The builder’s guide to GPT‑5.6
Zusammenfassung
Kurz
Der Bericht behauptet, GPT‑5.6 ermögliche durch günstigere Modelle, geringeren Reasoning-Aufwand und neue API-Funktionen leistungsfähigere Agenten zu niedrigeren Kosten. Die angeführten Belege sind ausgewählte Benchmarks und Kundenberichte; eine umfassende unabhängige Evaluation oder detaillierte Methodenbeschreibung bietet der Text nicht.
Mittel
Der Bericht beschreibt GPT‑5.6 als günstiger und leistungsfähiger für agentische Aufgaben. OpenAI zufolge kann GPT‑5.6 Sol bei niedrigem Reasoning-Aufwand in einem Benchmark GPT‑5.5 bei hohem Aufwand übertreffen, sofern das übrige System gleich bleibt. Kleinere Modelle wie Luna und Terra sollen für viele Aufgaben eine kostengünstige Alternative zu größeren Modellen sein. Als Beispiele nennt der Artikel BrowseComp, wo Luna laut OpenAI zum Start fast dieselbe Punktzahl wie GPT‑5.5 bei deutlich geringeren Kosten erzielte, sowie einen Kundenbericht zu Dokumentenextraktion.
Weitere Einsparungen sollen gespeichertes Reasoning, Gesprächskomprimierung, native Multi-Agenten-Orchestrierung und programmatische Tool-Aufrufe ermöglichen. Für ARC‑AGI‑3 berichtet OpenAI von einem Anstieg von 13,3 auf 38,3 Prozent bei ungefähr sechsmal weniger Ausgabetokens. Ein Finanzrecherche-Unternehmen meldet gleichbleibende Bewertungsqualität mit 21 Prozent weniger Eingabetokens. Auch längeres Prompt-Caching und festlegbare Cache-Grenzen sollen helfen.
Die Belege beruhen auf ausgewählten Benchmarks und Kundenberichten; umfassende unabhängige Prüfungen und detaillierte Methodenangaben enthält der Bericht nicht. Die Ergebnisse gelten daher für die beschriebenen Konfigurationen und Aufgaben.
Ausführlich lesen
Der Bericht stellt GPT‑5.6 als deutliche Verbesserung des Preis-Leistungs-Verhältnisses für agentische Anwendungen dar. OpenAI zufolge leisten die Modelle mehr bei geringeren Kosten und benötigen für längere Aufgaben weniger Tokens als frühere Generationen. Als Beispiel nennt der Bericht einen Benchmark, bei dem GPT‑5.6 Sol mit niedrigem Reasoning-Aufwand GPT‑5.5 mit hohem Aufwand übertroffen habe, wenn das übrige System unverändert blieb. Start-ups berichten laut Artikel ebenfalls von Einsparungen, wenn sie den Reasoning-Aufwand senken.
Ein Schwerpunkt ist die Modellauswahl: Kleinere Modelle der Familie, insbesondere Luna und Terra, könnten mit höherem Rechenaufwand häufig an die Leistung von GPT‑5.4 oder GPT‑5.5 heranreichen und dabei erheblich günstiger sein. Als Belege führt OpenAI einen Kundenbericht zu Dokumentenextraktion sowie den Suchbenchmark BrowseComp an: GPT‑5.6 Luna habe zum Start 84,04 Prozent für 1,33 US-Dollar erreicht, gegenüber 84,36 Prozent für GPT‑5.5 drei Monate zuvor bei 33,27 US-Dollar. Der Bericht erwähnt außerdem spätere Preissenkungen, nennt dafür hier aber keine Zahlen. Kleinere Modelle empfiehlt er besonders für hohe Anfragevolumen, zeitkritische Interaktionen und wiederholte Agentenschritte.
Zusätzliche API-Funktionen sollen die Kosten und Leistung weiter verbessern. Gespeichertes Reasoning und native Komprimierung sollen den Zusammenhang über längere Aufgaben hinweg erhalten. Native Multi-Agenten-Orchestrierung verteilt parallelisierbare Arbeit auf mehrere Agenten. Beim programmatischen Tool-Aufruf kann das Modell JavaScript nutzen, um Werkzeuge aufzurufen und deren Ergebnisse außerhalb des Modellkontexts zu filtern oder zusammenzuführen. So sollen Modell-Tokens vor allem für Aufgaben mit Ermessensentscheidungen eingesetzt werden. Ein ARC‑AGI‑3-Beispiel berichtet von einem Sprung von 13,3 auf 38,3 Prozent für GPT‑5.6 Sol, nachdem gespeichertes Reasoning und Komprimierung aktiviert wurden; zugleich seien ungefähr sechsmal weniger Ausgabetokens verbraucht worden. Für programmatische Tool-Aufrufe nennt ein Finanzrecherche-Unternehmen gleichbleibende Bewertungsqualität bei 21 Prozent weniger Eingabetokens.
Der Bericht beschreibt außerdem Prompt-Caching: Die Cache-Laufzeit betrage für die Modellfamilie mindestens 30 Minuten; festlegbare Cache-Grenzen und geeignete Cache-Schlüssel könnten Wiederverwendung erhöhen und Latenz senken. Ein Start-up berichtet von 28 Prozent weniger ungecachtem Input in einem konkreten Setup.
Die genannten Resultate stammen aus OpenAIs Darstellung, einzelnen Benchmarks und Kundenberichten. Der Text liefert keine umfassende unabhängige Evaluation oder detaillierte Versuchsprotokolle; die Zahlen beziehen sich auf bestimmte Aufgaben, Konfigurationen und Zeitpunkte. Seine Schlussfolgerung lautet, dass kleinere Modelle, angepasster Reasoning-Aufwand und passende Architekturentscheidungen bei manchen Agentenaufgaben vergleichbare oder bessere Resultate zu einem Bruchteil der Kosten ermöglichen könnten.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Das Schema erlaubt nur eine Zusammenfassung; geprüft wurde die mittlere Fassung, die kurze Fassung ist ebenfalls treu, aber lückenhafter. Der Bericht ist ein Herstellerbeitrag mit ausgewählten Benchmarks und Kundenzitaten, daher sind die Zahlen als Herstellerangaben zu lesen.
Im Bericht, aber nicht in der Zusammenfassung
- Ploy berichtet, dass cache breakpoints und workspace-spezifische Keys den ungecachten Input um 28 Prozent senkten
- Hex berichtet, dass niedriger Reasoning-Aufwand die besten Ergebnisse brachte und unnötige Suchen vermied
- Die Aussage, dass Luna und Terra bei mehr Test-Time-Compute ähnlich wie GPT-5.4 und 5.5 abschneiden
- Die Steuerbarkeit von Multi-Agenten-Verhalten, über die man die Zahl der Subagenten beeinflussen kann
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Vorfälle melden
- SF-M2 Wie muss ein Meldekanal zwischen Staaten gebaut sein, damit er verlässlich arbeitet, auch in einer Krise?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 44 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-M3 Wie stellt man fest, ob ein Vorfall gewollt oder versehentlich war, und ob KI oder herkömmliche Mittel dahinterstecken?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Fähigkeiten messen
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 58 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 32 %gleiches Oberthema, hilft nicht
- Luna 100 %kein Bezug
- JEV 31 %einzelne zitierbare Belege
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 49 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-P5 Wie überprüft man, ob Zusagen zwischen Staaten eingehalten werden, auch über Jahre und Regierungswechsel hinweg?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 71 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 31 %gleiches Oberthema, hilft nicht
- Luna 33 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 39 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 76 %gleiches Oberthema, hilft nicht
- d3-ultra 52 %gleiches Oberthema, hilft nicht
Vertrauen in Modelle
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 43 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 37 %gleiches Oberthema, hilft nicht
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 79 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 30 %einzelne zitierbare Belege
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 27 %gleiches Oberthema, hilft nicht
- Luna 47 %einzelne zitierbare Belege
- JEV 46 %beantwortet direkt und ausführlich
- amos 25 %Hintergrund, keine Belege
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra 48 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
- 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 39 %einzelne zitierbare Belege
- JEV 29 %einzelne zitierbare Belege
- amos 29 %nur am Rande erwähnt
- SubQ 42 %gleiches Oberthema, hilft nicht
- drex 42 %gleiches Oberthema, hilft nicht
- d3-ultra 43 %gleiches Oberthema, hilft nicht
- Haiku-Prüfung nur am Rande erwähnt
- SF-A2 Lassen sich KI-Systeme sicher anhalten, zurücksetzen, abschotten oder drosseln, und wer darf das anordnen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 34 %gleiches Oberthema, hilft nicht
- SubQ 45 %gleiches Oberthema, hilft nicht
- drex 45 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-A3 Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- clef 100 %kein Bezug
- Luna 53 %Hintergrund, keine Belege
- JEV 35 %gleiches Oberthema, hilft nicht
- amos 36 %gleiches Oberthema, hilft nicht
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 53 %gleiches Oberthema, hilft nicht
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 44 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 57 %gleiches Oberthema, hilft nicht
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 35 %gleiches Oberthema, hilft nicht
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 69 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 79 %gleiches Oberthema, hilft nicht
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E2 In welchem Rahmen sollen Staaten KI regeln, und wo liegt eine gemeinsame Untergrenze?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 54 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 55 %Hintergrund, keine Belege
- JEV 30 %einzelne zitierbare Belege
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 55 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 50 %gleiches Oberthema, hilft nicht
- SubQ 70 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
- SF-W2 Wie wirken sich Wettbewerbsrecht und öffentliche Beschaffung auf die KI-Sicherheit aus?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
Weitere Berichte zu diesen Fragen
- Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- 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?
- Welche Gefahren entstehen, wenn viele KI-Systeme zusammenwirken oder dieselbe Infrastruktur teilen?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv