OpenAI hat am 22. September 2026 mit GPT-6 Sol und GPT-6 Luna zwei neue Modelle veröffentlicht und dabei die API-Preise gegenüber den Vorgängern um rund die Hälfte gesenkt. Die beiden Modelle ergänzen das gut drei Wochen zuvor gestartete GPT-6 Astra zu einer dreistufigen Modellfamilie, wie VentureBeat berichtet.
Kurzfassung
- OpenAI hat GPT-6 Sol und GPT-6 Luna veröffentlicht, mit API-Preisen rund 50 Prozent unter den Vorgängermodellen der GPT-5.6-Reihe.
- GPT-6 Sol kostet laut OpenAI 2 US-Dollar Input und 10 US-Dollar Output je 1 Million Token, Luna 0,10 und 0,50 US-Dollar (Stand: September 2026).
- Das betrifft jede Automatisierung, deren Kalkulation Modellkosten je Vorgang gegen die nötige Fähigkeit abwägt.
Stand: Ende Oktober 2026: OpenAI hat die Familie am 26. Oktober 2026 um GPT-6.1 Terra erweitert. Die Preise von Sol und Luna sind laut Preisseite unverändert, und die EU-Verarbeitung ist inzwischen für alle GPT-6-Modelle dokumentiert, siehe den Abschnitt zur EU-Verarbeitung weiter unten.
Drei Preisstufen statt einer Kostenfrage
Mit Sol und Luna hat OpenAI die GPT-6-Generation zu einer klar gestaffelten Familie ausgebaut. Astra ist laut OpenAI für die anspruchsvollsten Aufgaben gedacht, Sol als Allrounder für wiederkehrende, aber nicht triviale Arbeit, Luna für hochvolumige Routinetätigkeiten. Laut den Preisangaben von OpenAI gelten für die Standard-Verarbeitung folgende Listenpreise in US-Dollar je 1 Million Token (Stand: Oktober 2026):
| Preisposition | GPT-6 Astra | GPT-6 Sol | GPT-6 Luna |
|---|---|---|---|
| Input | 10 USD | 2 USD | 0,10 USD |
| Output | 50 USD | 10 USD | 0,50 USD |
Am 26. Oktober 2026 kam GPT-6.1 Terra hinzu, laut OpenAI-Changelog „ein schnelles, effizientes Modell für visuelles Schlussfolgern, präzise Computerbedienung und klares, natürliches Schreiben“. Der Listenpreis liegt bei 1 US-Dollar Input und 5 US-Dollar Output je 1 Million Token (Stand: Oktober 2026), also zwischen Sol und Luna. Wer Luna für eine Aufgabe zu schwach findet und Sol nicht braucht, hat damit eine mittlere Option. Eine Einordnung über mehrere Anbieter steht im LLM Vergleich für Unternehmen. Eigene Benchmarks nennt dieser Beitrag für Terra nicht, die Tabelle unten bleibt auf Astra, Sol und Luna beschränkt.
Zum Vergleich: Der Vorgänger GPT-5.6 Sol kostete 4 US-Dollar Input und 20 US-Dollar Output, GPT-5.6 Luna 0,20 und 1,20 US-Dollar. Bei Sol hat sich der Preis damit exakt halbiert, bei Luna liegt die Ersparnis sogar leicht darüber.
Einer OpenAI-Sprecherin zufolge, wie sie VentureBeat zitiert, sind das dauerhafte Preise, keine befristete Einführungsaktion. Für Aufgaben, die eine schnellere Antwort brauchen, bietet OpenAI zusätzlich einen Fast-Modus an. Er ist laut Preisliste etwa doppelt so teuer wie die Standard-Verarbeitung, bei allen drei Modellen gleichermaßen.
Was die Benchmarks zeigen
Die folgenden Werte stammen aus OpenAIs eigenen Auswertungen zur Veröffentlichung, wie sie VentureBeat und eine Zusammenfassung von digitalapplied.com wiedergeben. Es sind Herstellerangaben, keine unabhängige Prüfung, und jedes Modell erreicht seinen Bestwert bei einer eigenen Reasoning-Stufe und zu unterschiedlichen Kosten je Aufgabe. Alle Werte in Prozent, außer der Fehlerquote, die niedriger besser ist.
| Benchmark | Luna | Sol | Astra | GPT-5.6 Sol |
|---|---|---|---|---|
| AutomationBench 1.0.6 | 20,7 | 33,2 | 41,4 | nicht angegeben |
| Agents’ Last Exam | 50,9 | 56,4 | 59,3 | nicht angegeben |
| DeepSWE 1.1 (lange Software-Aufgaben) | 66,6 | 68,8 | 74,1 | 72,7 |
| OSWorld 2.0 (Computerbedienung) | 52,7 | 64,4 | 73,5 | 66,2 |
| Fehlerquote bei Fakten | 7,6 | 4,5 | 3,9 | nicht angegeben |
Die Rangfolge Luna, Sol, Astra hält bei fast allen Werten. Eine Ausnahme fällt auf: Bei DeepSWE und bei OSWorld schlägt der teurere Vorgänger GPT-5.6 Sol den neuen GPT-6 Sol, trotz eines laut den Quellen deutlich höheren Preises je Aufgabe. Wer einen bestehenden Ablauf mit GPT-5.6 Sol betreibt, sollte den Wechsel deshalb am eigenen Prozess testen. Die niedrigeren Token-Preise allein reichen als Grundlage nicht.
Welches Modell für welche Aufgabe
Für die Prozessautomatisierung im Mittelstand ist weniger der Einzelpreis interessant als die Aufteilung nach Aufgabentyp. Ein Posteingang, der eingehende Anfragen nur in feste Kategorien sortiert, ist eine hochvolumige, aber fachlich enge Aufgabe. Dasselbe gilt für eine Belegverarbeitung, die Rechnungsfelder nach einem festen Schema extrahiert. Für dieses Profil kommt Luna zum Bruchteil des Preises der größeren Modelle infrage.
Eine Rechnungsprüfung mit Rückfragen an mehrere Systeme oder eine Klassifikation mit Begründungspflicht braucht dagegen mehr Kontextverständnis, ohne an die Grenzen von Astra zu stoßen: die Domäne von Sol. Astra bleibt für Aufgaben reserviert, bei denen ein Fehler teuer wird und mehrstufiges Schlussfolgern zählt, etwa eine komplexe Vertragsprüfung.
Die relevante Rechnung ist deshalb nicht der Preis pro Token, sondern der Preis pro erledigtem Vorgang bei der geforderten Fehlerquote. Ein Modell für alle Aufgaben eines Ablaufs einzusetzen, ist meist teurer als die Aufgaben nach Schwierigkeit auf mehrere Modelle zu verteilen.
Die Kriterien für diese Abwägung über mehrere Anbieter hinweg, samt Preis- und Hosting-Vergleich, haben wir im LLM Vergleich für Unternehmen zusammengestellt.
EU-Verarbeitung für alle GPT-6-Modelle
Für Abläufe mit personenbezogenen Daten oder Mandantendaten zählt neben dem Preis, wo die Verarbeitung stattfindet. Laut OpenAIs Dokumentation (Stand: Ende Oktober 2026) unterstützen GPT-6 Sol und Luna sowie GPT-6.1 Sol und Terra die EU-Datenresidenz mit Standard-, Flex- und Batch-Verarbeitung. Bei einer EU-Region führt OpenAI dann auch die Inferenz in dieser Region aus. Voraussetzung ist ein EU-Projekt, für das OpenAI eine eingeschränkte Datenaufbewahrung freigeben muss, etwa Zero Data Retention. Diese Freigabe ist nicht selbst buchbar und setzt eine Prüfung durch OpenAI voraus.
Eine Einschränkung bleibt: Einen Fast-Modus gibt es in der EU-Konfiguration weder für GPT-6 Sol noch für GPT-6 Astra, für Luna und die GPT-6.1-Modelle schon. Wer also auf die schnellere Antwort angewiesen ist, sollte diese Kombination vor der Einführung prüfen. Alternativ führt Microsoft laut Foundry-Dokumentation GPT-6 Astra, Sol und Luna sowie GPT-6.1 Sol und Terra inzwischen auch in Data Zone Standard EU.
Wie sich Verarbeitungsort, Speicherung und Vertragspartner bei mehreren Anbietern sauber auseinanderhalten lassen, beschreibt der Beitrag KI und EU-Datenresidenz.
Einordnung
GPT-6 Sol und Luna verschieben die Modellwahl weg von der Frage, welches Modell insgesamt am stärksten ist, hin zur Frage, welches Modell eine konkrete Aufgabe zum niedrigsten Preis zuverlässig löst. Mit drei klar getrennten Preisstufen in derselben Generation lässt sich ein bestehender Ablauf aufteilen, statt ihn komplett auf einem einzigen Modell laufen zu lassen. In derselben Woche hat auch Anthropic mit Claude Opus 5.5 ein deutlich günstigeres Modell veröffentlicht. Die Preisbewegung an der Spitze betrifft aktuell also nicht nur einen Anbieter.
Google hat am 30. September 2026 Gemini 4 Argon vorgestellt, zunächst nur für ausgewählte Cyberabwehr-Teams. Seit dem 13. Oktober 2026 ist das Modell laut Googles Changelog allgemein verfügbar. Einen Tag vor der Vorstellung, am 29. September 2026, hat OpenAI mit GPT-6.1 Sol eine neuere Sol-Stufe zum unveränderten Preis veröffentlicht, am 26. Oktober 2026 folgte mit GPT-6.1 Terra die mittlere Stufe. Wer eine Automatisierung plant oder bereits betreibt, sollte die neuen Preise zum Anlass nehmen, den eigenen Prozess neu durchzurechnen, statt die bisherige Modellwahl unverändert fortzuschreiben.
