Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Zurück zum Blog

GPT-6.2 Sol im Test: Das Alltagsmodell holt das Flaggschiff fast ein, ist aber kein Upgrade auf ganzer Linie

GPT-6.2 SolOpenAIModelltestFrontierCodeLifeVal

In der von OpenAI veröffentlichten FrontierCode-2.0-Grafik steht Sol bei 43,8 % und Astra bei 44,2 %, nur 0,4 Punkte Abstand. Am selben Tag liegt Sol im Coding-Agent-Index von Artificial Analysis (AA) 3 Punkte unter seiner Vorgängergeneration GPT-6.1 Sol.

Beide Sätze stimmen. GPT-6.2 Sol ist das Modell, das OpenAI für die „tägliche Arbeit und Agenten im großen Maßstab“ vorsieht; bei vielen Aufgaben kommt es Astra nahe, in einigen konkreten Richtungen geht es zurück. Es als „Flaggschiff im Kleinformat“ oder als „abgespeckte Version“ zu beschreiben, ist in beiden Fällen ungenau.

Der Text fasst öffentlich verfügbare Informationen zusammen und ist kein Test von Guishu Intelligence. Die Zahlen sind nach Quelle und Bedingungen getrennt aufgeführt und nicht vermischt.

Offizielle Einordnung und Spezifikationen

Laut OpenAI-Ankündigung zielt Sol auf die tägliche Arbeit und den Einsatz von Agenten im großen Maßstab, und OpenAI sagt, intern nutzten viele es als Standardmodell. Die Sol-Modelldokumentation nennt diese Spezifikationen:

  • API-ID: gpt-6.2-sol.
  • Text- und Bildeingabe, Textausgabe; kein Audio, kein Video.
  • Kontextfenster von 1.050.000 Token, maximale Eingabe 922.000, maximale Ausgabe 128.000.
  • Unterstützt Reasoning; die API lehnt reasoning effort = none ab.
  • Unterstützt Chat Completions, Responses und Batch; nicht unterstützt werden Realtime, Assistants, Feinabstimmung sowie Bild- und Videogenerierung. Tool-Aufrufe müssen über die Responses-API laufen.
  • Wissensstichtag 1. Juni 2026, später als bei Astra (18. Mai).

Kontext und Modalitäten sind exakt dieselben wie bei Astra. Der Unterschied liegt in Einordnung, Stichtag und Fähigkeitsverteilung.

Die Verfügbarkeit folgt ChatGPT Learn: ChatGPT Work, Codex und API. In ChatGPT muss zuerst Work geöffnet werden. Bei Enterprise und Edu muss ein Administrator es freischalten. Ultrafast ist der Name einer Geschwindigkeitsstufe; nutzen können sie einige höhere Pro-Abonnements sowie Unternehmens- oder Bildungsbereiche, in denen ein Administrator sie freigeschaltet hat.

Wo es Astra nahekommt

Die folgenden Zahlen stammen aus OpenAI-Startmaterial (zusammengestellt von VentureBeat). Offizielle Grafiken können den besten Punkt wählen, und die zugehörigen Reasoning-Stufen können sich unterscheiden.

Benchmark (offizielle OpenAI-Grafik) Sol gegenüber GPT-6.1 Sol
FrontierCode 2.0 43,8 % gegenüber 39,0 %
LifeVal 83,8 % gegenüber 79,5 %
BenchCAD 2.1 Core 73,1 % gegenüber 52,6 %
Terminal-Bench-Science 68,0 % gegenüber 57,0 %
AutomationBench (offizielle Grafik) 41,2 % gegenüber 36,1 %
Harvey LAB-AA 11,1 % gegenüber 6,9 %
Agents’ Last Exam 73,0 % gegenüber 72,5 %

Zwei davon verdienen eine eigene Erwähnung:

  • FrontierCode 2.0. Sol 43,8 %, Astra 44,2 %. OpenAI sagt zudem, auf Stufe max liege Sol etwa 0,5 Punkte hinter Astra.
  • LifeVal. Mit 83,8 % schlägt Sol nicht nur seine Vorgängergeneration, sondern auch die 79,8 % von GPT-6 Astra.

Auch unter den unabhängigen Bewertungen gibt es Belege für die Nähe. Bei FrontierCode 2.0 unter AAs Standardbedingungen erreicht Sol laut Handy AI 44,4 %, Astra 45,4 % und Claude Fable 5.2 48,8 %. Im Intelligenzindex von AA v5.0 (Stufe max) hat Sol 57,3, etwa gleichauf mit den 56,9 von GPT-6 Astra, während Astra 62,1 hat. Sol entspricht also ungefähr dem Flaggschiff der Vorgängergeneration, nicht dem dieser Generation.

Im Gesamtindex von Vals (OfficeChai oder The Decoder geben Vals-Daten wieder; dieser Artikel hat die Vals-Gesamtrangliste nicht direkt geprüft) liegt Sol mit 66,06 % auf Platz neun, 1,6 Punkte hinter Astra (67,66 %) auf Platz sieben.

Wo es zurückgeht

Coding-Agenten

Die Coding-Agent-Seite von AA nutzt den Codex-Harness und die Stufe max:

  • Coding-Agent-Index: Sol 49, GPT-6.1 Sol 52, ein Rückgang um 3 Punkte; Astra hat 53.
  • SWE-Atlas-QnA-AA: Sol 46, GPT-6.1 Sol 60. AAs Artikel führt den Hauptgrund auf diesen Rückgang um 14 Punkte zurück: Sol lässt häufiger wichtige Fakten aus.
  • Terminal-Bench 4.1: Sol 58, Astra 64.
  • Durchschnittliche Dauer pro Aufgabe: Sol rund 17,5 Minuten, Astra rund 25,1 Minuten.

Hier liegt Sols FrontierCode-AA 2.0 bei 42, gleich wie bei Astra. Derselbe Test ergibt 42 mit dem Codex-Harness, 44,4 % unter AAs Standardbedingungen und 43,8 % in der offiziellen Grafik. Das sind drei Zahlen aus drei Bedingungen, die einander nicht ersetzen.

Wissenschaft

Im Vals Science Index (aktualisiert am 16. November) liegt GPT-6.2 Sol mit 57,76 % auf Platz sieben, unter den 59,63 % von GPT-6.1 Sol. Das OpenAI-Material nennt 58,5 % gegenüber 59,6 %, was leicht von der Vals-Seite abweicht; dieser Artikel folgt der Vals-Seite. Die Aussage bleibt gleich: ein leichter Rückgang.

Professionelle Aufgaben

Surges Aufgabensatz für professionelle Arbeit (11 Aufgaben, entworfen von Ärzten, Buchhaltern, Juristen und erfahrenen Ingenieuren) ergibt ein Bild mit Licht und Schatten:

  • Besser: Programmierung, Diagramme und Befolgen von Agenten-Anweisungen. Bei Chartography erreicht Sol 87,7 %, über den 71,0 % von GPT-6 Astra und etwas unter den 90,7 % von Astra.
  • Schlechter: Medizin, PDF und Finanzen. Bei DAYJOB Healthcare kommt Sol auf 17,2 % und GPT-6.1 Sol auf 25,2 %, ein Rückgang um 8 Punkte, der größte Rückschritt, den Surge an diesem Tag gemessen hat. Astra hat im selben Test 34,4 %.
  • Bei sudo L7 erreicht Sol 36,1 % und Astra 38,3 %, beide unter den 52,2 % von Fable.

Halluzinationen und Hindernisse

Bei AA-Omniscience, Stufe max, liegt Sols Halluzinationsrate bei 55 % und die von Astra bei 59 % (niedriger ist besser). Der Fragensatz ist sehr schwer; er steht nicht für die Halluzinationsrate im Alltag und belegt auch nicht, dass Sol zuverlässiger wäre.

Die Systemkarte weist darauf hin, dass beide Modelle beim Berichten über ihre Arbeit eher bekannte Hindernisse auslassen. Bei Sol ist der von AA beobachtete Rückgang bei SWE-Atlas (häufigeres Auslassen wichtiger Fakten) eine andere Kennzahl, aber Leser können beide zusammen als Hinweis lesen, dass vor der Übergabe eine menschliche Prüfung nötig ist.

Persönlicher Test: Kazikes Code-Review

Kazike und AIZ Xiaozhu verglichen in ihrem WeChat-Test drei Modelle auf Stufe xhigh mit einem selbst erstellten Code-Review-Satz: GPT-6.1 Sol fand 65 % der Probleme, GPT-6.2 Sol 84 % und GPT-6.2 Astra 96 %. Das ist ein vom Autor selbst erstellter einfacher Bewertungssatz; Aufgaben und Stichprobengröße sind nicht veröffentlicht. Der Text erwähnt außerdem, dass Astra etwa doppelt so langsam ist wie Sol und gut ein Dutzend Bugs mehr findet. Daraufhin will der Autor Sol xhigh als Standardmodell für Reviews verwenden. Das ist die Nutzungsentscheidung des Autors, keine allgemeine Empfehlung.

Das widerspricht AA nicht: Code-Review heißt, Code zu lesen und Probleme zu benennen, während der Coding-Agent-Index das Abschließen langer Aufgaben in Codex misst. Das sind zwei verschiedene Arten von Arbeit.

„Nahe dran“ aufgeschlüsselt: wo der Abstand liegt

„Sol kommt Astra nahe“ bedeutet je nach Benchmark etwas völlig anderes. Nach den hier zitierten offiziellen Grafiken lässt sich der Abstand in drei Stufen einteilen.

Erste Stufe, fast kein Abstand: FrontierCode 2.0 (43,8 % gegenüber 44,2 %) und LifeVal (83,8 % gegenüber 86,1 %, 2,3 Punkte). Das sind eher allgemeine Aufgaben, bei denen zusätzliches Reasoning-Budget auch bei einem stärkeren Modell wenig bringt.

Zweite Stufe, deutlicher Abstand: Bei BenchCAD 2.1 Core hat Sol 73,1 % und Astra 82,5 %; bei Terminal-Bench-Science 68,0 % gegenüber 77,1 %; bei AutomationBench (offizielle Grafik) 41,2 % gegenüber 52,4 %; bei Harvey LAB-AA 11,1 % gegenüber 15,0 %. In Wissenschaft, CAD und komplexer Automatisierung, den „schwierigsten Projekten“, liegt Astras Vorsprung bei rund 9 Punkten, und genau darauf stützt OpenAI die Rollenverteilung der beiden Modelle.

Dritte Stufe, wo Sol nicht vorankommt: Es liegt im Vals Science Index unter der Vorgängergeneration, verliert 14 Punkte bei den SWE-Atlas-Fragen von AA und geht bei Surge in der Medizin um 8 Punkte zurück.

Zusammen führen die drei Stufen zu dem Schluss: Sols Stärke liegt in „schnell und ausreichend“, nicht darin, in jeder Richtung besser zu sein als das alte Modell. Die Seite des Vals Science Index liefert Zahlen, die das „schnell“ stützen: In diesem Index braucht Sol im Schnitt rund 19 Minuten und Astra rund 22 Minuten 15 Sekunden; Sol verbraucht rund 3,21 Millionen Token und Astra rund 3,48 Millionen. Das ist der Durchschnitt von Vals über seine drei wissenschaftlichen Aufgaben und gilt nicht für alle Aufgaben.

Warum der Vergleich mit der Vorgängergeneration wichtig ist

Viele fragen, ob sich der Wechsel von GPT-6.1 Sol auf 6.2 Sol lohnt. Die Antwort der offiziellen Grafiken fällt eher positiv aus: In allen sieben offiziellen Vergleichen liegt Sol über der Vorgängergeneration, und bei GDPval v2 kommen +5,3 Punkte hinzu. Die Antwort der unabhängigen Bewertungen ist gemischt: Im Intelligenzindex von AA liegt Sol nahe bei GPT-6 Astra, aber der Coding-Agent-Index fällt, der Vals Science Index sinkt leicht, und Surge sieht Rückgänge in mehreren Richtungen.

Beides kann zugleich gelten, weil die von OpenAI gewählten Benchmarks, die abgetasteten Reasoning-Stufen und die Bewertungsregeln sich von denen unabhängiger Anbieter unterscheiden. Ob ein Upgrade sinnvoll ist, hängt davon ab, welcher Seite Ihre Arbeitslast näher kommt: Ähneln Ihre Aufgaben FrontierCode, LifeVal oder BenchCAD, sind die Belege für ein Upgrade stärker; ähneln sie medizinischen Dokumenten, PDF-Extraktion oder Frage-Antwort mit Recherche, sollten Sie die beiden Generationen zuerst mit Ihren eigenen Stichproben vergleichen.

Minimale Prüfliste vor dem Produktiveinsatz

  1. Nehmen Sie etwa 30 reale Aufgaben und lassen Sie sie mit dem neuen und dem alten Sol laufen, mit derselben Reasoning-Stufe.
  2. Notieren Sie bei jeder Aufgabe, ob wichtige Fakten fehlen, denn AA hat bei Sol hier einen Rückgang beobachtet.
  3. Zählen Sie medizinische, finanzielle und PDF-Aufgaben getrennt; mitteln Sie sie nicht mit den allgemeinen Aufgaben.
  4. Lassen Sie das Modell bei der Übergabe die aufgetretenen Hindernisse auflisten und prüfen Sie stichprobenartig; die Systemkarte warnt, dass beide Modelle sie eher auslassen.
  5. Wenn Sie die API nutzen, führen Sie Tool-Aufrufe über die Responses-Schnittstelle aus und legen Sie die Reasoning-Stufe laut Dokumentation fest; verwenden Sie nicht none.

Für wen Sol als Standard geeignet ist

Nach den obigen Belegen eignet sich Sol für:

  • Alltägliche Frage-Antwort-Aufgaben, Dokumentenaufbereitung sowie Aufgaben aus Alltag und Büro (die Richtung von LifeVal).
  • Code-Review, Diagrammerzeugung und Batch-Agenten, die niedrige Latenz brauchen.
  • Teams, die Astra für schwierige Fälle reservieren und den Rest einem schnelleren Modell überlassen wollen.

Vorsicht ist geboten bei:

  • Medizinischen, finanziellen oder PDF-lastigen Arbeitsabläufen, in denen Surge einen Rückgang von Sol gegenüber der Vorgängergeneration zeigt.
  • Frage-Antwort mit Recherche, bei dem kein Fakt fehlen darf; der Rückgang bei AAs SWE-Atlas ist eine Warnung.
  • Wissenschafts-Benchmarks. Im Vals Science Index liegt Sol etwas unter der Vorgängergeneration.

Zwei Fehllesarten, die man vermeiden sollte

Erstens: Übertragen Sie die Ergebnisse der Stufe xhigh nicht auf die Standardstufe. Kazikes Code-Review-Vergleich läuft auf xhigh, der Coding-Agent von AA auf max, und die offiziellen Grafiken zeigen den „besten Punkt“. Die Stufe, die Sie in Work oder Codex verwenden, kann niedriger sein. Je niedriger die Stufe, desto eher zeigt sich der Abstand zwischen Sol und Astra bei schwierigen Aufgaben; das sollten Sie selbst messen.

Zweitens: Fassen Sie das ganze Modell nicht mit einer einzigen Rangliste zusammen. Dass Sol bei FrontierCode an Astra heranrückt, ändert nichts an seinen 17,2 % bei Surges medizinischen Aufgaben; dass es im Vals Science Index etwas unter der Vorgängergeneration liegt, ändert nichts daran, dass es bei LifeVal GPT-6 Astra übertrifft. Jede Zahl beantwortet nur eine Frage.

Was die Reaktionen des ersten Tages zu Sol sagten

Die öffentliche Diskussion des ersten Tages drehte sich vor allem um Astra. Direkte Urteile über Sol gibt es wenige: Kazike nimmt es als Kandidaten für das tägliche Review; OpenAI sagt, intern nutzten viele es als Standard; Surges Fazit lautet „Licht und Schatten“. Zu betonen ist, dass diese Aussagen unterschiedlicher Natur sind: Die offizielle ist die Position des Herstellers, Kazikes ein eigener Satz einer Einzelperson und Surges ein unabhängiger Satz. Wir haben nicht genug Berichte über längere Nutzung von Sol in konkreten Szenarien gesehen; deshalb fällt dieser Artikel kein Gesamturteil darüber, ob „Sol gut zu benutzen ist“, sondern beantwortet nur, wo es nach den öffentlichen Belegen stark und wo es schwach ist.

Eine gangbare Arbeitsteilung

Wenn ein Team beide Modelle nutzen kann, stützen die öffentlichen Belege eine vorsichtige Arbeitsteilung: tägliche Anfragen, Batch-Reviews, Diagramme und allgemeine Büroaufgaben an Sol; fällt die Aufgabe in wissenschaftliches Rechnen, CAD oder komplexe Automatisierung oder lässt Sols Ergebnis bei Stichproben häufig Punkte aus, wechselt man zu Astra. Dafür gibt es drei Gründe: Die offizielle Einordnung der beiden Modelle ist ohnehin so aufgeteilt; bei FrontierCode und LifeVal ist der Abstand zwischen ihnen gering; und bei BenchCAD und Terminal-Bench-Science konzentriert sich der Abstand bei rund 9 Punkten.

Umgekehrt empfiehlt es sich nicht, medizinische, finanzielle oder Recherche-Frage-Antwort-Aufgaben standardmäßig Sol zu überlassen, nur weil es bei einem Benchmark „das Flaggschiff eingeholt“ hat. Das sind genau die Bereiche, in denen Surge und AA Rückgänge beobachtet haben und die zuerst mit eigenen Stichproben geprüft werden sollten. Diese Arbeitsteilung ist eine Lesart der vorhandenen öffentlichen Daten, kein von Guishu Intelligence verifiziertes Ergebnis.

Einschränkungen

Seit dem Start ist erst ein Tag vergangen. Einige Surge-Aufgaben liefen an diesem Tag noch, und Epoch und Vals werden weitere Ranglisten aktualisieren. Alles hier sind Daten Dritter und persönliche Tests, keine Tests von Guishu Intelligence. Zur Abwägung zwischen Sol und Astra siehe auch den Auswahlleitfaden.

Kurzfassung

Sol ist das effiziente Modell, das OpenAI für die tägliche Arbeit und Agenten im großen Maßstab bereitstellt. Bei FrontierCode und LifeVal kommt es dem früheren Flaggschiff nahe oder übertrifft es sogar; bei Coding-Agenten, Vals-Wissenschaft und Surge-Medizin geht es zurück. Man sollte es als „Standardmodell, das für die meisten Aufgaben ausreicht“ ansehen und nicht als „neues Modell, das in jeder Richtung besser ist“.

Quellen