GPT-6.2 Astra und Sol im Vergleich: Welches Modell passt zu welcher Aufgabe?
GPT-6.2 Astra eignet sich für widersprüchliche Quellen oder Fehler, deren Ursache sich über mehrere Dienste erstrecken kann. GPT-6.2 Sol ist ein guter Ausgangspunkt für Entwürfe und Code-Reviews mit klarem Umfang. OpenAI stellte beide Modelle am 17. November 2026 vor.
GPT-6.2 Astra und Sol auf einen Blick
| Merkmal | GPT-6.2 Astra | GPT-6.2 Sol |
|---|---|---|
| Typische Aufgaben | Widersprüchliche Befunde abgleichen und Fehler über mehrere Dienste untersuchen | Texte entwerfen, Änderungen prüfen und gezielt überarbeiten |
| Auswahlkriterium | Mehrere Ursachen oder Bedingungen sind gegeneinander abzuwägen | Ziel und Abnahmekriterien lassen sich vorab festlegen |
| Standard-API pro Million Token | Eingabe $8 · Cache-Eingabe $0,40 · Ausgabe $40 | Eingabe $2 · Cache-Eingabe $0,10 · Ausgabe $10 |
Für welche Aufgaben eignet sich Astra?
Ziehen zwei Berichte unterschiedliche Schlüsse zu derselben Maßnahme, lassen Sie Astra Untersuchungszeitraum, Stichprobe und Messgrößen tabellarisch gegenüberstellen. Bitten Sie um die Belegstelle für jede Schlussfolgerung und um eine Liste der Unterschiede, die sich anhand der Quellen nicht erklären lassen.
Fehlt nach erfolgreicher Zahlung eine Benachrichtigung, geben Sie Schritte zur Reproduktion, anonymisierte Protokolle und relevante Tests an. Astra kann untersuchen, an welcher Stelle zwischen Erzeugung, Weiterleitung und Empfang das Ereignis verloren geht. Nach der Korrektur sollten der normale Ablauf und ein erneuter Versuch geprüft werden.
Wann reicht Sol aus?
Für einen Maßnahmenplan aus einem Sitzungsprotokoll lassen Sie Sol Beschlüsse, Zuständigkeiten, Termine und offene Fragen erfassen. Fehlen Verantwortliche oder Fristen, soll Sol sie als offen markieren, damit Sie diese Punkte bei der Prüfung ergänzen können.
Geben Sie für ein Code-Review die geänderten Dateien und das erwartete Verhalten an. Fragen Sie nach betroffenen Tests und konkreten Hinweisen zu den Änderungen. Führt die Prüfung zu einem anderen Dienst oder zu ungeklärten Anforderungen, kann Astra die breitere Untersuchung übernehmen.
Wer den Denkaufwand innerhalb eines Modells einstellen möchte, findet im Vergleich von GPT-6.1 Sol High und Medium Kriterien für Prüftiefe, Wartezeit und Nutzung.
Wie unterscheiden sich Leistung und Kosten?
In den von OpenAI veröffentlichten Ergebnissen für Cognitions FrontierCode 2.0 lag Sol mit der Einstellung Max höchstens 0,5 Punkte hinter Astra und verursachte rund ein Fünftel der Kosten. Beide Modelle liefen mit Max. Der Test prüft, ob Änderungen an realen Codebasen die Anforderungen der Verantwortlichen für eine Übernahme erfüllen. Die Zahlen gelten für diesen Testaufbau. (OpenAI-Ankündigung und API-Preise)
Bei der Standard-API sind die Tokenpreise von Astra in allen drei Kategorien viermal so hoch. Die Kosten je Aufgabe hängen von der Menge an Eingabe-, Cache- und Ausgabetoken sowie von Wiederholungen ab. Vergleichen Sie bei wiederkehrenden Aufgaben beide Modelle mit denselben Eingaben und Abnahmekriterien und erfassen Sie Gesamtkosten und Korrekturschleifen.
Wo lassen sich beide Modelle in ChatGPT und Codex nutzen?
Laut Veröffentlichungsübersicht stehen beide Modelle in ChatGPT Work bereit. Für den allgemeinen Chat führt OpenAI eine eigene Modellliste. Auch die Codex-App und die Kommandozeilenversion unterstützen beide. Der Zugriff hängt vom Tarif und gegebenenfalls von den Einstellungen des Arbeitsbereichs ab.
Für Work nennt OpenAI Plus, Pro, Business, Enterprise und Edu. In Enterprise und Edu müssen Administratoren die Modelle zuerst aktivieren. (Veröffentlichungsübersicht für ChatGPT Work und Codex)
Die API-Modellkennungen lauten gpt-6.2-astra und gpt-6.2-sol. In der Tabelle stehen Standard-API-Preise. Für Work und Codex gelten die Nutzungsbedingungen des jeweiligen Abonnements. (OpenAI API-Modellvergleich)




