GPT-6 Sol

Überblick

GPT-6 Sol ist die mittlere Stufe von OpenAIs GPT-6-Generation, veröffentlicht am 22. September 2026 zusammen mit GPT-6 Luna. OpenAI beschreibt beide als günstigere Begleiter des Flaggschiffs GPT-6 Astra; Sol ist für komplexes Coding und agentische Abläufe gedacht.

Das Modell verarbeitet Text und Bild bei 1.050.000 Token Kontext und gibt bis zu 128.000 Token aus. Wissensstand ist der 20. April 2026. Der Reasoning-Aufwand lässt sich in sechs Stufen steuern (none, low, medium, high, xhigh, max; Default medium). Parameterzahl und Architektur legt OpenAI nicht offen.

Hinweis: Bereits am 29. September 2026 erschien gpt-6-1-sol. OpenAIs Modellseite verweist seither auf den Nachfolger, die Preisseite führt GPT-6 Sol nicht mehr, und Artificial Analysis kennzeichnet das Modell als „deprecated". Formal abgekündigt ist es nicht: Die API bietet es weiter an, OpenAI nennt gpt-6-sol sogar als Ersatz für ältere abgekündigte Modelle, und auf Amazon Bedrock läuft es frühestens am 22.09.2027 aus.

Use Cases

• Agentisches Coding in Repositories (DeepSWE v1.1 laut OpenAI 68,8 % bei Effort max)
• Automatisierte Geschäftsabläufe über mehrere Werkzeuge (AutomationBench 1.0.6 laut OpenAI 33,2 % bei xhigh, 0,27 $ je Aufgabe)
• Computernutzung (OSWorld 2.0, Offline-Set, laut OpenAI 60,5 % bei xhigh)
• Arbeit mit langen Dokumenten (AA-LCR v1.1 84 % bei Artificial Analysis)
• Bestehende Integrationen, die bewusst auf diesem Stand bleiben sollen

Stärken & Grenzen

Stärken: Der Preis. Mit 2 $ / 10 $ je 1M Token kostet GPT-6 Sol die Hälfte des Aktionspreises von GPT-5.6 Sol (4 $ / 20 $) – darauf bezieht sich OpenAIs Angabe „50 % günstiger". Artificial Analysis misst Kosten von rund 1,05 $ je Index-Aufgabe gegenüber 1,99 $ beim Vorgänger und eine Ausgabegeschwindigkeit von rund 120 Token/s. Im Terminal-Bench 2.1 von Vals AI liegt das Modell mit 83,15 % auf Rang 6, gleichauf mit Claude Sonnet 5.5, bei 0,37 $ je Test.

Grenzen:

• Kaum Leistungszuwachs gegenüber GPT-5.6 Sol. Artificial Analysis misst einen Intelligence Index von 48 (v4.3.2, Max); laut AA-Launchbericht bleiben Intelligence Index und Coding Agent Index auf dem Niveau von GPT-5.6. Bei GDPval-AA verliert Sol rund 100 Elo-Punkte. Der Fortschritt ist vor allem ein Kostenfortschritt.
• Weniger Halluzination teils durch mehr Verweigerung. Die Halluzinationsrate in AA-Omniscience sinkt laut AA von 92 % auf 60 %, gleichzeitig fällt die Trefferquote von 59 % auf 54 %, weil das Modell häufiger nicht antwortet.
• Uneinheitliche Effort-Stufen in OpenAIs Angaben: AutomationBench und OSWorld bei xhigh, DeepSWE und Agents' Last Exam bei max.
• Kein Langkontext-Benchmark für die 1,05M Token veröffentlicht.
• Im LMArena-Textboard deutlich hinter den Spitzenmodellen (1456, Rang 67); ARC-AGI-3 im Standard-Harness 4,62 % (ARC Prize).

Einordnung

Es liegt noch kein eigener Test vor; die Einordnung stützt sich auf die publizierten Zahlen.

Für neue Projekte spricht wenig für GPT-6 Sol: GPT-6.1 Sol kostet dasselbe, hat den halben Cache-Preis und liegt im AA-Index vier Punkte höher. GPT-6 Sol bleibt interessant, wo Geschwindigkeit zählt – Artificial Analysis misst für GPT-6.1 Sol nur rund 65 Token/s gegenüber rund 120 Token/s hier – und wo die Effort-Stufe none gebraucht wird, die GPT-6.1 Sol nicht mehr anbietet.

Gut zu wissen

• Lizenz: proprietär; API-Modell-ID gpt-6-sol (ohne datierten Snapshot), verfügbar über die OpenAI-API, ChatGPT (Work und Codex ab 22.09., im Chat ab 07.10.2026), Microsoft Foundry und Amazon Bedrock
• API-Preise je 1M Token: 2,00 $ Input, 0,20 $ gecachter Input, 2,50 $ Cache-Write, 10,00 $ Output. Ab 272K Input-Token gilt für die ganze Anfrage der doppelte Input- und der 1,5-fache Output-Preis. Batch und Flex 50 % günstiger, Fast Mode doppelter Preis, regionale Verarbeitung 10 % Aufschlag
• EU-Betrieb: OpenAI unterstützt EU-Datenresidenz (Standard, Flex, Batch und Fast); Microsoft Foundry bietet eine EU Data Zone (2,40 $ / 12,00 $). Auf Bedrock erreicht man EU-Regionen nur über das globale Cross-Region-Profil
• Function Calling, Structured Outputs, Web Search, File Search, Code Interpreter, Computer Use, MCP; kein Fine-Tuning. In Chat Completions funktioniert Function Calling nur bei Effort none, die eingebauten Werkzeuge nur über die Responses API
• Score-Tabelle: Die Werte von Artificial Analysis gelten für Effort max (HLE 48 %, SciCode 58 %, AA-LCR v1.1 84 %). GPQA Diamond 94 % stammt von Epoch AI, ohne Angabe der Effort-Stufe; OpenAI selbst berichtet keinen GPQA-Wert. Terminal-Bench 2.1 misst Vals AI mit dem Harness Terminus 2. Der LMArena-Wert gilt für die Konfiguration gpt-6-sol-max
• Weitere Werte ohne Eintrag in der Score-Tabelle – OpenAI: Agents' Last Exam V1 56,4 % (max), DeepSWE v1.1 68,8 % (max), AutomationBench 1.0.6 33,2 % (xhigh), OSWorld 2.0 offline 60,5 % (xhigh); Artificial Analysis (v4.3.2, Max): Terminal-Bench 4.0 44 %, AutomationBench-AA 62 %, GDP.pdf 25 %, CritPt 31 %, AA-Omniscience 27; Vals AI: Vals Index 57,54 % (Rang 13 von 47), Terminal-Bench 4.0 44,44 %; Epoch AI: FrontierMath Tier 1–3 90 %, Tier 4 90 %; ARC Prize (max): ARC-AGI-1 95,5 %, ARC-AGI-2 89,6 %
• GDPval-AA v2.1 (1508) und AA-Briefcase v1.1 (1480) stehen auf einer Elo-Skala und gehören nicht in die Prozent-Spalte
• SWE-bench Verified, MMLU-Pro, AIME und LiveCodeBench berichtet für GPT-6 Sol weder OpenAI noch eine unabhängige Quelle
• Verwandt: gpt-6-1-sol als Nachfolger, gpt-6-luna als günstigere Stufe, gpt-6-astra als Flaggschiff, Vorgänger gpt-5-6-sol