GPT-6.1 Sol vs. die GPT-6-Generation: Eine Generation für sich allein

The vendor added a fourth name to its model line on 29 September 2026 and called it a generation, and the arithmetic of the lineup is the most interesting thing about it: GPT-6.1 Sol is the entire generation. GPT-6 Luna and GPT-6 Sol, both released on 22 September 2026, are unchanged; GPT-6 Astra, out since 4 September 2026, is unchanged; the 6.1 refresh touched exactly one tier. Meanwhile GPT-6.1 Sol, at $2.00 in and $10.00 out per million tokens, scores 51.83 on the Artificial Analysis Intelligence Index for $0.724 per task — within 0.84 points of GPT-6 Astra, which costs $3.2575 per task at $10.00/$50.00. Same generation on the label, four different economics underneath.

Das macht „Soll ich die GPT-6-Generation verwenden?“ zur falschen Frage. Die Modellpalette umfasst eine 48-fache Spanne bei den Kosten pro Aufgabe und eine Spanne von 14,6 Punkten bei der gemessenen Intelligenz, und die Antwort hängt ganz davon ab, welche Stufe Sie meinen. Hier ist die Leiter – vermessen.

Die vier Sprossen, wie gemessen

• GPT-6 Luna — Index 38,12, 0,10 $ / 0,50 $ pro 1 Mio., 0,01 $ zwischengespeichert, 0,0678 $ pro Aufgabe, 50.012 Ausgabe-Tokens, 100,1 s bis zum ersten Token
• GPT-6 Sol — Index 47,63, 2,00 $ / 10,00 $, 0,20 $ zwischengespeichert, 1,045 $ pro Aufgabe, 31.000 Ausgabe-Tokens, 124,3 s
• GPT-6.1 Sol — Index 51,83, 2,00 $ / 10,00 $, 0,10 $ zwischengespeichert, 0,724 $ pro Aufgabe, 38.128 Ausgabe-Tokens, 332,0 s
• GPT-6 Astra — Index 52,67, 10,00 $ / 50,00 $, 1,00 $ zwischengespeichert, 3,2575 $ pro Aufgabe, 27.206 Ausgabe-Tokens, 400,4 s

Jedes von ihnen hat dasselbe Kontextfenster von 1.050.000 Token und dieselbe maximale Ausgabe von 128.000 Token, und jedes nimmt Text-, Bild- und Dateieingaben entgegen. Die Stufen unterscheiden sich nicht durch Fähigkeitsmerkmale. Sie unterscheiden sich dadurch, wie viel Denkleistung du bereit bist zu bezahlen, und die beiden Enden dieser Leiter liegen pro Aufgabe um den Faktor 48 auseinander.

Was das 6.1-Refresh tatsächlich geändert hat

Drei Dinge, und nur eines davon ist eine Punktzahl.

Der Score bewegte sich in einer Woche von 47,63 auf 51,83, ein Zugewinn von 4,2 Punkten. Der Satz für gecachte Eingaben halbierte sich, von 0,20 $ auf 0,10 $ pro Million, weshalb die gemessenen Kosten pro Aufgabe von 1,045 $ auf 0,724 $ sanken, obwohl die Listenpreise identisch waren – dieselbe Preisliste, eine andere Abrechnung. Und die Anzahl der Ausgabe-Token stieg von 31.000 auf 38.128, während die Wall-Clock-Zeit pro Aufgabe von 321 Sekunden auf 640 anstieg – der einzige Punkt, an dem die Aktualisierung rückwärtsging, und der am wenigsten sichtbare auf jedem Datenblatt.

Der Vergleich mit Astra ist der, der die Leute überrascht. GPT-6.1 Sol liegt 0,84 Indexpunkte hinter dem Flaggschiff und ist pro Aufgabe 4,5-mal günstiger. Astras verbleibender Vorteil ist nicht sein Indexwert; es ist die Menge der Evaluierungen, in denen es allein gemessen wird, und die eine Fähigkeit, die OpenAI als einzigartig für es beschreibt – das Auffinden neuartiger Sicherheitslücken, weshalb das Modell unter dem eigenen Preparedness Framework des Anbieters als „kritisch“ eingestuft wird und seine leistungsfähigsten Einstellungen auf geprüfte Partner beschränkt sind.

Die OrcaRouter-Karte für GPT-6 Astra ist das Flaggschiff am oberen Ende derselben Tarifleiter: 10,00 $ / 50,00 $, eine p50-Zeit bis zum ersten Token von 1,64 Sekunden, 40,7 Millionen Token über sieben Tage und dasselbe Kontextfenster von 1.050.000 Token, das alle Tarifstufen teilen.

Gegenüber dem 6.0 Sol ist die Aktualisierung nahezu eine reine Verbesserung – mehr Index, weniger Geld – mit dem Vorbehalt, dass das 6.1-Modell ein anderes Modell und kein Checkpoint ist und es sein Reasoning ausführlicher erneut ausgibt. Gegenüber Luna ist es überhaupt kein Vergleich: 10,7-mal die Kosten für 13,7 Indexpunkte, was für harte Arbeit ein guter Deal und für Arbeit mit hohem Volumen ein schrecklicher ist.

Was unsere eigenen Routing-Daten sagen, was der Markt bereits entschieden hat

Eines hat dieser Vergleich, was ein Datenblatt nicht hat: einen Blick auf die tatsächliche Nutzung. In den sieben Tagen bis zum 7. Oktober 2026 hat GPT-6.1 Sol auf unserer eigenen Routing-Schicht 284,2 Millionen Tokens verarbeitet und das GPT-6 Sol, das es ablöste, 950 Tausend – ein 300-facher Unterschied für zwei Modelle, die nur eine Woche Altersunterschied trennt, und genau so sieht ein Stufenwechsel von innen aus. GPT-6 Luna, die günstige Stufe, verarbeitete 641,6 Millionen – mehr als beide Sol-Modelle zusammen. GPT-6 Astra verarbeitete 40,7 Millionen.

Lies das als drei getrennte Verhaltensweisen. Arbeit mit hohem Volumen ging in größtem Umfang an die günstige Stufe. Ernsthafte Arbeit konsolidierte sich innerhalb einer Woche nach Veröffentlichung auf das neueste Sol und ließ dabei das Modell fallen, das es ersetzte. Und das Flaggschiff blieb eine Nische: die leistungsfähigste Stufe, am wenigsten genutzt, von Teams, deren Problem genau das ist, das nur sie löst. Die Produktpalette ist keine Leiter, die man hochklettert; sie ist eine Sammlung von Werkzeugen, aus denen man auswählt, und man wählt nach Stufe statt nach Generation.

Weshalb die Ebene in die Anfrage gehört, nicht in die Architektur

Das praktische Problem bei einer Generation mit vier Stufen ist, dass die richtige Antwort je nach Aufgabe und Woche anders ausfällt – wie die oben genannten Traffic-Zahlen zeigen, hat sich der Markt innerhalb von sieben Tagen neu entschieden. Einen Modellnamen fest in eine Anwendung zu codieren, ist das, was aus einer Modellpalette eine Festlegung macht.

Alle vier sind über einen einzigen OrcaRouter-Endpunkt erreichbar: eine einzige API für 200+ Modelle, bei der der Listenpreis des Anbieters mit 0 % Aufschlag durchgereicht wird. Der letzte Punkt ist hier besonders entscheidend, weil drei der vier Tarifstufen einen Listenpreis oder eine Cache-Rate teilen, die sich bereits einmal geändert hat — die Cache-Rate von GPT-6.1 Sol halbierte sich innerhalb einer Woche nach dem Start, und eine Durchleitungsabrechnung sorgt dafür, dass dies automatisch auf Ihrer Rechnung landet.

Zwei Merkmale der Routing-Schicht verdienen es, für dieses spezielle Lineup genannt zu werden. Die Routing-DSL erlaubt es, die Stufe als Parameter der Anfrage statt als Deployment zu behandeln – günstige Stufe für den Extraktionsdurchlauf, 6.1 Sol für den Reasoning-Durchlauf, Astra nur für die Aufrufe, die das brauchen, was Astra einzigartig leistet. Und Modellfusion ermöglicht es einem Panel aus ihnen, gemeinsam eine Frage zu beantworten, was der ehrliche Weg ist, ein Flaggschiff zu nutzen, auf das man nicht alles routen kann, ohne sich zu ruinieren: Es wird zu einer Stimme in einem Panel statt zur ganzen Rechnung.

Was tun mit einer Generation von einem?

Kaufe nicht die Generation. Kaufe eine Sprosse und kaufe sie erneut, wenn die Sprossen sich bewegen.

Für Workloads mit hohem Volumen und Latenzempfindlichkeit ist GPT-6 Luna mit 0,0678 US-Dollar pro Aufgabe und 100 Sekunden bis zum ersten Token die Stufe, die bereits den meisten Traffic trägt, und der Preis liegt eine Größenordnung unter allem anderen auf der Leiter. Für allgemeines Reasoning und Coding ist GPT-6.1 Sol jetzt der Standard, der das 6.0-Modell früher war – gleicher Listenpreis, besserer Index, halbe Cache-Kosten, und die 640-Sekunden-Aufgabenzeit ist das Einzige, das Sie an Ihrem eigenen Workload testen sollten, bevor Sie annehmen, dass das Upgrade kostenlos ist. Für die Aufgaben, die Frontier-Messung oder die Sicherheitsarbeit benötigen, die nur das Flaggschiff erledigt, bleibt GPT-6 Astra die einzige Sprosse, die beides leistet, zum 4,5-Fachen der Kosten der Sprosse darunter.

Worauf man achten sollte, ist, ob das 6.1-Refresh die anderen Stufen erreicht. Wenn Luna oder Astra dieselbe Behandlung erhalten, ändert sich die Form der Leiter – und damit auch die Rechnung pro Aufgabe in diesem Artikel. Bis dahin bezeichnet „GPT-6.1“ ein einzelnes Modell, und es als Familie zu behandeln, führt dazu, dass Teams am Ende Flaggschiff-Preise für Extraktion zahlen.