Kontext ist kein Freifahrtschein

In der API besitzen Sol, Terra und Luna jeweils ein Kontextfenster von 1,05 Millionen Token, maximal 128.000 Ausgabetoken und einen Wissensstichtag vom 16. Februar 2026. Alle drei akzeptieren Text und Bilder als Eingabe und geben Text aus. Diese gemeinsamen Grenzwerte dürfen jedoch nicht mit gleicher Zuverlässigkeit im gesamten Kontext verwechselt werden – die Langkontext-Benchmarks zeigen gerade bei Luna deutliche Unterschiede. [4]

Zudem wird sehr großer Kontext teuer: Bei API-Eingaben oberhalb von 272.000 Token wird laut Modellseiten die gesamte Anfrage mit dem doppelten Inputpreis und dem 1,5-fachen Outputpreis abgerechnet. Wer alles ungefiltert in einen Prompt kippt, zahlt also nicht nur mit Aufmerksamkeit, sondern mit einem sprunghaften Preisaufschlag. [4]

API-Preise: fünf zu zweieinhalb zu eins

Sol Input: $5,00 Cached Input: $0,50 Output: $30,00
Terra Input: $2,50 Cached Input: $0,25 Output: $15,00
Luna Input: $1,00 Cached Input: $0,10 Output: $6,00

Preise je eine Million Token, Stand 10. Juli 2026. Sie betreffen die OpenAI API und dürfen nicht mit einem ChatGPT-Abonnement oder den Credits in ChatGPT Work und Codex gleichgesetzt werden. Dort hängt der Verbrauch unter anderem von Modell, Kontext, Werkzeugen und Reasoning-Aufwand ab. [1] [7]

Pro, Max und Ultra: drei Begriffe, drei Mechanismen

OpenAIs Benennung kann leicht zu Missverständnissen führen. In normalen ChatGPT-Unterhaltungen bezeichnet Pro die höchste GPT‑5.6-Sol-Option für schwierige und länger laufende Aufgaben. In der API ist Pro dagegen ein Reasoning-Modus, der mit Sol, Terra oder Luna kombiniert werden kann; er investiert zusätzliche Modellarbeit und liefert eine einzelne finale Antwort. Max erhöht den Denkaufwand eines einzelnen Laufs. Ultra koordiniert mehrere Agenten parallel. Diese vier Konzepte sind nicht austauschbar. [5] [3] [2]

Pro-Modus ist sinnvoll, wenn schon ein kleiner Zuverlässigkeitsgewinn einen hohen wirtschaftlichen Wert hat – etwa bei komplexer Optimierung, hochwertigem Code-Review oder tiefer Analyse mit klaren Prüfkriterien. Für Routine, kurze Antwortzeiten und hohe Volumina empfiehlt OpenAI den Standardmodus. [3]

GPT‑5.6 profitiert von kürzeren, klareren Prompts

Mehr Modellleistung verlangt nicht automatisch mehr Prompttext. In internen OpenAI-Evaluationen verbesserten kürzere Systemprompts die Ergebnisse um ungefähr 10 bis 15 Prozent, während sie 41 bis 66 Prozent weniger Token und 33 bis 67 Prozent weniger Kosten verursachten. Das ist kein Naturgesetz für jeden Anwendungsfall, aber ein starkes Signal gegen historisch gewachsene Promptwände. [3]

Ein guter GPT‑5.6-Auftrag enthält vor allem:

das gewünschte Ergebnis, nicht eine künstliche Schritt-für-Schritt-Choreografie;
den relevanten Kontext und die verbindlichen Grenzen;
die benötigte Evidenz und den Qualitätsmaßstab;
klare Erfolgskriterien sowie das gewünschte Ausgabeformat;
nur die Werkzeuge und Beispiele, die für genau diese Aufgabe erforderlich sind.

Statt „Denke sehr lange nach“ sollte der Denkaufwand in der Oberfläche oder API eingestellt werden. Der Prompt beschreibt das Ziel; die Einstellung bestimmt die Recheninvestition. [3]

Fünf typische Fehlentscheidungen

Sol für alles: maximale Qualität wird bezahlt, obwohl ein mechanischer Prozess sie nicht nutzt.
Luna für Mehrdeutigkeit: niedriger Preis wird teuer, wenn Nacharbeit und Fehlentscheidungen folgen.
Max für teilbare Großprojekte: ein einzelner sehr tiefer Lauf ersetzt keine sinnvolle Parallelisierung.
Ultra für unteilbare Probleme: mehrere Agenten erzeugen mehr Aufwand, ohne echte Parallelität zu gewinnen.
Hohen Denkaufwand mit Faktenaktualität verwechseln: Reasoning ersetzt weder Webrecherche noch belastbare Primärquellen.

Fazit: Nicht das stärkste Modell wählen, sondern die stärkste sinnvolle Kombination

GPT‑5.6 macht professionelle KI-Arbeit steuerbarer. Sol, Terra und Luna sind keine bloßen Preisvarianten, sondern Werkzeuge für unterschiedliche wirtschaftliche Situationen. Light bis Max bestimmen die Tiefe eines Laufs; Ultra verändert die Arbeitsorganisation durch Parallelisierung.

Wer unsicher ist, startet mit Sol + Medium. Wer einen wiederkehrenden Arbeitsprozess optimiert, testet Terra + Medium als Effizienzdefault. Wer klare Massenarbeit vor sich hat, wählt Luna + Light. High und Extra High gehören zu schwierigen mehrstufigen Aufgaben; Max zu den härtesten unteilbaren Problemen; Ultra zu großen, sauber zerlegbaren Projekten.

DIE BLEIBENDE FAUSTFORMEL

Luna für Menge. Terra für den Arbeitstag. Sol für die Momente, in denen der Unterschied zählt. Max für Tiefe. Ultra für echte Parallelität.

Redaktionelle Metadaten

SEO-Titel: GPT-5.6: Sol, Terra oder Luna richtig wählen

Meta-Description: GPT-5.6 erklärt: Wann Sol, Terra oder Luna sinnvoll ist – und welche Einstellungen für Tempo, Reasoning-Aufwand, Max und Ultra passen.

Slug: gpt-5-6-sol-terra-luna-modell-tempo-aufwand

Fokus-Keyphrase: GPT-5.6 Sol Terra Luna

Stand: 10. Juli 2026

Quellen und Stand

Der Artikel basiert ausschließlich auf offiziellen OpenAI-Quellen. Produktverfügbarkeit, Preise, Credits und Oberflächen können sich kurzfristig ändern. Abruf- und Redaktionsstand: 10. Juli 2026.

bestforming