GPT-5.3 Codex Spark vs. GPT-5.6 Sol: OpenAI beendet das Speed-Spiel

GPT-5.3 Codex Spark wird eingestellt. Am 11. September 2026 sagte Open​AIs Leiter des Kernprodukts, Thibault „Tibo“ Sottiaux, auf X, dass die schnellste Codex-Variante „nächste Woche“ verschwunden sein würde – etwas mehr als sieben Monate nach ihrem Start –, weil die Nutzung stetig zurückgegangen sei und nun bessere Modelle verfügbar seien. Das ist eine Aussage aus dem Management, die über einen Social-Media-Beitrag weitergegeben wurde, keine datierte Einstellungsmitteilung: Open​AI hat in seiner eigenen Deprecation-Dokumentation kein konkretes Abschaltdatum veröffentlicht, und das einzige dokumentierte Datum ist „nächste Woche“, was auf die Woche des 14. September hindeutet. Was nicht infrage steht, ist die Richtung. Sieben Monate lang war GPT-5.3 Codex Spark die interessanteste offene Frage in Open​AIs Produktpalette – ein Modell, das über 1.000 Token pro Sekunde generierte und trotzdem nie einen öffentlichen Preis erhielt. Die Einstellung beantwortet diese Frage mit einem Nein und lässt GPT-5.6 Sol, das am 9. Juli 2026 veröffentlichte Flaggschiff für 5 $ / 30 $, als das Modell zurück, das tatsächlich Open​AIs Low-Latency-Coding-Story trägt. Der Vergleich, den diese Seite immer gezogen hat – eine Geschwindigkeitsvorschau gegen das danach erschienene Flaggschiff –, hat nun ein Ende.

Was Open​AI angekündigt hat – und was nicht.

Die Ankündigung selbst ist dünn, und es lohnt sich, genau zu sein, wie dünn sie ist. Sottiaux rahmte die Abschaltung damit ein, dass das Modell „eine gute Laufzeit gehabt habe“ und es Zeit sei, „Platz für die Zukunft zu schaffen“, wobei sinkende Nutzung und deutlich bessere verfügbare Modelle die Gründe seien. Es wurde kein Ersatz genannt. Es wurde kein Migrationspfad angeboten. Es wurde kein Datum genannt, außer „nächste Woche“. Die Stilllegung wurde von mehreren unabhängigen Medien aufgegriffen — darunter BlockBeats, TechFlow, TokenPost, die chinesische Ausgabe von Cointelegraph und Digit — was die Stilllegung zu einer bestätigten Meldung statt zu einem einzelnen Beitrag macht, doch jede einzelne von ihnen gibt dieselbe Aussage einer Führungskraft weiter. Niemand kann bisher auf ein Open​AI-Dokument verweisen.

Das ist aus einem praktischen Grund wichtig: Wenn Sie mit einer Deadline planen, ist die Deadline weich. „Nächste Woche“ vom 11. September aus bedeutet die Woche ab dem 14. September, und Open​AI hat sich Spielraum gelassen, sie zu verschieben. Die sichere Auslegung ist, dass GPT-5.3 Codex Spark ab dieser Woche nichts ist, worauf man etwas Neues aufbauen sollte, und dass jeder Workflow, der davon abhängt, eher vor Mitte September migriert werden sollte als danach.

Was Spark war und warum die Einstellung keine Überraschung ist

GPT-5.3 Codex Spark wurde im Februar 2026 veröffentlicht – Berichte nennen den 12. Februar – als Research Preview und nicht als Produkt. Es war das erste Modell von Open​AI, das speziell für Echtzeit-Coding entwickelt wurde, bei dem die Millisekunden zwischen Tastenanschlag und Antwort mehr zählen als ein Benchmark-Punkt, und es war der erste öffentliche Meilenstein in der im Januar 2026 geschlossenen Partnerschaft von Open​AI mit dem Chiphersteller Cerebras. Es lief auf Cerebras' Wafer Scale Engine 3, dem tellergroßen Chip mit vier Billionen Transistoren, der die Modellgewichte auf dem Chip hält und den Speicherbandbreiten-Engpass umgeht, der die Latenz bei gewöhnlicher GPU-Inferenz dominiert. Neben dem Silizium reduzierte Open​AI den Overhead pro Roundtrip um etwa 80 %, den Overhead pro Token um etwa 30 % und die Time-to-First-Token um etwa 50 % durch persistente WebSocket-Verbindungen und Änderungen an der Responses API, wobei der WebSocket-Pfad für Spark standardmäßig aktiviert ist.

Die Kompromisse waren von Anfang an angelegt. Spark ist ein reines Textmodell mit 128K-Kontext, was es bei der Kapazität weit hinter die aktuellen Flaggschiffe zurückfallen lässt. Und bei den agentischen Software-Engineering-Benchmarks, die OpenAI selbst anführt, liegt es deutlich unter dem vollständigen GPT-5.3 Codex – 58,4 % gegenüber 77,3 % bei Terminal-Bench 2.0, beide vom Anbieter angegeben –, weil es standardmäßig einen leichtgewichtigen Arbeitsstil verwendet, der minimale, gezielte Änderungen vornimmt und keine Tests ausführt, es sei denn, man fordert es ausdrücklich dazu auf. Geschwindigkeit war das Produkt, und das Produkt war eine Vorschau. Eine Vorschau, die nie zur allgemeinen Verfügbarkeit befördert wird, ist eine Vorschau, die irgendwann abgeschaltet wird, und sieben Monate ohne Ankündigung der allgemeinen Verfügbarkeit waren das Signal, lange vor dem Beitrag dieser Woche.

Die API-Frage ist jetzt endgültig geschlossen.

Die prominenteste Zahl, die Spark in Drittanbieter-Trackern zugeschrieben wird, ist 1,75 US-Dollar pro Million Input-Tokens und 14,00 US-Dollar pro Million Output — identisch mit dem vollwertigen GPT-5.3 Codex. Betrachte diese Zahl als Fiktion, und betrachte sie von nun an als dauerhaft fiktiv. Spark wurde ChatGPT-Pro-Abonnenten über die Codex-App, die Codex-CLI und die VS-Code-Erweiterung angeboten, wobei der API-Zugriff nur auf ausgewählte Designpartner ausgeweitet wurde und Spark eigene separate Rate Limits statt der standardmäßigen Nutzungskontingente hatte. OpenAI hat nie einen öffentlichen API-Preis dafür veröffentlicht, und da das Modell eingestellt wird, wird es das auch nie tun. Ein Preis auf einem Tracker für ein Modell ohne öffentlichen Endpunkt war schon immer eine Zahl, zu der man nicht kaufen konnte; jetzt ist es eine Zahl für ein Modell, das es nicht geben wird.

Die Kehrseite ist, dass die Stilllegung ungewöhnlich sauber ist. Es gibt keine API-Schlüssel, die rotiert werden müssten, keinen Endpunkt, der neu ausgerichtet werden müsste, keine Preistabelle, gegen die neu geplant werden müsste, denn es gab von vornherein keine allgemeine API. Die tatsächlich Betroffenen sind ChatGPT Pro-Abonnenten, die Spark in der Codex-App und der CLI verwenden, und ihre Migration ist eine Änderung der Modellauswahl, kein Engineering-Projekt.

Wohin die Echtzeit-Coding-Story tatsächlich ging

Der Nachfolger von Spark ist kein weiteres kleines Modell. Er ist eine Serving-Stufe auf einem großen Modell. Im August 2026 kündigten Cerebras und OpenAI den „Ultrafast-Modus“ an, eine neue Stufe in der OpenAI-API, die GPT-5.6 Sol mit bis zu 750 Ausgabe-Tokens pro Sekunde ausführt – bis zu 14-mal schneller als die Standardverarbeitung, bei denselben Gewichten, wobei die Intelligenz des Standardmodells unverändert bleibt. Er startete am 13. August 2026 in eine begrenzte Vorschau mit einer ausgewählten Gruppe von API-Kunden, ohne veröffentlichte Preisgestaltung, und der Zugang wird erweitert, sobald es die Kapazität zulässt. Cerebras sagt, zu den frühen Testern gehören Jane Street, Podium, Basis und Rogo, und dass die Ultrafast-Stufe bei Humanity's Last Exam den vollständigen Satz von 2.500 Fragen in etwa 11 Stunden beantwortete – gegenüber mehr als 78 Stunden bei einer vergleichbaren langsameren Konfiguration. Das sind Anbieter- und Partnerangaben, nicht reproduziert, und die Stufe ist weiterhin eine begrenzte Vorschau ohne Preis – der ehrliche Status lautet also „angekündigt und teilweise verfügbar“, nicht „käuflich erhältlich“.

Die strategische Lesart ist der interessante Teil. Als Open​AI im Februar Coding in unter einer Sekunde wollte, baute es ein kleines, dediziertes Modell und betrieb es auf Cerebras. Als es sechs Monate später dieselbe Latenz wollte, setzte es stattdessen das Frontier-Modell auf Cerebras ein. Das ist eine andere Wette: Statt ein schnelles, schmales Modell neben einem klugen, langsamen zu unterhalten, führt Open​AI die beiden auf einen gemeinsamen Satz Gewichte zusammen und differenziert über die Serving-Infrastruktur. Wenn das Bestand hat, gibt es nichts Spark-Förmiges, worauf man warten müsste – die schnelle Version jedes künftigen Flaggschiffs ist eine Stufe, kein Modellname.

Was Sie heute tatsächlich anrufen können

Blendet man die Vorschau und die Stilllegung aus, besteht das aufrufbare OpenAI-Coding-Lineup aus zwei Modellen mit veröffentlichten Preisen.

• GPT-5.3 Codex — 1,75 $ pro Million Eingabe-Tokens, 14,00 $ pro Million Ausgabe-Tokens, gecachte Eingabe bei 0,175 $. Ein Kontextfenster von 400K Tokens mit einer Ausgabeobergrenze von 128K. OpenAIs agentisches Coding-Modell, seit Februar 2026 in der öffentlichen API.

• GPT-5.6 Sol — 5,00 $ pro Million Eingabe-Tokens und 30,00 $ pro Million Ausgabe-Tokens bei Anfragen mit bis zu 32K Eingabe-Tokens, darüber steigend auf 10 $ / 45 $, mit gecachter Eingabe zu 0,50 $ und Cache-Schreibvorgängen zu 6,25 $. Rund 1,05 Mio.-Token-Kontext mit einer Ausgabeobergrenze von 128K sowie Text-, Bild- und Dateieingabe. Das Flaggschiff von Open​AI, veröffentlicht am 9. Juli 2026.

Beide liegen zu den Listenpreisen der Anbieter mit 0 % Aufschlag auf OrcaRouter – hier gelten die Preise $1.75 / $14 und $5 / $30, nicht eine Wiederverkäufer-Version davon. Eine Preissenkung eines Anbieters wird auf dieser Seite am selben Tag wirksam, an dem der Anbieter sie vornimmt, da OrcaRouter den Listenpreis durchreicht, anstatt ihn neu zu bepreisen.

GPT-5.3 Codex Spark vs. GPT-5.6 Sol, Dimension für Dimension

• Geschwindigkeit — GPT-5.3 Codex Spark mit 1.000+ Token pro Sekunde auf Cerebras-Hardware, laut Anbieterangaben, der einzige Grund für seine Existenz; GPT-5.6 Sol mit etwa 244 Ausgabe-Token pro Sekunde in unseren eigenen Messungen auf OrcaRouter im August 2026. Auf der Basisstufe nicht annähernd — obwohl die Ultrafast-Stufe die Lücke auf etwa ein Drittel schließt, für wie viele Kunden auch immer Zugriff erhalten.

• Preis — GPT-5.3 Codex Spark hatte nie einen öffentlichen API-Preis und wird nun auch nie einen bekommen; GPT-5.6 Sol bei 5 $ / 30 $ in der Basisstufe, 10 $ / 45 $ oberhalb von 32K Eingabe-Tokens.

• Kontext — GPT-5.3 Codex Spark mit 128K, nur Text; GPT-5.6 Sol mit etwa 1,05M und Text-, Bild- und Dateieingabe.

• Agentisches Coding — GPT-5.3 Codex Spark bei 58,4 % auf Terminal-Bench 2.0, laut Anbieter; GPT-5.6 Sol bei 47 im Intelligence Index v4.3 von Artificial Analysis, unabhängig gemessen, gegen Rechenkosten von etwa 1,99 US-Dollar pro Index-Aufgabe. Der Index ist ein Kompositum aus zehn Evaluierungen, darunter Terminal-Bench v4.0, daher ist er nicht direkt mit dem Ergebnis eines einzelnen Benchmarks vergleichbar — aber er ist die einzige Zahl hier, die niemand bei OpenAI geschrieben hat.

• Arbeitsstil — GPT-5.3 Codex Spark führte standardmäßig minimale Änderungen durch und ließ Testläufe aus; GPT-5.6 Sol ist das vollwertige agentische Flaggschiff mit Reasoning und Tool-Nutzung.

• Zugang — GPT-5.3 Codex Spark war eine Research-Preview für ChatGPT Pro und wird in der Woche vom 14. September 2026 eingestellt, laut einer Aussage eines OpenAI-Managers; GPT-5.6 Sol ist ein öffentliches API-Modell mit veröffentlichtem Preis.

Wenn das Einzige, was Sie wollen, ein schneller erster Entwurf einer kleinen Änderung ist, war Sparks Design ideal – und ab dieser Woche endet diese Option. Wenn Sie einen Agenten wollen, der ein Repository liest, eine Änderung plant, die Tests ausführt und iteriert, bis sie bestehen, hat Spark nie versucht, das zu sein, und GPT-5.6 Sol ist das Modell, das es ist.

Wenn Spark in Ihrem Workflow war, ist dies die Migration

Für die meisten Leser lautet die ehrliche Antwort, dass sich nichts ändert, denn GPT-5.3 Codex Spark war nie außerhalb eines Pro-Abos aufrufbar. Wenn Sie einer der Pro-Nutzer waren, die es in der Codex-App oder CLI ausgeführt haben, ist die Entscheidung zum Ersatz unkompliziert: GPT-5.3 Codex für codenahe Agentenarbeit zu $1,75 / $14 und GPT-5.6 Sol für die anspruchsvollen, langkontextigen, multimodalen Aufrufe zu $5 / $30. Beide haben veröffentlichte Preise, beide sind über die öffentliche API verfügbar, und beide sind über einen OrcaRouter-Endpunkt mit einem Schlüssel erreichbar, sodass der Wechsel lediglich eine Änderung der Modellzeichenfolge erfordert und keinen zweiten Anbietervertrag. Wenn sich eine Arbeitslast als latenzempfindlich erweist, sobald Spark nicht mehr verfügbar ist, ist die Routing-DSL das, was den Fallback überlebensfähig macht – senden Sie die kurzen interaktiven Bearbeitungen an GPT-5.3 Codex und eskalieren Sie die langfristige Arbeit an GPT-5.6 Sol, mit automatischem Failover, wenn ein Anbieter Sie mitten im Lauf drosselt.

Das Einzige, was man nicht tun sollte, ist, auf einen Nachfolger des Spark zu warten. Es gibt keinen angekündigten, und die Hinweise aus August deuten in die andere Richtung: Open​AIs Antwort auf schnelles Coding ist ein von Cerebras bereitgestelltes Tarifangebot für das Flaggschiff, derzeit in eingeschränkter Vorschau und ohne veröffentlichten Preis. Das ist es wert, beobachtet zu werden, und unmöglich einzuplanen.

Was dieser Rückzug dir wirklich verrät

Drei Dinge lohnen es, festgehalten zu werden. Erstens: Eine „Research Preview“, die sieben Monate läuft, ohne dass eine allgemeine Verfügbarkeit angekündigt wird, ist eine Produktentscheidung in Zeitlupe – die Abkündigung ist das Ende eines Prozesses, keine Überraschung. Zweitens: Das Preissignal war die ganze Zeit verfügbar: Ein Modell, das nie einen öffentlichen Preis bekam, bekam auch nie das interne grüne Licht, eines zu sein. Drittens: Das Rennen um die Latenz hat sich ins obere Marktsegment verlagert. Die interessante Frage ist nicht mehr, ob ein kleines Modell schnell sein kann, sondern ob ein Frontier-Modell schnell genug sein kann, um relevant zu sein – und das ist jetzt eine Frage der Serving-Infrastruktur, weshalb Cerebras immer wieder in OpenAI-Ankündigungen auftaucht und weshalb eine Chip-Partnerschaft, die mit mehr als 20 Milliarden Dollar beziffert wird, das ist, worauf man achten sollte, statt auf den Modellnamen.

GPT-5.3 Codex Spark hat sich seinen Platz verdient: Es war die erste echte Antwort auf die Frage „Was, wenn Latenz das Feature ist?“, und 1.000 Tokens pro Sekunde auf einem Wafer-Scale-Chip waren wirklich neu. Es wurde allerdings nie zu etwas, das man kaufen konnte. Die Modelle, die man kaufen kann, sind GPT-5.3 Codex für 1,75 $ / 14 $ und GPT-5.6 Sol für 5 $ / 30 $, beide über einen einzigen Endpoint zum Listenpreis mit 0 % Aufschlag und automatischem Failover — und wenn die Einstellung von Spark eine praktische Lehre hat, dann die, dass es sich lohnt, auf dem aufrufbaren Modell aufzubauen.