ChatGPT 5.6 Ultra richtig nutzen: Sol, Terra, Luna und alle Modi erklärt
GPT‑5.6 bringt nicht nur ein stärkeres Modell, sondern eine neue Auswahl aus Sol, Terra und Luna sowie mehreren Denk- und Arbeitsmodi. Besonders häufig missverstanden wird «Ultra»: Es ist kein viertes GPT‑5.6-Modell, sondern ein Mehragenten-Modus für grosse Aufgaben. TechIndex erklärt, was Instant, Medium, High, Extra High, Pro, Max und Ultra tatsächlich verändern – und welche Einstellung sich wann lohnt.
Sol für maximale Qualität, Terra als ausgewogener Allrounder und Luna für Geschwindigkeit und hohe Stückzahlen.
Von Instant und Medium bis Extra High, Pro, Max und Ultra – je nach Produkt und Abonnement.
Ultra arbeitet standardmässig parallel und tauscht höheren Tokenverbrauch gegen mehr Leistung und kürzere Durchlaufzeit.
Das Wichtigste in Kürze
- GPT‑5.6 Ultra ist kein eigenes Modell. Ultra koordiniert standardmässig vier parallele Agenten und führt deren Ergebnisse zusammen.
- Sol ist das Flaggschiff für schwierige Recherche, Coding, Wissenschaft, Cybersecurity, Design und professionelle Wissensarbeit.
- Terra bietet den besten Kompromiss aus Qualität, Geschwindigkeit und Kosten; Luna ist für schnelle oder häufig wiederholte Aufgaben gedacht.
- Im normalen ChatGPT bleibt GPT‑5.5 Instant die schnelle Standardeinstellung. Medium, High und Extra High verwenden GPT‑5.6 Sol; Pro verwendet GPT‑5.6 Sol Pro.
- Max lässt einen einzelnen Agenten besonders tief nachdenken. Ultra verteilt die Arbeit dagegen auf mehrere Agenten – ideal für Aufgaben mit unabhängigen Teilproblemen.
- Für die meisten Aufgaben reicht Medium oder Terra. Ultra sollte gezielt für grosse Recherchen, umfangreiche Projekte und parallelisierbare Workflows eingesetzt werden.
Zuerst die wichtigste Korrektur: «GPT‑5.6 Ultra» ist kein Modell
OpenAI bezeichnet Sol, Terra und Luna als die drei Modelle der GPT‑5.6-Familie. «Ultra» steht dagegen für die leistungsfähigste Arbeitsweise innerhalb bestimmter ChatGPT- und Codex-Oberflächen. Statt nur einen Modelllauf länger rechnen zu lassen, zerlegt Ultra eine geeignete Aufgabe in mehrere Arbeitsstränge. Standardmässig arbeiten vier Agenten parallel; ein koordinierender Agent führt die Resultate anschliessend zusammen.
Das macht Ultra besonders interessant für umfangreiche Aufgaben, bei denen Recherche, Analyse, Validierung und Umsetzung gleichzeitig vorangetrieben werden können. Für eine kurze Wissensfrage oder eine einzelne Textkorrektur bringt diese Architektur dagegen meist keinen sinnvollen Vorteil.
Die drei GPT‑5.6-Modelle im Vergleich
Die stärkste Standardvariante der Familie. Sol ist auf komplexe professionelle Arbeit, lange Abläufe und anspruchsvolle Werkzeugnutzung ausgelegt.
- Komplexe Recherche und Analyse
- Softwareentwicklung und Debugging
- Wissenschaft, Cybersecurity und Mathematik
- Dokumente, Präsentationen und Design
Der Allrounder für den Alltag. Terra soll eine starke Leistung bei deutlich niedrigeren Kosten als Sol bieten und liegt laut OpenAI konkurrenzfähig zu GPT‑5.5.
- Alltägliche Wissensarbeit
- Standard-Coding und Code-Reviews
- Zusammenfassungen mit Analyse
- Entwürfe, Tabellen und Routine-Recherche
Die schnellste und kostengünstigste Variante. Luna ist für hohe Volumen, kurze Latenz und Aufgaben gedacht, bei denen maximale Tiefe nicht entscheidend ist.
- Klassifikation und Extraktion
- Viele kurze Zusammenfassungen
- Formatierung und Texttransformation
- Erste Entwürfe und einfache Automationen
Die Namen sollen dauerhafte Leistungsstufen darstellen. Die Generationsnummer – aktuell 5.6 – kann sich ändern, während Sol, Terra und Luna als wiedererkennbare Klassen weitergeführt werden. In normalen ChatGPT-Unterhaltungen sind Terra und Luna derzeit nicht direkt auswählbar; sie erscheinen vor allem in ChatGPT Work, Codex und der OpenAI API.
Was die Modi im normalen ChatGPT bedeuten
Im regulären ChatGPT-Modellwähler werden Modellname und Denkaufwand bewusst vereinfacht dargestellt. Dadurch wirkt es, als seien Instant, Medium, High, Extra High und Pro eigenständige Modelle. Tatsächlich liegen darunter unterschiedliche Modelle beziehungsweise Ausführungsvarianten.
Auf berechtigten Bezahlplänen kann ChatGPT ausserdem automatisch von Instant zu Medium wechseln, wenn eine Anfrage mehr Überlegung benötigt. Diese automatische Umschaltung lässt sich im Modellwähler unter «Configure» aktivieren oder deaktivieren.
Max, Pro und Ultra: ähnlich klingend, technisch verschieden
| Modus | Was passiert? | Stärke | Typischer Nachteil |
|---|---|---|---|
| Max | Ein einzelner GPT‑5.6-Lauf erhält mehr Zeit als bei Extra High, um Alternativen zu prüfen, Tests durchzuführen und den Ansatz zu überarbeiten. | Tiefe, konsistente Analyse eines eng zusammenhängenden Problems. | Mehr Latenz und Tokenverbrauch; kein paralleles Arbeiten. |
| Pro | Das Modell investiert zusätzlichen internen Arbeitsaufwand und liefert anschliessend eine einzelne, möglichst zuverlässige Endantwort. | Qualitätskritische Entscheidungen, schwierige Beweise, komplexe technische oder fachliche Fragen. | Deutlich langsamer und ressourcenintensiver als normale Denkstufen. |
| Ultra | Mehrere Agenten bearbeiten Teilprobleme parallel; standardmässig sind es vier. Ein Hauptagent koordiniert und synthetisiert die Ergebnisse. | Breite, teilbare Projekte mit mehreren unabhängigen Arbeitssträngen. | Höherer Gesamtverbrauch; bei kleinen oder strikt sequenziellen Aufgaben oft unnötig. |
Max und Pro versuchen primär, die Qualität eines einzelnen Lösungswegs zu erhöhen. Ultra verändert die Arbeitsorganisation: Mehrere Agenten können gleichzeitig recherchieren, Codebereiche untersuchen, Alternativen vergleichen oder Ergebnisse gegenseitig prüfen.
Wie viel bringt Ultra tatsächlich?
OpenAIs veröffentlichte Benchmarks zeigen einen messbaren, aber nicht magischen Vorteil. Auf BrowseComp stieg GPT‑5.6 Sol von 90,4 auf 92,2 Prozent, auf Terminal-Bench 2.1 von 88,8 auf 91,9 Prozent. Entscheidend ist nicht nur die höhere Punktzahl: Durch parallele Agenten kann die Durchlaufzeit bei geeigneten Aufgaben sinken, obwohl insgesamt mehr Tokens verarbeitet werden.
Benchmarks sind Orientierungshilfen und bilden nicht jede reale Aufgabe ab. Ultra wurde laut OpenAI standardmässig mit vier Agenten ausgeführt.
Wann Ultra die beste Wahl ist – und wann nicht
✓ Besonders geeignet
Markt- und Wettbewerbsanalysen mit mehreren Quellen, grosse Softwareprojekte mit separaten Modulen, technische Audits, umfangreiche Dokumentationen, Due-Diligence-Aufgaben, Literaturrecherchen sowie Projekte, bei denen ein Agent recherchiert und ein anderer die Ergebnisse prüft.
× Meist überdimensioniert
Kurze E-Mails, einfache Übersetzungen, einzelne Wissensfragen, kleine Codekorrekturen, lineare Rechenaufgaben oder Texte, bei denen alle Schritte strikt auf dem vorherigen Schritt aufbauen und kaum parallelisiert werden können.
Die beste Ultra-Aufgabe besitzt mindestens zwei weitgehend unabhängige Teilprobleme. Ein gutes Beispiel wäre: «Analysiere gleichzeitig die technischen, wirtschaftlichen, rechtlichen und UX-bezogenen Risiken dieses Produkts und erstelle danach eine gemeinsame Prioritätenliste.» Ein schlechtes Beispiel wäre: «Formuliere diesen Absatz freundlicher.»
Welches Modell und welcher Modus für welche Aufgabe?
Schnell, ausreichend und ohne unnötige Denkzeit.
Der beste Ausgangspunkt für die meisten anspruchsvolleren Chat-Aufgaben.
Mehr Prüfung und Abwägung, ohne direkt die teuerste Stufe zu wählen.
Für schwierige technische, wissenschaftliche oder strategische Fragen.
Wenn mehrere Arbeitsstränge parallel bearbeitet und danach zusammengeführt werden können.
Starke Qualität bei besserem Verhältnis aus Geschwindigkeit und Verbrauch.
Ideal für Extraktion, Klassifikation, Formatierung und grosse Mengen kurzer Aufgaben.
Mehr Exploration und Überprüfung durch einen Agenten statt paralleler Teilaufgaben.
Ultra bei mehreren Modulen; Max oder High bei einem eng gekoppelten Kernproblem.
So nutzt du GPT‑5.6 besser: sieben praktische Regeln
Ein gutes Prompt-Muster für Ultra
Ultra funktioniert am besten, wenn das gewünschte Endprodukt klar ist und die parallelen Arbeitsstränge sinnvoll getrennt werden. Ein praxistaugliches Muster sieht so aus:
Vorlage für eine umfangreiche Ultra-Aufgabe
Ziel: Erstelle einen belastbaren Entscheidungsbericht zu [Thema] für [Zielgruppe]. Arbeitsstränge: 1. Recherchiere aktuelle Fakten und Primärquellen. 2. Analysiere technische Chancen und Risiken. 3. Bewerte Kosten, Aufwand und Alternativen. 4. Prüfe die bisherigen Ergebnisse kritisch auf Widersprüche und Lücken. Anforderungen: - Trenne bestätigte Fakten, Annahmen und eigene Schlussfolgerungen. - Belege zeitabhängige Aussagen mit aktuellen Quellen. - Weise auf Unsicherheiten und fehlende Daten hin. - Führe die Teilresultate in einer priorisierten Gesamtempfehlung zusammen. Ausgabe: - Executive Summary - Vergleichstabelle - wichtigste Risiken - konkrete nächste Schritte - Quellenverzeichnis
Für kleinere Aufgaben sollte dieses Muster reduziert werden. Mehr Agenten und mehr Text im Prompt ersetzen keine klare Fragestellung. Entscheidend ist, dass jeder Arbeitsstrang einen eigenen Beitrag zum Endergebnis leistet.
Verfügbarkeit nach Produkt und Plan
In normalen ChatGPT-Chats haben Free- und Go-Nutzer derzeit keinen Zugriff auf GPT‑5.6 Sol. Die Verfügbarkeit kann während Rollouts oder durch Workspace-Einstellungen abweichen. Besonders bei Business- und Enterprise-Konten können Administratoren die auswählbaren Modelle einschränken.
Für Entwickler: Preisunterschiede der Modellfamilie
In der API wird der Unterschied zwischen Sol, Terra und Luna besonders deutlich. Die Preise werden in US-Dollar pro eine Million Tokens angegeben. Sol kostet doppelt so viel wie Terra und fünfmal so viel wie Luna – sowohl beim Input als auch beim Output.
Input / Output pro 1 Mio. Tokens
Input / Output pro 1 Mio. Tokens
Input / Output pro 1 Mio. Tokens
Für Produktionssysteme bedeutet das: Sol sollte dort eingesetzt werden, wo Fehler teuer sind oder hohe Qualität messbar nötig ist. Terra eignet sich als Standardmodell für viele professionelle Workflows. Luna ist sinnvoll, wenn sehr viele Anfragen verarbeitet werden und einzelne Aufgaben klar strukturiert sind.
Fazit: Nicht immer die stärkste Einstellung wählen
GPT‑5.6 macht die Modellwahl flexibler, aber auch erklärungsbedürftiger. Für die meisten Nutzer ist Sol Medium der vernünftige Ausgangspunkt. High oder Extra High lohnen sich, wenn eine Aufgabe echte Analyse, Planung oder sorgfältige Prüfung verlangt. Pro ist für qualitätskritische Einzelprobleme gedacht, während Max einen einzelnen Agenten besonders tief arbeiten lässt.
Ultra ist dann die stärkste Option, wenn die Aufgabe breit genug ist, um mehrere Agenten sinnvoll zu beschäftigen. Eine umfangreiche Marktanalyse, ein Repository-Audit oder ein mehrteiliger Forschungsbericht kann davon deutlich profitieren. Eine kurze E-Mail wird dadurch dagegen weder viermal besser noch viermal schneller. Die beste Nutzung von GPT‑5.6 besteht deshalb nicht darin, immer den grössten Modus zu aktivieren, sondern Modell, Denkaufwand und Arbeitsweise passend zur Struktur der Aufgabe zu wählen.
Quellen und Datenbasis
Die Angaben zu Modellen, Modi, Verfügbarkeit, Benchmarks und API-Preisen stammen aus offiziellen OpenAI-Veröffentlichungen. Produktverfügbarkeit und Nutzungsgrenzen können sich nach Veröffentlichung des Artikels ändern.
- OpenAI: GPT‑5.6 – Frontier intelligence that scales with your ambition
- OpenAI Help Center: GPT‑5.6 in ChatGPT
- OpenAI Developers: Model guidance for GPT‑5.6
- OpenAI Developers: Models and model selection
- OpenAI Developers: Codex models and Ultra mode
- OpenAI Help Center: How to create a good prompt
- OpenAI Help Center: Prompt engineering best practices for ChatGPT
- OpenAI Deployment Safety Hub: GPT‑5.6 System Card