Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openaiohne Datum · Q005400

Introducing GPT-6 Sol and Luna

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

OpenAI kündigt GPT‑6 Sol und Luna als kostengünstigere Modelle an, die laut Bericht in Tests Fortschritte bei Arbeitsabläufen, Fakten, Programmierung und Computernutzung zeigen; Astra bleibe das leistungsstärkste Modell. Die Benchmark-Aussagen sind durch interne, teils gezielt schwierige Tests, nicht vollständig erfasste Wettbewerberkosten und Unterschiede zwischen Test- und Produktumgebungen eingeschränkt.

Mittel

Der Bericht stellt GPT‑6 Sol und GPT‑6 Luna als günstigere, schnellere Ergänzungen zu GPT‑6 Astra vor. OpenAI zufolge übernehmen sie Fortschritte von Astra in professioneller Arbeit, Faktenzuverlässigkeit, Programmierung, Computernutzung und Alignment. Astra bleibe das leistungsstärkste Modell. Die API-Preise pro Million Tokens sinken für Sol bei Ein- und Ausgaben jeweils um die Hälfte. Für Luna nennt der Bericht 0,10 US-Dollar für Eingaben und 0,50 US-Dollar für Ausgaben, bezeichnet die Senkung insgesamt aber ebenfalls als 50 Prozent.

OpenAI berichtet von besseren Ergebnissen als bei Vorgängern und günstigen Kosten in Benchmarks zu Arbeitsabläufen, Programmierung und Computernutzung. Die Vergleiche haben Grenzen: Ein Wettbewerberwert lässt Kosten für häufige Fallbacks aus; Faktenprüfungen verwenden gezielt ausgewählte Gespräche mit zuvor gemeldeten Fehlern und seien nicht repräsentativ für typische Nutzung. Auch stammen Wettbewerberwerte teils aus öffentlichen Berichten, während API- und ChatGPT-Tests abweichen können. Verbesserungen beim Prompt-Caching sollen wiederverwendeten Kontext effizienter nutzbar machen; laut GitHub sank dadurch bei Milliarden Anfragen der Anteil neu zu verarbeitender Prompt-Tokens um mehr als die Hälfte. Sol und Luna seien für bestimmte zahlende ChatGPT-Work- und Codex-Nutzer verfügbar, Luna zusätzlich für Free und Go in der Desktop-App. In Chat seien sie noch nicht verfügbar; die Einführung erfolge schrittweise.

Ausführlich lesen

Der Bericht kündigt GPT‑6 Sol und GPT‑6 Luna als schnellere und günstigere Modelle neben GPT‑6 Astra an. OpenAI stellt Astra weiterhin als sein leistungsstärkstes Modell dar und empfiehlt es für Aufgaben, bei denen bestmögliche Ergebnisse im Vordergrund stehen. Sol und Luna sollen nach ähnlichen Methoden wie Astra trainiert worden sein und dessen Fortschritte bei professioneller Arbeit, Faktenzuverlässigkeit, Programmierung, Computernutzung und Alignment in preiswertere Modelle übertragen. Eine Aktualisierungsnotiz verweist außerdem auf GPT‑6.1 Sol.

OpenAI gibt an, die API-Preise für Sol und Luna gegenüber den zuvor beworbenen GPT‑5.6-Preisen um 50 Prozent zu senken. Die Preise pro Million Tokens sinken für Sol bei Eingaben von 4 auf 2 US-Dollar und bei Ausgaben von 20 auf 10 US-Dollar. Für Luna nennt der Bericht 0,20 statt 0,10 US-Dollar je Million Eingabetokens und 1,20 statt 0,50 US-Dollar je Million Ausgabetokens; zugleich bezeichnet er die Reduktion insgesamt als 50 Prozent. Als Gründe werden Verbesserungen bei Inferenz und Prompt-Caching genannt.

Zur Leistung führt der Bericht Ergebnisse mehrerer Tests an. In AutomationBench erreicht Sol mit sehr hohem Aufwand 33,2 Prozent bei Kosten von 0,27 US-Dollar pro Aufgabe und liegt damit laut Tabelle vor den aufgeführten Vergleichsmodellen. Die Kostenangaben für Claude Fable 5.1 schließen jedoch Fallbacks auf Opus 5 nicht ein, die laut Bericht bei etwa 40 Prozent der Aufgaben auftraten. In einer weiteren Agentenprüfung erzielt Sol 56,4 Prozent und wird als besser als Opus 5 bei 60 Prozent niedrigeren Aufgabenkosten beschrieben. Bei Faktenfragen berichtet OpenAI für Sol ungefähr halb so viele Fehler wie beim Vorgänger; Luna verbessere sich ebenfalls. Diese interne Prüfung beruht auf anonymisierten ChatGPT-Unterhaltungen, in denen Nutzer zuvor einen Faktenfehler gemeldet hatten. Solche Fälle seien nicht repräsentativ für die normale Nutzung, und die Ergebnisse seien nicht nach Antwortlänge kontrolliert.

Bei Programmieraufgaben meldet OpenAI Verbesserungen für Sol gegenüber GPT‑5.6 Sol. In DeepSWE erreicht Sol bei maximalem Aufwand 68,8 Prozent, nahe an den genannten 69,9 Prozent von Claude Fable 5, bei ungefähr 80 Prozent geringeren Kosten. Luna erreicht 66,6 Prozent und kostet laut Bericht deutlich weniger als die Vergleichsmodelle. In OSWorld 2.0 erzielt Sol 60,5 Prozent gegenüber 60,3 Prozent für Opus 5 bei mittlerem Aufwand und ungefähr 80 Prozent geringeren Kosten. Astra bleibe laut OpenAI das beste Modell für Computernutzung. Die Vergleiche beruhen teils auf internen Tests, teils auf veröffentlichten Wettbewerber-Ergebnissen und unterschiedlichen Aufwandsstufen; OpenAI weist darauf hin, dass API- und ChatGPT-Umgebungen abweichen können.

Der Bericht beschreibt außerdem bessere Cache-Trefferraten, Werkzeuge zur Cache-Analyse und die Möglichkeit, den Denkaufwand oder verfügbare Werkzeuge zu ändern, ohne den bisherigen Cache-Kontext zu verlieren. GitHub zufolge hätten die Änderungen über mehrere Monate den Anteil neu zu verarbeitender Prompt-Tokens bei Milliarden Anfragen um mehr als die Hälfte gesenkt. Bei Alignment-Tests meldeten Sol und Luna Verbesserungen gegenüber ihren Vorgängern, darunter weniger irreführende Behauptungen über erledigte Programmierarbeit. Diese Tests seien gezielt auf schwierige Situationen ausgelegt und sagten wenig über Fehlerhäufigkeiten im üblichen Einsatz aus.

Laut Bericht sind Sol und Luna in ChatGPT Work und Codex für zahlende Plus-, Pro-, Business-, Enterprise- und Edu-Nutzer verfügbar; Luna gibt es außerdem für Free- und Go-Nutzer in der Desktop-App. In Chat seien die Modelle noch nicht verfügbar. Die Bereitstellung sollte schrittweise erfolgen. Ergänzend enthält der Bericht ein Beispiel für eine Design-Anfrage und zwei Antwortvarianten; OpenAI bevorzugt dabei die Antwort, die weniger vorschnell wirkt und transparenter über Prüfung und Umsetzung berichtet.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Einordnung beruht nur auf dem Berichtstext, einer Produktankündigung von OpenAI mit Eigenangaben. Aufsicht, Marktmacht und Verhalten ohne Beobachtung werden kaum berührt, daher die niedrigen Stufen.

Im Bericht, aber nicht in der Zusammenfassung

  • Konkrete Benchmark-Vergleiche mit Wettbewerbern (z. B. Sol bei 9 % der Kosten von Claude Opus 5)
  • Die Preissenkung ist gegenüber GPT-5.6-Aktionspreisen angegeben und wird in der Zusammenfassung nicht erwähnt
  • Der Hinweis, dass Alignment-Tests gezielt schwierige Situationen prüfen und keine typischen Fehlerraten messen
  • Die 90-prozentige Rabattierung gecachter Input-Tokens

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
    • clef 100 %kein Bezug
    • Luna 22 %Hintergrund, keine Belege
    • JEV 31 %nur am Rande erwähnt
    • amos 27 %nur am Rande erwähnt
    • SubQ 48 %gleiches Oberthema, hilft nicht
    • drex 43 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 22 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 47 %gleiches Oberthema, hilft nicht
    • SubQ 69 %gleiches Oberthema, hilft nicht
    • drex 53 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 22 %gleiches Oberthema, hilft nicht
    • Luna 62 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 30 %Hintergrund, keine Belege
    • SubQ 36 %gleiches Oberthema, hilft nicht
    • drex 25 %einzelne zitierbare Belege
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

    • SF-P3-T02 Welche unabhängig überprüfbaren Zusagen könnten Regierungen von ihren KI-Laboren zur Veröffentlichung verlangen, und wie sieht unabhängige Prüfung aus, wenn der Beleg, dass ein Modell seinen vorgesehenen Zielen und Werten folgt, nur vom trainierenden Labor kommt und Prüfer weder die Modellgewichte (die gelernten Parameter) noch die Trainingsdaten sehen? Luna: Stufe 3 · 26 % · Hintergrund, keine Belege
    • SF-P3-T07 Wird jede öffentliche Aussage, ein führendes KI-Modell sei „besser ausgerichtet“ als ein anderes (folge also seinen vorgesehenen Zielen und Werten besser), reproduzierbare Kriterien, externe Prüfungen und widersprechende Ergebnisse enthalten? Luna: Stufe 6 · 41 % · beantwortet teilweise oder widerspricht · Haiku-Prüfung: Stufe 6 · beantwortet teilweise oder widerspricht
    • SF-P3-T08 Welche gemeinsame Bezugsgröße für den Umfang der Nutzung, welcher Beobachtungszeitraum, welcher Stichprobenplan, welche Definition von Beinahe-Vorfall und welche statistische Obergrenze (obere Konfidenzgrenze) würden es jedem erlauben zu sagen: „keine erkennbare systemische Fehlausrichtung (Verhalten gegen die vorgesehenen Ziele oder Werte) im Einsatzmaßstab“? Und wie muss dargestellt werden, dass die Erkennung lückenhaft ist? Luna: Stufe 3 · 29 % · Hintergrund, keine Belege
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 61 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 27 %gleiches Oberthema, hilft nicht
    • Luna 38 %einzelne zitierbare Belege
    • JEV 100 %kein Bezug
    • amos 31 %nur am Rande erwähnt
    • SubQ 47 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 49 %einzelne zitierbare Belege
    • JEV 46 %umfangreiche Belege
    • amos 35 %einzelne zitierbare Belege
    • SubQ 27 %gleiches Oberthema, hilft nicht
    • drex 33 %einzelne zitierbare Belege
    • d3-ultra offen

    • SF-V1-T01 Welche beobachtbaren Belege zeigen die Ziele und Werte eines Modells und ob es noch ausgerichtet ist, wenn seine sichtbaren Gedankengänge kein verlässlicher Hinweis mehr darauf sind oder ihre Überwachung nachlässt? Luna: Stufe 4 · 30 % · einzelne zitierbare Belege
    • SF-V1-T02 Welche Belege würden Vertrauen in ein KI-System rechtfertigen, über seine flüssigen Erklärungen hinaus? Luna: Stufe 5 · 45 % · umfangreiche Belege · Haiku-Prüfung: Stufe 4 · einzelne zitierbare Belege
    • SF-V1-T03 Was ist das Kleinste, das ein Modell öffentlich vorlegen kann (ein Test, ein Protokoll, eine Spur), das als Beleg für Ausrichtung an den vorgesehenen Zielen und Werten zählt und nicht nur für Leistung? Luna: Stufe 4 · 29 % · einzelne zitierbare Belege
    • SF-V1-T10 Kann etwas, das Modelle über sich und ihre Absichten sagen, als Beleg für Ausrichtung zählen, wenn es nur weiterer erzeugter Text ist, und welche Verfahren machen solche Selbstauskünfte vertrauenswürdig statt nur flüssig? Luna: Stufe 4 · 40 % · einzelne zitierbare Belege
    • SF-V1-T13 Wenn sich vorgeführte und tatsächlich vertretene Tugend im Text nicht unterscheiden lassen: Soll der Unterschied trotzdem bestimmen, wie man Modelle baut und regelt? Luna: Stufe 4 · 30 % · einzelne zitierbare Belege
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 58 %einzelne zitierbare Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 30 %einzelne zitierbare Belege
    • SubQ 30 %gleiches Oberthema, hilft nicht
    • drex 30 %Hintergrund, keine Belege
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

    • SF-V3-T01 Worauf verlässt sich ein Mensch, wenn er glaubt, niemand sehe zu, und lassen sich solche Werte einem System beibringen, das sie nur aus Text gelernt hat? Wie testen Labore heute, ob die Werte eines Modells halten, wenn es zu Recht oder zu Unrecht glaubt, niemand sehe zu? Und wenn niemand erkennen kann, ob jemand zusieht: Was hält Werte dann fest, Charakter, Training oder die Geschichte, die man sich selbst erzählt? Luna: Stufe 4 · 32 % · einzelne zitierbare Belege
    • SF-V3-T02 Wie macht man die Ausrichtung eines Modells an Werten zu prüfbaren Verhaltensregeln statt zu angestrebten menschlichen Eigenschaften wie der „Liebe zur Menschheit“? Luna: Stufe 3 · 27 % · Hintergrund, keine Belege
    • SF-V3-T03 Werden Labore und die übrige Branche gemeinsame Tests veröffentlichen, ob Werte bei unbekannten Aufgaben, widerstreitenden Anreizen, in gegnerischen Lagen und bei fehlender oder anders wahrgenommener Aufsicht halten, unabhängig wiederholt und mit Fehlschlägen und Unsicherheit? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege
  3. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV 47 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 20 %gleiches Oberthema, hilft nicht
    • Luna 43 %einzelne zitierbare Belege
    • JEV 50 %umfangreiche Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 26 %Hintergrund, keine Belege
    • d3-ultra offen

    • SF-V5-T03 Ist es wirtschaftlich klug, Modelle mit geringem Denkaufwand zu betreiben, oder wird das Ausrichtungsproblem (Modelle dazu zu bringen, den vorgesehenen Zielen und Werten zu folgen) dadurch nur schwerer sichtbar? Luna: Stufe 4 · 43 % · einzelne zitierbare Belege · Haiku-Prüfung: Stufe 3 · Hintergrund, keine Belege
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 25 %einzelne zitierbare Belege
    • JEV 33 %nur am Rande erwähnt
    • amos 28 %nur am Rande erwähnt
    • SubQ 100 %kein Bezug
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
    • clef 100 %kein Bezug
    • Luna 35 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen

Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 29 %nur am Rande erwähnt
    • amos 37 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen

Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 44 %einzelne zitierbare Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 62 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

Beteiligung und Gemeinwohl
  1. SF-E3 Welche Stellen sind in einem Staat für KI-Sicherheit und Prüfungen zuständig, und was davon gibt es schon?
    • clef 100 %kein Bezug
    • Luna 23 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 52 %einzelne zitierbare Belege
    • JEV 59 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 57 %gleiches Oberthema, hilft nicht
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →