
GPT-6.2 Sol Pro: Die Preisliste blieb unverändert. Die Rechnung fiel um 20 %.
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 90 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 97 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-0711 tok/s
- OrcaNEUOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 88 tok/s
- OrcaNEUOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 134 tok/s
- OrcaNEUOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 pro 1 Mio. Tokens · 86 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 124 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 43 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 192 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 132 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 pro 1 Mio. Tokens · 131 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955Intelligenz
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855Intelligenz
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 185 tok/s
Vierzigtausend Ausgabe-Tokens, um eine Evaluierungsaufgabe abzuschließen. Das ist es, was GPT-6.2 Sol in der Suite von Artificial Analysis mit seiner höchsten Effort-Einstellung ausgegeben hat, gegenüber 67.824 für GPT-6.1 Sol, das dieselbe Arbeit erledigt hat – ein Rückgang um 40 % bei den Tokens und um 20 % bei den Dollar pro Aufgabe, bei einer Preisliste, die sich um keinen Cent geändert hat. Das Modell erschien am 17. November 2026, zusammen mit GPT-6.2 Astra, und das Label, nach dem die Leute suchen, GPT-6.2 Sol Pro, ist dieses Modell mit reasoning.mode auf pro in der Responses API. Der Pro-Modus wird zu den Standard-Tokenpreisen des Basismodells abgerechnet. Die gesamte Wirtschaftlichkeit des Upgrades hängt also davon ab, wie viele Tokens das Modell auszugeben beschließt – und das ist die eine Zahl, die OpenAIs Preisliste Ihnen nicht sagen kann.
Dies ist keine Neuauflage der Argumentation „Pro ist ein Modus“, die auf diesem Blog bereits zweimal für die Stufen GPT-6 und GPT-6.1 vorgebracht wurde. Der Mechanismus ist derselbe, und er ist inzwischen gut dokumentiert. Neu sind die Belege: Erstmals gibt es unabhängige Messungen einer Sol-Stufe am Tag nach dem Start, und sie zeigen etwas Interessanteres als „billiger pro Token“. Sie zeigen, dass die Verbesserung sich genau auf die Workloads konzentriert, für die OpenAI dieses Modell verkauft, und dass eine Dimension schlechter geworden ist.
Was wurde am 17. November genau veröffentlicht?
Der Changelog-Eintrag umfasst zwei Zeilen und nennt zwei Identifikatoren: gpt-6.2-astra und gpt-6.2-sol, beide in der Responses API und in Chat Completions, wobei Tool-Calling die Responses API voraussetzt. OpenAIs eigene Zusammenfassung der Veröffentlichung – „bessere professionelle Ergebnisse, Programmierung, Computer Use und Effizienz zu geringeren Kosten in ChatGPT Work, Codex und der API“ – ist die Darstellung des Anbieters, und man sollte sie mit Skepsis betrachten, bis die unabhängigen Zahlen vorliegen, die nun da sind.
Die Form der Sache, von OpenAIs Modellseite für gpt-6.2-sol:
• Kontext — insgesamt 1.050.000 Token, maximal 922.000 Eingabe, maximal 128.000 Ausgabe.
• Modalitäten – Text und Bild als Eingabe, Text als Ausgabe. Audio und Video sind als nicht unterstützt aufgeführt, und in der Spezifikation gibt es keine Modalität für Dateieingaben.
• Wissensstichtag — 1. Juni 2026, einen Monat später als der 30. April 2026 der 6.1-Stufe.
• Reasoning – immer aktiv, fünf Aufwandsstufen von niedrig bis maximal, und die API lehnt reasoning.effort: none rundheraus ab, statt still herunterzustufen.
• Preis, kurzer Kontext — 2,00 $ Eingabe, 0,10 $ gecachte Eingabe, 2,50 $ Cache-Schreiben, 10,00 $ Ausgabe pro Million Tokens. Identisch mit GPT-6.1 Sol.
• Preis, über 272.000 Eingabe-Tokens — die Eingabe- und Cache-Raten verdoppeln sich und die Ausgabe steigt für die gesamte Anfrage auf das 1,5-Fache: $4.00 / $0.20 / $5.00 / $15.00.
• Service-Stufen — Batch zu 50 % des Standardtarifs, Fast zum 2×, Ultrafast zum 3× bis 28. Februar 2027 und zum 6× ab 1. März 2027.
• Neu in dieser Generation – rabattierte Zeitfenster für die Hintergrundvervollständigung in der öffentlichen Beta der Responses API, 30 % unter den Standardtarifen für ein zweistündiges Zeitfenster und 40 % darunter für acht Stunden.
Diese letzte Zeile ist für alle, die Batch-förmige Agenten-Arbeit betreiben, ganz nebenbei das Nützlichste am Release – und sie ist genau die Art von Detail, die der Launch-Post unter den Tisch fallen lässt. Eine zweistündige Verzögerung, die 30 % weniger kostet, ist eine andere Produktentscheidung als eine Preissenkung, denn sie verändert, wann man die Arbeit einplant, statt was man dafür bezahlt.

Woher „Pro“ kommt und warum es keine Modell-ID ist
OpenAIs Reasoning-Leitfaden sagt es klar: Die Modelle GPT-5.6 und GPT-6 „unterstützen die Reasoning-Modi standard und pro in der Responses API. standard ist die Voreinstellung.“ Modus und Aufwand sind unabhängige Achsen – der Leitfaden stellt ausdrücklich fest, dass der Modus „die Ausführung standard oder pro auswählt, während reasoning.effort steuert, wie viel Reasoning das Modell innerhalb dieses Modus anwendet“. Man kann den pro-Modus mit geringem Aufwand ausführen; man kann den standard-Modus mit maximalem Aufwand ausführen.
Was die Pro-Ausführung tut, ist, mehrere Durchläufe von Modellarbeit zu einer einzigen Antwort zusammenzufassen und diese Tokens zu „den Standard-Token-Preisen des ausgewählten Modells“ abzurechnen. Kein Premium-Multiplikator, kein separater Zähler. Bestehende Pro-Kennungen – GPT-5.5 Pro und seine Vorgänger – behalten ihr altes Verhalten und ihre alten Preise, weshalb „Pro“ jetzt zwei verschiedene Dinge bedeutet, je nachdem, welche Zeichenfolge man nennt.
Wenn ein Katalog also gpt-6.2-sol-pro aufführt, beschreibt er eine Konfiguration und erfindet eine Kennung, an der er sie festmacht. OpenAIs eigene Dokumentation liefert für diese Zeichenkette einen 404, und die einzige Kennung auf der Modellseite ist gpt-6.2-sol. Diese Unterscheidung ist mehr als Pedanterie: Eine Modell-ID, die man nachschlagen kann, hat ein dokumentiertes Kontextfenster und einen veröffentlichten Tarif, während eine Konfiguration das hat, was Ihre Anwendung zum Zeitpunkt des Aufrufs übergibt.
Die unabhängige Einschätzung: 2,7 Punkte mehr, 20 % günstiger pro Aufgabe
Artificial Analysis hat das Modell bereits auf seiner eigenen Testumgebung laufen lassen, und die Zahlen sind die ersten herstellerunabhängigen Messungen dieser Leistungsklasse. Auf dem Intelligence Index v5.0.1 erzielt GPT-6.2 Sol bei maximalem Aufwand 57.3 gegenüber 54.6 für GPT-6.1 Sol bei maximalem Aufwand. Die Kosten pro Index-Aufgabe sinken von $1.27 auf $1.01. Beide Werte werden über die identische Testsuite gemessen, was sie vergleichbar macht: gleiche Aufgaben, gleiche Testumgebung, gleiche Bewertung, nur das Modell ändert sich.
Dass sich diese beiden Zahlen gemeinsam in die richtige Richtung bewegen, ist die eigentliche Aussage dieses Releases. Eine Generation, die bei unverändertem Preisschema pro Aufgabe klüger und günstiger wird, ist ein Effizienzgewinn, keine Neupositionierung. Eine Generation, die klüger wird, dabei aber mehr kostet, ist ein Tauschgeschäft. Diese hier ist Ersteres – mit einer Marge, die deutlich genug ist, um aufzufallen.
Wo der Zugewinn landet, ist interessanter als der Composite-Wert. Im Vergleich zum eigenen Vorgänger bei maximaler Anstrengung:
• Terminal-Bench 4.0 — 60,1 % vs. 56,1 %.
• Terminal-Bench Science — 67,6 % vs. 58,1 %, ein Sprung um 9,5 Punkte und die größte Einzelveränderung auf dem Board.
HLE Diamond — 64,0 % vs. 58,8 %.
• FrontierCode 2.0 — 44,4 % vs. 40,6 %.
• AutomationBench — 71,3 % gegenüber 64,9 %.
• AnalystAgent — 53,8 % gegenüber 50,0 %.
Jede einzelne davon ist eine Aufgabe, bei der Tools zum Einsatz kommen, die mehrere Schritte umfasst und bei der die Verifikation eine große Rolle spielt. Dies ist kein Modell, das besser in Trivia geworden ist; es ist ein Modell, das besser darin geworden ist, Dinge zu Ende zu bringen, was dazu passt, dass die Tokenzahl sinkt statt steigt. Weniger Fehlwege bedeuten weniger Tokens, die dafür aufgewendet werden, sie zu korrigieren.
Ein Vorbehalt dazu, was diese Zahlen genau sind. Artificial Analysis misst Aufwandsstufen, nicht Denkmodi, daher ist seine {{1}}max{{/1}}-Zeile der Standardmodus bei maximalem Aufwand. Niemand hat eine {{2}}Pro-Modus{{/2}}-Messung für irgendein GPT-6-Modell veröffentlicht, weil der Modus eine unbekannte Menge an Modellarbeit vervielfacht. Betrachten Sie die Zeile für maximalen Aufwand als die nächstliegende verfügbare Obergrenze, nicht als Pro-Modus-Benchmark.
Zwei Zahlen, die sich in die falsche Richtung entwickelt haben
AA-Omniscience ist der Teil der Suite, der prüft, ob ein Modell weiß, was es nicht weiß, und hier gibt diese Version etwas zurück. GPT-6.2 Sol erzielt mit maximalem Aufwand 40,4 auf dem Omniscience-Index, ein Rückgang gegenüber 42,0. Die Genauigkeit bleibt unverändert (61,6 % gegenüber 61,8 %, was Rauschen ist), aber die Halluzinationsrate steigt von 51,9 % auf 55,4 %.
Lesen Sie das sorgfältig, bevor Sie es als Skandal einordnen. Beide Modelle halluzinieren bei mehr als der Hälfte der Fragen, die sie falsch beantworten, und eine Verschiebung um 3,5 Punkte in einer Testsuite dieser Größe ist keine katastrophale Regression. Aber es ist eine Richtung, und sie zeigt in die entgegengesetzte Richtung der Fähigkeitszahlen. Die Stufe wurde besser darin, Arbeit zu erledigen, und etwas weniger sorgfältig darin, Dinge zu behaupten, die sie nicht belegen kann.
Für einen Coding-Agenten, der Tests ausführt, bevor er den Erfolg verkündet, ist dieser Tausch nahezu kostenlos. Für einen Rechercheassistenten, der ohne Verifikationsschritt antwortet, ist es genau der Fehlermodus, für dessen Vermeidung Sie bei der vorherigen Generation bezahlt haben. Wenn Ihre Arbeitslast in die zweite Kategorie fällt, ist der zusammengesetzte Index die falsche Kennzahl, nach der Sie auswählen sollten, und die 20 % Ersparnis sind kleiner als die Kosten einer einzigen überzeugt falschen Antwort.
Was der Pro-Modus mit dem Zähler macht, in Tokens
Da der Pro-Modus zu Standardtarifen abgerechnet wird, ist die Tokenanzahl der einzige Hebel, den er betätigt, und die unabhängigen Daten ermöglichen es Ihnen erstmals, diesen Hebel zu bemessen. Bei maximalem Aufwand erzeugt GPT-6.2 Sol durchschnittlich 40.360 Ausgabe-Tokens pro Aufgabe, davon 22.800 Reasoning-Tokens und 17.561 sichtbare Antwort — Reasoning macht 56 % der Ausgabe aus. GPT-6.1 Sol erzeugte bei derselben Einstellung durchschnittlich 67.824 Ausgabe-Tokens, davon 49.213 Reasoning. Das neuere Modell denkt weniger als halb so lange nach und antwortet in etwa derselben Länge.
Das ist der Mechanismus hinter den 20 %, aber das ist nicht die ganze Rechnung, und die andere Hälfte ist es wert, zu kennen. Zerlegt man die Kosten pro Aufgabe: Die Ausgabe fällt von etwa 0,72 $ auf 0,40 $, während die Eingabe von etwa 0,55 $ auf 0,61 $ steigt – mehr Cache-Lesevorgänge und Cache-Schreibvorgänge pro Aufgabe, nicht weniger. Die beiden heben sich ungefähr gegenseitig auf und ergeben die Nettoersparnis von 20 %, was bedeutet, dass das Upgrade eine Wette darauf ist, dass weniger Nachdenken mehr wert ist als der zusätzliche Kontext, der erneut gelesen wird. In der Suite war es das.
Aktiviere den Pro-Modus zusätzlich zu einem der beiden, und der Multiplikator ist unbekannt – OpenAI dokumentiert, dass Pro „mehr Modellarbeit als der Standardmodus leistet, was die Token-Nutzung und die Kosten erhöht“, veröffentlicht aber keinen Faktor. Mit Sicherheit lässt sich sagen, dass die Basis, die er multipliziert, auf der Ausgabeseite 40 % kleiner ist, sodass derselbe Pro-Multiplikator auf einem günstigeren Boden landet.
Praktische Konsequenz: Wenn Sie Pro-Modus-Aufrufe anhand der Token-Zahlen aus der 6.1-Ära kalkuliert haben, messen Sie neu, statt die Werte umzurechnen. Die Token-Verteilung hat sich so stark verschoben, dass eine lineare Anpassung Ihre Rechnung zu hoch ausfallen lässt.

Wo es heute aufrufbar ist und wo nicht
OpenAIs API ist live: Responses und Chat Completions, Batch, Prompt-Caching, strukturierte Ausgaben, das gehostete Tool-Set einschließlich Computer Use, apply_patch, gehostete Shell und MCP sowie Zero Data Retention für genehmigte Organisationen bei geeigneten Endpunkten. ChatGPT Work- und Codex-Nutzer hatten es laut Release-Notiz schon am ersten Tag. Das ist der GA-Stand vom 18. November 2026.
Im eigenen Katalog von OrcaRouter ist die 6.2-Generation noch nicht angekommen – eine Prüfung der öffentlichen Modellliste am 18. November liefert openai/gpt-6.1-sol und openai/gpt-6-sol, aber kein gpt-6.2-sol. Daraus folgen zwei Dinge, und das zweite ist der Punkt, auf den man die Planung ausrichten sollte. Erstens ist heute hier nichts zum Upgrade verfügbar, und dieser Artikel wird nichts anderes vortäuschen. Zweitens gibt OrcaRouter Listenpreis des Anbieters mit 0 % Aufschlag weiter, sodass Sie, sobald eine Stufe erscheint, genau die $2/$10 des Anbieters selbst zahlen – kein Gateway-Multiplikator auf die Preisliste obendrauf, und eine Preisänderung des Anbieters wird noch am selben Tag wirksam statt nach dem Zeitplan eines Wiederverkäufers.

In der Zwischenzeit ist die Stufe, die dieses ersetzt, openai/gpt-6.1-sol, die im Katalog zum Listenpreis steht, und der sinnvolle Migrationspfad besteht darin, die Produktion auf der 6.1-Stufe zu belassen, während Sie 6.2 direkt evaluieren, und dann die Route statt den Code zu verschieben.
Was zu sehen
Drei Dinge entscheiden darüber, ob der {{1}}17. November{{/1}} wie ein Schritt oder wie ein Wanken aussieht. Entweder setzt sich die Kalibrierungsregression über den nächsten {{2}}AA-Refresh{{/2}} hinweg fort, oder sie schrumpft zu Rauschen. Der {{3}}Ultrafast{{/3}}-Multiplikator verdoppelt sich am {{4}}1. März 2027{{/4}}, von {{5}}3× auf 6× Standard{{/5}} – das verdreifacht nichts, verdoppelt aber die Prämie auf dem schnellsten Pfad; wenn Ihre Architektur von {{6}}Ultrafast{{/6}} abhängt, gehört dieses Datum in Ihr Budget. Und die Token-Effizienz muss im {{7}}Pro-Modus{{/7}} standhalten, wo die eine Zahl, die niemand veröffentlicht, diejenige ist, die Ihre Rechnung entscheidet.
Bis dahin ist die ehrliche Zusammenfassung eng und überprüfbar: gleicher Preis, 2,7 Indexpunkte, 20 % günstiger pro Aufgabe und ein messbar lockererer Umgang damit, was es nicht weiß.
In diesem Artikel verglichen2
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
