GPT-6.1 Sol: Der Praxisleitfaden für Claude-Nutzer
Auf der DevDay am 29. September 2026 hat OpenAI GPT-6.1 Sol (gpt-6.1-sol)
veröffentlicht, eine Woche nach GPT-6 Sol, mit dem Versprechen „Astra-nahe
Intelligenz zu einem Fünftel des Preises“. Das Modell landete umgehend auf Platz
eins von Hacker News.
Für Claude-Nutzer ist nicht das Versprechen die interessante Tatsache. Interessant ist, dass GPT-6.1 Sol exakt auf der Preisliste von Claude Sonnet 5.5 landet — 2 $ Eingabe, 10 $ Ausgabe pro MTok — und dabei nur die Hälfte der gecachten Eingaberate von Sonnet 5.5 berechnet. Zwei Modelle, derselbe Schlagzeilenpreis, unterschiedliche Rechnungen, unterschiedliche Arbeitsprofile. Diese Seite liefert die Spezifikationen, die Preismechanik, die die meisten Artikel überspringen, eine ehrliche Lesart der Benchmark-Tabelle und den Rest dessen, was die DevDay für Entwickler gebracht hat.
- Die genauen Spezifikationen kennen — und die zwei Obergrenzen, die nicht das Kontextfenster sind
- Eine Arbeitslast korrekt kalkulieren, inklusive der 272K-Klippe und der Lücke bei gecachten Eingaben gegenüber Sonnet 5.5
- Die API-Falle vermeiden: Tool-Calling ist nicht auf beiden Endpunkten verfügbar
- Die Launch-Benchmarks lesen, inklusive der Zeile, in der Claude weiterhin gewinnt
- Wissen, was die DevDay sonst noch für Entwickler gebracht hat: Ultrafast, die Decisions API, Codex Security Cloud, Private Intelligence
Spezifikationen
gpt-6.1-sol | |
|---|---|
| Kontextfenster | 1.050.000 Tokens |
| Maximale Eingabe-Tokens | 922.000 |
| Maximale Ausgabe-Tokens | 128.000 |
| Wissensstand | 30. April 2026 |
| Reasoning-Stufen | low, medium (Standard), high, xhigh, max |
| Eingabe / gecachte Eingabe / Ausgabe | 2,00 $ / 0,10 $ / 10,00 $ pro MTok |
| Cache-Schreibvorgang | 2,50 $ pro MTok |
| Langer Kontext (>272K) | 2× Eingabe- und Cache-Raten, 1,5× Ausgabe |
| Fast Mode | 2× Standardpreis |
| Batch / Flex | 50 % unter Standard |
| Rate-Limits | Tier 1: 500 RPM / 500K TPM → Tier 5: 15K RPM / 40M TPM |
Die zwei Obergrenzen, die nicht das Kontextfenster sind
1.050.000 ist das Fenster. 922.000 ist die Eingabegrenze. Die Differenz ist kein Puffer, den du für ein größeres Dokument ausgeben kannst — sie ist der Platz, den Reasoning und Ausgabe brauchen. Wenn du einen Retrieval-Schritt gegen „1 Mio. Kontext“ dimensionierst, läufst du rund 12 % früher als die Marketingzahl gegen ein Limit, und zwar im schlechtesten Moment: nachdem du bereits dafür bezahlt hast, den Prompt zusammenzubauen.
Dazu kommt die Preisklippe bei 272K. Überschreite sie, und Eingabe sowie gecachte Eingabe verdoppeln sich, die Ausgabe steigt um die Hälfte. Es ist dieselbe Klippe, die GPT-6 Astra hat, und sie verändert die Ökonomie von Long-Context-Arbeit drastisch: ein Prompt mit 300K Tokens kostet nicht 10 % mehr als einer mit 272K, sondern auf der Eingabeseite ungefähr das Doppelte. Wenn du nahe an der Grenze liegst, ist es echten Engineering-Aufwand wert, durch Komprimierung darunter zu bleiben. Claude bepreist sein 1-Mio.-Fenster anders — siehe was KI bei den verschiedenen Anbietern kostet und Prompt-Caching im Anbietervergleich.
Die Falle: Tool-Calling gibt es nicht auf beiden APIs
Die Modellseite nennt Chat Completions (ohne Tool-Calling) und Responses API (mit Tool-Calling). Lies das zweimal, wenn du eine bestehende Integration portierst.
Wenn dein Code an Chat Completions sendet — den Endpunkt, auf den die meisten Drittanbieter-Bibliotheken, Gateways und „OpenAI-kompatiblen“ Wrapper standardmäßig setzen —, bekommst du bei diesem Modell kein Function Calling. Die Lösung ist kein Parameter, sondern ein anderer Endpunkt und ein anderes Request-Format.
Ebenfalls nicht unterstützt: Live, Realtime, Assistants, Fine-Tuning, Embeddings, Bildgenerierung, Video, Sprache und Transkription, Moderation sowie das alte Completions-API. Die Liste der unterstützten Tools ist breit — Websuche, Dateisuche, Bildgenerierung, Code Interpreter, gehostete Shell, Apply Patch, Skills, Computer Use, MCP, Tool-Suche —, aber es ist eine Responses-API-Liste.
- Prüfe dein KI-Gateway, bevor du einen Modell-String umstellst. Ein Router, der alles auf Chat Completions normalisiert, entfernt bei gpt-6.1-sol stillschweigend das Tool-Calling — der Request gelingt, die Tools feuern einfach nie.
Rechne es sauber gegen Claude
Dieselben Schlagzeilenzahlen, andere Mechanik.
| GPT-6.1 Sol | Claude Sonnet 5.5 | Claude Opus 5.5 | |
|---|---|---|---|
| Eingabe / Ausgabe pro MTok | 2 $ / 10 $ | 2 $ / 10 $ | 4 $ / 20 $ |
| Gecachtes Lesen pro MTok | 0,10 $ | 0,20 $ | 0,20 $ |
| Kontext | 1,05 Mio. (922K Eingabe) | 1 Mio. | 1 Mio. |
| Maximale Ausgabe | 128K | 128K | 128K |
| Long-Context-Aufschlag | Ja, oberhalb von 272K | Keine veröffentlichte Klippe | Keine veröffentlichte Klippe |
Zwei Konsequenzen, die mehr zählen als die Preisgleichheit in der Schlagzeile:
In einer langen Agentenschleife ist das gecachte Lesen von GPT-6.1 Sol die günstigere Position. 0,10 $ gegen 0,20 $ ist ein Faktor 2 bei genau dem Posten, den eine agentische Schleife in jeder einzelnen Runde erneut bezahlt. Wenn dein Prompt aus einem großen stabilen Präfix plus einem kleinen Delta besteht — und genau das ist ein Agent —, dann sitzt dort die eigentliche Rechnung.
Oberhalb von 272K dreht sich die Richtung hart um. Anthropic veröffentlicht für die Claude-5.5-Modelle keine entsprechende Klippe, also wird eine Arbeitslast, die wirklich 400K Kontext braucht, nach sehr unterschiedlichen Kurven bepreist. Finde heraus, auf welcher Seite der 272K du lebst, bevor du irgendetwas vergleichst.
Die Benchmarks, ehrlich gelesen
OpenAIs Launch-Zahlen, wie sie zum Launch zusammengestellt wurden. Sie stammen vom Anbieter; bislang hat sie niemand unabhängig reproduziert.
| Benchmark | GPT-6.1 Sol | GPT-6 Astra | Claude | Kosten pro Aufgabe |
|---|---|---|---|---|
| DeepSWE v1.1 (Software-Engineering) | 75,2 % (high) | 74,8 % (high) | Sonnet 5.5: 71,0 % | ~1,50 $ vs. Astra ~7,70 $ |
| OSWorld 2.0 (Computer Use) | 71,4 % (max) | 73,5 % (max) | Opus 5: 60,3 % (medium) | 1,30 $ vs. Astra 9,30 $ |
| GDP.pdf (Dokumentenanalyse) | 32,0 % | 32,2 % | Opus 5.5: 28,8 % | — |
| AutomationBench 1.0.6 (Business-Workflows) | 36,0 % | — | Sonnet 5.5: 44,7 % | 0,30 $ vs. Sonnet ~1,14 $ |
| Faktenfehlerquote bei niedrigem Effort | 7,7 % | — | — | (GPT-6 Sol: 11,4 %) |
Drei Dinge, die aus dieser Tabelle mitzunehmen sind:
1. Die Kostenaussage ist die starke Aussage. Astra auf DeepSWE um 0,4 Punkte zu schlagen, ist Rauschen. Es zu ungefähr einem Fünftel der Kosten pro Aufgabe zu tun, ist es nicht. Der interessante Vergleich in diesem Release ist nie Sol gegen Astra bei der Qualität — es ist Sol gegen Astra beim Preis für dieselbe Qualität.
2. AutomationBench ist die Zeile, mit der OpenAI nicht aufgemacht hat. Claude Sonnet 5.5 erreicht 44,7 % gegenüber 36,0 % von GPT-6.1 Sol — 8,7 Punkte, bei der Automatisierung von Business-Workflows, zum rund Vierfachen der Kosten pro Aufgabe. Das ist ein echter Trade-off, kein Kantersieg in die eine oder andere Richtung: Wenn dich ein fehlgeschlagener Workflow mehr als 0,84 $ kostet, ist das teure Modell das günstige. Entscheide mit deinen eigenen Fehlerkosten, nicht mit dem Leaderboard.
3. Selbst die beste Computer-Use-Zahl liegt bei 71,4 %. Rund drei von zehn Aufgaben scheitern in genau dem Benchmark, der für diese Fähigkeit entworfen wurde. Alles, was Computer-Use-Agenten im Vergleich über Bestätigungs-Gates sagt, gilt weiterhin.
Die Zahl zu den Faktenfehlern ist die leiseste interessante Zahl: 7,7 % bei niedrigem Effort, herunter von 11,4 % bei GPT-6 Sol. Dass sich die Fehlerquote gerade in der günstigen Einstellung verbessert, ist das, was ein Arbeitspferd-Modell als Standard statt nur als Rückfalloption brauchbar macht.
Was die DevDay sonst noch für Entwickler gebracht hat
Die Kurzfassung, denn mehrere dieser Punkte verdienen eigene Seiten.
- Eine kostenpflichtige Geschwindigkeitsstufe: OpenAI spricht von bis zu 8× schnellerer Token-Generierung in Codex und 6× in der API. Der Guide weist darauf hin, dass es ausschließlich US-Datenresidenz und globale Verarbeitung gibt — keine EU- oder anderen regionalen Verarbeitungsendpunkte — und empfiehlt nachdrücklich WebSockets statt HTTP, weil der Netzwerk-Overhead pro Request den Latenzgewinn bei tool-lastigen Agentenschleifen auffrisst. Auf der Consumer-Seite ist die Stufe exklusiv dem neuen Pro-500-Tarif für 500 $/Monat vorbehalten.
- Die Agents API (seit 10. September in öffentlicher Beta) kann Software nun über deren Oberfläche bedienen, zusätzlich zu Codex' Multi-Agenten-Fähigkeiten, Tool-Suche und Kontext-Kompaktierung. Der direkte Vergleich mit Anthropics gehosteter Schleife ist auf dieser Seite bereits aufgeschrieben.
- Klassifikation und Routing über vordefinierte Optionen in unter einer Sekunde, laufend auf dem Luna-Modell. Das ist eine direkte Antwort auf die Kategorie der Entscheidungsmodelle — dieselbe Bauform wie Jev und Kev: eine Auswahl mit kalibrierter Konfidenz zurückgeben statt Prosa.
- Scannt ganze GitHub-Repositories, prüft neue Commits fortlaufend, dedupliziert Befunde und bereitet Fixes zur Durchsicht vor, während dein Laptop zugeklappt ist. Die CLI ist Open Source unter github.com/openai/codex-security, mit einem TypeScript-SDK.
- Zero Data Retention mit Private Safety Processing — automatisierte Sicherheitsprüfungen, die laufen, ohne dass OpenAI-Personal auf die Inhalte zugreift. Private Inference, eine Kombination aus Confidential Computing und überprüfbaren Kontrollen, wurde für den späteren Herbst angekündigt.
Die Decisions API ist das Stück, das du im Auge behalten solltest, wenn du den Entscheidungsmodell-Faden auf dieser Seite verfolgt hast: Sie nimmt eine Forschungsrichtung, die offengewichtig und Marke Eigenbau war, und macht daraus einen gehosteten Endpunkt des größten Anbieters. Siehe System-One-Entscheidungsmodelle: Jev, Kev und die offenen Klone und trainiere dein eigenes Entscheidungsmodell für das, was die Kategorie tatsächlich garantiert — und was „kann nicht halluzinieren“ nicht bedeutet.
Solltest du wechseln?
- Die Modelle teilen sich die Zeilen. GPT-6.1 Sol gewinnt Software-Engineering und die reinen Kosten pro Aufgabe; Sonnet 5.5 gewinnt die Automatisierung von Business-Workflows um 8,7 Punkte. Ein Wechsel des Standardmodells sollte auf einer Messung an deiner eigenen Arbeit beruhen, nicht auf einer Launch-Tabelle.
- DeepSWE mit 75,2 % für rund 1,50 $ pro Aufgabe, bei gecachten Lesevorgängen zu 0,10 $, ist die Kombination, die eine lange Agentenschleife billig macht. Wenn deine Rechnung von gecachten Lesevorgängen auf einem großen stabilen Präfix dominiert wird, kann allein diese Position sie bewegen.
- Wenn deine Integration oder dein Gateway Chat Completions spricht, kommt Tool-Calling mit dem Modellwechsel nicht mit. Stelle zuerst sicher, dass du auf die Responses API umziehen kannst; das ist eine größere Änderung als der Modell-String.
- Unterhalb der Klippe ist das ein günstiges 1-Mio.-Kontext-Modell. Oberhalb verdoppeln sich Eingabe und Cache. Instrumentiere deine tatsächlichen Prompt-Größen, bevor du annimmst, das Fenster sei einheitlich bepreist.
Entscheide den Wechsel anhand deiner eigenen Daten, nicht anhand der Launch-Tabelle
I am comparing two models for a production workload.
Model A: gpt-6.1-sol — $2 in / $0.10 cached / $10 out per MTok,
1.05M context but 922K max input, and input + cached rates
DOUBLE above 272K tokens (output x1.5).
Model B: claude-sonnet-5-5 — $2 in / $0.20 cached / $10 out per MTok,
1M context, no published long-context surcharge.
Here is my workload profile:
- average stable prefix (cacheable): <N> tokens
- average per-turn delta: <N> tokens
- average output per turn: <N> tokens
- turns per task: <N>
- tasks per day: <N>
- share of requests whose total input exceeds 272K: <X>%
- cost to me of one wrong answer that ships: $<N>
Compute the monthly bill for each model. Then tell me the accuracy gap
at which the cheaper model stops being cheaper, given my stated cost of
a wrong answer. Show the arithmetic. Do not recommend a model without
showing the break-even point.Quiz
Check yourself
0/4Weiter
- Claude Sonnet 5.5: der Praxisleitfaden — das Modell auf identischer Preisliste und die fünf 400er-Fallen in seiner eigenen Migration
- OpenAI Dots: der Always-on-Agent — die andere Hälfte der DevDay 2026 und die Berechtigungsarchitektur darunter
- Was KI bei den verschiedenen Anbietern kostet — die dauerhafte Fassung des obigen Preisvergleichs
Quellen und weiterführende Literatur
- Modellseite zu GPT-6.1 Sol — Spezifikationen, Preise, Endpunkt- und Tool-Unterstützung, Rate-Limits
- Introducing GPT-6.1 Sol — OpenAIs Launch-Beitrag
- DevDay 2026: Ankündigungen und Entwicklerressourcen — OpenAIs eigener Index aller DevDay-Launches mit Doku-Links
- Guide zum Ultrafast-Modus — Modellverfügbarkeit, Residenzgrenzen, WebSocket-Empfehlung
- Computer Use in der Agents API — das neue Tool
- openai/codex-security — die quelloffene Codex-Security-CLI und die SDKs
- GPT-6.1 Sol benchmarks explained — zusammengestellte Benchmark-Tabellen und Kosten pro Aufgabe
- OpenAI erweitert Codex und seine API auf der DevDay — Decisions API, Ultrafast, Security-Scans
- Simon Willisons DevDay-2026-Liveblog — zeitgleiche Notizen und Preisangaben