OpenAI hat wenige Tage nach dem Start von GPT-5.6 Sol Änderungen an Reasoning-Aufwand, Kontextgrenze und Verbrauchsberechnung eingeräumt. Die entscheidende Aussage kommt von Tibo Sottiaux aus dem Codex- und ChatGPT-Team: OpenAI habe Versuche durchgeführt, bei denen die internen Reasoning-Stufen verändert wurden. Diese Versuche seien inzwischen zurückgenommen worden.
Das ist präziser als die zugespitzte Behauptung, GPT-5.6 Sol sei dauerhaft „kaputtoptimiert“ worden. Gleichzeitig wäre es falsch, den Vorgang als reine Einbildung der Nutzer abzutun. OpenAI bestätigt, dass sich die interne Rechenzuteilung zeitweise verändert hat. Bei einem Reasoning-Modell kann genau das Antwortqualität, Laufzeit und Verbrauch spürbar beeinflussen, obwohl der Modellname im Interface gleich bleibt.
Kurzfassung: Was bei GPT-5.6 Sol passiert ist
- OpenAI testete veränderte interne Reasoning-Stufen, die im Unternehmen als „juice values“ bezeichnet werden.
- Laut Tibo Sottiaux wurden diese Experimente zurückgenommen.
- Eine Produkt-Kontextgrenze von 372.000 Tokens führte offenbar zu höherer Abrechnung als beabsichtigt; OpenAI setzte sie vorerst auf 272.000 Tokens zurück.
- Inferenzoptimierungen sollen Abonnements laut OpenAI ungefähr zehn Prozent mehr nutzbares Volumen verschaffen.
- Bei hohen Reasoning-Stufen verbrauchte die Multi-Agent-Funktion etwas mehr als geplant; OpenAI arbeitet an einer Korrektur.
- Öffentliche Berichte, nach denen jede Reasoning-Stufe dauerhaft um eine komplette Stufe abgesenkt wurde, sind durch OpenAIs Wortlaut nicht belegt.
Die Änderung betrifft damit nicht nur ein abstraktes Qualitätsgefühl. Sie berührt drei praktische Größen gleichzeitig: wie lange das Modell nachdenkt, wie viel Kontext das Produkt zulässt und wie schnell ein Nutzungskontingent sinkt.
Was OpenAI tatsächlich bestätigt
Der Ausgangspunkt ist ein Update von Tibo Sottiaux, der auf seinem verifizierten X-Profil seine Rolle mit „Codex & ChatGPT @OpenAI“ beschreibt. Der Post richtete sich ausdrücklich an Nutzer von Codex und ChatGPT Work.
Darin nennt Sottiaux vier Punkte. Erstens habe OpenAI Inferenzoptimierungen ausgerollt und die Einsparungen an alle GPT-5.6-Sol-Abonnements weitergegeben. Das solle für sich genommen ungefähr zehn Prozent mehr Nutzung ermöglichen.
Zweitens habe die Anhebung der produktseitigen Kontextgrenze von 272.000 Tokens bei GPT-5.5 auf 372.000 Tokens bei GPT-5.6 Sol dazu geführt, dass mehr Nutzung berechnet wurde als beabsichtigt. OpenAI habe deshalb wieder auf 272.000 Tokens zurückgestellt und wolle 372.000 Tokens später erneut ausrollen. Nach der Rückstellung sollte das Kontingent deutlich langsamer sinken.
Drittens habe OpenAI zur Ursachenanalyse Experimente durchgeführt, bei denen der Reasoning-Aufwand verändert wurde. Sottiaux bezeichnet diese internen Einstellungen als „juice values“. Die Experimente seien zurückgenommen worden.
Viertens liege der Multi-Agent-Verbrauch bei den Stufen High und Extra High etwas über dem geplanten Niveau. OpenAI arbeite an einer Korrektur und optimiere außerdem den automatischen Review-Prozess. Die zeitweise ausgesetzte Fünf-Stunden-Grenze erwähnte Sottiaux ebenfalls, allerdings im konkreten Kontext des Produkt-Updates und nicht als allgemeine, dauerhafte Regel für alle ChatGPT-Pläne.
War GPT-5.6 Sol also „generft“?
Zeitweise verändert: ja. Dauerhaft und pauschal abgeschwächt: dafür fehlt der Beleg.
Der Begriff „Nerf“ stammt aus Spielen und beschreibt eine absichtliche, dauerhafte Abschwächung. Auf KI-Modelle übertragen ist er oft zu unscharf. Nutzer sehen im Produkt weiterhin „GPT-5.6 Sol“, während der Anbieter im Hintergrund Inferenzparameter, Tool-Routing, Limits, Kontextgrößen oder Reasoning-Aufwand ändern kann. Das Ergebnis kann schwächer, schneller oder günstiger wirken, ohne dass ein neues Modelllabel erscheint.
OpenAI bestreitet nicht, dass der Reasoning-Aufwand experimentell geändert wurde. Das Unternehmen sagt aber auch, dass diese Änderung zurückgenommen wurde. Damit lautet die sauber belegte Einordnung:
- Es gab ein reales Experiment an der internen Rechenzuteilung.
- Das Experiment konnte die wahrgenommene Leistung beeinflussen.
- OpenAI bezeichnet es nicht als dauerhafte Modellabschwächung.
- Die zugrunde liegenden genauen Reasoning-Budgets wurden nicht veröffentlicht.
Die online verbreitete These, Medium, High und Extra High seien jeweils exakt um eine Stufe nach unten verschoben worden, geht über die offizielle Aussage hinaus. Solche Beobachtungen können ein nützliches Warnsignal sein, sind aber ohne kontrollierte Messreihen keine belastbare Beschreibung der internen Konfiguration.
Warum das Reasoning-Budget so wichtig ist
Ein Reasoning-Modell erzeugt nicht einfach nur eine längere sichtbare Antwort. Es investiert intern Rechenzeit in Planung, Prüfung, Werkzeugnutzung und mögliche Alternativen. Wird dieses Budget reduziert, kann eine Antwort schneller erscheinen und weniger Kontingent verbrauchen. Gleichzeitig steigt das Risiko, dass das Modell schwierige Teilprobleme überspringt, weniger Varianten prüft oder Fehler nicht mehr selbst korrigiert.
Besonders sichtbar wird das bei Aufgaben, die mehrere abhängige Schritte enthalten:
- Fehlersuche über viele Dateien in einem Repository
- Migrationen mit Tests und Rückwärtskompatibilität
- lange Recherche mit widersprüchlichen Quellen
- Browser- und Computer-Use-Aufgaben
- parallele Arbeit mehrerer Agenten
- Sicherheitsprüfungen mit wiederholter Verifikation
Für eine kurze Zusammenfassung kann ein kleineres Budget kaum auffallen. Bei einem Agentenlauf über 30 oder 60 Minuten kann dieselbe Änderung darüber entscheiden, ob das Modell nach dem ersten plausiblen Ergebnis stoppt oder weitere Prüfungen durchführt.
Kontextgrenze: 372K war nicht einfach nur ein Bonus
Die vorübergehende Rückstellung von 372.000 auf 272.000 Tokens ist ein zweiter, unabhängiger Teil des Problems. Eine größere Kontextgrenze klingt grundsätzlich positiv: mehr Dateien, längere Gespräche und umfangreichere Dokumente passen in eine Sitzung. In einem abonnementbasierten Produkt kann mehr verfügbarer Kontext jedoch auch mehr abrechenbaren Verbrauch erzeugen.
Sottiaux schreibt, die Anhebung habe dazu geführt, dass mehr Nutzung berechnet wurde als beabsichtigt. OpenAI setzte die Produktgrenze deshalb vorerst zurück. Das Unternehmen will 372.000 Tokens später erneut bereitstellen, nachdem die Verbrauchslogik korrigiert wurde.
Wichtig ist die Unterscheidung zwischen Modellfähigkeit und Produktlimit. Die offizielle GPT-5.6-Ankündigung enthält Long-Context-Benchmarks bis in den Bereich von einer Million Tokens. Das bedeutet nicht automatisch, dass jede ChatGPT- oder Codex-Oberfläche jederzeit denselben Umfang freigibt. Produktgrenzen können niedriger sein und sich je nach Plan, Oberfläche und aktueller Kapazität unterscheiden.
Multi-Agent-Modus erhöht Leistung und Verbrauch
OpenAI bewirbt GPT-5.6 mit stärkerer paralleler Agentenarbeit. Im Ultra-Modus koordiniert das System standardmäßig vier Agenten. In der API steht eine Multi-Agent-Beta bereit. Der technische Vorteil ist nachvollziehbar: Mehrere Arbeitsstränge können gleichzeitig recherchieren, programmieren oder prüfen.
Der Preis dafür ist höherer Verbrauch. Schon in der ursprünglichen Ankündigung beschreibt OpenAI Ultra als Tauschgeschäft: mehr Tokens gegen bessere Ergebnisse und eine kürzere Zeit bis zum Resultat. Das neue Produkt-Update zeigt, dass die reale Abrechnung bei High und Extra High zeitweise noch etwas über der Planung lag.
Das ist keine Nebensache. Wenn ein Team feste Wochenlimits oder projektbezogene Budgets nutzt, kann unerwarteter Multi-Agent-Verbrauch dazu führen, dass Kontingente vor Abschluss wichtiger Aufgaben erschöpft sind. Die Qualitätsfrage und die Kostenfrage lassen sich deshalb nicht trennen.
Welche Nutzer GPT-5.6 Sol aktuell erhalten
Laut dem OpenAI Help Center wird GPT-5.6 Sol schrittweise für berechtigte Pläne ausgerollt. In normalen ChatGPT-Unterhaltungen gilt derzeit:
- Plus enthält Medium und High.
- Pro enthält Medium, High, Extra High und Sol Pro.
- Business und Enterprise enthalten Medium, High, Extra High und Pro, abhängig von Workspace-Einstellungen.
- Free und Go erhalten GPT-5.6 Sol in normalen ChatGPT-Unterhaltungen nicht.
In ChatGPT Work und Codex ist die Auswahl breiter. Plus, Pro, Business und Enterprise können dort Sol, Terra und Luna nutzen. Codex bietet Free- und Go-Nutzern Terra. Über die OpenAI API sind Sol, Terra und Luna verfügbar.
Mehr Details zu Modellvarianten, Preisen und Benchmarks stehen in unserem Überblick GPT-5.6: OpenAI startet Sol, Terra und Luna. Der vorliegende Artikel wiederholt diese Launch-Daten nicht, sondern konzentriert sich auf die nachträglichen Änderungen an Reasoning, Kontext und Verbrauch.
Bleiben die Launch-Benchmarks aussagekräftig?
Die veröffentlichten Benchmarkwerte ändern sich durch ein kurzzeitiges Produkt-Experiment nicht automatisch. Sie beschreiben definierte Evaluationskonfigurationen. OpenAI nennt für GPT-5.6 Sol unter anderem 80 Punkte im Artificial Analysis Coding Agent Index bei maximalem Reasoning sowie 53,6 Punkte bei Agents’ Last Exam in einer besonders leistungsfähigen Konfiguration.
Für Nutzer entsteht trotzdem ein Reproduzierbarkeitsproblem. Ein Benchmark mit festgelegtem Reasoning-Aufwand ist nur dann direkt auf den Alltag übertragbar, wenn das Produkt tatsächlich eine vergleichbare Rechenzuteilung bereitstellt. Ändert der Anbieter diese Zuteilung dynamisch, kann dasselbe Modelllabel im Produkt andere Resultate liefern als zum Launch.
Daraus folgt nicht, dass die Benchmarks falsch sind. Es folgt aber, dass Entwickler neben dem Modellnamen auch diese Faktoren dokumentieren sollten:
- Datum und Uhrzeit des Tests
- Oberfläche oder API
- gewählte Reasoning-Stufe
- erlaubter Kontextumfang
- aktivierte Agenten- und Review-Funktionen
- Latenz, Tokenverbrauch und Abbruchverhalten
- Zahl der Wiederholungen mit identischem Prompt
Eine einzelne gute oder schlechte Antwort beweist wenig. Sinnvoller sind feste Testpakete, die nach Änderungen wiederholt werden.
Was Entwickler jetzt konkret testen sollten
Wer GPT-5.6 Sol produktiv nutzt, sollte nicht nur prüfen, ob das Modell „wieder besser wirkt“. Vier messbare Tests liefern mehr Erkenntnis.
1. Gleiche Aufgabe auf mehreren Reasoning-Stufen
Eine repräsentative Aufgabe sollte mit Medium, High und – sofern verfügbar – Extra High ausgeführt werden. Verglichen werden nicht nur Endergebnis und Laufzeit, sondern auch erkannte Fehler, ausgeführte Tests und fehlgeschlagene Werkzeugaufrufe.
2. Verbrauch vor und nach langen Kontexten
Große Repositories oder Dokumentpakete sollten mit einem festen Umfang getestet werden. Entscheidend ist, wie stark das Nutzungskontingent sinkt und ob die Rückstellung auf 272.000 Tokens bestehende Arbeitsabläufe begrenzt.
3. Einzelagent gegen Multi-Agent
Eine Aufgabe lässt sich einmal seriell und einmal mit parallelen Agenten durchführen. Der Vergleich zeigt, ob die zusätzliche Qualität den höheren Verbrauch rechtfertigt. Bei einfachen Aufgaben ist Multi-Agent-Verarbeitung oft unnötig.
4. Wiederholbarkeit über mehrere Tage
Derselbe Test sollte an mehreren Tagen wiederholt werden. Anbieter verändern Routing und Inferenzsysteme laufend. Nur eine kleine Zeitreihe zeigt, ob ein Effekt stabil ist oder lediglich auf eine kurzfristige Kapazitäts- oder Experimentphase zurückgeht.
Was weiterhin unklar bleibt
OpenAI hat keine konkreten Werte für die internen Reasoning-Budgets veröffentlicht. Deshalb lässt sich nicht seriös beziffern, wie groß die zeitweilige Änderung war. Ebenso fehlt eine offizielle Bestätigung dafür, dass Terra und Luna vollständig unverändert blieben. Die öffentliche Stellungnahme konzentriert sich auf GPT-5.6 Sol und die betroffenen Codex- beziehungsweise ChatGPT-Work-Abläufe.
Auch der Zeitpunkt des erneuten 372K-Rollouts ist offen. Sottiaux spricht von den kommenden Tagen, nennt aber kein verbindliches Datum. Nutzer sollten deshalb die tatsächlich sichtbaren Produktgrenzen und aktuellen Planhinweise prüfen, statt sich auf Screenshots älterer Einstellungen zu verlassen.
Quellenlage und Bildprüfung
Die Primärquelle für die nachträglichen Änderungen ist der Textbeitrag von Tibo Sottiaux aus dem Codex- und ChatGPT-Team. Im Netz kursiert davon ein Screenshot, der mit den wertenden Labels „Denial“ und „Confession“ ergänzt wurde. Weil diese Grafik nicht aus einer offiziellen OpenAI-Publikation stammt und die Einordnung bereits visuell vorgibt, verwenden wir sie nicht als Artikelgrafik.
Die offizielle GPT-5.6-Ankündigung enthält zahlreiche Benchmark- und Produktbilder, aber keine Grafik zu den hier behandelten Reasoning-Experimenten, der 272K-Rückstellung oder der Verbrauchskorrektur. Für dieses konkrete Update existiert daher kein passendes offizielles Source-Visual. Der Artikel nutzt bewusst nur ein separates redaktionelles Titelbild.
Fazit: Transparenz ist wichtiger als das Wort „Nerf“
OpenAI hat GPT-5.6 Sol nicht als dauerhaft abgeschwächt bezeichnet. Das Unternehmen hat aber bestätigt, dass es intern mit Reasoning-Aufwand experimentierte und diese Änderungen zurücknahm. Zusätzlich wurden eine Kontextgrenze zurückgesetzt und Verbrauchsprobleme bei Multi-Agent-Abläufen eingeräumt.
Für Nutzer ist die Lehre klar: Ein unveränderter Modellname garantiert keine unveränderte Produktkonfiguration. Bei anspruchsvollen Agenten- und Coding-Workflows sollten Qualität, Verbrauch und Laufzeit kontinuierlich gemessen werden. OpenAI sollte solche Änderungen künftig direkt in einem öffentlich nachvollziehbaren Changelog dokumentieren, statt die technische Einordnung einzelnen Teammitgliedern auf X zu überlassen.
Häufige Fragen zu GPT-5.6 Sol
Hat OpenAI GPT-5.6 Sol dauerhaft schwächer gemacht?
Dafür gibt es keinen belastbaren Beleg. OpenAI bestätigte Experimente mit veränderten Reasoning-Stufen, erklärte aber zugleich, diese Änderungen wieder zurückgenommen zu haben.
Was bedeutet „juice value“ bei GPT-5.6 Sol?
Der Ausdruck bezeichnet laut OpenAI-internem Sprachgebrauch die Rechenzuteilung für den Reasoning-Aufwand. Konkrete öffentliche Zahlen für die einzelnen Stufen hat OpenAI nicht genannt.
Warum wurde die Kontextgrenze von 372K auf 272K reduziert?
Laut Tibo Sottiaux führte die 372K-Produktgrenze dazu, dass mehr Nutzung berechnet wurde als beabsichtigt. OpenAI stellte vorübergehend auf 272K zurück und plant einen erneuten Rollout nach einer Korrektur.
Sind Terra und Luna von der Änderung betroffen?
OpenAIs Update konzentriert sich auf GPT-5.6 Sol. Berichte, Terra und Luna seien unverändert, stammen bislang aus Nutzerbeobachtungen und sind nicht mit veröffentlichten internen Budgetwerten belegt.
Wie kann ich prüfen, ob sich GPT-5.6 Sol wieder normal verhält?
Nutzen Sie ein festes Testpaket mit identischen Aufgaben, dokumentieren Sie Reasoning-Stufe, Datum, Oberfläche, Verbrauch und Laufzeit und wiederholen Sie den Test mehrfach. Einzelne Antworten reichen für eine belastbare Bewertung nicht aus.