Zum Inhalt springen

KI

GPT-6 Sol und Luna halbieren den Preis. Dein Gehalt nicht.

OpenAI schickt aktualisierte Sol- und Luna-Modelle ins Rennen: rund halber API-Preis, Intelligenzwerte auf gleichem Niveau. Billigere Roboterhirne, dieselben Roboterhirne.

Titelfoto: Jernej Furman from Slovenia / CC BY 2.0

TL;DR

  1. Sol kostet jetzt $2/$10 pro Million Tokens, Luna $0.10/$0.50. Beide ungefähr halb so teuer wie vorher.
  2. Artificial Analysis: Benchmark-Werte bleiben auf dem Niveau von GPT-5.6, mit ein paar Zugewinnen und ein paar Rückschritten.
  3. OpenAI führt den Preisrutsch auf Caching und Inferenz-Verbesserungen zurück, nicht auf ein klügeres Modell.

Was passiert ist

Wenige Wochen nach dem Start von GPT-6 Astra, das OpenAI als bisher leistungsfähigstes Modell verkauft hat, frischt das Unternehmen die kleineren Stufen auf: GPT-6 Sol und GPT-6 Luna.

Sol ist für komplexe Aufgaben wie Coding gedacht. Luna soll die Fleißarbeit im großen Stil erledigen: Dokumente zusammenfassen, Informationen extrahieren, schnelle Fragen beantworten.

Die Schlagzeile steckt in der API-Rechnung. Sol fällt von $4/$20 auf $2/$10 pro Million Input-/Output-Tokens. Luna fällt von $0.20/$1.20 auf $0.10/$0.50. OpenAI begründet den Rutsch mit Verbesserungen bei Caching und Inferenz.

Der unabhängige Benchmarker Artificial Analysis hat nachgerechnet. Luna landet bei $0.07 pro Aufgabe, der Vorgänger lag bei $0.18, also rund 60% weniger. Bei Sol sind es etwa 50%.

Der Haken: Die Ersparnis kommt aus der Preisliste, nicht aus Effizienz-Zauberei. Beide neuen Modelle verbrauchen pro Aufgabe sogar etwas mehr Output-Tokens: 31k statt 29k bei Sol, 51k statt 41k bei Luna.

Warum es zählt

Das ist eine Preisgeschichte, keine Intelligenzgeschichte. Laut Artificial Analysis bleiben die Werte im Intelligence Index und im Coding Agent Index auf dem Niveau von GPT-5.6, mit Fortschritten bei einigen Tests und Rückschritten bei anderen.

In OpenAIs Codex-Harness kommt Sol im Coding Agent Index auf 57 Punkte, plus 2. Luna dagegen rutscht beim selben Coding-Test ab. Luna ist also billiger und beim Coden etwas schlechter, was völlig okay ist, wenn du sie ohnehin für Büro-Fleißarbeit wolltest.

Gleiche Intelligenz, halbe Rechnung: Das ist der Pitch, und die Benchmarks stützen ihn weitgehend.

Für Entwickler:innen verschiebt sich die Rechnung schnell. Workloads, die beim alten Preis grenzwertig waren, etwa Massenverarbeitung von Dokumenten oder Agenten, die Tokens verfeuern wie Sapiens Kaffee, lassen sich leichter rechtfertigen.

Cache-Reads behalten ihren Rabatt von 90%, Cache-Writes ihren Aufschlag von 25%. Die üblichen Optimierungstricks funktionieren also weiter.

Für den Rest von uns ist die Trendlinie der Punkt. Mit jeder Generation wird dasselbe Maß an Maschinenkompetenz billiger. Die Menschen, die genau die Büroarbeit erledigen, nach der Luna benannt ist, dürfen diesen Satz gern zweimal lesen.

Was du damit machst

  • Rechne dein Kostenmodell neu.Setz die neuen Preise $2/$10 und $0.10/$0.50 in deine Schätzungen ein, bevor du ein Feature als zu teuer abschreibst.
  • Teste Luna an den langweiligen Sachen.Zusammenfassungen, Extraktion und schnelle Q&A sind genau das, wofür OpenAI sie positioniert. Benchmarke sie also zuerst dort.
  • Geh nicht von einem Coding-Upgrade aus.Sol hat sich im Coding-Index verbessert, Luna ist abgerutscht. Prüf deine eigenen Coding-Workloads, bevor du Modelle tauschst.
  • Halte dein Caching sauber.Der Cache-Read-Rabatt von 90% greift weiterhin zusätzlich zum niedrigeren Grundpreis, also verwende Prompts wieder, wo es geht.

Ciao, sapiens. Die Roboter haben Rabatt bekommen. Check mal, ob dein Budget auch einen hat.