GPT-5.6 ist jetzt als Familie aus drei Modellen direkt in Zero verfügbar: Sol für die anspruchsvollsten Multi-Agenten-Aufgaben, Terra für ausgewogene Alltagsarbeit und Luna für schnelle Workflows mit hohem Volumen.
Für Teams, die unterschiedliche Agenten-Workloads routen, kann das nützlicher sein als ein einzelnes neues Spitzenmodell. Statt bei jedem Schritt für maximale Rechenleistung zu bezahlen, kannst du das Modell passend zur Aufgabe wählen – und arbeitest weiterhin in derselben Zero-Umgebung mit verbundenen Tools, Dateien, Browserzugriff, isolierter Ausführung, Skills und konsequenter Fertigstellung.
Mit der Route Built-in verwaltet VM0 den Modellzugang und rechnet die Nutzung über Credits ab. Verwendet dein Team bereits einen OpenAI-API-Key oder ein ChatGPT-/Codex-Abo, unterstützt Zero auch diese Routen.
Eine Familie, drei Einsatzprofile
OpenAI hat GPT-5.6 um dauerhafte Leistungsstufen herum aufgebaut. Die Zahl bezeichnet die Modellgeneration; Sol, Terra und Luna stehen für unterschiedliche Abwägungen zwischen Intelligenz, Geschwindigkeit und Kosten.
GPT-5.6 Sol: für die schwierigsten Aufgaben
Sol ist das Spitzenmodell. Nutze es, wenn eine bessere Planung, gründlichere Prüfung oder parallele Bearbeitung das Ergebnis einer schwierigen Aufgabe spürbar verbessern kann.
Zeros GPT-5.6-Sol-Integration verwendet standardmäßig Ultra-Reasoning. OpenAI beschreibt Ultra als Modus, der standardmäßig vier Agenten parallel koordiniert und ihre Ergebnisse anschließend zusammenführt. Damit eignet sich Sol besonders für Aufgaben mit mehreren unabhängigen Arbeitssträngen, zum Beispiel:
- Eine große Codebasis migrieren, dabei Kompatibilität testen und das Ergebnis dokumentieren.
- Einen Markt anhand vieler Quellen untersuchen, die Erkenntnisse kritisch prüfen und ein entscheidungsreifes Briefing erstellen.
- Aus einem Produktbriefing eine ausgereifte Oberfläche bauen, das gerenderte Ergebnis prüfen und visuelle oder funktionale Fehler beheben.
- Einen Produktionsvorfall über Logs, Code, Tickets und Browserzustand hinweg untersuchen, bevor eine Lösung vorgeschlagen wird.
Sol liegt in der VM0-Built-in-Stufe $$$. Setze es dort ein, wo ein falscher Weg teuer wäre – nicht für jede kurze Antwort.
GPT-5.6 Terra: der ausgewogene Allrounder
Terra ist ein sinnvoller Ausgangspunkt für wiederkehrende professionelle Arbeit. OpenAI positioniert es als ausgewogene Stufe und berichtet von einer mit GPT-5.5 vergleichbaren Leistung bei der Hälfte des veröffentlichten API-Tokenpreises.
Nutze Terra für Aufgaben, die weiterhin Reasoning und Tool-Einsatz erfordern, aber nicht Sols maximale Rechenleistung benötigen:
- Tägliche Recherche, Wettbewerbsbeobachtung und Zusammenfassungen aus mehreren Quellen.
- Routinemäßige Codeänderungen, Pull-Request-Analysen und Fehleruntersuchungen.
- Entwürfe für Berichte, Launch-Pläne, Kundenbriefings und operative Dokumente.
- Agenten-Workflows, die große Kontextmengen bei moderateren Kosten zuverlässig verarbeiten müssen.
Terra liegt in der VM0-Built-in-Stufe $$. Es wird nicht als universeller Standard erzwungen; für viele allgemeine Workflows ist es einfach die Stufe, die wir zuerst testen würden.
GPT-5.6 Luna: Geschwindigkeit und Volumen
Luna ist das schnellste und günstigste Modell der Familie. Es ist für Aufgaben gedacht, bei denen Durchsatz und Antwortzeit wichtiger sind als maximale Tiefe.
Geeignete Luna-Workloads sind zum Beispiel:
- Große Mengen an Tickets, Leads oder Nachrichten klassifizieren und weiterleiten.
- Strukturierte Felder aus gleichförmigen Dokumenten extrahieren.
- Eine erste Triage durchführen und unklare Fälle anschließend an Terra oder Sol übergeben.
- Kurze Zusammenfassungen oder Transformationen in hoher Stückzahl erstellen.
Luna liegt in der VM0-Built-in-Stufe $. Es ist jedoch nicht für jede günstige Aufgabe die richtige Wahl: OpenAIs eigene Long-Context-Evaluation zeigt bei der Informationssuche in sehr großen Eingaben einen deutlichen Abstand zu den beiden größeren Stufen. Leite umfangreichen, mehrdeutigen Kontext an Terra oder Sol weiter.
Was Benchmarks aussagen – und was nicht
OpenAI berichtet starke Ergebnisse für die gesamte Familie. Entscheidend ist jedoch weniger ein einzelner Ranglistenplatz als die Form des jeweiligen Kompromisses.
Bei Terminal-Bench 2.1, das Agenten-Workflows in der Kommandozeile bewertet, meldet OpenAI 91,9 % für Sol Ultra, 88,8 % für Sol, 87,4 % für Terra und 84,7 % für Luna. Bei BrowseComp liegen die veröffentlichten Werte bei 92,2 % für Sol Ultra, 90,4 % für Sol, 87,5 % für Terra und 83,3 % für Luna.
Das Long-Context-Ergebnis ist das wichtigere Routing-Signal. Bei OpenAI MRCR v2 mit acht Nadeln und 256K–512K Kontext erreicht Sol 91,5 % und Terra 89,6 %, während Luna auf 41,3 % kommt. Für kurze, wiederholbare Aufgaben kann Luna weiterhin hervorragend sein; es sollte nur nicht in jedem Workflow wie eine kleinere Version von Sol behandelt werden.
Diese Werte stammen aus Evaluationen des Anbieters und sind keine universelle Rangliste. Benchmarks messen bestimmte Testumgebungen, Tools, Reasoning-Einstellungen und Budgets. In deinem eigenen Workflow kann sich die Reihenfolge umkehren. Führe deshalb eine repräsentative Aufgabe erneut aus, bevor du einen produktiven Agenten umstellst.
GPT-5.6 im Vergleich zu GPT-5.5 und Claude Fable 5
Die praktische Frage lautet nicht: „Welches Modell gewinnt?“, sondern: „Welches Verhalten ist an dieser Stelle des Runs seinen Preis wert?“
| Modell | Beste Einsatzbereiche in Zero | Besonderheit | VM0-Built-in-Stufe |
|---|---|---|---|
| GPT-5.6 Sol | Schwierige, mehrstufige Arbeit, bei der Planung, parallele Ausführung, Designurteil oder Validierung das Ergebnis beeinflussen | Zero verwendet standardmäßig Ultra; stärkste GPT-5.6-Stufe für Coding, Computer Use, Design, Recherche und tiefen Kontext | $$$ |
| GPT-5.6 Terra | Tägliche professionelle Workflows, die zuverlässiges Reasoning und Tools benötigen | Ausgewogenes Verhältnis von Qualität, Geschwindigkeit und Kosten; stark bei großen Kontextmengen | $$ |
| GPT-5.6 Luna | Schnelle Workflows mit hohem Volumen, einheitlichen Eingaben und einfacher Eskalation | Niedrigste Latenz und geringste Kosten der Familie; ideal für Triage, Extraktion und Bulk-Durchläufe | $ |
| GPT-5.5 | Bestehende OpenAI-Workflows, die bereits validiert wurden und noch keine neue Baseline benötigen | Vertrautes Frontier-Verhalten und stabiler Vergleichspunkt für aktuelle Agenten | Verfügbarkeit abhängig von der Workspace-Konfiguration |
| Claude Fable 5 | Anspruchsvollste Anthropic- und Claude-Code-Workflows, besonders wenn ein Team bereits auf dieses Verhalten abgestimmt ist | Premium-Reasoning für lange Aufgaben und ein eigenes Anbieter- und Tooling-Profil | $$$$ |
OpenAI berichtet, dass Sol bei Agents' Last Exam und dem Artificial Analysis Coding Agent Index vor Fable 5 liegt, während Fable 5 bei GDPval-AA v2 knapp vorne bleibt. Genau deshalb ist „bestes Modell“ eine zu pauschale Aussage. Sol ist überzeugend, wenn du OpenAIs stärkstes Verhalten für agentisches Coding, Computer Use, Design und Multi-Agenten-Arbeit möchtest. Fable bleibt eine valide Wahl für anspruchsvollste Anthropic-Aufgaben und Workflows, die bereits auf Claude Code abgestimmt sind.
Terra ist für viele GPT-5.5-Workloads der direktere Upgrade-Kandidat: OpenAI beschreibt die Leistung als vergleichbar mit GPT-5.5 bei der Hälfte des veröffentlichten API-Tokenpreises. Luna optimiert für ein anderes Ziel – Geschwindigkeit und Skalierung. Vergleiche es daher anhand abgeschlossener Arbeit pro Dollar oder Minute und nicht nur anhand maximaler Benchmark-Werte.
Was Built-in in Zero bedeutet
Built-in macht GPT-5.6 zu einer Routing-Entscheidung statt zu einem Projekt zur Verwaltung von Zugangsdaten. Wähle den Anbieter VM0 Managed, und Zero übernimmt den Zugriff und berechnet die passende VM0-Credit-Stufe. Für diese Route musst du keinen separaten OpenAI-API-Key erstellen oder pflegen.
Teams mit einer eigenen Anbieterbeziehung können weiterhin einen OpenAI-API-Key verwenden oder ein ChatGPT-/Codex-Abo verbinden. Der Modellname bleibt gleich; Abrechnung und Anbieterkonfiguration ändern sich. Die VM0-Credit-Stufen ($, $$, $$$) sind nicht mit den öffentlichen API-Tokenpreisen von OpenAI gleichzusetzen.
So aktivierst du GPT-5.6 in Zero
GPT-5.6 wird in den Modelleinstellungen ausgewählt – nicht, indem du „use GPT-5.6“ in einen Prompt schreibst.
- Öffne Settings und wähle in der Seitenleiste Models.
- Füge im Bereich Personal GPT 5.6 Sol, GPT 5.6 Terra oder GPT 5.6 Luna hinzu.
- Wähle Built-in für VM0 Managed Routing oder deinen verbundenen OpenAI-API- beziehungsweise ChatGPT-/Codex-Anbieter.
- Starte einen Chat oder Run, öffne die Modellauswahl und wechsle zur gewünschten Stufe.
- Sobald ein Workflow stabil läuft, lege das passende Modell auf Agenten- oder Skill-Ebene fest, damit Routinearbeit konsistent über die vorgesehene Route ausgeführt wird.
Eine praktische Routing-Strategie
Beginne mit drei Fragen:
- Wie teuer wäre eine falsche Antwort? Nutze Sol, wenn Fehler erhebliche Nacharbeit, Risiken oder Folgewirkungen verursachen.
- Wie tief und mehrdeutig ist der Kontext? Nutze Terra oder Sol für große, unübersichtliche Eingaben, die Gegenprüfung und Synthese erfordern.
- Wie oft wird der Workflow ausgeführt? Nutze Luna für vorhersehbare Aufgaben mit hohem Volumen und eskaliere anschließend die Ausnahmen.
Ein gemischtes Routing-Muster lohnt einen Test: Luna filtert und strukturiert die Eingaben, Terra erledigt den Hauptteil der Arbeit und Sol übernimmt die wenigen Entscheidungen, die maximales Reasoning rechtfertigen. Du brauchst nicht ein Modell für alles; jede Stufe braucht nur genug Modell für ihre Aufgabe.
GPT-5.6 macht diese Wahl ungewöhnlich klar. Sol, Terra und Luna bieten Zero drei Einsatzprofile in derselben Agenten-Umgebung. So kannst du die Leistungsfähigkeit erhöhen, wenn die Arbeit es verlangt, und die Kosten senken, wenn sie es nicht tut.
