GPT-5.6 Sol, Terra oder Luna – welches Modell für den Alltag?

Standardmäßig Terra. OpenAI gibt an, dass die Leistung mit GPT-5.5 mithalten kann, die Kosten aber nur die Hälfte betragen (Eingabe $2,50 / Ausgabe $15 pro Million Token). Im Zweifel Terra für Hauptaufgaben; nur wenn Terra nicht reicht, Sol; für klar einfache, großvolumige oder latenzsensitive Aufgaben Luna.

Sind die max-Reasoning-Stufe und der ultra-Modus dasselbe?

Nein. max ist eine Reasoning-Intensitätsstufe – ein einzelner Agent erhält mehr Denkzeit, ideal für schwere Probleme ohne Parallelisierung. ultra ist ein Kollaborationsmodus – Subagenten bearbeiten komplexe Arbeit parallel, ideal für zerlegbare Mehrpfad-Aufgaben. Beides sind unterschiedliche Dimensionen und können kombiniert werden.

Was kosten die drei GPT-5.6-Stufen in der API?

Pro Million Token: Sol Eingabe $5 / Ausgabe $30; Terra Eingabe $2,50 / Ausgabe $15; Luna Eingabe $1 / Ausgabe $6. Ausgabe kostet etwa 5–6× mehr als Eingabe – sparen heißt vor allem Ausgabelänge kontrollieren und die richtige Stufe wählen.

Wie funktioniert die Abrechnung des expliziten Cachings bei GPT-5.6?

GPT-5.6 und neuere Modelle unterstützen explizite Cache-Breakpoints mit mindestens 30 Minuten Lebensdauer. Cache-Schreibvorgänge kosten 1,25× des unkomprimierten Eingabepreises; Cache-Lesevorgänge erhalten 90 % Rabatt (10 % des Preises). Bei Terra lohnt sich ein langer Prompt, der innerhalb von 30 Minuten ≥3 Mal getroffen wird.

Wie wechselt man in Codex CLI zwischen GPT-5.6-Modell und Reasoning-Stufe?

Drei Wege: /model in der Sitzung; Startparameter codex -m gpt-5.6-terra; oder model und model_reasoning_effort in ~/.codex/config.toml. Empfehlung: Terra + high im Alltag; für schwere Aufgaben codex -m gpt-5.6-sol -c model_reasoning_effort=max.

GPT-5.6 Sol, Terra oder Luna – welches Modell? Leistung, Preis und Geschwindigkeit im Vergleich (2026)

„Was unterscheidet Sol, Terra und Luna? Welches Modell nutze ich im Alltag zum Coden? Sind max und ultra dasselbe?"

Nach dem GPT-5.6-Launch ist die erste Frage für Entwickler oft nicht „Soll ich upgraden?", sondern wie die drei Stufen geroutet werden. OpenAI hat diesmal die Namensregeln geändert: Die Zahl steht für die Modellgeneration, Sol / Terra / Luna für stabile Fähigkeitsstufen über Generationen hinweg – künftig sehen Sie Kombinationen wie „GPT-5.7 Sol" oder „GPT-6 Terra". Beim Auswählen denken Sie in Stufen, nicht jedes Mal neue Modellnamen lernen.

Dieser Artikel konzentriert sich auf Vergleich und Auswahl: Was unterscheidet die drei Stufen, welche passt zu welchem Szenario, wie konfiguriert man Reasoning-Stufen, wie spart das neue Caching Geld. Für Hintergrund zum Launch und die Regierungsprüfung siehe GPT-5.6 im Überblick.

Terra

Alltags-Standard: Leistung nahe GPT-5.5, halber Preis

$1–$5

Eingabepreis-Spanne der drei Stufen (pro Million Token)

5+1

Reasoning-Stufen (minimal→xhigh) + Sol-exklusiv max

1. Drei Modelle: Positionierung und Preise

Zuerst Preise und Positionierung nebeneinander. Einheit: pro 1 Million Token, Eingabe und Ausgabe getrennt – merken Sie sich: Ausgabe kostet immer 5–6× mehr als Eingabe. Sparen heißt weniger Output und die richtige Stufe wählen.

Modell	Model ID	Positionierung	Eingabe (/1M)	Ausgabe (/1M)
Sol	`gpt-5.6-sol`	Flaggschiff: bisher stärkstes Modell; Sprünge bei Coding / Biologie / Cybersecurity; max-Reasoning und ultra-Subagenten	$5.00	$30.00
Terra	`gpt-5.6-terra`	Alltags-Balance: Leistung vergleichbar mit GPT-5.5, Kosten nur die Hälfte	$2.50	$15.00
Luna	`gpt-5.6-luna`	Schnell & günstig: günstigste OpenAI-Stufe; auch Luna deutlich stärker durch verbesserte Cybersecurity-Reasoning-Stufen	$1.00	$6.00

Neue Namensregel: Generation × Stufe

OpenAI wörtlich: „In diesem neuen Namensschema, das mit GPT-5.6 eingeführt wurde, steht die Zahl für die Modellgeneration, während Sol, Terra und Luna stabile Fähigkeitsstufen bezeichnen, die sich jeweils in eigenem Tempo weiterentwickeln." Kurz: Terra ist der Alltags-Standard ($2,50/$15), Sol für schwere Aufgaben ($5/$30), Luna für leichte Abschlussarbeit ($1/$6) – Stufennamen bleiben über Generationen stabil, kein Neulernen bei jedem Major Release.

2. Szenario-Auswahl (Drei-Schritte-Methode)

Kernprinzip in einem Satz: Im Alltag standardmäßig Terra – OpenAI nennt es „Leistung vergleichbar mit GPT-5.5, Kosten nur die Hälfte" – der Sweet Spot aus Preis und Qualität. Sol für kritische Aufgaben, die Terra nicht schafft; Luna für klar einfache Arbeit.

Modell	Positionierung	Typische Aufgaben
Terra	Alltags-Standard	Reguläres Coding, Wissensarbeit, Support, allgemeine Agentic-Aufgaben – im Zweifel dieses Modell
Sol	Schwere Aufgaben	Schwieriges Coding (Terminal-Bench 2.1 SOTA), Biologie-Workflows, Schwachstellenforschung, Langzeitplanung
Luna	Leichtgewicht	Klassifikation, Zusammenfassung, Batch-Verarbeitung, großvolumige günstige Inferenz, latenzsensitive einfache Aufgaben

Drei-Schritte-Methode (einfach befolgen):

Standardmäßig Terra – nicht lange grübeln, Hauptaufgaben direkt an Terra.
Klar einfache Arbeit / Großvolumen / latenzsensitiv? Klassifikation, Zusammenfassung, Formatierung, Millionen-Batches → auf Luna wechseln.
Terra reicht nicht / langfristig komplexe Agentic-Aufgaben? Erst dann Sol, ggf. mit max-Stufe oder ultra-Modus.

Nicht „günstig hochprobieren"

Hauptaufgaben direkt an Terra – Luna-Nacharbeit kostet oft mehr. Sol nur, wenn Terra nicht reicht – dasselbe Denkmuster wie bei Claude „Opus im Alltag, Fable für schwere Aufgaben". Wer bereits Claude-Modellauswahl kennt, kann die Logik übertragen.

3. Was hat sich gegenüber GPT-5.5 geändert

Wer von GPT-5.5 migriert, sollte diese fünf Punkte kennen:

Dimension	GPT-5.5	GPT-5.6
Namensregel	Einzelname GPT-5.5	Zahl (Generation) + Sol/Terra/Luna (Fähigkeitsstufen), stabil über Generationen
Alltagspreis	Voller GPT-5.5-Preis ($5/$30)	Terra etwa halb so teuer ($2,50/$15), vergleichbare Leistung
Reasoning-Stufen	low / medium / high / xhigh	Sol neu: `max` – maximale Denkzeit für die schwersten Probleme
Kollaborationsmodus	Einzelagent	`ultra`-Modus – Subagenten parallel, beschleunigt komplexe Arbeit
Prompt-Cache	Implizites Caching, unvorhersehbar	Explizite Cache-Breakpoints + 30 Min. Mindestlebensdauer; Schreiben 1,25×, Lesen 0,10×

Offizielle Benchmark-Highlights (Sol-Stufe):

Terminal-Bench 2.1 (Kommandozeilen-Workflows: Planung / Iteration / Tool-Koordination) – Sol neuer SOTA
GeneBench v1 (Langzeit-Genomik und quantitative Biologie) – Sol schlägt GPT-5.5 mit weniger Token
ExploitBench (Cybersecurity-Schwachstellenforschung) – Sol konkurriert mit Mythos Preview bei nur ~1/3 der Output-Token
ExploitGym (UC Berkeley + OpenAI) – Sol / Terra / Luna alle deutlich stärker mit höherer Reasoning-Intensität

Entwickler beim gemeinsamen Programmieren, symbolisiert die Auswahl zwischen GPT-5.6 Terra als Alltags-Standard und Sol für schwere Aufgaben — Alltägliches Coding: Terra als Standard; Sol + max nur für Terminal-Bench-Niveau

4. Reasoning-Stufen & ultra-Modus

GPT-5.6 behält die Reasoning-Intensitätsstufen der GPT-5-Serie; Sol fügt max hinzu – beides wird oft verwechselt:

Stufe	Einsatz	Kostentendenz
`minimal`	Niedrigste Stufe in Codex CLI, fast kein Nachdenken, direkte Antwort	Sehr sparsam
`low`	Klassifikation, einfache Abfragen, latenzsensitiv und nicht intellektuell anspruchsvoll	Am sparsamsten
`medium`	Kostenbewusste reguläre Anfragen mit akzeptabler Qualität	Ausgewogen, eher sparsam
`high`	Empfohlen – Sweet Spot für die meisten intellektuell anspruchsvollen Aufgaben	Empfohlen
`xhigh`	Komplexes Coding / lange Agentic-Aufgaben	Qualitätsorientiert
`max` NEU · Sol	Schwierigste Probleme; Korrektheit >> Kosten	Am teuersten

Häufige Verwechslung: max ≠ ultra

max ist eine Reasoning-Intensitätsstufe – lässt einen Agenten länger nachdenken, ideal für tiefe Inferenz ohne Parallelisierung.
ultra ist ein Kollaborationsmodus – Subagenten bearbeiten komplexe Arbeit parallel, ideal für zerlegbare Mehrpfad-Aufgaben (Mehrwinkel-Review, parallele Exploration).
Offizielle Daten: Sol Ultra erreicht 91,9 % auf Terminal-Bench 2.1, gegenüber 88,8 % bei Sol-Basis.

Parameterdetails siehe OpenAI API-Dokumentation. Codex CLI Alltagskonfiguration:

Schwere Aufgaben: codex -m gpt-5.6-sol -c model_reasoning_effort="max"
Alltag: in ~/.codex/config.toml model = "gpt-5.6-terra" + model_reasoning_effort = "high", danach einfach codex

5. Neue Prompt-Cache-Regeln

Bei GPT-5.6 und allen neuen Modellen haben sich Cache-Abrechnung und -Verhalten geändert. Drei Punkte:

Punkt	Regel
Explizite Cache-Breakpoints	Explizite Cache-Markierung im Prompt statt implizitem Verhalten – Sie steuern, welcher Abschnitt gecacht wird
Cache-Lebensdauer	Mindestens 30 Minuten – nicht mehr nach Sekunden ungültig
Schreibpreis	Cache-Schreibvorgänge kosten 1,25× des unkomprimierten Eingabepreises
Lesepreis	Cache-Lesevorgänge erhalten 90 % Rabatt (10 % des Preises)

Beispielrechnung bei Terra-Eingabe $2,50/M:

Unkomprimierte Eingabe (erster Aufruf): $2,50
Cache-Schreiben (erster Aufruf mit Breakpoint): $2,50 × 1,25 = $3,125
Cache-Lesen (Treffer innerhalb 30 Min.): $2,50 × 10 % = $0,25

Fazit: Wird ein langer Prompt (System-Prompt, Referenzdokumente, Codebase) innerhalb von 30 Minuten ≥ 3 Mal getroffen, lohnt es sich – Schreiben 25 % teurer, Lesen nur 10 %. Je länger der Kontext (RAG, lange Agent-Sitzungen), desto größer der Hebel.

6. Zugangswege: API / Codex / ChatGPT

Kanal	Aktueller Status	Modellwechsel
API	Seit 9. Juli schrittweise geöffnet	Im Request-Body `model: "gpt-5.6-terra"` usw.
Codex CLI	Parallel geöffnet	`/model`-Auswahl · `codex -m gpt-5.6-sol` · `config.toml`
ChatGPT	Schrittweise Freigabe, nicht alles auf einmal	Modellauswahl zeigt Sol / Terra / Luna (je nach Account)
Cerebras Fast	Juli, ausgewählte Kunden	Sol bis 750 Token/Sek., ideal für latenzsensitive Szenarien

Wenn Sie in ChatGPT die drei Stufen noch nicht sehen, ist das normal – OpenAI rollt schrittweise aus. Modellmenü oder offizielle Ankündigungen im Blick behalten.

7. Kostenoptimierung auf einen Blick

Drei große Hebel zum Sparen bei GPT-5.6:

Hebel	Vorgehen	Einsparung
Richtige Stufe	Standard Terra, einfache Aufgaben Luna, Sol nur bei Bedarf	Kein Overkill
Explizites Caching nutzen	Cache-Breakpoints bei langem System-Prompt / Referenzdokumenten / Codebase	Eingabeseite
Reasoning-Stufe senken	Nicht intellektuell anspruchsvoll: low / medium; max nur wenn Korrektheit >> Kosten	Ausgabeseite
Output drücken	Strukturierte Ausgabe (JSON schema), „nur Ergebnis / nur Code", Wortlimit	Ausgabeseite
Batch-API	Verzögerungstolerante Aufgaben über Batch API (langfristig 50 % Rabatt)	Alle Token 50 %

Drei Spartricks

Standard Terra, nicht Sol hochstufen
Cache-Breakpoints bei langen Prompts
Reasoning ab high, nicht max

Das sind die größten Hebel. Systematischere Ansätze siehe LLM-Preisleitfaden und Claude Code Kostenoptimierung.

FAQ

Sol, Terra oder Luna im Alltag?

Standard Terra. Im Zweifel Terra; einfache Aufgaben / Großvolumen → Luna; Terra reicht nicht → Sol.

Sind max und ultra dasselbe?

Nein. max = tiefe Inferenz eines einzelnen Agenten; ultra = parallele Subagenten-Kollaboration. Verschiedene Dimensionen, kombinierbar.

Was kosten die drei Stufen?

Sol $5/$30, Terra $2,50/$15, Luna $1/$6 (pro Million Token, Eingabe/Ausgabe).

Wann lohnt sich explizites Caching?

Ein langer Prompt, der innerhalb von 30 Min. ≥3 Mal getroffen wird, lohnt sich meist. Terra Cache-Lesen nur $0,25/M.

Wie wechselt man das Modell in Codex?

/model, codex -m gpt-5.6-terra oder dauerhaft in ~/.codex/config.toml.

Fazit

GPT-5.6 Sol, Terra oder Luna – welches Modell? In einem Satz: Terra standardmäßig, Sol für schwere Aufgaben, Luna zum Abschließen – nach Fähigkeitsstufe wählen, die Zahl ist nur die Generationsmarkierung.

Alltägliche Arbeit startet bei Terra (halber Preis von GPT-5.5, vergleichbare Leistung); Sol nur für die schwersten Probleme (mit max-Reasoning oder ultra-Subagenten); Luna für klar einfache Aufgaben. Nicht stufenweise hochprobieren – Hauptaufgaben direkt an Terra ist 2026 die entspannteste GPT-5.6-Auswahlstrategie.

Preise und Funktionen gemäß OpenAI-Blogbeitrag, Preisseite und Codex-Dokumentation. Zuletzt aktualisiert: 10. Juli 2026.