GPT-6.2 Astra vs Sol: Preis, Tempo und Kosten pro Aufgabe
Drei identische Coding-Aufgaben, zwei Modelle, eine API: Wo das günstigere Modell mithält und was das Flaggschiff bei harter Arbeit dazulegt.
Auf dieser Seite
- GPT-6.2 Astra vs Sol: Was unterscheidet sie?
- Was kostet eine Anfrage zu OpenAIs Preisen?
- Was passierte in unseren drei kleinen Coding-Aufgaben?
- Prompt 1: neueste Ereignisse
- Prompt 2: Intervall-Vereinigung
- Prompt 3: Rückerstattungen in SQL
- Wo zeigen unabhängige Tests einen Unterschied?
- Welche Denkstufe solltest du nutzen?
- Welches Modell nutzt du für den Coding-Alltag?
- Wie probierst du beide über dieselbe API?
- Häufige Fragen
- Reicht GPT-6.2 Sol fürs Coding?
- Wie viel günstiger ist GPT-6.2 Sol als Astra?
- Welche Denkstufe nutze ich bei GPT-6.2?
- Nehmen beide Modelle Bilder an oder rufen sie Tools auf?
- Geprüfte Quellen
- Änderungsverlauf
Bei GPT-6.2 Astra vs Sol entscheidet zuerst der Preis: Astra kostet $8 pro Million Eingabe-Token und $40 pro Million Ausgabe-Token, also viermal die $2 und $10 von Sol. In drei kleinen Coding-Aufgaben, die wir am 19.11.2026 ausgeführt haben, bestanden beide jede Prüfung; zu OpenAIs Standard-Preisen kostete Sol rund ein Viertel.
Sol ist das Modell, mit dem du bei kurzen, klar umrissenen Arbeiten anfängst. Für Astra sprechen schwierigere, offene Aufgaben: In den unabhängigen Coding-Tests liegt es bei gleicher Kennzeichnung medium vorn, 2.5 Punkte bei Terminal-Bench 4.0 und 5.2 bei FrontierCode. Ob sich das lohnt, hängt davon ab, ob diese Punkte Arbeit ersparen, die du sonst wiederholst. Teste die komplexen Aufgaben, an denen Sol scheitert, bevor du für Astra zahlst.
GPT-6.2 Sol
Bestand alle drei kleinen Aufgaben bei etwa einem Viertel der Astra-Kosten zu OpenAIs Standard-Preisen. $2 Eingabe und $10 Ausgabe pro Million Token.
GPT-6.2 Astra
Vorn in unabhängigen Coding-Tests bei gleicher Kennzeichnung medium. $8 Eingabe und $40 Ausgabe pro Million Token.
GPT-6.2 Astra vs Sol: Was unterscheidet sie?
OpenAIs Astra-Modellseite, Sol-Modellseite und Preisseite nennen dasselbe Kontextfenster, dasselbe Ausgabelimit, dieselben Denkstufen und dieselben Ratenlimits. Entscheidend sind Modell-ID, Preis pro Token und der Wissensstand.
| Punkt | Astra | Sol |
|---|---|---|
| Modell-ID | gpt-6.2-astra | gpt-6.2-sol |
| Erschienen | 17.11.2026 | 17.11.2026 |
| Kontextfenster | 1,050,000 Token | 1,050,000 Token |
| Maximale Eingabe | 922,000 Token | 922,000 Token |
| Maximale Ausgabe | 128,000 Token | 128,000 Token |
| Wissensstand | 18.05.2026 | 01.06.2026 |
| Denkstufen | low bis max | low bis max |
| Eingabe | $8 | $2 |
| Eingabe im Cache | $0.40 | $0.10 |
| Cache-Schreiben, 30 Min | $10 | $2.50 |
| Ausgabe | $40 | $10 |
| Ausgabe ab 272K Eingabe | $60 | $15 |
Astras Standard-Preise liegen in jeder Zeile genau beim Vierfachen von Sol, auch beim Cache-Schreiben und bei den Zeilen für langen Kontext.
Beide Modelle erschienen im selben Changelog-Eintrag vom 17.11.2026. Laut OpenAIs Ankündigung bekommen Plus-, Pro-, Enterprise- und Edu-Nutzer beide in ChatGPT Work und Codex; in Enterprise- und Edu-Workspaces muss ein Administrator sie freischalten. In der API laufen beide IDs auf denselben Endpunkten, und bei den Pro-Tarifen startet Pro 200 mit Sol, während Pro 500 beide nutzen kann.
Zwei Details gehen leicht unter. Beide Endpunkte, Responses und Chat Completions, funktionieren mit beiden IDs; für Tool-Aufrufe brauchst du die Responses API. Beide Modelle nehmen Text und Bilder als Eingabe und geben Text zurück, Audio oder Video erzeugen sie nicht. Auch die Ratenlimits sind in jeder Stufe gleich, von 5,000 Anfragen und 1 Million Token pro Minute bei Build bis 15,000 und 40 Millionen bei Grow.
Zu jedem Modell gibt es einen eigenen Beitrag: die Release-Details zu GPT-6.2 Astra und den Beitrag zu GPT-6.2 Sol.
Was kostet eine Anfrage zu OpenAIs Preisen?
$0.16 bei Astra und $0.04 bei Sol für einen Prompt mit 10,000 Token und 2,000 Token Ausgabe, zu OpenAIs Standard-Preisen.
Die Rechnung für Astra: 10,000 × $8 ÷ 1,000,000 = $0.08 für die Eingabe und 2,000 × $40 ÷ 1,000,000 = $0.08 für die Ausgabe. Für Sol: 10,000 × $2 ÷ 1,000,000 = $0.02 plus 2,000 × $10 ÷ 1,000,000 = $0.02. Hundert Anfragen dieser Form kosten $16 bei Astra und $4 bei Sol.
Denk-Token zählen als Ausgabe-Token und haben keine eigene Preiszeile. Eine höhere Stufe verteuert die Anfrage also, weil mehr Ausgabe geschrieben wird, nicht über einen anderen Zähler. Bei langen Prompts bleibt der Abstand gleich. Über 272,000 Eingabe-Token verdoppelt OpenAI die Eingabe- und Cache-Preise und berechnet für die gesamte Anfrage das 1.5-fache des Ausgabepreises für kurzen Kontext. Bei 300,000 Eingabe-Token und 2,000 Ausgabe-Token zahlt Astra 300,000 × $16 ÷ 1,000,000 = $4.80 plus 2,000 × $60 ÷ 1,000,000 = $0.12, also $4.92. Sol zahlt $1.20 plus $0.03, also $1.23. Sol kostet genau ein Viertel. Batch-Verarbeitung halbiert die Preise beider Modelle, der Abstand bleibt dort also bestehen.
Was passierte in unseren drei kleinen Coding-Aufgaben?
Beide Modelle bestanden jede Prüfung in allen drei Aufgaben. Astra war bei den zwei Python-Aufgaben schneller, Sol bei der SQL-Aufgabe.
Wir haben jeden Prompt am 19.11.2026 über den Responses-Endpunkt von OmniaKey einmal an jedes Modell geschickt, mit Denkstufe medium, einem Ausgabelimit von 4,096 Token, Streaming und ohne Tools. Welches Modell zuerst lief, wechselte, Wiederholungen gab es keine, insgesamt sechs Aufrufe. OmniaKey verkauft den Zugang zu beiden Modellen, und die Tests liefen darüber. Jeder Dollar in diesem Abschnitt ist aus den gemeldeten Token-Zahlen zu OpenAIs Standard-Preisen nachgerechnet, keine Rechnung von OmniaKey.
Die Aufgaben waren ein Auswähler für das neueste Ereignis, eine Intervall-Vereinigung und eine Rückerstattungsabfrage. Jede lief gegen feste Randfälle plus 100 deterministische pseudozufällige Fälle mit Seed 20261119: 104 Fälle für das neueste Ereignis, 106 für Intervalle und 102 für SQL. Diese Zahlen sind Testfälle, keine eigenen Modellläufe. Erwartetes Verhalten: genau ein ausgewähltes Ereignis pro ID, keine doppelt gezählten Intervallminuten und Rückerstattungen, die pro Zahlung nur einmal verrechnet werden.
Die drei Prompts, genau wie gesendet:
Prompt 1: neueste Ereignisse
Return ONLY Python 3 code defining total_paid(events). Do not import modules or print. Each event is a dict with id (string), version (integer), status (string) and cents (integer). Select the event with the largest version per id; when versions tie, the later item in the input wins. Return the sum of cents only for selected events whose status is "paid". Input may be empty. Do not mutate the list or its dicts. The algorithm must run in O(n) time and support negative cents. Example: [{"id":"a","version":2,"status":"paid","cents":50},{"id":"a","version":1,"status":"paid","cents":200},{"id":"b","version":1,"status":"void","cents":20}] returns 50. Do not include tests or explanations.
Prompt 2: Intervall-Vereinigung
Return ONLY Python 3 code defining union_minutes(intervals). Do not import modules or print. intervals is a list of two-integer [start,end] pairs representing half-open ranges in minutes, with start <= end. Values can be negative and pairs can be unsorted. Return the total length of their union. Adjacent, overlapping, nested and duplicate intervals must not be double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or explanations.
Prompt 3: Rückerstattungen in SQL
Return ONLY one SQLite SELECT query, optionally with WITH common table expressions. No explanation or Markdown. Tables: payments(id INTEGER PRIMARY KEY, customer_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL); refunds(id INTEGER PRIMARY KEY, payment_id INTEGER NOT NULL, amount_cents INTEGER NOT NULL, status TEXT NOT NULL). Return customer_id, net_cents for each customer with at least one payment whose status is 'paid', including customers whose net is zero or negative. net_cents is the sum of their paid payment amounts minus only refunds with status 'succeeded' attached to those paid payments. Exclude unpaid payments and refunds on them. A payment can have zero or multiple refunds. Do not multiply payment amounts when joining refunds. Sort by customer_id ascending. Use only these two tables.
| Aufgabe | Astra | Sol |
|---|---|---|
| Neuestes Ereignis pro ID | 104/104, 4.2 s | 104/104, 5.0 s |
| Intervall-Vereinigung | 106/106, 4.4 s | 106/106, 6.5 s |
| SQL-Rückerstattungen | 102/102, 6.0 s | 102/102, 4.9 s |
| Gesamt | 3 Aufgaben, 14.6 s | 3 Aufgaben, 16.4 s |
Die Token-Zahlen hinter diesen Kosten und die Kosten zu den offiziellen Standard-Preisen:
| Aufgabe | Eingabe | Ausgabe Astra | Ausgabe Sol |
|---|---|---|---|
| Neuestes Ereignis pro ID | 4,558 | 81 | 93 |
| Intervall-Vereinigung | 4,532 | 81 | 149 |
| SQL-Rückzahlung | 4,550 | 113 | 128 |
| Gesamt | 13,640 | 275 | 370 |
| Aufgabe | Astra | Sol |
|---|---|---|
| Neuestes Ereignis pro ID | $0.0397 | $0.0100 |
| Intervall-Vereinigung | $0.0395 | $0.0106 |
| SQL-Rückerstattungen | $0.0409 | $0.0104 |
| Drei Aufrufe pro Modell | $0.1201 | $0.0310 |
Jede Anfrage meldete rund 4,380 Instruktions-Token über den sichtbaren Prompt hinaus, bei beiden Modellen gleich. Wir haben alle 13,640 Eingabe-Token in die Rechnung genommen, statt aus der Prompt-Länge zu schätzen. Cache-Treffer oder Cache-Schreibvorgänge kamen nicht zurück. Sol verbrauchte 10, 47 und 13 Denk-Token innerhalb seiner Ausgabesummen; Astra meldete keine.
Der Code verhielt sich bei beiden gleich. Beide behalten pro ID die höchste Version und lösen Gleichstand mit dem späteren Eintrag, beide verändern die Eingabe nicht, und beide summieren die erfolgreichen Rückerstattungen vor dem Join mit den Zahlungen, damit mehrere Rückerstattungen eine Zahlung nicht vervielfachen.
Das sind insgesamt sechs Aufrufe, lies die Zeiten also als je eine Beobachtung, nicht als Tempo-Ranking. Die Bestehensquoten zeigen, dass beide Modelle begrenzte Aufgaben in einem Durchgang schaffen; über eine lange Agent-Sitzung mit Repository, Tools und Wiederholungen sagen sie wenig.
Wo zeigen unabhängige Tests einen Unterschied?
Artificial Analysis setzt Astra bei gleicher Kennzeichnung medium in beiden Coding-Tests nach vorn: 2.5 Punkte bei Terminal-Bench 4.0 und 5.2 Punkte bei FrontierCode.
| Messwert | Astra | Sol |
|---|---|---|
| Intelligence Index | 57 | 53 |
| Terminal-Bench 4.0 | 58.6% | 56.1% |
| FrontierCode-AA2.0 | 46.6% | 41.4% |
| Zeit pro Aufgabe | 4.5 min | 3.3 min |
| Kosten pro Aufgabe | $1.62 | $0.41 |
Das sind die aktuellen Vergleichszahlen von Artificial Analysis, geprüft am 19.11.2026. Der Intelligence Index v5.0.1 umfasst neun Bewertungen, Coding zählt 25% der Punktzahl. Die Vergleichsseite ist eine Live-Momentaufnahme und nennt kein eigenes Laufdatum, behandle die Zahlen also als aktuell und nicht als fest. Sie kennzeichnet die Zeilen beider Modelle mit medium, das ist OpenAIs Einstellung; die Kennzeichnung allein zeigt nicht, dass beide Modelle gleich viele Token verbraucht haben. Diese Tests sind längere Agent-Aufgaben, deshalb kostet eine Aufgabe dort Dollar und in unserem Ein-Durchgang-Lauf Cent.
Bei Stufe max vergibt dieselbe Seite Astra 62 und Sol 57 im Index, mit 13.9 und 8.7 Minuten pro Aufgabe und $4.00 und $1.01 pro Aufgabe. Astra auf high und Sol auf max erreichen beide 60.1% bei Terminal-Bench 4.0. Astras FrontierCode-Wert ist bei xhigh höher (49.0%) als bei max (45.4%), eine höhere Stufe verbessert also nicht jeden Wert. Astra auf max gegen Sol auf low zu stellen, würde Astra schmeicheln; gleiche Kennzeichnungen zu vergleichen ist am saubersten, auch wenn dieselbe Kennzeichnung nicht heißt, dass beide Modelle gleich viele Token verbraucht haben.
Welche Denkstufe solltest du nutzen?
Fang bei beiden Modellen mit medium an. Das ist die Einstellung hinter den unabhängigen Werten oben, und OpenAIs Leitfaden zur Modellauswahl empfiehlt Sol auf medium für die meisten API-Abläufe.
Beide Modelle akzeptieren low, medium, high, xhigh und max, und beide lehnen none ab. OpenAI rät, eine neue Integration auf medium zu starten und low statt none oder minimal zu verwenden. Höhere Stufen schreiben meist mehr Ausgabe-Token und brauchten in den veröffentlichten Läufen im Schnitt länger, heben aber nicht jeden Wert. Die höheren Stufen sind für Aufgaben, die mehr Prüfung brauchen, nicht für jeden Aufruf.
OpenAIs Liste nach Aufgabentyp ist ein vernünftiger Standard. Sie setzt Sol auf medium für Fehlerbehebungen und neue Funktionen in bestehendem Code, Sol auf extra high für mehrstufige Aufgaben mit Tests und Überarbeitung und Astra auf extra high für offene Probleme, bei denen Abwägungen nötig sind. Diese Einschätzungen sind Schätzungen, und der Leitfaden nennt keine Werte dahinter.
Welches Modell nutzt du für den Coding-Alltag?
Fang mit Sol an. Wechsle zu Astra, wenn deine eigenen harten Aufgaben mit Sol wiederholt scheitern, denn Astras Vorsprung in unabhängigen Tests liegt bei wenigen Punkten, während der Token-Preis viermal so hoch ist.
Bei Routinearbeit mit klarem Umriss, wie den drei Aufgaben oben, hielt Sol mit Astra bei jeder Prüfung mit und kostete rund ein Viertel. In den unabhängigen Tests beträgt Astras Vorsprung bei Kennzeichnung medium 2.5 Punkte bei Terminal-Bench 4.0 von 100 und 5.2 Punkte bei FrontierCode.
Stelle den Preis der gesparten Arbeit gegenüber. Bei 10,000 Eingabe- und 2,000 Ausgabe-Token kosten 100 Astra-Aufrufe $12 mehr als 100 Sol-Aufrufe. Halte das gegen das, was dich ein neuer Versuch, eine Prüfrunde oder eine falsche Antwort kostet; nur deine eigenen Aufgaben können das beziffern.
Ein praktischer Weg zum Messen: Nimm 20 aktuelle komplexe Aufgaben, bei denen Sol einen zweiten Durchgang brauchte, lass sie auf Astra mit high oder xhigh laufen und vergleiche die zusätzlichen Kosten mit der Arbeit, die wegfallen. Ändert Astra nur Antworten, die du ohnehin akzeptiert hättest, bleib bei Sol.
Wie probierst du beide über dieselbe API?
Richte das OpenAI-SDK auf OmniaKeys Basis-URL https://api.omniakey.com/v1, halte den Schlüssel in OMNIAKEY_API_KEY und ändere eine Zeichenkette, um das Modell zu wechseln. Beide Endpunkt-Familien funktionieren mit beiden IDs; nimm Responses, wenn du Tools aufrufen willst.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["OMNIAKEY_API_KEY"],
base_url="https://api.omniakey.com/v1",
)
prompt = (
"Return ONLY Python 3 code defining union_minutes(intervals). Do not import "
"modules or print. intervals is a list of two-integer [start,end] pairs "
"representing half-open ranges in minutes, with start <= end. Values can be "
"negative and pairs can be unsorted. Return the total length of their union. "
"Adjacent, overlapping, nested and duplicate intervals must not be "
"double-counted. Zero-length ranges add nothing. Empty input returns 0. Do not "
"mutate the list or any pair. Use O(n log n) time and O(n) extra space or better. "
"Example: [[5,10],[1,6],[10,12],[3,3]] returns 11. Do not include tests or "
"explanations."
)
response = client.responses.create(
model="gpt-6.2-sol", # or "gpt-6.2-astra"
reasoning={"effort": "medium"},
max_output_tokens=4096,
input=prompt,
stream=True,
)
for event in response:
if event.type == "response.output_text.delta":
print(event.delta, end="")
Das ist die Anfrageform aus den drei Aufgaben, mit dem vollständigen Prompt zur Intervall-Vereinigung von oben. Der Block usage in der Antwort meldet Eingabe- und Ausgabe-Token, und die Ausgabesumme enthält die Denk-Token.
Beide Endpunkte funktionieren mit beiden IDs. Nimm Responses, wenn du Tools brauchst; Chat Completions bedient Anfragen ohne Tools. Der ältere Einrichtungsleitfaden zu GPT-6 Astra behandelt denselben Endpunkt, Codex und Fehlerbehebungen; setze dort gpt-6.2-astra oder gpt-6.2-sol ein, wo das Modell genannt wird.
Die aktuellen Preise bei OmniaKey für beide stehen auf der Modellseite zu GPT-6.2 Astra und der Modellseite zu GPT-6.2 Sol.
Häufige Fragen
Reicht GPT-6.2 Sol fürs Coding?
In unseren drei kleinen Aufgaben hielt es mit Astra bei jeder Prüfung mit. Artificial Analysis setzt Astra bei Kennzeichnung medium weiterhin 2.5 Punkte vor Sol bei Terminal-Bench 4.0, Sol ist also ein solider Standard und Astra die Absicherung für härtere Arbeit.
Wie viel günstiger ist GPT-6.2 Sol als Astra?
Sol kostet ein Viertel, also 75% weniger bei jedem Standard-Preis: $2 Eingabe und $10 Ausgabe pro Million Token gegenüber $8 und $40. Unsere drei Aufgaben lagen 3.7- bis 4.0-mal auseinander, und 100 Anfragen mit 10,000 Eingabe- und 2,000 Ausgabe-Token kosten $4 gegenüber $16.
Welche Denkstufe nutze ich bei GPT-6.2?
Medium bei beiden Modellen. Beide lehnen none ab, und OpenAI empfiehlt medium für eine neue Integration. Erhöhe sie für mehrstufige Arbeit, die Tests und Überarbeitung braucht. Höhere Stufen sind nicht automatisch langsamer oder besser: Astras FrontierCode-Wert bei xhigh liegt über dem bei max.
Nehmen beide Modelle Bilder an oder rufen sie Tools auf?
Beide nehmen Text und Bilder an und geben Text zurück; Audio und Video werden nicht unterstützt. Beide Endpunkte funktionieren, und für Tool-Aufrufe brauchst du die Responses API.
Geprüfte Quellen
- OpenAI: GPT-6.2 Astra und Sol vorgestellt (17.11.2026)
- OpenAI: API-Changelog (Eintrag vom 17.11.2026)
- OpenAI: Modellseite GPT-6.2 Astra
- OpenAI: Modellseite GPT-6.2 Sol
- OpenAI: API-Preise
- OpenAI: Leitfaden zur Modellauswahl
- OpenAI: Leitfaden zum neuesten Modell
- Artificial Analysis: GPT-6.2 Astra vs GPT-6.2 Sol
- Artificial Analysis: Methodik des Intelligence Index
Preise und Limits geprüft am 19.11.2026.
Änderungsverlauf
- 19.11.2026: erste Version. Drei Aufgaben am selben Tag über OmniaKey ausgeführt; Preise, Limits und unabhängige Werte an dem Tag geprüft.
Modelle in diesem Artikel
Verwandte Artikel
GPT-6.2 Astra: Erscheinungsdatum, Leaks, was bestätigt ist
GPT-6.2 Astra ist am 17. November 2026 erschienen. Hier stehen die offiziellen Preise, der Kontext von 1.050.000 Token, die Unterschiede zwischen Codex und API und die Änderungen gegenüber GPT-6 Astra.
GPT-6.2 Sol: Erscheinungsdatum, Gerüchte und API-Zugang
GPT-6.2 Sol ist erschienen. Hier stehen die genaue Modell-ID, der Einsatzbereich, die Kosten einer Anfrage und die Unterschiede zu GPT-6.2 Astra und GPT-6.1 Sol.
GPT-6 Astra mit OmniaKey verwenden
Erstellen Sie einen API-Key, prüfen Sie eine Responses-Anfrage und verbinden Sie danach Python, Node.js oder Codex.