GPT-5.6 Terra und Luna: Balance und Volumen
Auf dieser Seite
Stand: 5. November 2026. Die nachfolgende Tabelle spiegelt die aktuellen Preise wider: Seit dem 30. Juli 2026 kostet Luna 80 % weniger und Terra 20 % weniger als zum Launch, als sie mit 1 $ / 6 $ bzw. 2,50 $ / 15 $ abgerechnet wurden. Für neue Projekte ist die GPT-6-Familie noch günstiger: GPT-6 Luna für 0,10 $ / 0,50 $, GPT-6.1 Terra für 1 $ / 5 $ und GPT-6.1 Sol für 2 $ / 10 $ – kaum mehr als GPT-5.6 Terra (Lektion 9). GPT-5.6 Terra und Luna bleiben die offiziellen Nachfolger für
gpt-5-miniundgpt-5-nano, die am 11. Dezember eingestellt wurden.
Der Leuchtturm ist nicht für jede Aufgabe geeignet. Den Tarif von Sol zu zahlen, um Support-Tickets zu klassifizieren oder Daten aus Rechnungen zu extrahieren, ist verschwenderisch. Genau aus diesem Grund gibt es die GPT-5.6-Familie mit drei Modellen. OpenAI positioniert Terra als die ausgewogene Wahl für die tägliche Arbeit und Luna als die schnellste und wirtschaftlichste Option. Die richtige Entscheidung hängt nicht von einer Prestige-Hierarchie ab, sondern vom Verhältnis zwischen Qualität und Kosten, Aufgabe für Aufgabe.
Die drei Modelle im direkten Vergleich (Stand: 5. November 2026)
| Sol | Terra | Luna | |
|---|---|---|---|
| Rolle | Leuchtturm: komplexe Arbeit | Balance aus Intelligenz und Kosten | Volumen, minimale Kosten |
| Bezeichner | gpt-5.6-sol | gpt-5.6-terra | gpt-5.6-luna |
| Eingabe (pro Million Tokens) | 4 $ (Promo) | 2 $ | 0,20 $ |
| Ausgabe (pro Million Tokens) | 20 $ | 12 $ | 1,20 $ |
| Reasoning-Aufwand | none bis max | none bis max | none bis max |
Drei Abrechnungsregeln vervollständigen dieses Bild. Jenseits von 272.000 Eingabe-Tokens wechselt die gesamte Anfrage in den „Long Context”-Tarif: das Doppelte für die Eingabe, das 1,5-Fache für die Ausgabe. Das bedeutet 8 $ / 30 $ für Sol, 4 $ / 18 $ für Terra und 0,40 $ / 1,80 $ für Luna. Batch-Verarbeitung und Flex-Verarbeitung kosten die Hälfte. Schließlich wird seit GPT-5.6 das Schreiben in den 30-Minuten-Cache mit dem 1,25-Fachen des Eingabepreises berechnet und mit dem 2,5-Fachen für den am 20. Oktober eingeführten 12-Stunden-Cache; das Lesen aus dem Cache bleibt mit 90 % Rabatt unverändert.
Die letzte Zeile der Tabelle ist in allen drei Spalten identisch. Alle drei Modelle akzeptieren Text und Bilder als Eingabe, bieten dasselbe Kontextfenster von 1,05 Millionen Tokens und unterstützen dieselben Stufen für den Reasoning-Aufwand, von none bis max. Der Unterschied liegt im Verhältnis von Leistungsfähigkeit zu Preis, nicht in der Funktionsliste.
Die Auswahl treffen
Terra ist ein solider Ausgangspunkt für die tägliche Arbeit: Schreiben, Zusammenfassen, Assistenz und routinemäßiges Codieren. Bei 2 $ Eingabe und 12 $ Ausgabe kostet es bei der Eingabe die Hälfte von Sol und bei der Ausgabe 40 % weniger. Eine einfache Regel: Beginnen Sie mit Terra und zahlen Sie den Sol-Tarif nur dann, wenn Terra in Ihren konkreten Fällen nachweislich versagt hat.
Sol behält seinen Platz, wenn Qualität an erster Stelle steht: schwieriger Code, langlebige Agenten und Analysen, bei denen ein Fehler teuer wäre. Die Preisdifferenz ist hier gerechtfertigt, denn menschliche Nacharbeit – Überprüfung, Korrektur und Neustart – kostet weitaus mehr als die wenigen Dollar, die bei dem API-Aufruf gespart werden könnten.
Luna zielt auf hohes Volumen ab. Bei 0,20 $ Eingabe und 1,20 $ Ausgabe pro Million Tokens ist es für Klassifizierung, Extraktion, Sortierung und massive Verarbeitungsjobs konzipiert, bei denen jede Anfrage einfach ist, Sie aber Zehntausende davon ausführen. Bei diesen Arbeitslasten schlägt sich die Preisdifferenz zu Sol – ein Faktor von 17 bis 20 – direkt in Ihrer Rechnung nieder.
Die Kaskaden-Strategie
Das klassische Muster funktioniert für diese Familie gut: Verarbeiten Sie den Hauptstrom mit Luna, eskalieren Sie das, was fehlschlägt oder Nuancen erfordert, an Terra und reservieren Sie Sol für Fälle, die seinen Preis rechtfertigen. Da alle drei Modelle dieselbe API, dieselben Eingaben und dieselben Einstellungen für den Aufwand teilen, reduziert sich der Wechsel zwischen ihnen auf das Ändern des Bezeichners.
Das Skelett eines Kaskaden-Routers passt in wenige Zeilen:
def choose_model(task):
if task.complexity == "high":
return "gpt-5.6-sol"
if task.complexity == "medium":
return "gpt-5.6-terra"
return "gpt-5.6-luna"
In einem realen System könnte das Komplexitätskriterium eine geschäftliche Heuristik sein (Dokumentenlänge, Anfragetyp), ein von Luna selbst erzeugter Score oder schlicht das Scheitern eines ersten Versuchs. Das Prinzip bleibt dasselbe: Jede Anfrage wird vom günstigsten Modell bearbeitet, das die Aufgabe erledigen kann. Dieselbe Logik gilt für die GPT-6-Familie mit ihren eigenen Benchmarks: Die Dokumentation von OpenAI empfiehlt GPT-6 Luna für Volumen, GPT-6.1 Sol für Balance und GPT-6 Astra für die anspruchsvollsten Aufgaben.
Sie sind dran
Preisen Sie eine Kaskade durch. Nehmen Sie einen Strom von 100.000 Anfragen pro Monat, jede mit 2.000 Eingabe-Tokens und 500 Ausgabe-Tokens. Berechnen Sie die Kosten unter Verwendung von ausschließlich Sol, ausschließlich Terra, ausschließlich Luna und dann einer Kaskade, die 80 % der Anfragen an Luna, 15 % an Terra und 5 % an Sol sendet. Sie sollten ungefähr 1.800 $, 1.000 $, 100 $ und 320 $ erhalten. Diese Berechnung ignoriert Reasoning-Tokens, die als Ausgabe-Tokens abgerechnet werden: Wiederholen Sie dies mit Ihren tatsächlichen Volumina und dem Reasoning-Aufwand, den Sie planen zu verwenden.
Offizielle Quellen: GPT-5.6 Terra Spec Sheet · GPT-5.6 Luna Spec Sheet · Pricing · Models (OpenAI-API-Dokumentation) · July 30 Price Cut Announcement (OpenAI)
Kernaussagen
- Terra (2 $ / 12 $) ist die Balance für den täglichen Einsatz; Luna (0,20 $ / 1,20 $) zielt auf massive Arbeitslasten ab
- Diese Preise beinhalten die Senkung vom 30. Juli; Long Context gilt jenseits von 272.000 Tokens; Batch und Flex kosten die Hälfte
- Alle drei Modelle teilen dieselbe API, dieselben Eingaben, dasselbe Kontextfenster und dieselben Aufwand-Stufen: Nur der Bezeichner ändert sich
- Die Kaskade Luna, Terra, Sol senkt Kosten, ohne schwierige Fälle zu opfern; die GPT-6-Familie leistet für weniger noch mehr