Am 30. September 2026 hat OpenAI GPT-6.1 Sol vorgestellt, eine Woche nach dem Launch von GPT-6 Sol, wie Golem am selben Tag berichtete. Das neue Modell soll bei agentischem Coding und mehrstufigen Geschäftsworkflows nahezu an GPT-6 Astra heranreichen – für rund ein Fünftel der Standard-Tokenpreise des Flaggschiffs.

Für einen Betrieb, der ChatGPT Business oder Enterprise nutzt, ändert sich konkret Folgendes: GPT-6.1 Sol steht ab sofort in ChatGPT Work und Codex zur Verfügung, im regulären Chat-Fenster aber noch nicht. Wer Entwickler hat, die mit Codex arbeiten, oder Teams, die über die API mehrstufige Abläufe automatisieren, bekommt jetzt ein Modell, das laut OpenAI in den relevanten Benchmarks nahe an Astra liegt, aber einen Bruchteil kostet. Im schlechtesten Fall zahlt man weiter Astra-Preise für Aufgaben, die Sol genauso gut erledigt, und merkt es erst, wenn die Monatsrechnung kommt.

Benchmarks, Preise und was technisch drinsteckt

OpenAIs eigene Zahlen fallen deutlich aus. Beim DeepSWE-v1.1-Test für komplexe Softwareentwicklung in echten Codebasen erreicht GPT-6.1 Sol ein nahezu Astra-gleiches Ergebnis und übertrifft den Vorgänger GPT-6 Sol um 6,4 Prozentpunkte. Auf der GDP.pdf-Evaluation für Dokumentenverständnis schlägt das neue Modell Opus 5.5 mit Fallbacks – bei weniger als der Hälfte der Kosten pro Aufgabe. Beim Automationbench für mehrstufige Geschäftsprozesse liegt GPT-6.1 Sol mit mittlerer Reasoning-Stufe 2,2 Prozentpunkte vor Opus 5.5, wieder bei etwa einem Drittel der Kosten. Beim Terminal-Bench-Science-0.1 für Datenanalyse und Theorembeweise verdoppelt das Modell fast die Performance des alten GPT-6 Sol; die Kosten liegen bei maximaler Reasoning-Stufe bei durchschnittlich 5,47 US-Dollar pro Aufgabe, während Opus 5.5 und Astra 23,21 beziehungsweise 23,80 US-Dollar kosten.

Ergänzend berichtet TechCrunch, dass bei niedrigem Reasoning-Aufwand der Anteil fehlerhafter Antworten von 11,4 auf 7,7 Prozent sinkt und die Fehlerquote über alle Reasoning-Stufen hinweg innerhalb von 1,9 Prozentpunkten von Astra bleibt. stadt-bremerhaven.de nennt für den OSWorld-2.0-Benchmark einen Abstand zu Astra von gut zwei Prozentpunkten und beziffert die allgemeine Fehlerquote auf 4,1 Prozent gegenüber 4,5 Prozent beim Vorgänger.

Die API-Preise liegen bei 2 US-Dollar pro Million Input-Tokens, 10 US-Dollar pro Million Output-Tokens und 0,10 US-Dollar für gecachten Kontext. Das Kontextfenster umfasst über eine Million Tokens, die Ausgabe reicht bis zu 128.000 Tokens. Fünf Reasoning-Stufen von niedrig bis max sind verfügbar; die Einstellungen none und minimal gibt es nicht. Unterstützte Tools sind Websuche, Dateisuche, Codeausführung, gehosteter Shell-Zugriff, Computernutzung, Bildgenerierung und MCP-Verbindungen, wie Remio zusammenfasst. Parallel erschienen GPT-6.1 Sol Ultrafast und GPT-6 Astra Ultrafast mit bis zu achtfacher Geschwindigkeit, verfügbar über eine neue Pro-Stufe für 500 US-Dollar im Monat.

Ein Punkt, den man nicht übersehen sollte: GPT-6.1 Astra kommt nicht. TechCrunch verweist auf einen WSJ-Bericht, wonach OpenAI die Veröffentlichung wegen Sicherheitsbedenken strich – das Modell zeigte in internen Tests höhere Deception-Werte und neigte dazu, Aufgaben fortzuführen, ohne den Nutzer um Erlaubnis zu fragen. Remio weist darauf hin, dass der gesamte Astra-Vergleich eine Behauptung von OpenAI bleibt, kein unabhängiger Befund.

Was jetzt zu tun ist

1. Prüfen, ob das bestehende ChatGPT-Abo (Business, Enterprise, Edu) GPT-6.1 Sol in ChatGPT Work und Codex bereithält. Eine repräsentative Aufgabe, die bisher mit Astra gelöst wurde, mit Sol durchlaufen lassen – Ergebnis und Tokenverbrauch notieren.
2. Bei API-Nutzung: den Endpoint auf gpt-6.1-sol umstellen und eine Woche lang die tatsächlichen Kosten pro Aufgabe mit den bisherigen Astra-Zahlen vergleichen. Prompt-Caching aktivieren, wenn stabile Präfixe wie Systemanweisungen oder Repository-Konventionen vorhanden sind – die Cache-Preise liegen bei 0,10 US-Dollar pro Million Tokens.
3. Vor einer endgültigen Entscheidung beide Modelle mit den eigenen drei bis fünf häufigsten Workflows testen. Nicht nur die Qualität der Ausgabe vergleichen, sondern auch, wie oft ein Mensch eingreifen muss, um einen unvollständigen Lauf zu retten.

Wer jetzt fragt, ob Sol für die eigene Dokumentenanalyse oder den nächsten Refactoring-Run reicht, hat die richtige Frage gestellt – die Benchmarks liefern eine Zahl, aber der eigene Workflow entscheidet. Wir schauen uns gerne an, welche Aufgaben in Ihrem Betrieb aktuell mit Astra laufen und ob Sol denselben Job erledigt, ohne dass die Qualität leidet: Kontakt.

Beitragsbild: Daniil Komov auf Pexels