Natürlich konkurrieren die Anbieter weiterhin darum, wer das leistungsfähigste Modell besitzt. Doch die Veröffentlichungen vom selben Tag zeigen einen mindestens ebenso wichtigen Wandel: Der KI-Wettbewerb verlagert sich von „Wer hat das beste Modell?“ zu „Wer liefert die meiste brauchbare Arbeit pro Dollar?“
Zwei Konkurrenten, derselbe Tag, dieselbe Botschaft
Anthropic stellte Claude Opus 5.5 am 22. September vor. Nach Angaben des Unternehmens erreicht das Modell bei vielen Aufgaben ungefähr das Leistungsniveau von Claude Fable 5.1, benötigt dabei aber weniger Rechenaufwand als Opus 5. Bei typischen Workloads sollen die Kosten rund 40 Prozent niedriger ausfallen.
Nur wenige Stunden später folgte OpenAI mit GPT-6 Sol und GPT-6 Luna. Reuters beschreibt die Veröffentlichungen ausdrücklich als Modelle, die einige Fähigkeiten des Spitzenmodells GPT-6 Astra zu deutlich niedrigeren Kosten verfügbar machen sollen. Auch OpenAI stellt dabei verbesserte Inference- und Caching-Effizienz in den Mittelpunkt. [oai_citation:0‡OpenAI](https://openai.com/index/introducing-gpt-6-sol-and-luna/?utm_source=chatgpt.com)
Dass beide großen Anbieter innerhalb weniger Stunden Modelle veröffentlichen, deren Verkaufsargument nicht ausschließlich mehr Intelligenz, sondern vor allem mehr Leistung für weniger Geld ist, dürfte kaum zu übersehen sein. Fortune spricht bereits von einem sich verschärfenden Preiskampf zwischen OpenAI und Anthropic. [oai_citation:1‡Fortune](https://fortune.com/2026/09/22/what-ai-slowdown-openai-anthropic-release-dueling-moreaffordable-models-as-ai-price-wars-heat-up/?utm_source=chatgpt.com)
OpenAI halbiert den Preis von Sol
Bei OpenAI ist der Schritt besonders deutlich. GPT-6 Sol kostet über die API 2 US-Dollar pro Million Input-Tokens und 10 Dollar pro Million Output-Tokens. Das Modell ist für komplexe Coding-Aufgaben und professionelle Arbeit gedacht.
Zum Vergleich: GPT-5.6 Sol kostete zuletzt im Aktionspreis 4 Dollar für Input und 20 Dollar für Output. OpenAI spricht deshalb von einer Preisreduktion um 50 Prozent. Das Unternehmen führt die niedrigeren Preise unter anderem auf effizienteres Caching und eine effizientere Inference-Infrastruktur zurück. [oai_citation:2‡OpenAI](https://openai.com/index/introducing-gpt-6-sol-and-luna/?utm_source=chatgpt.com)
Noch extremer ist GPT-6 Luna. Das Modell kostet lediglich 0,10 Dollar pro Million Input-Tokens und 0,50 Dollar pro Million Output-Tokens. Luna richtet sich an schnelle und stark skalierte Alltagsaufgaben.
Damit wird eine Million Input-Tokens eines aktuellen GPT-6-Modells für zehn Cent verfügbar. Anwendungen wie Klassifikation, Datenextraktion, Zusammenfassungen oder einfache Agentenschritte lassen sich dadurch in Preisregionen betreiben, die noch vor kurzer Zeit wesentlich kleineren Modellen vorbehalten waren.
Anthropic senkt nicht nur den Tokenpreis
Anthropic verfolgt beim Opus-5.5-Start einen etwas anderen Ansatz. Der reine API-Preis sinkt gegenüber Opus 5 von 5 auf 4 Dollar pro Million Input-Tokens und von 25 auf 20 Dollar beim Output.
Wichtiger ist allerdings die Behauptung, dass das Modell für dieselbe Aufgabe weniger Tokens und weniger Arbeitsschritte benötigt. Anthropic nennt mehrere Beispiele, in denen Opus 5.5 komplexe Coding-Aufgaben mit deutlich weniger Tool-Aufrufen erledigt als sein Vorgänger.
Bei einer Codebasis mit rund 200.000 Zeilen benötigte Opus 5.5 nach Angaben des Unternehmens weniger als drei Stunden. Opus 5 brauchte für dieselbe Aufgabe mehr als 20 Stunden und verbrauchte etwa 2,5-mal so viele Tokens.
Das verändert die Rechnung. Ein Modell kann pro Token relativ teuer sein und trotzdem bei einer kompletten Aufgabe günstiger werden, wenn es weniger Schleifen, weniger Suchvorgänge und weniger Korrekturen benötigt. Anthropic spricht deshalb bewusst von Kosten pro Aufgabe und nicht ausschließlich vom Preis pro Million Tokens. [oai_citation:3‡Reuters](https://www.reuters.com/business/anthropic-unveils-claude-opus-55-2026-09-22/?utm_source=chatgpt.com)
Der Tokenpreis allein reicht als Vergleich nicht mehr
Genau hier treffen sich die Strategien von OpenAI und Anthropic.
OpenAI macht die einzelnen Tokens erheblich günstiger. Anthropic argumentiert gleichzeitig, dass sein Modell weniger Tokens benötigt, um zum Ergebnis zu kommen. Beide Ansätze verfolgen letztlich dasselbe Ziel: Die Kosten einer fertig erledigten Aufgabe sollen sinken.
Bei klassischen Chatbots war der Preisvergleich noch relativ einfach. Modell A kostete X Dollar pro Million Tokens, Modell B kostete Y Dollar.
Bei Agenten funktioniert diese Rechnung immer schlechter.
Ein Agent liest Dokumente, durchsucht eine Codebasis, startet Programme, ruft APIs auf, verwendet einen Browser, analysiert Ergebnisse und korrigiert Fehler. Ein günstiges Modell, das dafür 30 Schritte benötigt, kann am Ende teurer sein als ein höherpreisiges Modell, das dieselbe Aufgabe mit zehn Schritten abschließt.
Damit wird eine andere Kennzahl interessant: Was kostet ein erfolgreich abgeschlossenes Ergebnis?
GPT-6 Astra bleibt oben – aber Sol soll die Masse übernehmen
OpenAI behält GPT-6 Astra als Spitzenmodell im Portfolio. Astra kostet derzeit 10 Dollar pro Million Input-Tokens und 50 Dollar beim Output. GPT-6 Sol liegt mit 2 beziehungsweise 10 Dollar bei nur einem Fünftel dieses Tokenpreises. [oai_citation:4‡OpenAI Help Center](https://help.openai.com/en/articles/20001415-chatgpt-rate-card-enterprise-token-based-pricing?utm_source=chatgpt.com)
OpenAI beschreibt Sol als Modell für komplexes Coding und professionelle Arbeit zu niedrigeren Kosten. Luna bildet darunter die schnelle und besonders günstige Variante für alltägliche Aufgaben in großem Umfang. [oai_citation:5‡OpenAI](https://openai.com/index/introducing-gpt-6-sol-and-luna/?utm_source=chatgpt.com)
Das deutet auf eine zunehmend klare Modellhierarchie hin: Das teuerste Modell wird nicht automatisch für jeden Arbeitsschritt verwendet. Unternehmen können einfache Aufgaben an Luna übergeben, komplexere Arbeit von Sol erledigen lassen und nur die schwierigsten Probleme an Astra weiterreichen.
Für Agentensysteme ist genau diese Art des Routings interessant. Ein Workflow muss nicht mehr hunderte Schritte mit demselben Modell ausführen. Stattdessen kann für jeden Schritt die günstigste ausreichend leistungsfähige Modellklasse gewählt werden.
Claude Opus 5.5 greift über Effizienz an
Anthropic setzt dagegen stark auf die Behauptung, dass Opus 5.5 bei komplexer Arbeit bereits im normalen Betriebsmodus sehr leistungsfähig ist.
Beim Terminal-Bench 4.0 nennt Anthropic beispielsweise 66,4 Prozent für Opus 5.5. GPT-6 Astra wird in derselben Tabelle mit 57,9 Prozent angegeben. Bei AutomationBench dreht sich das Bild: Dort erreicht Astra 41,4 Prozent und Opus 5.5 40,0 Prozent.
Solche Hersteller-Benchmarks sollten nicht als allgemeine Rangliste gelesen werden. Unterschiedliche Effort-Einstellungen, Testumgebungen und Tool-Konfigurationen können die Ergebnisse beeinflussen.
Interessanter ist vielmehr, wie beide Anbieter ihre Modelle inzwischen vermarkten. Es geht immer häufiger um Performance pro Dollar, Token-Effizienz und Kosten pro erfolgreicher Aufgabe.
Der Preiskampf kommt zur richtigen Zeit
Der Wandel ist wirtschaftlich fast zwangsläufig. Unternehmen experimentieren inzwischen nicht mehr nur mit einzelnen Chatbot-Anfragen. KI wird in Softwareentwicklung, Support, Recherche, Datenverarbeitung und automatisierte Geschäftsprozesse eingebaut.
Dadurch steigen die verwendeten Tokenmengen enorm.
Bei einem einzelnen Chat spielt es kaum eine Rolle, ob eine Anfrage wenige Cent mehr kostet. Bei Millionen automatisierter Aufrufe oder dauerhaft arbeitenden Agenten wird daraus eine zentrale Kostenposition.
OpenAI hatte bereits bei GPT-5.6 stark mit dem Begriff „Performance per Dollar“ argumentiert. Die neuen GPT-6-Modelle treiben diesen Ansatz deutlich weiter. [oai_citation:6‡OpenAI](https://openai.com/index/gpt-5-6/?utm_source=chatgpt.com)
Anthropic argumentiert gleichzeitig, dass eine reine Betrachtung des Tokenpreises zu kurz greift und effizientere Agenten trotz höherer Einzelpreise günstiger arbeiten können.
Zehn Cent für eine Million Tokens verändern Anwendungen
Besonders GPT-6 Luna könnte dabei Auswirkungen haben, die auf den ersten Blick weniger spektakulär wirken als ein neuer Benchmark-Rekord.
Bei 0,10 Dollar pro Million Input-Tokens werden bestimmte KI-Funktionen praktisch zu einer Infrastrukturkomponente. Inhalte klassifizieren, Produktdaten strukturieren, Nachrichten vorsortieren, Dokumente analysieren oder Informationen aus Texten extrahieren kann dann in sehr großen Mengen automatisiert werden.
Für solche Aufgaben ist nicht entscheidend, ob das Modell das intelligenteste auf dem Markt ist. Entscheidend ist, ob es zuverlässig genug arbeitet und günstig genug ist, um jeden Datensatz damit zu verarbeiten.
Genau hier beginnt ein anderer Wettbewerb als der bisherige Kampf um das stärkste Frontier-Modell.
2026 wird KI zunehmend zu einer Kostenoptimierungsfrage
Der 22. September zeigt deshalb möglicherweise ziemlich genau, wohin sich der Markt bewegt.
Anthropic veröffentlicht eines seiner leistungsfähigsten Modelle und betont gleichzeitig niedrigere Kosten, weniger Tokens und weniger Tool-Aufrufe. OpenAI veröffentlicht am selben Tag zwei neue GPT-6-Modelle und senkt die Preise gegenüber der vorherigen Generation teilweise um die Hälfte.
Das bedeutet nicht, dass der Wettlauf um das intelligenteste Modell vorbei ist. GPT-6 Astra, Claude Opus 5.5 und kommende Modelle werden weiterhin um Spitzenwerte konkurrieren.
Aber für Entwickler und Unternehmen entsteht daneben ein zweiter und möglicherweise wirtschaftlich wichtigerer Wettbewerb:
Welcher Anbieter erledigt eine reale Aufgabe mit der geringsten Kombination aus Tokenkosten, Rechenzeit, Tool-Aufrufen und menschlicher Nacharbeit?
Der KI-Preiskampf hat damit eine neue Phase erreicht. Nicht mehr nur das beste Modell gewinnt. Immer häufiger dürfte das Modell gewinnen, das für einen Dollar am meisten tatsächlich erledigt.
Quellen: OpenAI – GPT-6 Sol und Luna · Anthropic – Claude Opus 5.5
