GPT-5.6 Sol vs Terra vs Luna: Welche Stufe nutzen (2026)

TL;DR

• GPT-5.6 ist seit dem 9. Juli 2026 allgemein verfügbar und kommt in drei Stufen: Sol (Flaggschiff), Terra (ausgewogener Standard) und Luna (günstigste, schnellste)
• Pro 1M Tokens: Sol kostet $5/$30, Terra $2.50/$15, Luna $1/$6 — eine 5×-Spanne von oben nach unten
• Die Benchmark-Lücke ist deutlich kleiner als die Preislücke: Terra liegt bei den meisten Tests innerhalb von ~2 Punkten von Sol bei der Hälfte der Kosten, daher ist Terra der Standard für die meisten Arbeiten
• Gehen Sie nur bei den schwierigsten agentischen und long-horizon Aufgaben auf Sol; nutzen Sie Luna für hochvolumige Short-Context-Jobs — aber nicht für Long-Context (dort bricht die Recall-Leistung ein)

OpenAI hat nicht ein GPT-5.6 ausgeliefert. Es hat drei ausgeliefert — Sol, Terra und Luna — zu Preisen, die von oben nach unten um 5× auseinanderliegen. Die offensichtliche Frage für alle, die die API aufrufen: Brauchen Sie wirklich das Flaggschiff, oder reicht die günstige Stufe? Die ehrliche Antwort ist, dass die Benchmark-Lücke weit enger ist als die Preislücke, sodass die meisten Workloads nicht standardmäßig auf Sol laufen sollten. Hier die Preis-Leistung-Aufschlüsselung, Stufe für Stufe, inklusive der einen Stelle, an der die günstige Stufe wirklich auseinanderfällt.

Was sind GPT-5.6 Sol, Terra und Luna?

GPT-5.6 Sol, Terra und Luna sind drei Stufen derselben Modellfamilie, die gemeinsam am 9. Juli 2026 veröffentlicht wurden und Capability gegen Kosten eintauschen. Sol ist das Flaggschiff, Terra die ausgewogene Alltagsstufe und Luna der Champion bei Kosten und Geschwindigkeit.

Sie teilen dieselbe Generation — Programmatic Tool Calling (das Modell schreibt JavaScript, das in einer isolierten V8-Sandbox ohne Netzwerkzugriff läuft) und das neue vorhersagbare Prompt Caching gelten für alle drei. Was sich zwischen den Stufen ändert, ist die rohe Capability, Latenz und der Preis. Alle drei sind jetzt über die OpenAI API, ChatGPT, Codex und GitHub Copilot verfügbar.

GPT-5.6-Stufen auf einen Blick:

*Quelle: OpenAI GPT-5.6 Launch, 9. Juli 2026. gpt-5.6 ist ein Alias, der auf das Flaggschiff zeigt.*

Das Framing, das OpenAI vorantreibt — „Intelligenz, die mit Ihrem Ehrgeiz skaliert“ — bedeutet im Kern: Wählen Sie die kleinste Stufe, die die Latte Ihrer Aufgabe überspringt, und zahlen Sie nur dann mehr, wenn Sie müssen.

Wie viel kostet jede GPT-5.6-Stufe?

Pro 1M Tokens kostet Sol $5 Input / $30 Output, Terra $2.50 / $15 und Luna $1 / $6. Das ist ein sauberer 2×-Schritt nach unten bei jeder Stufe und eine 5×-Gesamtspanne zwischen Sol und Luna.

Token-Preise bleiben abstrakt, bis man sie gegen einen echten Workload laufen lässt. Nehmen wir eine moderate Produktions-App mit 10M Input- und 2M Output-Tokens pro Monat:

Monatliche Kosten für einen 10M-in / 2M-out Workload:

*Illustrative Rechnung auf Basis der veröffentlichten Per-Token-Raten; Ihre Aufteilung von Input vs. Output verschiebt die Summen.*

Gleiche Aufgabe, 5× Unterschied in der Rechnung. Diese Lücke ist der ganze Grund, warum es zählt, auf welche Stufe Sie routen — und warum es der häufigste Weg ist, wie Teams bei dieser Familie zu viel ausgeben, wenn sie jeden Call standardmäßig auf Sol schicken.

Wie schneiden GPT-5.6 Sol, Terra und Luna bei Benchmarks ab?

Bei den meisten Benchmarks liegen die drei Stufen weit näher beieinander, als ihre Preise vermuten lassen — Terra landet typischerweise innerhalb von etwa 2 Punkten von Sol, und Luna innerhalb von ein paar weiteren. Die Ausnahme ist Long-Context-Recall, wo Luna eine Klippe hinunterfällt.

Hier die veröffentlichten Zahlen über die Familie:

GPT-5.6 Benchmark-Vergleich:

*Quelle: veröffentlichte GPT-5.6-Benchmark-Tabellen, 2026 (Vellum, OpenAI). Sol erreicht außerdem 92.2% bei BrowseComp; Sol Ultra erreicht 91.9% bei Terminal-Bench 2.1.*

Zwei Dinge springen ins Auge. Erstens liegen die Stufen bei Coding- und agentischen Aufgaben nah beieinander — Luna hält ungefähr 85% der Qualität von Sol bei einem Fünftel des Preises, was ein exzellenter Trade für hochvolumige Arbeit ist. Zweitens ist MRCR Long-Context-Recall der Punkt, an dem die günstige Stufe bricht: Luna fällt auf 41.3%, während Sol und Terra nahe 90% bleiben. Wenn Ihr Workload lange Dokumente oder große Kontexte füttert, ist Luna unabhängig vom Preis vom Tisch.

Wann sollte man welche GPT-5.6-Stufe nutzen?

Standardmäßig Terra, nur bei der schwierigsten agentischen Arbeit auf Sol eskalieren und für hochvolumige Short-Context-Jobs auf Luna gehen. Wählen Sie eine Stufe nicht nach Prestige — wählen Sie sie danach, was die Aufgabe tatsächlich verlangt.

• Terra — der Standard. Sie erreicht oder kommt innerhalb von ~2 Punkten an Sol heran bei den meisten Benchmarks bei der Hälfte des Preises. Für die meisten Produktions-Apps, Chat, Coding-Unterstützung und allgemeine Agenten-Schritte ist Terra der richtige Ausgangspunkt. Greifen Sie nur dann zu etwas anderem, wenn eine konkrete Aufgabe beweist, dass Terra nicht ausreicht.
• Sol — die harten Fälle. Long-horizon Multi-Step-Workflows, komplexe Terminal-Operationen, Cybersecurity-Research, Computer Use und alles, was max. Reasoning oder Ultra-Mode braucht. Sol ist die einzige Stufe, die die Frontier-Features vollständig unterstützt, und sie führt jeden Benchmark an — nur nicht genug, um sie überall laufen zu lassen.
• Luna — Volumen, nicht Tiefe. High-Throughput-, latenzsensitive Pipelines, bei denen die Kosten pro Query mehr zählen als die letzten paar Reasoning-Punkte: Classification, Tagging, Routing, kurze Summaries, Bulk-Generation. Halten Sie sie von Long-Context-Arbeit fern.

Das praktische Muster, bei dem die meisten Teams landen, ist nicht „eine wählen“. Es ist Routing: Luna oder Terra für den Großteil der Calls, Sol reserviert für die Schritte, die es wirklich brauchen. Dort rechnet sich ein Mixed-Tier-Setup.

Wie wechselt man zwischen den GPT-5.6-Stufen in der API?

Sie wechseln die Stufen, indem Sie die Model-ID ändern — gpt-5.6-sol, gpt-5.6-terra oder gpt-5.6-luna — während der Rest des Requests identisch bleibt. Weil die Stufen eine gemeinsame Schnittstelle teilen, ist das Routing nach Aufgabe eine Änderung an einem Feld.

from openai import OpenAI

client = OpenAI(api_key="sk-...")  # use an environment variable, never hardcode

def answer(prompt, hard=False, bulk=False):
    # route by task: cheap by default, escalate only when needed
    model = "gpt-5.6-sol" if hard else "gpt-5.6-luna" if bulk else "gpt-5.6-terra"
    return client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
    )

Der Haken beim direkten Weg: Dieses Routing lebt in Ihrem Code, gebunden an die Stufen eines Providers. Wenn Sie später einen Teil des Traffics an ein günstigeres Non-OpenAI-Modell schicken oder bei Rate-Limits einer Stufe fallbacken wollen, bauen Sie es neu. Ein Unified Gateway wie Velokey stellt Sol, Terra, Luna und Modelle anderer Vendoren hinter einem OpenAI-kompatiblen Endpoint bereit, sodass Tier-Routing und Cross-Model-Fallback Config werden, kein Rewrite — und genau das ist der Sinn, einen Workload über Stufen zu splitten, um Kosten zu steuern.

Zum Launch-Kontext und wie GPT-5.6 hierherkam, siehe unsere GPT-5.6 Release Coverage; zum Vergleich mit anderen Frontier-Modellen sind unser GLM-5.2 vs GPT-5.5 vs Claude Opus 4.8 Breakdown und der Claude API Pricing Guide nützliche nächste Lektüre.

Häufig gestellte Fragen

Welche GPT-5.6-Stufe sollte ich standardmäßig nutzen?

Terra. Sie liegt bei den meisten Benchmarks innerhalb von etwa 2 Punkten von Sol bei der Hälfte des Preises ($2.50/$15 pro 1M Tokens versus $5/$30). Starten Sie Produktions-Workloads auf Terra und eskalieren Sie nur bei Aufgaben zu Sol, die messbar mehr brauchen — long-horizon Agents, komplexe Terminal-Arbeit oder Max-Reasoning-Modi.

Was ist der Preisunterschied zwischen Sol, Terra und Luna?

Pro 1M Tokens: Sol kostet $5 Input / $30 Output, Terra $2.50 / $15 und Luna $1 / $6. Das ist ein 2×-Schritt nach unten bei jeder Stufe und eine 5×-Spanne von Sol zu Luna. Bei einem monatlichen 10M-in/2M-out Workload sind das grob $110 (Sol) versus $22 (Luna).

Ist GPT-5.6 Luna gut genug für die Produktion?

Für hochvolumige Short-Context-Aufgaben ja — Luna hält rund 85% der Qualität von Sol bei einem Fünftel des Preises. Aber ihr Long-Context-Recall fällt auf 41.3% (versus ~90% bei Sol und Terra), also vermeiden Sie Luna für lange Dokumente oder Large-Context-Prompts. Nutzen Sie sie für Classification, Tagging, Routing und Bulk-Generation.

Was sind die GPT-5.6 API Model IDs?

gpt-5.6-sol, gpt-5.6-terra und gpt-5.6-luna. Der bare gpt-5.6-Alias zeigt auf das Flaggschiff (Sol). Der Wechsel der Stufen ist eine One-Field-Änderung im Request, da alle drei dieselbe API-Schnittstelle teilen.

Wann ist Sol die 5× des Preises von Luna wert?

Wenn die Aufgabe wirklich Frontier-Reasoning braucht: long-horizon Multi-Step-Agents, komplexe Terminal-Operationen, Cybersecurity-Research, Computer Use oder Long-Context-Arbeit, bei der Lunas Recall versagt. Für Everyday Chat, Coding-Hilfe und routinemäßige Agenten-Schritte rechtfertigt der Benchmark-Gewinn gegenüber Terra oder Luna Sols Kosten selten.

Kann ich GPT-5.6-Stufen in einer Anwendung mischen?

Ja, und die meisten kosteneffizienten Setups tun das. Routen Sie den Großteil der Calls an Luna oder Terra und reservieren Sie Sol für die schwierigsten Schritte. Da die Stufen eine gemeinsame Schnittstelle teilen, können Sie das Modell pro Request wählen. Ein Unified Gateway macht dieses Routing (plus Fallback auf andere Modelle) zu einer Config-Änderung statt einer Code-Änderung.

Möchten Sie über GPT-5.6-Stufen routen, ohne einen Provider hardzucoden? Holen Sie sich Ihren Velokey API Key und rufen Sie Sol, Terra und Luna — plus Modelle anderer Vendoren — über einen OpenAI-kompatiblen Endpoint auf, mit Per-Request-Modellauswahl und automatischem Fallback.

*Zuletzt aktualisiert: 10. Juli 2026. Preis- und Benchmark-Zahlen stammen vom GPT-5.6-Launch von OpenAI und veröffentlichten Evaluationstabellen zum Zeitpunkt der Veröffentlichung. Die Zahlen werden von OpenAI gesetzt und können sich ändern — prüfen Sie aktuelle Raten und Benchmarks, bevor Sie Produktionsbudgets festlegen.*