Günstigere Frontier-KI verändert die Kalkulation der Automatisierung
OpenAIs neue GPT-5.6-Reihe halbiert die Kosten von Frontier-KI — was bedeutet, dass Automatisierungen, die vor sechs Monaten zu teuer waren, jetzt sinnvoll sein könnten.

- 3
- veröffentlichte Modell-Stufen (Sol, Terra, Luna)
- 50%
- günstiger als GPT-5.5 bei gleicher Leistung (Terra)
- 1.5M
- Token-Kontextfenster
- $1 / $6
- Lunas Preis pro Million Tokens Ein-/Ausgabe
Die Kosten für den Betrieb von Frontier-KI sind wieder gesunken. OpenAI hat heute drei GPT-5.6-Modelle veröffentlicht — Sol, Terra und Luna — und die wichtigste Zahl ist nicht der Benchmark-Wert. Es ist der Preis. Terra erreicht die Leistung von GPT-5.5 bei halbem Preis. Das ändert, was sich zu automatisieren lohnt.
So sehen die Preise aus. Sol, das Flaggschiff, kostet 5 Dollar pro Million Eingabe-Tokens und 30 Dollar pro Million Ausgabe-Tokens — also denselben Preis wie GPT-5.5. Terra kostet 2,50 Dollar Eingabe und 15 Dollar Ausgabe. Luna, die günstigste Stufe, kostet 1 Dollar Eingabe und 6 Dollar Ausgabe. Der Abstand zwischen gut genug und günstig genug hat sich fast geschlossen. Für Teams mit hohem KI-Volumen lohnt sich ein genauer Blick auf Luna und Terra.
Neben dem Preis bietet GPT-5.6 ein Kontextfenster von 1,5 Millionen Tokens — etwa 43 % größer als zuvor. Das bedeutet, dass längere Dokumente, größere Codebasen und komplexere Aufgaben in einem einzigen Aufruf verarbeitet werden können. Sol setzt auch einen neuen Rekord auf Terminal-Bench 2.1, einem Test, der misst, wie gut eine KI echte Kommandozeilenaufgaben bewältigt. Die agentische Zuverlässigkeit — wie gut das Modell lange, mehrstufige Aufgaben abschließt — hat sich messbar verbessert.
Das Muster ist vertraut: Alle paar Monate wird dieselbe Fähigkeit günstiger. Teams, die KI-Automatisierung vor sechs Monaten noch für zu teuer hielten, könnten sie heute für realisierbar halten. Hochvolumige Anwendungsfälle — Kundensupport, Dokumentenverarbeitung, Klassifizierung im großen Maßstab — lassen sich mit Luna jetzt günstig umsetzen. Die praktische Frage lautet nicht mehr, ob man sich KI leisten kann, sondern was man als Nächstes automatisieren sollte.