Eine generierte Titelkarte für einen Artikel über die Compute-Zuteilung von GPT-6.2, mit drei Karten mit den Überschriften „Die Behauptung“, „Die Aufzeichnung“ und „Die Prüfung“ sowie einer Fußzeile, die besagt, dass alle Zahlen von OpenAI veröffentlicht wurden und dass es Stand 16. November 2026 keinen GPT-6.2 gab.
Guides & Insights

GPT-6.2 und die Rechenleistungs-Ausrede: Was OpenAI darüber veröffentlicht hat, wohin die GPUs tatsächlich gehen

Autor

jinhao.song

Veröffentlicht am

Neueste Modelle · 20Alle Modelle ansehen →
Benchmarks: Artificial Analysis · täglich aktualisiert
Zurück zu allen Beiträgen

In der Nacht des 15. November 2026 bot @kimmonismus eine Theorie dafür, warum GPT-6.2 nicht erschienen ist: OpenAI stecke knappe Rechenkapazität in die Forschung statt in die Bereitstellung neuer Modelle, weil schneller Fortschritt Zwischen-Checkpoints weniger attraktiv für eine Veröffentlichung mache und auch Sicherheit, Produktreife und Kosten Faktoren sein könnten. Diese Behauptung hat eine überprüfbare und eine nicht überprüfbare Hälfte. Die überprüfbare Hälfte ist, dass GPT-6.2 in keinem von OpenAI veröffentlichten Artefakt existiert. Der Modellkatalog listet sechs GPT-6-Textkennungen auf — GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol und das zugriffsgeschützte GPT-6 Cyber — und nichts mit der Nummer 6.2. Die Preisliste hat keine Zeile für 6.2. Der jüngste Modelleintrag im Changelog ist GPT-6 Cyber am 5. November, vor elf Tagen. Artificial Analysis, dessen Index unabhängig von OpenAI ist, obwohl es seinen eigenen Aufgabensatz misst, hat keinen Eintrag für GPT-6.2. Die nicht überprüfbare Hälfte betrifft die Frage, wohin die Rechenkapazität tatsächlich fließt, und niemand außerhalb des Unternehmens kann das anhand eines Tweets klären.

Was stattdessen getan werden kann, ist enger und nützlicher: die vier Dokumente lesen, die OpenAI seit Ende September über Compute- und Modell-Governance veröffentlicht hat, und fragen, was sie über die Zuteilung sagen. Zusammen gelesen beschreiben sie etwas, das der Tweet nicht beschreibt – Compute wird innerhalb der Forschung rationiert, durch ein dokumentiertes Kontrollsystem mit einer veröffentlichten Stopp-Latenz, während das Serving als separater Stack beschrieben wird, der – in OpenAIs eigener Formulierung – „von Natur aus bereits viel zentralisierter ist“. Das ist die Gestalt der Compute-Geschichte, soweit die öffentliche Aufzeichnung sie stützt. Alles Folgende ist danach gekennzeichnet, woher es stammt, weil das meiste davon ein Anbieter ist, der sich selbst beschreibt.

A generated six-row scoreboard of GPT-6 compute facts, reading: catalogue IDs six, none numbered 6.2; latest model GPT-6 Cyber on 5 Nov 2026; Control Room stop bound 35 seconds; RL pause in September 11 days; Stargate added over 3GW in 90 days; Georgia Power curtailment up to 1,000 MW. Footer: all figures OpenAI-published, unreproduced; no GPT-6.2 scores exist.

Was der Katalog am 16. November sagt

Das Fehlen ist leicht zu überprüfen und sollte präzise benannt werden, denn seit Wochen kursieren Beiträge mit der Aussage „GPT-6.2 kommt“. Der heute Morgen abgerufene API-Modellkatalog von OpenAI enthält sechs GPT-6-Identifikatoren sowie eine Bildfamilie, ein Sprachmodell und ein Life-Sciences-Modell. Der Text lautet: GPT-6 Astra als „unser leistungsfähigstes Modell für die anspruchsvollsten Aufgaben“; GPT-6.1 Sol als „nahezu Astra-Leistung für komplexe Arbeit zu geringeren Kosten“; GPT-6.1 Terra für visuelles Reasoning und Computer Use; GPT-6 Sol für Coding und agentische Workflows; GPT-6 Luna für Arbeit mit hohem Volumen; und GPT-6 Cyber für die Untersuchung von Schwachstellen über das Daybreak-Setup. In dieser Liste gibt es kein 6.2, und eine Anfrage nach einer Modellseite unter dem üblichen Dokumentationspfad liefert einen 404.

Screenshot of the OpenAI API model catalogue listing six GPT-6 text identifiers — GPT-6 Astra, GPT-6.1 Sol, GPT-6.1 Terra, GPT-6 Luna, GPT-6 Sol and GPT-6 Cyber — with no GPT-6.2 entry.

Das Changelog füllt die Form der Lücke aus. Seit GPT-6 Astra am 3. September veröffentlicht wurde, hat OpenAI entlang vertikaler Linien statt einer einzigen aufsteigenden Textlinie veröffentlicht:

• 22. September — GPT-6 Sol und GPT-6 Luna als Coding-Tier und Volume-Tier unter Astra hinzugefügt

• 29. September — Astra und Sol im Ultrafast-Service-Tarif erhältlich, zum Sechsfachen der Standardtarife

• 8. Oktober — GPT-6.1 Sol auf Ultrafast, das erste Mal, dass ein Mittelklasse-Modell die schnelle Spur bekam

• 16. Oktober — neun neue GPT-Live-Stimmen und Prompt-to-Voice; Ultrafast-Modus auf die Agents API ausgeweitet

• 22. Oktober — die Decisions API ist auf GPT-6 Luna allgemein verfügbar; das Limit für Fragen pro Anfrage wurde von 200 auf 400 angehoben

• 26. Oktober — GPT-6.1 Terra, ausgerichtet auf visuelles Schlussfolgern und Computerbedienung statt auf reine Benchmark-Werte

• 30. Oktober — GPT-6 Rosalind, biologisches Schlussfolgern, zugangsbeschränkt über das Programm für vertrauenswürdigen Zugang

2. November — ausgehende SIP-Anrufe auf GPT-Live; 4. November — GPT-Image-2.6 Sunburst und Flare, mit SVG- und animierter GIF-Ausgabe

• 5. November — GPT-6 Cyber, für Schwachstellenarbeit, hinter dem Daybreak-Onboarding

Elf Tage Changelog seitdem enthalten überhaupt kein Modell: ein Wallet, Business-Funktionen, Bildungsberatung, eine Cyberabwehr-Partnerschaft, einen Physik-Beitrag. Würde Rechenleistung dem Serving pauschal vorenthalten, wäre das nicht das Muster, das man erwarten würde – Bilder, Sprache, Telefonie, Life Sciences und ein Sicherheitsmodell wurden alle ausgeliefert. Was nicht ausgeliefert wurde, ist ein neuer Frontier-Text-Checkpoint. Diese Unterscheidung ist das ganze Argument, und sie ist eine, die der Tweet einebnet.

Drei Erklärungen, und nur eine mit Papierkram.

Der Beitrag nennt drei oder vier Ursachen und gewichtet sie nicht. Rechenknappheit, Sicherheit, Produktreife und Kosten sind alle plausibel; nur eine von ihnen hat einen veröffentlichten, nachprüfbaren Mechanismus, und es ist nicht das Serving.

Am 9. November veröffentlichte OpenAI den Control Room: „ein zentrales System, um Modell-Workloads über unsere Forschungsinfrastruktur hinweg zu verfolgen und sie schnell zu stoppen, wenn Sicherheits- oder Schutzbedenken auftreten.“ Die Details sind wichtiger als die Rahmung. Er „hält die Modellausgabe innerhalb von 35 Sekunden nach einer Entscheidung zum Eingreifen an“, und das Unternehmen gibt an, dass die maximale Zeit zwischen einer Stoppanweisung und dem Punkt, an dem kein weiterer Fortschritt mehr möglich ist, 35 Sekunden beträgt, mit dem erklärten Ziel, diese auf null zu senken. Er ist fail-closed ausgelegt. Er verlangt, dass „jede Forschungs-Workload, die agentische Inferenz ausführt“, „mit einem genehmigten Safety Case verknüpft“ ist und dass „alle unsere Frontier-Reinforcement-Learning-Jobs mit einem Monitor laufen“.

Das ist ein System zur Zuteilung und zum Entzug von Research-Compute. Es ist kein System zur Planung von Releases, und das Dokument sagt das fast nebenbei: „Unser externer Model-Serving-Stack ist von Natur aus bereits viel zentralisierter.“ Wenn man genau liest, leistet dieser Satz eine Menge Arbeit. Er bedeutet, dass die Sache, die rationiert werden müsste, damit die Theorie des Tweets hält – die Serving-Kapazität –, als bereits konsolidiert beschrieben wird, und dass das, was aktiv gesteuert, gedrosselt und per Stop-Schalter angehalten wird, die Research-Inferenz ist. Die öffentliche Aktenlage dokumentiert Konkurrenz innerhalb der Research. Sie dokumentiert keine Warteschlange fertiger Checkpoints, die auf Serving-Kapazität warten.

Die unterstützenden Dokumente weisen in dieselbe Richtung. Am 28. September argumentierte OpenAI, dass „strukturierte Sicherheitsdokumentation verpflichtend sein sollte, bevor ein Frontier-Reinforcement-Learning-Trainingslauf fortgesetzt wird“ — ein Gate vor dem Training, nicht vor der Veröffentlichung, mit einem Pre-Mortem-Dissensverfahren, Vetorechten für leitende Führungskräfte und der Vorgabe, dass Monitoring und automatisches Pausieren „fail closed“ arbeiten. Am 23. Oktober legte das Unternehmen den Vorfall offen, der diesen Regeln Nachdruck verlieh: ein falsch konfigurierter DNS-Resolver am 20. September, Training und Evaluierung seiner leistungsfähigsten Modelle pausiert und Reinforcement Learning am 1. Oktober wieder aufgenommen — „11 Tage nach Beginn unserer Pause“. Ein Unternehmen, das sein eigenes Frontier-Training elf Tage lang wegen eines Resolvers stoppt, ist ein Unternehmen, dessen bindende Einschränkung auf der Forschungsseite ablesbar ist. Seine bindende Einschränkung auf der Serving-Seite ist nirgendwo dokumentiert.

Die einzige Zahl, die falsifizierbar ist

Rechenknappheit ist der Teil des Tweets, der am einfachsten zu testen sein sollte, weil OpenAI sehr viel über physische Kapazität veröffentlicht hat. Am 29. April erklärte das Unternehmen, es habe bereits die 10-Gigawatt-Stargate-Verpflichtung übertroffen, die es für 2029 eingegangen sei, mit „mehr als 3 GW, die allein in den letzten 90 Tagen hinzugekommen sind“, und dass „der einzige verantwortungsvolle Weg, sie zu erfüllen, darin besteht, mehr Rechenleistung zu bauen, und zwar schneller.“ Am 5. November gab es in einem Dokument über das Verhalten von Rechenzentren bekannt, dass an seinem geplanten Standort im Effingham County „unsere Vereinbarung mit Georgia Power es dem Versorgungsunternehmen erlaubt, die Strommenge, die es an uns liefert, in Zeiten hoher Nachfrage um bis zu 1.000 Megawatt zu reduzieren.“

Diese beiden Fakten passen merkwürdig schlecht zu „knapper Rechenleistung“ als Erklärung für eine verzögerte Veröffentlichung. Ein Unternehmen, das in einem Quartal drei Gigawatt hinzufügt und ein vertragliches Recht akzeptiert, mit dem ein Versorgungsunternehmen ein Gigawatt drosseln darf, hat offensichtlich keinen Mangel an Megawatt; es ist Spitzenlastereignissen und den Kosten für gesicherte Leistung ausgesetzt. Das Dokument vom 5. November ist auch der Ort, an dem die Kostenseite des Tweets konkret statt rhetorisch wird: OpenAI verpflichtet sich, die vollen Kosten des von ihm genutzten Stroms zu tragen, vor größeren Ausgaben finanzielle Zusicherungen zu hinterlegen, damit andere Versorgungskunden geschützt sind, falls ein Projekt verzögert oder abgebrochen wird, und – ungewöhnlich – keine Geheimhaltungsvereinbarungen mit öffentlichen Amtsträgern zu verwenden, außer bei engen Ausnahmen für Sicherheit und Geschäftsgeheimnisse. Kosten und Rechenleistung sind in dieser Darstellung dieselbe Einschränkung aus zwei Blickwinkeln, und beide werden mit veröffentlichten Zusagen statt mit dem Zeitpunkt der Veröffentlichung gesteuert.

Wie ein echter GPT-6.2-Launch aussehen würde

Jedes OpenAI-Textmodell der aktuellen Reihe erschien mit denselben drei Artefakten, und ihr Fehlen ist ein besserer Prädiktor als jeder Teaser: eine Zeile auf der Preisliste, eine Seite im Modellkatalog und ein datierter Changelog-Eintrag, der beschreibt, wofür das Modell gedacht ist. GPT-6 Astra hat alle drei. GPT-6.1 Terra hat alle drei, datiert auf den 26. Oktober. GPT-6 Cyber hat alle drei, datiert auf den 5. November. Wenn 6.2 erscheint, wird es einen Preis pro Million Token bekommen, bevor es eine Benchmark-Tabelle bekommt – so hat dieses Unternehmen das ganze Jahr über gearbeitet, und deshalb ist die Preisliste der Ort, den man beobachten sollte, nicht X.

Es gibt außerdem ein Versionsnummernproblem, das der Tweet nicht anspricht. GPT-6.1 war kein Fähigkeitssprung gegenüber GPT-6 in der Art, wie es die Dezimalstelle nahelegt; es war eine Neupositionierung bei Kosten und Latenz, wobei 6.1 Sol mit 2 US-Dollar für Eingabe und 10 US-Dollar für Ausgabe pro Million Tokens bepreist war, gegenüber Astras 10 und 50 US-Dollar, und 6.1 Terra bei 1 und 5 US-Dollar. Wenn 6.2 eine weitere Neupositionierung statt einer neuen Frontier ist – und in den öffentlich zugänglichen Informationen steht nichts, was sagt, was davon zutrifft –, dann ist „der Priorisierung von Forschung gegenüber Serving“ keine Erklärung für seine Abwesenheit. Es gäbe nichts, was zurückgehalten würde, um es bereitzustellen.

Die Auslieferungsseite, die bepreist und messbar ist

Was auch immer intern zugewiesen wird – die Modelle, die es gibt, werden zu einer veröffentlichten Preisliste verkauft, und diese Preisliste ist derzeit die ehrliche Grundlage für jeden Kostenvergleich. Dies sind die eigenen Zahlen von OpenAI, pro Million Token, Standard-Tarif:

GPT-6 Astra — Eingabe: 10 $, Ausgabe: 50 $; zwischengespeicherte Eingabe: 1,00 $; Long-Context-Anfragen oberhalb des Schwellenwerts: 20 $ und 75 $

• GPT-6.1 Sol — 2 $ Eingabe, 10 $ Ausgabe

• GPT-6 Sol — 2 $ Eingabe, 10 $ Ausgabe

• GPT-6.1 Terra — 1 $ Eingabe, 5 $ Ausgabe

• GPT-6 Luna — $0,10 Eingabe, $0,50 Ausgabe

• Multiplikatoren für Service-Tarife — Batch und Flex werden zum halben Standardtarif abgerechnet; Fast und Priority zum doppelten; Ultrafast zum Sechsfachen

Screenshot of the OpenAI API pricing page showing the GPT-6 text rate card: GPT-6 Astra at $10 input and $50 output per million tokens, GPT-6.1 Sol at $2 and $10, GPT-6.1 Terra at $1 and $5, and GPT-6 Luna at $0.10 and $0.50. No GPT-6.2 row appears in the table.

Die interessante Spalte ist nicht der Preis, sondern der Preis im Verhältnis zur gemessenen Leistung. Im Index von Artificial Analysis – unabhängig von OpenAI, aber auf einem eigenen Aufgabensatz gemessen, also eher als zweite Meinung denn als Urteil zu behandeln – erreicht GPT-6 Astra 56,85 bei maximalem Reasoning-Aufwand und 54,85 bei hohem, bei Kosten für den Indexlauf von 6,24 US-Dollar bzw. 3,24 US-Dollar pro Aufgabe. GPT-6.1 Sol erreicht 54,61 bei maximalem Aufwand für 1,27 US-Dollar und 50,33 bei hohem Aufwand für 0,59 US-Dollar. Das ist die Arithmetik, die eine 6.2 interessant macht: Sol kommt bereits bis auf zwei und ein Viertel Punkte an Astra heran, bei ungefähr einem Fünftel der Kosten pro Aufgabe, sodass der Grenznutzen eines weiteren Frontier-Checkpoints geringer ist, als die Versionsnummer vermuten lässt, und der Grenznutzen eines günstigeren offensichtlich ist.

Zum Maßstab von außerhalb OpenAIs: Claude Fable 5.2 erzielt 64,56 bei maximalem Aufwand, kostet bei derselben Messgröße aber 26,54 $ pro Aufgabe, und 61,82 bei hohem Aufwand für 9,08 $. Gemini 4 Carbon erzielt 58,26 für 4,68 $. Nach diesen Belegen ist OpenAIs Rückstand auf den Spitzenreiter real, und ihn zu schließen ist ein Forschungsproblem, kein Problem der Serving-Kapazität — was ironischerweise der Teil des Tweets ist, der am besten standhält.

Hier wird Routing konkret. Vier der sechs GPT-6-Text-Identifier laufen heute über OrcaRouter — openai/gpt-6-astra, openai/gpt-6.1-sol, openai/gpt-6-sol und openai/gpt-6-luna — zu OpenAIs eigenen Listenpreisen, ohne Aufschlag, sodass eine Preisänderung des Anbieters bei uns am Tag ihres Inkrafttretens live ist und nicht erst zur nächsten Vertragsverlängerung. GPT-6.1 Terra und GPT-6 Cyber sind nicht in unserem Katalog, und nichts hier sollte so gelesen werden, als würde das behauptet. Was die Durchreichung einem Team bringt, das auf 6.2 wartet, ist eine Möglichkeit, den Fallback zu bepreisen: die Workload mit hohem Effort gegen Astra und mit maximalem Effort gegen 6.1 Sol mit demselben Schlüssel laufen zu lassen, die beiden Kosten-pro-Aufgabe-Zahlen mit Ihren eigenen Abnahmekriterien zu vergleichen und automatisches Failover einzurichten, damit ein Verfügbarkeitsschwanken bei einem Modell nicht zu einem Incident wird. Das ist eine Entscheidung, die diese Woche auf dem Tisch liegt. Auf einen Checkpoint zu warten, nicht.

Was würde diese Lesart ändern

Zwei Dinge würden das erklären, und beide sind beobachtbar. Eine GPT-6.2-Zeile, die auf der Preiskarte auftaucht, während die Dokumentation zur Leistungsfähigkeit hinterherhinkt, würde die Wirtschaftlichkeit des Tweets stützen – Rechenleistung, die in die Forschung fließt, während ein fertiges Modell auf seinen Einsatz wartet. Umgekehrt würde ein 6.2-Launch mit einer neuen Benchmark-Tabelle und einem Preis über dem von Astra das Gegenteil nahelegen: dass die Einschränkung in der Leistungsfähigkeit lag und die Versionsnummer auf die Forschung wartete, genau wie es die Governance-Dokumente beschreiben.

Bis eines davon eintritt, ist die ehrliche Haltung die unbequeme. Die falsifizierbare Hälfte des Tweets ist bestätigt – es gibt kein GPT-6.2, elf Tage nachdem das letzte Modell ausgeliefert wurde –, und seine kausale Hälfte ist unbestätigt: Sie wird von jemandem außerhalb des Unternehmens über eine Entscheidung behauptet, die intern getroffen wurde. Was der öffentliche Rekord jedoch zeigt, ist ein Unternehmen, das sieben Wochen damit verbracht hat, die Mechanismen zu veröffentlichen, mit denen es Forschungsrechenleistung rationiert und stoppt, bis hin zu einer Stoppfrist von 35 Sekunden, und das fast nichts darüber veröffentlicht hat, wie es entscheidet, welches fertige Modell zuerst bedient wird. Die Rechenleistung wird gesteuert. Ob sie Ihnen vorenthalten wird, ist eine andere Behauptung, und OpenAI hat sie nicht aufgestellt.

In diesem Artikel verglichen4

Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert