GPT-5.6 Tutorial: Modell und Thinking-Stufe richtig wählen
Luna, Terra oder Sol? Dieser Praxisguide erklärt Preise, Reasoning-Stufen, Max, Ultra und warum Sol High sinnvoller sein kann als Terra Max.
OpenAI wollte die Modellwahl mit GPT-5 weitgehend unsichtbar machen: ein Modell auswählen, den Rest sollte das System regeln. Mit GPT-5.6 treffen Nutzer nun wieder auf Sol, Terra und Luna, mehrere Thinking-Stufen sowie Pro und Ultra.
Das wirkt zunächst kompliziert. Tatsächlich lässt sich die Entscheidung aber auf eine feste Reihenfolge reduzieren:
- Erst das passende Modell
- Dann die richtige Thinking-Stufe
- Zuletzt die Frage, ob Ultra oder Pro für die konkrete Aufgabe einen Mehrwert bietet.
Hinweise
Die folgende Einordnung basiert auf Aussagen von OpenAI-Mitarbeitern, offiziellen Produktinformationen und Richtlinien, externen Benchmarks sowie ersten eigenen Erfahrungen. Benchmarkwerte sind Momentaufnahmen und ersetzen keine Tests mit den eigenen typischen Aufgaben.
Modell-Auswahl und Thinking-Level
Das bekommst du in diesem Tutorial:
- Erklärung der drei Modelle
- Erklärung der Thinking-Stufen
- Erklärung von Ultra und Pro
- Weitere Tipps
ChatGPT Oberfläche
In der normalen ChatGPT-Oberfläche bleibt die Auswahl einfach
Wer ausschließlich die normale ChatGPT-Oberfläche verwendet, muss sich mit Sol, Terra und Luna zunächst kaum beschäftigen.
Für normale Gespräche und einfache Fragen bleibt GPT-5.5 Instant die einzige Wahl. Wird eine Aufgabe komplexer, ist Medium ein sinnvoller Ausgangspunkt und meist die beste Balance aus Qualität, Geschwindigkeit und Verbrauch. Erst wenn Medium erkennbar nicht ausreicht, lohnt sich High.
ChatGPT Work, Codex und API
Jede Menge Auswahl
Komplexer wird die Auswahl in ChatGPT Work, Codex und der OpenAI API. Dort können Nutzer – abhängig von Oberfläche und Tarif – frei zwischen Sol, Terra und Luna sowie mehreren Thinking-Stufen wählen. Außerdem kommen noch die Optionen Ultra und Pro hinzu.
Die Modelle
Braucht man GPT-5.5 und GPT-5.4 noch?
GPT-5.5 war bislang das teure Spitzenmodell, GPT-5.4 die ungefähr halb so teure Balance-Variante.
GPT-5.6 Sol übernimmt die Rolle des Flaggschiffs. Es kostet genauso viel wie GPT-5.5, bietet aber mehr Leistung und bessere Token-Effizienz. Für neue Aufgaben gibt es daher nur wenige Gründe für 5.5. Eine Ausnahme sind validierte Produktionsabläufe, bei denen reproduzierbare Ausgaben wichtiger sein können als die neuere Generation.
GPT-5.6 Terra kostet wiederum genauso viel wie GPT-5.4, liegt aber ungefähr auf dem Niveau des alten GPT-5.5. Nutzer erhalten damit grob die bisherige Spitzenleistung zum halben Tokenpreis.
Für neue Workflows kann die engere Auswahl daher in der Regel direkt mit GPT-5.6 beginnen. GPT-5.5 und GPT-5.4 haben ausgedient.
Luna: Kleine Modelle sollte man nicht unterschätzen
Viele greifen automatisch zum stärksten Modell. Das wird zunehmend teuer und unnötig, denn kleinere Modelle reichen inzwischen für einen großen Teil der täglichen Aufgaben aus.
Im aktuellen Artificial Analysis Intelligence Index erreicht Luna High ungefähr das Niveau von Gemini 3.1 Pro. Also dem dem stärksten Google Modell.
Luna eignet sich besonders für:
- normale Gespräche und einfache Fragen
- klar definierte Text- und Datenaufgaben
- häufig wiederkehrende Routinearbeiten
- getestete Automatisierungen mit hohem Volumen
Läuft ein getesteter Ablauf zehnmal täglich, kann Luna schnell viel Geld oder Nutzungskontingent sparen.
Selbst Luna ohne zusätzliches Reasoning liegt in den verwendeten Vergleichsdaten deutlich über GPT-4o – einem Modell, mit dem viele Nutzer lange produktiv gearbeitet haben. Luna ist deshalb nicht nur eine Notlösung für unwichtige Aufgaben, sondern ein ernst zu nehmendes Arbeitsmodell.
Terra: Der verlässliche Standard
Terra ist leistungsmäßig ungefähr mit dem alten GPT-5.5 vergleichbar, kostet aber nur die Hälfte. In breiten Benchmarks liegt es minimal dahinter. Trotzdem ist Terra Medium eine sehr sinnvolle Standardwahl, wenn Nutzer frei zwischen allen GPT-5.6-Modellen wählen können.
Bei einmaligen Fragen lohnt es sich selten, vorab aufwendig die theoretisch beste Kombination zu testen. Meistens soll einfach mit hoher Wahrscheinlichkeit eine gute Antwort entstehen, selbst wenn sie etwas mehr kostet. Und genau das macht Terra Medium fast immer.
Terra Medium eignet sich für:
- größere Einzelaufgaben
- Berichte und Analysen
- einfachere Programmieraufgaben
- allgemeine Workflows
- typische Automatisierungen
Bei höheren Reasoning-Stufen verändert sich die Rechnung allerdings. Terra High, xhigh und insbesondere Terra Max können so viele zusätzliche Tokens verbrauchen, dass der niedrigere Preis des Modells seinen Vorteil verliert. Dann ist das Modell auf einmal teurer und schlechter als die große Sol-Variante. Später dazu mehr.
Sol: Wenn Qualität und Fehlerkosten zählen
Luna und Terra zeigen vor allem, wie viel günstiger starke KI-Modelle geworden sind. GPT-5.6 Sol bildet dagegen die neue Leistungsspitze der Modellfamilie.
OpenAI positioniert Sol als Konkurrenten zu Claude Opus 4.8 und Fable 5. Die aktuellen Artificial-Analysis-Benchmarks stützen diese Einordnung: Sol High liegt ungefähr auf dem Niveau von Opus 4.8 Max. Sol Max kommt im Artificial Analysis Intelligence Index fast an Fable 5 heran.
Sol ist sinnvoll bei:
- schwierigen und komplexen Coding-Aufgaben
- langen Agentenabläufen
- großen Plänen mit vielen Abhängigkeiten
- ausführlicher Recherche
- wichtigen Analysen und Prüfungen
- Aufgaben, bei denen ein Fehler hohe Folgekosten verursachen kann
Auch Luna und Terra können Analysen durchführen. Entscheidend ist deshalb nicht nur die Größe einer Aufgabe, sondern die mögliche Konsequenz eines Fehlers. Je teurer ein übersehener Fehler wäre, desto eher lohnt sich Sol – selbst bei einer scheinbar kleinen Aufgabe.
Nutzer bezahlen dann für mehr Leistungsreserve und sorgfältigere Prüfung. Das kann wirtschaftlich vernünftig sein, wenn ein Fehler später ein Vielfaches der zusätzlichen Modellkosten verursachen könnte.
Thinking-Stufen (Reasoning)
Thinking-Stufen sind ein Arbeitsbudget
Nach der Modellwahl folgen die Reasoning- beziehungsweise Thinking-Stufen. Sie sollten nicht wie der Qualitätsregler eines Fotos verstanden werden, sondern wie ein Arbeitsbudget.
Auf die Frage, was 1+1 ergibt, antwortet Low genauso mit = 2 wie Max. Max sucht nur länger nach einem möglichen Haken. Das kostet Zeit und Tokens, verbessert diese Antwort aber nicht.
Der wichtigste Praxistipp eines OpenAI-Entwicklers lautet deshalb: mit der niedrigsten Thinking-Stufe beginnen, die den Job zuverlässig erledigt. Reicht das Ergebnis nicht aus, sollte genau eine Stufe höher getestet werden.
Twitter Beitrag - Cookies links unten aktivieren.
Reasoning efforts on GPT-5.6 Sol:
— Vaibhav (VB) Srivastav (@reach_vb) July 10, 2026
Start with the lowest setting that gets the job done, then turn it up only when the task actually needs more thinking.
> Light & Low: quick, well-scoped tasks
> Medium: planning, analysis, or a few moving parts
> High & xhigh: harder work with… pic.twitter.com/mCvNQ7gTmT
Low beziehungsweise Light
In der App wird die niedrige Stufe als Light bezeichnet, in der API als Low. Sie ist für schnelle und klar umrissene Aufgaben gedacht. Wenn eine Frage eindeutig formuliert werden kann und nur einen oder sehr wenige Schritte erforderlich sind, reicht diese Einstellung meistens aus.
Medium
Medium passt, wenn die Antwort nicht sofort auf der Hand liegt, mehrere Variablen berücksichtigt werden müssen oder ein überschaubarer Plan notwendig ist. Für unklare neue Aufgaben ist Medium häufig der beste Startpunkt.
High und xhigh
High und xhigh benötigen mehr Zeit und können je nach Aufgabe deutlich mehr Tokens verbrauchen. Dafür können die Modelle anspruchsvolle Aufgaben mit vielen Schritten bearbeiten, Optionen vergleichen, Entscheidungen abwägen und Ergebnisse kontrollieren.
Viele Nutzer haben Claude Opus lange als sogenannten Orchestrator eingesetzt: Das Modell überblickt eine große Aufgabe, delegiert Teilaufgaben und führt die Ergebnisse anschließend wieder zusammen. Sol High und xhigh können diese Rolle inzwischen mindestens auf dem Niveau von Claude Opus 4.8 Max übernehmen und schneiden in aktuellen Coding- und Agentenvergleichen häufig besser ab.
Max
Max stellt noch einmal mehr Arbeitsbudget als xhigh bereit. Die zusätzliche Leistung fällt in den aktuellen Sammelbenchmarks jedoch vergleichsweise klein aus. Für die meisten Aufgaben ist Max deshalb nicht notwendig. Die Stufe sollte Problemen vorbehalten bleiben, bei denen jede zusätzliche Prüfung zählt und Qualität klar vor Zeit und Kosten steht.
Ultra und Pro Modus
Ultra: Parallele Unteragenten statt einfach mehr Reasoning
Ultra klingt wie eine weitere Stufe über Max. Der entscheidende Unterschied liegt jedoch in der Arbeitsweise.
Ultra erlaubt dem Hauptagenten, mehrere Unteragenten parallel einzusetzen. Dadurch können komplexe Aufgaben deutlich schneller abgeschlossen werden – allerdings nur, wenn sie sich in weitgehend unabhängige Teilprobleme zerlegen lassen.
Bei einem nicht teilbaren Problem bringt Ultra wenig. Vier Agenten können nicht gleichzeitig arbeiten, wenn jeder auf den vorherigen Schritt warten muss.
Besteht eine große Aufgabe dagegen aus vier unabhängigen Teilproblemen, kann Ultra diese parallel bearbeiten. Der Hauptagent setzt die Ergebnisse anschließend zusammen. Eine Aufgabe, die ein einzelner Agent nacheinander in 30 oder 40 Minuten erledigen würde, kann unter günstigen Bedingungen schon nach etwa zehn Minuten abgeschlossen sein.
Der Tokenverbrauch steigt durch die parallelen Agenten. Bei sauber teilbaren Aufgaben kann der Gesamtaufwand trotzdem ähnlich bleiben, weil dieselbe Teilarbeit sonst nacheinander erledigt würde. Garantiert ist das nicht: OpenAI weist auf den höheren Tokenverbrauch hin.
Pro: Zusätzliche Modellarbeit für besonders schwierige Aufgaben
Für Pro-Abonnenten steht zusätzlich GPT-5.6 Sol Pro zur Verfügung.
Pro ist nicht lediglich die nächste Stufe über Max und Ultra. Das System investiert zusätzliche Modellarbeit, um schwierige Aufgaben aus mehreren Richtungen zu prüfen und eine möglichst belastbare finale Antwort zu liefern.
Gerade in Forschung und Mathematik wird häufiger über Ergebnisse oder neue Beweisansätze berichtet, die erst mit einer Pro-Variante gefunden wurden. Für tägliche Standardfragen ist dieser Aufwand nicht gedacht. Er lohnt sich, wenn ein kleiner zusätzlicher Qualitäts- oder Zuverlässigkeitsgewinn einen erheblichen Wert besitzt.
Die drei Optionen lassen sich deshalb so unterscheiden:
- Max: Ein Modell erhält besonders viel Arbeitsbudget für ein schwieriges Problem.
- Ultra: Mehrere Agenten bearbeiten unabhängige Teilprobleme parallel.
- Pro: Das System investiert zusätzliche Modellarbeit und prüft mehrere Lösungswege, bevor es eine finale Antwort ausgibt.
In allen drei Fällen können Zeit- und Tokenverbrauch stark steigen. Am meisten aber natürlich bei Pro.
Bei der Migration zunächst eine Stufe niedriger testen
Bei der Migration empfiehlt OpenAI ausdrücklich, die bisherige Reasoning-Stufe eine Stufe niedriger als Ausgangswert auszuwählen.
Das heißt, wenn ihr bisher für eine Aufgabe erfolgreich GPT-5.5 xhigh genutzt habt, wird diese Aufgabe mit sehr hoher Wahrscheinlichkeit auch mit GPT-5.6 Sol high oder sogar medium erledigt werden können.
Die wirklichen Kosten
Warum die reinen Tokenpreise täuschen
Für die praktische Modellwahl ist der Kostenvergleich besonders interessant. Er ist auch einer der Gründe, warum ich persönlich wieder vollständig zu OpenAI gewechselt bin.
Betrachtet man nur die Listenpreise pro eine Million Tokens, scheinen GPT-5.6 Sol, Claude Opus 4.8 und selbst Fable 5 gar nicht so weit auseinanderzuliegen. Dieser Eindruck täuscht, weil Modelle für eine vergleichbare Aufgabe sehr unterschiedliche Tokenmengen benötigen.
Auf folgender Grafik kann man das sehr gut erkennen:
Bedenken sollte man zudem noch, dass die Skala nicht linear aufgebaut ist. Der Abstand zwischen 30k und 40k Token ist z.B. sehr viel kürzer als zwischen 0 und 10k. Entsprechend müssten die Anthropic Modelle noch sehr viel weiter rechts liegen.
Sol High benötigt für die selbe Aufgabe weniger als 7.000 Output-Tokens. Opus 4.8 Max kommt auf mehr als 40.000. Opus erzeugt für dieses Ergebnis, welches nicht mal besser ist, also ungefähr sechsmal so viele Output-Tokens.
Bei annähernd vergleichbaren Outputpreisen pro 1 Million Token kann allein dieser Teil der Rechnung etwa sechsmal so teuer werden. Werden zusätzlich Input, Reasoning und weitere Tokenarten berücksichtigt, zeigt Artificial Analysis im konkreten Kosten-pro-Aufgabe-Vergleich weiterhin einen deutlichen Abstand: ungefähr 45 Cent für Sol High gegenüber rund 1,80 Dollar für Opus 4.8 Max.
Selbst Sol Max verbraucht weniger als die Hälfte der Output-Tokens von Opus 4.8, erreicht aber eine höhere Gesamtleistung und liegt häufiger auf dem Niveau von Fable 5. Fable 5 benötigt ähnlich viele Output-Tokens wie Opus 4.8 und ist pro erledigter Index-Aufgabe noch einmal deutlich teurer.
Für bestimmte Arbeitsweisen kann ein 20-Dollar-Abo bei OpenAI dadurch mehr nutzbare Ergebnisse liefern als ein 100-Dollar-Abo bei Anthropic. Das ist kein pauschaler Tarifvergleich, weil Limits, Funktionen und Aufgaben abweichen. Die Daten zeigen aber, wie wenig ein ähnlicher Tokenpreis über die tatsächlichen Aufgabenkosten aussagt.
Und hier macht die GPT-5.6 Modellreihe einen richtig guten Eindruck.
Andere interessante Modelle aktuell
Grok und Muse setzen die Konkurrenz unter Druck
Die GPT-5.6-Familie ist im aktuellen Preis-Leistungs-Vergleich ausgesprochen interessant. Daneben fallen vor allem Grok 4.5 und Muse Spark 1.1 auf.
Meta und xAI haben einen aggressiven Preiskampf begonnen und gleichzeitig sehr leistungsfähige Modelle veröffentlicht. Dadurch bleibt im aktuellen Preis-Leistungs-Vergleich selbst für die chinesische Konkurrenz wenig Platz an der Spitze.
Das viel gelobte GLM-5.2 liegt in den gezeigten Daten hinter Spark und Grok. Auch Gemini 3.1 Pro, das ich selbst lange verwendet habe, wirkt im aktuellen Vergleich deutlich weniger attraktiv.
Das ist eine persönliche Bewertung der derzeitigen Datenlage, kein dauerhaftes Urteil. Bei der aktuellen Entwicklungsgeschwindigkeit kann die Rangfolge innerhalb weniger Wochen wieder anders aussehen.
Grenzfälle
Grenzfälle: Sol High oder Terra Max?
Trotz der einfachen Grundregeln gibt es Überschneidungen, bei denen keine pauschale Antwort möglich ist.
Luna High und Terra Medium erreichen im Artificial Analysis Intelligence Index beispielsweise jeweils 46 Punkte. Auch Sol High und Terra Max liegen nah beieinander.
Welche Kombination sinnvoller ist, hängt vom konkreten Aufgabentyp ab. Ein Sammelbenchmark bietet Orientierung, ersetzt aber keinen Test mit repräsentativen eigenen Aufgaben.
Das Beispiel Sol High gegen Terra Max zeigt dennoch, warum weder Modellname noch Tokenpreis allein ausreichen.
Sol High liegt im breiten Intelligence Index knapp vor Terra Max. Terra kostet pro Token zwar nur die Hälfte. Durch die Max-Einstellung verbraucht Terra in den gezeigten Daten aber ungefähr dreimal so viele Output-Tokens wie Sol High.
Dadurch ist Terra Max im Durchschnitt nicht nur etwas schwächer, sondern pro erledigter Index-Aufgabe sogar teurer: ungefähr 55 Cent gegenüber 45 Cent für Sol High.
Aus diesem Grund verwende ich Terra kaum mit High, xhigh oder Max. Sobald Terra Medium nicht mehr ausreicht, ist der Wechsel zu Sol meistens die sinnvollere Wahl.
Bonustipp: Kontigent überwachen
Das eigene Kontingent bewusst einsetzen
Nutzer sollten regelmäßig prüfen, wie viel ihres Kontingents sie tatsächlich verbrauchen.
Wer ständig am Limit arbeitet, hat zwei Möglichkeiten: niedrigere Reasoning-Stufen und kleinere Modelle testen oder sich bewusst für ein teureres Abo entscheiden. Häufig liefern Luna oder eine niedrigere Stufe nahezu dieselbe Qualität und schaffen wieder deutlich mehr Spielraum.
Auch der umgekehrte Fall ist relevant. Bleibt am Ende jedes Abrechnungszeitraums viel Kontingent ungenutzt, muss bei wichtigen Aufgaben nicht übertrieben gespart werden. Dann kann eine höhere Stufe getestet werden, um festzustellen, ob sie einen echten Qualitätsgewinn bringt. Das Kontingent ist schließlich bereits bezahlt.
Mehr Reasoning nur zu verbrauchen, damit ein Limit nicht verfällt, ergibt allerdings keinen Sinn. Entscheidend bleibt immer, ob das Ergebnis messbar besser wird.
Die Grafik findet man unter "Usage" in den Einstellungen:
Fazit & Empfehlung
GPT-5.6 scheint eine leistungsstarke Modellfamilie zu sein. Die vielen Modelle und Stufen sind letztlich doch leichter zu handhaben, als es die reine Masse an Kombinationen vermuten lässt.
Meine aktuellen Einstellungen:
- Luna Low oder Medium für einfache Aufgaben, deren Ergebnis ich gut überblicken kann, sowie für getestete Routineabläufe.
- Terra Medium als Standard für neue Einzelaufgaben, wenn ich nicht genau weiß, welche Konfiguration die richtige ist.
- Sol mit Medium bis Ultra, sobald Terra die Aufgabe nicht zufriedenstellend löst, ein Fehler hohe Folgekosten hätte oder ein langer und komplexer Agentenablauf nötig ist.
FAQ - Frage & Anworten
Hier versuchen wir, die wichtigsten und häufigsten Fragen zu den neuen Modellen zu beantworten. Sollte noch etwas unklar sein, könnt ihr uns gerne per E-Mail oder über die sozialen Medien kontaktieren.