GPT-5.6 Anleitung: Sol, Terra und Luna im Vergleich

OpenAI startete eine begrenzte Vorschau von GPT-5.6 am 26. Juni 2026, und das Seltsamste am Launch war, dass so gut wie niemand ihn nutzen konnte. Der Zugang beschränkte sich auf etwa zwanzig ausgewählte Partner über die API und Codex, in einem gestaffelten Rollout, den OpenAI zufolge die US-Regierung gefordert hatte^[1].

Diese Beschränkung fiel inzwischen weg. Wie man GPT-5.6 einsetzt, ist jetzt eine praktische Frage statt Wartespiel, und die Antwort dreht sich vor allem um die Wahl eines von drei Tiers: Sol das Flaggschiff, Terra der vielseitige Allrounder, und Luna das Budget-Modell. Jedes ist ein stabiles Capability-Tier unter einer Generationsnummer, keine vorübergehende Variante.

Dieser Leitfaden erklärt das Drei-Tier-Design, das eine Benchmark, die OpenAI ins Rampenlicht stellt, und was ihre vier Sternchen bedeuten, die neuen max- und ultra-Modi, die Preisgestaltung hinter Terras Erfolgsgeschichte, und die Cybersecurity-Bewertung, die den Rollout geprägt hat.

TL;DR

• Drei stabile Tiers. Sol (Flaggschiff), Terra (ausgewogen, grob halb so teuer wie GPT-5.5), Luna (schnell und günstig)^[1].
• Sol führt Terminal-Bench 2.1 an bei 88,8% im Single-Agent-Modus oder 91,9% im ultra-Modus. Der Vorsprung gegenüber Claude Mythos 5 beträgt 0,8 Punkte und liegt damit im Rausch-Bereich^[1].
• ultra ist kein Single Agent. Es orchestriert Sub-Agenten parallel, daher lässt sich sein Score nicht eins-zu-eins mit Single-Agent-Baselines vergleichen^[1].
• Terra ist die kommerzielle Story. GPT-5.5-ähnliche Code-Qualität zum halben Preis^[1].
• Bei reAPI laufen alle drei zum 80%-Tarif von OpenAI: Sol $4,00 / $24,00, Terra $2,00 / $12,00, Luna $0,80 / $4,80 pro Million Token.
• Das Evaluierungs-Fenster war absichtlich eng. OpenAI veröffentlichte nur Coding, Biologie und Cybersecurity, behielt aber SWE-Bench, GDPval, Mathematik und Halluzinations-Zahlen zurück^[1].

Was GPT-5.6 ist

GPT-5.6 folgt auf GPT-5.5, das im April 2026 komplett neu trainierte agentische Modell. Während GPT-5.5 ein einzelnes Modell mit verschiedenen Reasoning-Effort-Stufen war, ist GPT-5.6 eine Familie mit drei Tiers unter einer Generationsnummer. OpenAIs Ansage ist eindeutig: Die Nummer kennzeichnet eine Generation, Sol, Terra und Luna bezeichnen hingegen dauerhafte Capability-Tiers, die sich unabhängig voneinander weiterentwickeln können^[1].

Dieser Satz ist die wichtigste Design-Entscheidung des Releases. Er entkoppelt „wie intelligent" von „wie neu". Eine künftige Generation könnte ein neues Luna ausliefern, ohne Sol anzutasten, und ein Sol-Update zwingt niemanden auf Terra, seine Pipelines neu zu testen.

Mehrere externe Berichte schätzen Sols Kontext-Fenster auf etwa 1,5 Millionen Token, das sind rund 43% mehr als die GPT-5.5-Generation. OpenAIs Preview-Beitrag konzentrierte sich aber eher auf Sicherheit und Evaluierungen als auf das Spec-Blatt^[1]. Die Zahl sollte als berichtet gelten, nicht als offiziell bestätigt.

Terminal-Bench 2.1 und seine vier Sternchen

OpenAI veröffentlichte zur Preview nur drei Benchmark-Bereiche: Coding, Biologie und Cybersecurity, den Rest behielt es sich für GA vor^[1]. Die eine, die wichtig ist, heißt Terminal-Bench 2.1 – sie testet agentische Command-Line-Workflows, die Planung, Iteration und Tool-Koordination brauchen.

Lest du genau, wird die Tabelle ehrlicher, als die Schlagzeile „neuer Stand der Technik" vermuten lässt – vier Punkte sprechen dafür^[1].

Die 91,9%-Marke nutzt ultra, aber das ist kein Single Agent. Das Ergebnis kommt von Sol, das Sub-Agenten orchestriert. Gegen Single-Agent-Baselines ist das kein Vergleich äpfel-zu-äpfel. Die faire Vergleichbarkeit ist Sols 88,8%.

Single-Agent-Sol schlägt Claude Mythos 5 um 0,8 Punkte. Zwei Läufe desselben Modells können um mehr divergieren. OpenAI hält einen echten Vorteil an der Spitze der Coding-Kurve, aber bei diesem Benchmark ist er eng, nicht überwältigend.

Terra bindet Claude Fable 5 exakt und übertrifft GPT-5.5 knapp. 84,3% stimmt mit Fable 5 überein und liegt weniger als einen Punkt über dem Modell, das es ersetzt. Zusammen mit der Preis-Reduktion ist das die echte commerzielle Story: gleiche Code-Qualität für halb Geld, kein großer Capability-Sprung in der Mid-Tier.

Gemini 3.1 Pro Preview hinkt um rund 21 Punkte hinterher. Der Abstand ist real, aber Benchmark-spezifisch. Gemini führt anderswo bei Long-Context-Abruf und Multimodal-Aufgaben, die hier nicht gemessen werden.

Bei Biologie meldet OpenAI, dass Sol stärkere GeneBench-v1-Ergebnisse erreicht als GPT-5.5, während weniger Tokens verbraucht werden – ohne Rohdaten zu zeigen. Das ist eine Richtungs-Aussage, keine verifiable Kenngröße^[1].

max und ultra

Die wichtigste Neuheit versteckt sich nicht in einer Benchmark-Zelle. GPT-5.6 führt zwei Reasoning-Einstellungen ein, beide nur auf Sol verfügbar^[1].

max ist der gewohnte Hebel eine Stufe weiter: ein Agent bekommt maximale Zeit, um sich ein schwieriges Problem tief zu durchdenken.

ultra ist das wirklich Neue. Es geht über einen Agent hinaus: Es erzeugt Sub-Agenten, die komplexe Aufgaben in parallele Teile zerlegen und die Ergebnisse zusammenführen. Das ist OpenAI, die Multi-Agent-Orchestrierung in einen einzigen Model-Endpoint packt – genau das Muster, das Entwickler über das letzte Jahr mit Frameworks von Hand bauen.

Die praktische Auswirkung ist real: bei einem Multi-File-Refactor oder einem End-to-End-Audit brauchst du die Orchestrierungs-Schicht nicht selbst zu bauen. Der Haken: Kosten und Latenz, denn Sub-Agenten bedeuten mehr Gesamt-Tokens und mehr Wall-Clock-Zeit. Reservier ultra nur für High-Stakes-Aufgaben, wo ein paar Prozentpunkte die Ausgaben rechtfertigen.

Es heißt auch: Benchmark-Vergleiche brauchen Sorgfalt. Ein Score von einem Agenten, der still Sub-Agenten erzeugt, ist eine andere Art von Resultat als ein Single Forward Pass.

Preisgestaltung

Zwei Dinge springen OpenAIs Preisen ins Auge. Sol hält GPT-5.5s exakten $5/$30-Preis, während Capabilities dazukommen und neue Modi – das ist die seltene Situation „mehr für das gleiche Geld". Und Terra liefert GPT-5.5-ähnliche Code-Qualität zum halben Preis, die Veränderung, die die meisten Teams wirklich spüren^[1]. Sols Token-Effizienz-Gewinne noch obendrauf – es erreicht vergleichbare Ergebnisse mit weniger Output-Tokens – und die effektive Kostenreduktion pro Aufgabe übersteigt die angegebenen Sätze.

Jeder Tier kostet bei reAPI 80% der Listenpreise, die Kostenrelation zwischen Tiers bleibt gleich. Terra bleibt das Standard-Modell, Luna ist das Volume-Play.

GPT-5.6 überarbeitet auch Prompt Caching: explizite Cache-Haltepunkte und 30-Minuten-Mindestleben. Cache-Schreibvorgänge kosten 1,25× des unkomplizierten Input-Tarifs, Cache-Lesevorgänge behalten den 90%-Rabatt^[1]. Für Agenten, die jede Runde einen großen System-Prompt resenden, kann vorhersehbares Caching die Rechnung dominieren.

Die Bewertung, die den Rollout geprägt hat

Das ist auch jetzt noch wert zu verstehen – es ist ein Präzedenzfall, keine Fußnote.

OpenAI beschränkte das initiale Release nach Anfrage der US-Regierung auf etwa zwanzig überprüfte Partner, nachdem es die Capabilities der Modelle vorher demonstriert hatte^[1]. Auslöser war Cybersecurity-Capability: Sol erweitert Vulnerability-Research erheblich, und bei Tests mit Chromium und Firefox identifizierte es Bugs und Exploitation-Primitives – Bausteine für Exploits – ohne autonome funktionsfähige Full-Chain-Exploits unter den getesteten Bedingungen zu erzeugen. OpenAI sagt, Sol überschreitet die Cyber-Critical-Schwelle im Preparedness Framework nicht, und genau das ist die Grundlage für das Release^[1].

Bemerkenswerterweise endorset OpenAI das Arrangement nicht als Dauerlösung und sagt, solche Regierungs-Zugriffs-Prozesse sollten nicht zum Long-Term-Standard werden, weil sie die besten Tools von den Verteidigern fernhalten, die sie brauchen^[1].

Der mitgelieferte Security-Stack ist wichtig zu kennen, weil er zeigt, wie High-Capability-Modelle künftig ausgeliefert werden: trainiert-in Refusals, Real-Time Cyber- und Biologie-Klassifizierer, die Generation pausieren können für Überprüfung durch größere Modelle, Account-Level Review von markierten Aktivitäten, differenzierter Zugriff auf sensitivste Capabilities. OpenAI setzte über 700.000 A100-GPU-äquivalente Stunden für automatisiertes Red-Teaming gegen universelle Jailbreaks an^[1].

OpenAI ist offen: Diese Safeguards schlagen manchmal fehl – legitime Security-Researcher können auf Refusals bei Dual-Use-Anfragen treffen.

Wo das Argument stark ist und wo es schwach ist

Stark. Agentisches Command-Line-Coding, wo Single-Agent-Sol das Benchmark anführt und ultra es ausbaut. Token-Effizienz, die sich bei Hochvolumen-Agenten auszahlt. Mid-Tier-Wert, wo Terras Preisfall die breiteste Verbesserung des Releases ist. Und native Multi-Agent-Orchestrierung, die eine Schicht eliminiiert, die Entwickler früher per Hand bauen mussten^[1].

Schwach. Die Schlagzeile ist ein 0,8-Punkte-Sieg bei einem Benchmark. Das Evaluierungs-Fenster war bewusst klein – keine SWE-Bench, GDPval, Mathematik oder Halluzinations-Zahlen – daher bleibt ungeklärt, ob GPT-5.6 das Confident-Hallucination-Problem gelöst hat, das GPT-5.5 plaggte. Alles ist Vendor-Report unter OpenAIs eigener Zählung^[1].

Bis eine größere Test-Suite und unabhängiges Scoring vorliegen, sollte das Urteil zu General-Purpose-Capabilities reserviert bleiben.

Wie man GPT-5.6 nutzt: welches Tier

Terra für die meisten Production-Aufgaben. Es bietet GPT-5.5-Fähigkeiten zu etwa halb den Kosten, die Benchmark sagt, sein Coding ist gleichauf mit Claude Fable 5.

Sol für Long-Horizon-Coding, Security-Arbeit und alles, das ultra rechtfertigt. Sub-Agent-Orchestrierung ist echtes Geld wert bei Aufgaben, wo ein paar Prozentpunkte das Ergebnis ändern – und gar kein Wert bei Routine-Aufrufen.

Luna für Hochvolumen, latenz-empfindliche Routine-Aufgaben. Mit 82,5% bei Terminal-Bench ist es nicht weit weg von GPT-5.5s 83,4% – zu einem Bruchteil der Kosten.

GPT-5.6 auf reAPI aufrufen

Alle drei Tiers sitzen hinter einem einzigen OpenAI-kompatiblen /v1/chat/completions-Endpoint, daher ist das Umschalten zwischen Tiers eine bloße Model-String-Änderung statt Integration. Die Wire-IDs behalten OpenAIs Punkte:

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_REAPI_KEY",
    base_url="https://api.reapi.ai/v1",
)

resp = client.chat.completions.create(
    model="gpt-5.6-terra",
    messages=[{"role": "user", "content": "Refactor this module and add tests."}],
    max_tokens=16000,
    stream=True,
)

Ersetze gpt-5.6-terra mit gpt-5.6-sol oder gpt-5.6-luna zum Wechsel. Weil der gleiche Schlüssel und Client auch Claude und Gemini erreichen, werden Tier-Wahl und Vendor-Wahl die gleiche Entscheidung – was der Punkt ist, wenn eine Benchmark-Tabelle dein Standard-Modell in einer Reihe verliert und in einer anderen gewinnt.

Aktuelle Sätze auf reapi.ai/models/gpt-5-6-sol, reapi.ai/models/gpt-5-6-terra, und reapi.ai/models/gpt-5-6-luna.

FAQ

Was ist der Unterschied zwischen max- und ultra-Modus?

max ist ein Agent, der länger und tiefer an einem Problem arbeitet. ultra orchestriert mehrere Sub-Agenten, die komplexe Aufgaben parallel teilen und rekombinieren. Beide exklusiv auf Sol, und ultra erzeugte die 91,9%-Schlagzeile^[1].

Ist GPT-5.6 Sol besser als Claude beim Codieren?

Bei Terminal-Bench 2.1 schlägt Single-Agent-Sol bei 88,8% Claude Mythos 5 (88,0%) um 0,8 Punkte – real, aber eng. Mit ultra erreicht Sol 91,9%, nutzt aber Sub-Agenten und ist nicht eins-zu-eins vergleichbar^[1].

Welches GPT-5.6-Tier sollte ich nutzen?

Terra für die meisten Production-Aufgaben, da es GPT-5.5-Fähigkeiten bei etwa halb den Kosten bietet. Sol für Long-Horizon-Coding, Security oder Aufgaben, die ultra rechtfertigen. Luna für Hochvolumen-Routineaufrufe^[1].

Warum war die US-Regierung am Release beteiligt?

Sol erweitert Cybersecurity-Capability erheblich, einschließlich Vulnerability-Forschung, ohne OpenAIs Cyber-Critical-Schwelle zu überschreiten. Auf Regierungs-Anfrage führte OpenAI ein gestaffeltes Preview für etwa zwanzig überprüfte Partner durch, während ein Cyber-Framework entwickelt wurde^[1].

Behebt GPT-5.6 GPT-5.5s Halluzinations-Problem?

Ungeklärt. OpenAI veröffentlichte zur Preview nur Coding-, Biologie- und Cybersecurity-Tests, behielt Halluzinations- und Knowledge-Work-Zahlen zurück^[1]. Verbinde das Modell mit Source-Grounded-Verifikation für High-Stakes-Output.

Wie groß ist GPT-5.6 Sols Kontext-Fenster?

Externe Quellen schätzen rund 1,5 Millionen Token – etwa 43% größer als die GPT-5.5-Generation – aber OpenAIs Preview-Beitrag bestätigte kein Spec-Blatt^[1].

Was änderte sich bei Prompt Caching?

Explizite Cache-Haltepunkte und 30-Minuten-Mindestleben. Cache-Schreibvorgänge kosten 1,25× des unkomplizierten Input-Tarifs; Cache-Lesevorgänge behalten 90% Rabatt^[1].

Wie rufe ich GPT-5.6 mit dem OpenAI SDK auf?

Zeige den Client auf https://api.reapi.ai/v1 und setze model auf gpt-5.6-sol, gpt-5.6-terra oder gpt-5.6-luna, mit Punkten in der ID.

Ein Drei-Tier-Release lesen

GPT-5.6 sind zwei Releases in einer Ankündigung. Das eine ist ein ordinäres, gut durchgearbeitetes Familien-Update: ein verständliches Naming-Reset, ein Mid-Tier, das Kosten halbiert ohne Capability-Verlust, und ein ultra-Modus, der Multi-Agent-Orchestrierung in den Endpoint backt. Das andere ist ein Frontier-Modell, dessen initiale Verfügbarkeit in Abstimmung mit einer Regierung gesetzt wurde und hinter einem 700.000-GPU-Stunden-Security-Stack ausgeliefert wird.

Für jeden, der wirklich baut, ist die nützliche Zusammenfassung kleiner als beide Geschichten. Der Benchmark-Vorteil oben ist 0,8 Punkte und Vendor-Report. Die Veränderung, die du spüren wirst, ist Terras Preis. So nutzt man GPT-5.6 vernünftig: Default auf Mid-Tier, reservier Sol für Aufgaben, die ultra zahlen, und behalte Source-Grounded-Verifikation bei, bis die erweiterte Evaluierungs-Suite zeigt, ob sich das Halluzinations-Problem verschob.

Referenzen

1. OpenAI. Modelle – die GPT-5.6-Familie, Reasoning-Modi und Spezifikationen. Abgerufen Juli 2026 von platform.openai.com/docs/models
2. OpenAI. Preisgestaltung – Pro-Token-Sätze nach Modell und Tier. Abgerufen Juli 2026 von platform.openai.com/docs/pricing

Weitere Lektüre

• reAPI. Wie man Claude Opus 5 nutzt. reapi.ai/blog/how-to-use-claude-opus-5
• reAPI. Wie man Claude Fable 5 nutzt. reapi.ai/blog/how-to-use-claude-fable-5
• reAPI. Modellkatalog. reapi.ai/models