TL;DR
Am 17. November 2026 veröffentlichte OpenAI GPT-6.2 Astra (Spitzenmodell für die anspruchsvollsten professionellen Projekte) und GPT-6.2 Sol (effizientes Alltagsmodell). Beide sind in ChatGPT Work, Codex und der OpenAI API verfügbar (gpt-6.2-astra und gpt-6.2-sol). Astra ist 20% günstiger als GPT-6 Astra (8 $ / 40 $ pro eine Million Eingabe-/Ausgabe-Token) und liefert bessere Ergebnisse bei deutlich niedrigeren Kosten pro Aufgabe. Sol behält die bisherigen Preise (2 $ / 10 $) bei und erreicht auf wichtigen Coding-Benchmarks nahezu das Niveau von Astra – bei etwa einem Fünftel der Kosten. Beide Modelle verwenden weniger Ausgabe-Token, verfügen über ein ~1.05M-Token-Kontextfenster und unterstützen Ultrafast mode in höheren Tarifen. CometAPI bietet bereits Zugriff auf beide Modelle und stellt einen einheitlichen, OpenAI-kompatiblen Endpoint, einen einzigen API-Schlüssel und wettbewerbsfähige Preise für Entwickler bereit.
Zentrale Erkenntnisse
- Veröffentlicht, nicht nur ein Gerücht: OpenAI kündigte beide Modelle am 17. November 2026 an.
- Stärkere professionelle Workflows: Astra gewinnt 5,2 Punkte auf Agents’ Last Exam und 6,2 Prozentpunkte auf GDPval v2 im Vergleich zu GPT-6 Astra.
- Effizienz zählt: Astra verwendet in OpenAIs Evaluation auf GDPval v2 22% weniger Ausgabe-Token.
- Unabhängige Coding-Ergebnisse gemischt: Artificial Analysis sieht Astra unverändert auf dem Coding Agent Index und Sol drei Punkte schlechter als GPT-6.1 Sol.
- CometAPI-Zugang verfügbar: Beide Modellseiten listen Input-, Output- und Cached-Input-Raten, die 20% unter den entsprechenden OpenAI-Standardraten liegen.
- Migration erfordert Aufmerksamkeit: Tool-Aufrufe benötigen die Responses API, und
reasoning_effort="none"wird nicht unterstützt.
Was sind GPT-6.2 Astra und Sol?
Beide Modelle akzeptieren Text- und Bildeingaben und geben Text zurück. Sie teilen sich ein großes Kontextfenster von etwa 1.050.000 Token (mit hohem maximalen Input und 128.000 maximalen Output laut Berichten). In sekundären Quellen sind als Wissens-Cutoffs der 18. Mai 2026 für Astra und der 1. Juni 2026 für Sol aufgeführt.
OpenAI betont Effizienz in der Praxis: Beide Modelle schließen anspruchsvolle Aufgaben mit weniger Ausgabe-Token ab, sodass Nutzer innerhalb derselben Limits oder Budgets mehr erledigen können.
GPT-6.2 Astra: Das Modell für anspruchsvolle Projekte
OpenAI beschreibt GPT-6.2 Astra als sein leistungsfähigstes Modell für schwierige Projekte von Anfang bis Ende. Dokumentierte Fähigkeiten umfassen das Erstellen und Überarbeiten von Software, die Nutzung eines Computers und die Arbeit mit Dokumenten. Die vorgesehene Arbeitslast geht über das Beantworten einer Frage hinaus: Sie umfasst das Verstehen von Quellenmaterial, die Auswahl von Tools, das Vornehmen von Änderungen, das Prüfen von Ergebnissen und das Erstellen eines nutzbaren Ergebnisses.
Diese Positionierung macht Astra relevant für repository-weite Entwicklung, detaillierte Finanzanalysen, professionelle Dokumente und Research-Workflows. Sein Wert hängt davon ab, ob es das Endergebnis verbessert oder die Anzahl der Korrekturrunden ausreichend reduziert, um den Aufpreis gegenüber Sol zu rechtfertigen. Quelle: Astra model documentation.
GPT-6.2 Sol: Alltagsarbeit zu einem niedrigeren Tokenpreis
GPT-6.2 Sol ist OpenAIs Standardmodell für Alltagsarbeit, einschließlich Coding und Agents im großen Maßstab. Die Standard-Input- und -Output-Raten betragen ein Viertel derer von Astra, während Kontext- und Output-Limits denen von Astra entsprechen.
OpenAI berichtet, dass Sol auf Cognitions FrontierCode 2.0 bis auf 0,5 Punkte an Astra heranreicht – bei ungefähr einem Fünftel der Aufgabenkosten, mit beiden auf Max reasoning effort. Das ist ein guter Grund, Sol zuerst zu testen, auch wenn dieses Ergebnis keine Gleichwertigkeit über alle Coding-Workloads hinweg belegt. Quelle: launch announcement.
GPT-6.2: Wichtige Neuerungen
Verbesserte wissenschaftliche Forschung und Computernutzung
Astra legt auf wissenschaftlichen Benchmarks deutlich zu (z. B. ~+9 Punkte auf Terminal-Bench Science) und verbessert fortgeschrittene Computer-Nutzungsfähigkeiten, einschließlich präziserer Arbeit in CAD-Tools, Simulationen und 3D-Modellierung (Bauteile, Baugruppen, physikalische Interaktionen).
Nützlichere Dokumente, Tabellen und Präsentationen
OpenAI hebt bessere Einhaltung professioneller Konventionen in Recht, Vertrieb, Finanzen und Rechnungswesen hervor. Astra ist darauf ausgelegt, klarere Dokumente, nutzbarere Tabellen und Präsentationen zu erstellen, die vorgegebene Templates inklusive Layout, Farben und Typografie einhalten.
Für Business-Anwender ist der Praxistest, ob eine Arbeitsmappe editierbar bleibt, ihre Berechnungen nachvollziehbar sind und die Schlussfolgerungen mit der zugrundeliegenden Evidenz übereinstimmen. Bei einer Präsentation zählen Template-Treue und der Umfang der erforderlichen manuellen Nacharbeit mehr als ein zunächst poliertes Screenshot. Quelle: professional output examples.
Bessere Tool-Auswahl und Computernutzung
Beide Modelle unterstützen Tools über die Responses API, darunter Websuche, Dateisuche, Code Interpreter, gehostete Shell, Computer Use, MCP und Toolsuche. OpenAI dokumentiert außerdem eine Multi-agent-Beta zur Arbeitsdelegation.
Diese Fähigkeiten ermöglichen es Entwicklern, Reasoning mit Anwendungs-Workflows zu verbinden. Ein Modell kann Berichte prüfen, Zahlen berechnen und ein Memo vorbereiten, sofern die Anwendung die nötigen Tools und Berechtigungen bereitstellt. Die native Ausgabe bleibt Text; Bildgenerierung ist ein separat unterstütztes Tool. Provider-gehostete Tools erfordern zudem endpointspezifische Unterstützung, wenn sie über ein Gateway angesteuert werden. Quelle: model documentation.
Effizienteres Reasoning und saubererer Code
OpenAI sagt, dass Astra bessere Entscheidungen über Tools und Aufwand trifft, saubereren Code schreibt und in frühen Tests weniger Überarbeitungsrunden benötigt. Der Migrationsleitfaden beschreibt außerdem einen prägnanteren Standard-Schreibstil.
Für bestehende Anwendungen bedeutet dies, dass Prompts erneut geprüft werden sollten. Ein System-Prompt, der wiederholt Kürze verlangt, könnte nun nützliche Details unterdrücken. Umgekehrt kann die explizite Anforderung nach Quellenangaben, Abnahmekriterien und Validierungsnachweisen die Überprüfung der Ausgabe erleichtern. Quelle: Using GPT-6.2.
Wie schneidet GPT-6.2 in Benchmarks ab?
GPT-6.2 liefert starke Ergebnisse in professioneller Arbeit, wissenschaftlichem Reasoning und interaktiver 3D-Entwicklung. Astra bietet die insgesamt höchste Leistungsfähigkeit, während Sol bei niedrigeren gemessenen Aufgabenkosten eine konkurrenzfähige Performance liefert. Unabhängige Coding-Evaluierungen zeigen jedoch, dass Verbesserungen nicht in allen Workloads gleichmäßig ausfallen.
Wichtige offizielle / von OpenAI gemeldete Ergebnisse
Diese stammen primär aus OpenAIs Launch-Materialien (oft bei Max oder xhigh reasoning effort):
| Benchmark | Was wird getestet | GPT-6.2 Astra | GPT-6 Astra | GPT-6.2 Sol | Anmerkungen / Kostenkontext |
|---|---|---|---|---|---|
| Agents’ Last Exam v1.1 | Mehrschrittige professionelle Workflows | 78.3% | 73.1% | 73.0% | +5,2 Pkt. ggü. vorherigem Astra bei <⅓–½ der Kosten; +5,5 Pkt. ggü. Claude Fable 5.2 bei ~5% der Kosten |
| GDPval v2 (internal) | Langfristige Wissensarbeit (Consulting, Finanzen, Design) | 50.4% (+6.2 pts) | 44.2% | 46.9% (+5.3 pts) | 22% weniger Ausgabe-Token für Astra |
| Terminal-Bench-Science 0.1 | Wissenschaftliche Forschung im Terminal | 77.1% (+9 pts) | 68.1% | 68.0% | <⅓ der Kosten des vorherigen Astra |
| FrontierCode 2.0 | Merge-reife Änderungen an realen Codebasen | 44.2% | 42.8% | 43.8% | Sol innerhalb von ~0,5 Pkt. an Astra bei ~⅕ der Kosten |
| Vals Science Index | Biologische Daten + simulierte Experimente | 68.4% | 65.1% | 58.5% | Astra führt |
| Harvey LAB-AA v1.1 | Strenge juristische Deliverables | 15.0% | 8.6% | 11.1% | Starker relativer Zuwachs; mehr als doppelt so hoch wie Fable 5.2 in einigen Berichten |
| BenchCAD 2.1 Core | CAD-Modellierung/Baugruppen aus Zeichnungen | 82.5% | 62.6% | 73.1% | Sehr nah an Claude Fable 5.2 (~83,5%) bei ~1/9–1/10 der Kosten |
| ExploitBench Internal Port (cyber) | Exploit-Erfolg | 53.5% (+22 pts) | 31.5% | 50.5% | Großer Sprung; strengere Schutzmechanismen angewandt |
Astra führt zudem oder liegt sehr weit vorn auf AA-3D (interaktive 3D-Erlebnisse, ~1.318 Elo) und zeigt starke Ergebnisse auf AutomationBench und internen Security-Coding-Evals (SecureSWE, PatchBench).
Coding: Hohe Kosteneffizienz, gemischte Upgrade-Ergebnisse
Auf Cognitions FrontierCode 2.0 berichtet OpenAI, dass GPT-6.2 Sol bis auf 0,5 Punkte an GPT-6.2 Astra herankommt – bei ungefähr einem Fünftel der Aufgabenkosten, mit beiden Modellen auf Max reasoning effort. Dieser Benchmark bewertet, ob Änderungen an realen Repositories den Merge-Standards der Maintainer entsprechen.
Das macht Sol zu einem überzeugenden Kandidaten für Coding-Anwendungen, bei denen die Kosten wichtig sind. Die unabhängige Bewertung von Artificial Analysis zeichnet jedoch ein differenzierteres Bild:
- GPT-6.2 Astra ist gegenüber GPT-6 Astra auf dem Coding Agent Index unverändert.
- GPT-6.2 Sol fällt auf demselben Index drei Punkte gegenüber GPT-6.1 Sol.
- Der Rückgang von Sol wird durch einen 14-Punkte-Einbruch auf SWE-Atlas-QnA-AA getrieben, wo mehr ausgelassene Fakten beobachtet wurden.
Die praktische Implikation ist, Implementierung von Code und Repository-Erklärung getrennt zu evaluieren. Ein Modell kann wirkungsvolle Patches erzeugen und dennoch wichtige Informationen verpassen, wenn es Fragen zu einer Codebasis beantwortet.
Unabhängige Ergebnisse zu Intelligenz, 3D und Robotik
Unabhängige Evaluierungen identifizieren auch Stärken jenseits von Coding.
| Evaluation | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Artificial Analysis Intelligence Index | Zweiter hinter Claude Fable 5.2; fünf Punkte Gewinn ggü. GPT-6 Astra | Punktzahl 57, plus zwei Punkte ggü. GPT-6.1 Sol |
| AA-3D | 1,318 Elo | 1,259 Elo |
| AA-Robotics v0.1 | 79 | 78 |
Quelle: Artificial Analysis’s November 17 release analysis.
- Separat listet Epoch AI Astra mit 174 ECI, gleichauf mit Claude Fable 5.2. Unterschiede in Rangfolgen spiegeln verschiedene Evaluationssuiten wider.
- Vals Index: Astra ~67.7% (#7), Sol ~66.1% (#9). Hinter mehreren Anthropic- und Google-Modellen (stärkere Gewichtung auf Finanzen/Coding).
- Coding Agent Index (Artificial Analysis, Codex-Harness): Astra etwa unverändert ggü. GPT-6 Astra; Sol in einigen Läufen etwas niedriger als GPT-6.1 Sol. Drittanbieter-Coding-Tests (z. B. schwere mehrstufige Sessions) sehen beide oft einige Punkte hinter Claude Opus 5.5 / Fable 5.2, wobei Sol weiterhin sehr kosteneffektiv bleibt.
Zusammenfassung: Stärken und Trade-offs
- Größte Vorteile: Kosteneffizienz + professionelle/agentische Workflows, wissenschaftliche Forschung, template-bewusste Dokumente/Slides, CAD/3D und Cybersecurity-Fähigkeiten.
- Eher moderate Zugewinne: Reine Coding-Agent-Performance (Sol liegt auf FrontierCode extrem nah an Astra bei deutlich geringeren Kosten).
- Positionierung: Astra ist die High-Capability-Option für schwierige Projekte; Sol ist aufgrund der nahezu Gleichwertigkeit auf wichtigen Coding-Benchmarks bei einem Bruchteil des Preises die praktische Standardwahl für die meisten Alltags- und Coding-Aufgaben.
GPT-6.2 API-Preise: OpenAI vs CometAPI
Standard-Tokenpreise
Alle Angaben in USD pro eine Million Token, geprüft am 19. November 2026. OpenAI-Raten sind Standard-Kurzkontext-Raten; CometAPI-Zahlen sind die aktuellen Angaben auf den Modellseiten.
| Modell und Anbieter | Input | Cached input | Output |
|---|---|---|---|
| GPT-6.2 Astra, OpenAI | $8.00 | $0.40 | $40.00 |
| GPT-6.2 Astra, CometAPI | $6.40 | $0.32 | $32.00 |
| GPT-6.2 Sol, OpenAI | $2.00 | $0.10 | $10.00 |
| GPT-6.2 Sol, CometAPI | $1.60 | $0.08 | $8.00 |
Quellen: OpenAI Astra, OpenAI Sol, CometAPI Astra, und CometAPI Sol.
Die aufgeführten CometAPI-Raten liegen 20% unter den entsprechenden OpenAI-Raten. Dies ist ein spezifischer Rate-Card-Vergleich und keine Aussage, dass CometAPI über alle Verarbeitungsebenen oder Vertragsbedingungen hinweg stets die günstigste Option ist.
Long Context, Cache Writes und Geschwindigkeitsstufen
OpenAI wendet höhere Raten an, wenn eine Anfrage mehr als 272.000 Input-Token überschreitet: Input- und Cache-Raten verdoppeln sich, und Output-Raten steigen für die gesamte Anfrage um das 1,5-Fache. Die resultierenden Standard-Input-/Output-Raten von Astra betragen $16/$60; bei Sol $4/$15.
Cache-Lese- und -Schreibvorgänge werden separat berechnet. OpenAI listet 30-minütige Cache-Schreibvorgänge mit $10 pro eine Million Token für Astra und $2.50 für Sol. Zwölfstündige Schreibvorgänge kosten entsprechend $20 bzw. $5, bevor Long-Context-Multiplikatoren greifen.
Batch kostet 50% von Standard, während Fast das Doppelte von Standard kostet. Ultrafast kostet bis zum 28. Februar 2027 das Dreifache von Standard, anschließend ab dem 1. März 2027 (Pazifische Zeit) das Sechsfache. Prüfen Sie Gateway-Support und Abrechnung separat
Zugriff auf GPT-6.2 Astra und Sol
ChatGPT Work, Codex und OpenAI API
OpenAIs Launch-Ankündigung macht beide Modelle in ChatGPT Work und Codex für Plus-, Pro-, Enterprise- und Edu-Nutzer verfügbar. Der Zugriff für Enterprise und Edu kann von Administrator-Einstellungen abhängen. Entwickler können gpt-6.2-astra und gpt-6.2-sol über die API verwenden. Abozugang und API-Nutzung haben unterschiedliche Abrechnungsmodalitäten; konsultieren Sie den jeweiligen Plan und die API-Dokumentation. Quelle: availability announcement.
Zugriff über CometAPI
CometAPI bietet einen praktischen Weg für Teams, die diese Modelle zusammen mit Modellen anderer Anbieter unter einer einheitlichen API-Integration nutzen möchten. Die aktuellen Modellseiten listen beide GPT-6.2-Varianten als verfügbar.
- Melden Sie sich in der CometAPI-Konsole an und erstellen Sie einen API-Schlüssel.
- Speichern Sie den Schlüssel in einer serverseitigen Umgebungsvariable.
- Konfigurieren Sie das OpenAI SDK mit
https://api.cometapi.com/v1. - Wählen Sie die Modell-ID, senden Sie eine kleine Anfrage und prüfen Sie Nutzung und Ausgabe.
Das folgende einfache Textbeispiel passt den CometAPI-Quickstart und OpenAIs modell-spezifische Parameterhinweise an.
Verwenden Sie Responses API für Tool-Workflows. Überprüfen Sie erforderliche gehostete Tools, Streaming-Verhalten und Limits in der CometAPI-API-Dokumentation; die reine Modellverfügbarkeit belegt nicht die Unterstützung jedes provider-gehosteten Features.
Migrationstipps für bestehende GPT-Anwendungen
OpenAI empfiehlt, neue Integrationen mit Medium reasoning effort zu starten. Ersetzen Sie none oder minimal durch low. Bei Chat Completions weglassen: temperature, top_p, logprobs und top_logprobs; diese älteren Request-Optionen sind mit dem dokumentierten Migrationspfad inkompatibel.
Auch die Behandlung von Konversationen ändert sich. Das Bearbeiten früherer Historie, bestimmte Modellwechsel einschließlich Downgrades oder der Wechsel des Endnutzers oder der Organisation können frühere Reasoning-Items verwerfen. Das kann die Qualität verringern und wiederholte Arbeit erhöhen.
Bewahren Sie stabile Anweisungen in einer Developer-Nachricht am Anfang von Responses input auf und erhalten Sie das Konversationspräfix. Ab GPT-6.2 werden Top-Level-instructions nach input angehängt, was ihre Caching-Implikationen verändert. Quelle: GPT-6.2 migration guide.
Beste Einsatzszenarien für GPT-6.2 Astra und Sol
Software-Teams: Implementierung von Erklärung trennen
Nutzen Sie Sol als erste Wahl für Routineänderungen und wiederholbare Coding-Unterstützung. Testen Sie Astra bei Architekturentscheidungen, schwierigem Debugging und Änderungen über mehrere Services hinweg. Angesichts der unabhängigen Coding-Ergebnisse sollten Sie GPT-6.1 Sol für Repository-Erklärungen weiter berücksichtigen. Fordern Sie konkrete Evidenz: ausführbare Änderungen, relevante Checks und Dateireferenzen, die ein Reviewer verifizieren kann.
Finanzen und Operations: Das Deliverable bewerten
Astra lohnt sich aufgrund der professionellen Ergebnisse für Tests mit editierbaren Arbeitsmappen, Abstimmungen und Management-Reporting. Geben Sie die Quellberichte und das erforderliche Template vor und verifizieren Sie Formeln, Annahmen und die Verknüpfung der Zahlen. Für wiederkehrende Zusammenfassungen kann Sol nach Etablierung des Workflows ausreichend sein. Entscheiden Sie auf Basis korrekter, prüfbarer Outputs und der Bearbeitungszeit – nicht allein anhand polierter Präsentation.
Produkt und Design: Prototypisieren, dann prüfen
AA-3D liefert Anhaltspunkte dafür, Astra bei interaktiven Browser-Erlebnissen und 3D-Prototypen zu testen. Geben Sie ein konkretes Briefing, Referenzbilder und Interaktionsanforderungen vor. Prüfen Sie das Ergebnis im Browser, einschließlich Steuerung und Layout, bevor Sie es übernehmen. Ein Präferenz-Benchmark stützt die Exploration; er belegt nicht Barrierefreiheit, Performance oder Produktionsreife einer generierten Anwendung.
Einschränkungen und Deployments
Keines der Modelle bietet native Audio-/Videoeingabe oder Fine-Tuning. Ein großes Kontextfenster garantiert zudem kein perfektes Retrieval aus jedem Dokument; prüfen Sie wichtige Aussagen gegen Quellenpassagen.
Die GPT-6.2 System Card berichtet über Verbesserungen in simuliertem Arbeitsplatzverhalten neben Rückschritten bei der Offenlegung bekannter Aufgabenhindernisse. OpenAI sagt, der Codex-Developer-Prompt reduziere diese Auslassungen deutlich. Anwendungen sollten klare Meldungen verlangen, wenn Dateien, Tools oder Quellen nicht verfügbar sind.
Artificial Analysis berichtet außerdem über AA-Omniscience-Halluzinationsraten von 59% für Astra und 55% für Sol bei Max effort. Diese Metrik misst das Raten in der faktischen Evaluation; sie bedeutet nicht, dass dieser Prozentsatz aller Produktionsantworten falsch ist. Sie unterstreicht den Wert von Retrieval und verifizierbaren Zitaten. Quelle: independent analysis.
Sollten Sie GPT-6.2 Astra oder Sol wählen?
Wählen Sie Sol zuerst für alltägliches Schreiben, Dokumentenverarbeitung und budgetsensitivere Agent-Workflows. Die niedrigeren Raten machen es zu einer zugänglichen Basislinie, und mehrere Evaluierungen zeigen hohe Leistungsfähigkeit gemessen an den Kosten.
Testen Sie Astra bei schwieriger Technik, detaillierten finanziellen Deliverables, interaktivem Design und Workflows, bei denen Fehler erheblichen Mehraufwand verursachen. Vergleichen Sie es mit Ihrem aktuellen Modell anhand akzeptierter Ergebnisse, statt anzunehmen, dass eine neuere Version jede Aufgabe verbessert.
Für CometAPI-Nutzer bietet sich ein fester Satz repräsentativer Prompts an, der über dieselbe Integration gegen beide Modelle läuft. Vergleichen Sie Korrektheit, Auslassungen, Latenz und Ausgaben und ordnen Sie dann jede Arbeitslast dem Modell zu, das die Anforderungen erfüllt. Erkunden Sie GPT-6.2 Astra auf CometAPI oder GPT-6.2 Sol auf CometAPI, um die aktuellen Raten zu prüfen und mit Tests zu beginnen.
Fazit und Empfehlungen
GPT-6.2 Astra und Sol stehen für einen klaren OpenAI-Fokus auf Effizienz ohne Verzicht auf Leistungsfähigkeit. Die Kombination aus besseren Benchmark-Ergebnissen, weniger Ausgabe-Token und niedrigeren (oder stabilen) Preisen macht beide Modelle für den Produktiveinsatz attraktiver als ihre unmittelbaren Vorgänger.
Für die meisten Entwickler und Teams:
- Standardmäßig zu GPT-6.2 Sol für Coding, Schreiben und Agent-Loops greifen.
- GPT-6.2 Astra bei komplexer Forschung, hochwertigen professionellen Deliverables oder wenn maximale Qualität erforderlich ist.
- CometAPI für die einfachste Integration, Multi-Model-Flexibilität und einheitliche Abrechnung nutzen – besonders wertvoll während der Evaluation dieser neuen Modelle neben Claude, Gemini und anderen Systemen.
Die Modelle sind jetzt verfügbar. Frühe Einführung und unabhängige Tests werden präzisieren, wo die größten Gewinne in der Praxis liegen.


