GPT-5.6-Modelle: Sol, Terra, Luna – Wann welches einsetzen
Auf dieser Seite
Aktualisiert am 2. November 2026.
o4-miniwurde am 23. Oktober 2026 eingestellt (deprecated).o3,o3-pround diegpt-5-Familie werden am 11. Dezember 2026 eingestellt. Die GPT-5.6-Familie bleibt verfügbar, doch OpenAI empfiehlt für neue Projekte die GPT-6-Familie:gpt-6-astra(leistungsfähigste Variante),gpt-6.1-sol,gpt-6.1-terraundgpt-6-luna(siehe ChatGPT im Jahr 2026: Von GPT-5.6 zu GPT-6, Lektion 9). Sowohl GPT-5.6 als auch GPT-6 unterstützen einenpro-Modus für das Nachdenken (reasoning={"mode": "pro", "effort": "medium"}) bei anspruchsvollen Aufgaben. Quellen: Einstellungen · Modelle · Nachdenken.
Die Modelle: Die richtige Auswahl für jede Aufgabe
Ab dem 9. Juli 2026 ist die GPT-5.6-Familie allgemein verfügbar: drei Modelle, die jeweils für einen anderen Einsatzzweck optimiert sind, mit einer pro Anfrage einstellbaren Nachdenkebene. Die Wahl des richtigen Modell- und Nachdenkkombinations ist die entscheidendste Maßnahme für die Qualität und die Kosten Ihrer Anwendung: Ein Faktor von 25 trennt das teuerste Modell vom wirtschaftlichsten, und ein vergleichbarer Faktor trennt extreme Nachdenkeinstellungen.
| Modell | API-ID | Stärke | Preis ($/MTok Eingabe / Ausgabe) | Einsatzzweck |
|---|---|---|---|---|
| GPT-5.6 Sol | gpt-5.6-sol (Alias gpt-5.6) | Flaggschiff, leistungsfähigste Variante | $5 / $30 | Komplexe Aufgaben, tiefes Nachdenken, maximale Qualität |
| GPT-5.6 Terra | gpt-5.6-terra | Ausgewogen | $2 / $12 | Allgemeine Nutzung, Chatbots, Inhaltserstellung |
| GPT-5.6 Luna | gpt-5.6-luna | Volumen, schnell, wirtschaftlich | $0,20 / $1,20 | Einfache Aufgaben, Klassifizierung, Extraktion |
Alle drei Modelle akzeptieren Text und Bilder als Eingabe, sind mehrsprachig und werden über die Responses API verwendet. Für detaillierte Spezifikationen (Kontextfenster, Limits) konsultieren Sie die offizielle Modellsseite unter platform.openai.com.
Terra: Ihr Standardstartpunkt
Terra ist das Modell, das Sie am häufigsten verwenden werden, da es für die meisten Aufgaben das beste Verhältnis von Qualität zu Preis bietet: Chatbots, Inhaltserstellung, Zusammenfassungen, Übersetzungen und allgemeine Fragen und Antworten. Der richtige Ansatz besteht darin, mit Terra zu beginnen, die erzielte Qualität zu messen und dann nur dann auf Sol aufzusteigen, wenn das Ergebnis nicht ausreicht – nicht umgekehrt.
from openai import OpenAI
client = OpenAI()
# Allgemeine Nutzung — Terra ist perfekt
response = client.responses.create(
model="gpt-5.6-terra",
input="Schreiben Sie eine professionelle E-Mail, um ein Meeting anzufordern."
)
print(response.output_text)
Sol, wenn Fehler teuer sind
Sol ist das leistungsstärkste Modell der Familie. Reservieren Sie es für Situationen, in denen maximale Qualität unerlässlich ist: Analyse hochriskanter Dokumente, Aufgaben, die von tiefem Nachdenken profitieren, oder alles, was ein Mensch zeilenweise durchlesen müsste, wenn das Modell einen Fehler macht. Die Analyse eines Jahresberichts zur Identifizierung wesentlicher Risiken fällt genau in diese Kategorie: Ein Auslassung hier verursacht Kosten, die weit über die wenigen Cent hinausgehen, die Sie bei der API-Aufrufkosten sparen.
# Anspruchsvolle Dokumentenanalyse
with open("annual_report.txt", "r") as f:
document = f.read()
response = client.responses.create(
model="gpt-5.6-sol",
input=f"Analysieren Sie diesen Jahresbericht und identifizieren Sie die 5 Hauptrisiken:\n\n{document}"
)
print(response.output_text)
Luna für Volumen
Luna ist auf Geschwindigkeit und Kosten optimiert und eignet sich daher ideal für groß angelegte, wiederholte Verarbeitung: Klassifizierung, Datenerfassung, Paraphrasierung und schnelles Prototyping. Das Nachdenken eines Flaggschiffmodells bringt keinen Mehrwert, wenn entschieden werden muss, ob eine Kundenbewertung positiv oder negativ ist; jedoch über 100.000 Bewertungen hinweg wird der Preisunterschied zur einzigen relevanten Variable.
# Schnelle Textklassifizierung
texts = [
"Dieses Produkt ist fantastisch, ich empfehle es!",
"Späte Lieferung, nicht vorhandener Kundenservice.",
"Okay, nichts Besonderes.",
]
for text in texts:
response = client.responses.create(
model="gpt-5.6-luna",
input=f"Klassifizieren Sie die Stimmung (positiv/negativ/neutral): {text}",
)
print(f"{text[:50]}... → {response.output_text}")
# Ergebnis:
# Dieses Produkt ist fantastisch, ich empfehle es!... → Positiv
# Späte Lieferung, nicht vorhandener Kundenservice.... → Negativ
# Okay, nichts Besonderes.... → Neutral
Nachdenken: Ein Parameter, kein Modell
Bei der vorherigen Generation (o3, o3-pro, o4-mini) war das Nachdenken in dedizierten Modellen verkörpert: Sie wechselten Modelle, um Nachdenkfähigkeiten zu erhalten. Das ist nicht mehr der Fall. Jedes GPT-5.6-Modell akzeptiert einen reasoning-Parameter pro Anfrage mit sechs Anstrengungsebenen – none, low, medium, high, xhigh, max.
# Komplexes Nachdenkproblem: Sol + hohe Anstrengung
response = client.responses.create(
model="gpt-5.6-sol",
input="Ein Schnecke befindet sich am Boden eines 30 Meter tiefen Brunnens. "
"Jeden Tag krabbelt sie 3 Meter hoch, rutscht aber nachts 2 Meter "
"zurück. Wie viele Tage dauert es, bis sie herauskommt? "
"Erklären Sie Ihre Überlegungen Schritt für Schritt.",
reasoning={"effort": "high"} # none, low, medium, high, xhigh, max
)
print(response.output_text)
# Detailliertes Ergebnis mit strukturiertem Nachdenken:
# Tage 1 bis 27: Nettofortschritt von 1m/Tag → 27m
# Tag 28: krabbelt 3m von 27m → erreicht 30m und verlässt den Brunnen
# Antwort: 28 Tage
Die Ebene none deaktiviert das Nachdenken einfach: Die Antwort ist sofort verfügbar und die Kosten minimal, was mechanischen Aufgaben wie der obigen Klassifizierung entspricht. Die Ebenen medium und high decken die meisten technischen Aufgaben ab. Reservieren Sie xhigh und max für wirklich schwierige Probleme, unter der Kenntnis, dass das interne Nachdenken Token verbraucht, die als Ausgabe abgerechnet werden: Bei der Schnecken-Rätsel kann das unsichtbare Nachdenken schwerer wiegen als die angezeigte Antwort. Eine zusätzliche Einstellung, ultra, koordiniert standardmäßig 4 Agenten parallel, bis zu 16 bei bestimmten Evaluierungen, für die schwersten Aufgaben – mit deutlich höherem Tokenverbrauch.
Wenn Sie Code migrieren, der für die vorherige Generation (GPT-5.3, GPT-5.4, o3, o3-pro, o4-mini) geschrieben wurde, sind dies die Äquivalente:
o3→gpt-5.6-sol, undo3-pro→gpt-5.6-solmitreasoning={"mode": "pro"}(vorgesehene Ersatzmodelle gemäß der offiziellen Einstellungs-Tabelle; danneffortaufhigh,xhighodermaxbasierend auf der Schwierigkeit setzen)o4-mini→gpt-5.6-terramitreasoningaufmediumeingestelltgpt-5.3/gpt-5.4(allgemeine Nutzung) →gpt-5.6-terra- Hochvolumige Aufgaben →
gpt-5.6-luna
Dynamisches Routing in der Produktion
In der Produktion werden Sie nicht nur eine Art von Anfrage haben, sondern viele, und das Festlegen eines einzelnen Modells bedeutet entweder, für einfache Aufgaben zu viel zu zahlen oder schwierige Aufgaben zu versagen. Das Router-Muster beinhaltet die Zentralisierung der Entscheidung in einer Funktion, die vor jeder Anfrage aufgerufen wird und die entsprechende Konfiguration zurückgibt. Sie können diese dann anpassen, ohne den Rest der Anwendung zu berühren.
def choose_config(task: str, complexity: str, budget: str) -> dict:
"""Wählt das optimale Modell und die Anstrengung für das Nachdenken aus."""
if complexity == "high" and task in ["math", "code", "logic"]:
return {"model": "gpt-5.6-sol", "reasoning": {"effort": "high"}}
elif budget == "minimal" or complexity == "low":
return {"model": "gpt-5.6-luna", "reasoning": {"effort": "none"}}
elif task in ["diagnostic", "fine_classification"]:
return {"model": "gpt-5.6-terra", "reasoning": {"effort": "medium"}}
else:
return {"model": "gpt-5.6-terra", "reasoning": {"effort": "low"}}
# Nutzung
config = choose_config(task="chatbot", complexity="medium", budget="standard")
response = client.responses.create(
input="Ihre Frage hier",
**config
)
Preise Stand 5. August 2026 – Preise ändern sich regelmäßig: Bevor Sie eine Budgetberechnung durchführen, überprüfen Sie den aktuellen Tarif auf der offiziellen OpenAI-Preisseite.
Kernaussagen
- Terra ist die Standardwahl für die meisten Aufgaben ($2 / $12 pro MTok)
- Sol für maximale Qualität und tiefes Nachdenken ($5 / $30); Luna für Volumen ($0,20 / $1,20)
- Nachdenken ist ein pro-Anfrage-Parameter (
none→max, plusultra), kein separates Modell - Migrationsäquivalente: o3 → Sol; o3-pro → Sol im
pro-Modus; o4-mini → Terra medium; GPT-5.3/5.4 → Terra - In der Produktion dynamisch zum richtigen Modell- und Anstrengungszusatz basierend auf dem Kontext routen