GPT-6.2 Sol im Test: günstig, schnell, aber es erfindet Dinge, die Ihre Daten nie enthielten

Rama Adi
Geschrieben von

Rama Adi

Katelin Teen
Geprüft von

Katelin Teen

Zuletzt bearbeitet 18. November 2026

Expertengeprüft
Handgezeichnete Illustration eines Prüfers mit Klemmbrett und Lupe, der eine lächelnde orangefarbene Sonne untersucht, für einen Test von OpenAIs GPT-6.2 Sol
TL;DR

GPT-6.2 Sol ist derzeit das Modell mit dem besten Preis-Leistungs-Verhältnis, das OpenAI verkauft: $2/$10 pro Million Tokens, 57 bei Artificial Analysis, auf Augenhöhe mit dem alten GPT-6 Astra, und etwa dreimal schneller pro Aufgabe als GPT-6.1 Sol. Die Kritik ist real, aber eng begrenzt: Entwickler sagen, es überbaue Code noch immer, und Artificial Analysis maß einen Rückgang von 3 Punkten beim Coding.

In meinen 77 Testläufen hat es nie eine Firmentatsache erfunden. Seine Angewohnheit ist es, Dinge hinzuzufügen, die die Daten nie enthielten, etwa FedEx-Tracking-Links und Tageszahlen. Das ist in einem Entwurf harmlos und in einer Kundenantwort riskant. Für den Support zählt ein fundierter KI-Helpdesk-Mitarbeiter wie eesel mehr als das Modell darunter.

Was ist GPT-6.2 Sol, und wie habe ich es getestet?

GPT-6.2 Sol ist OpenAIs Alltagsmodell, erschienen am 17. November 2026 zusammen mit GPT-6.2 Astra. OpenAIs Launch-Beitrag nennt es „our efficient, versatile model for everyday work“. Es ersetzt GPT-6.1 Sol zum gleichen Preis, und die GPT-6.2-Sol-Übersicht enthält alle Details zum Launch.

Die GPT-6.2-Sol-Modellseite in der OpenAI-Entwicklerdokumentation, mit $2 Eingabe- und $10 Ausgabepreis, einem Kontextfenster von 1.050.000 Tokens, 128.000 maximalen Ausgabe-Tokens und einem Wissensstand vom 1. Juni 2026, aufgenommen von OpenAI Developers
Die GPT-6.2-Sol-Modellseite in der OpenAI-Entwicklerdokumentation, mit $2 Eingabe- und $10 Ausgabepreis, einem Kontextfenster von 1.050.000 Tokens, 128.000 maximalen Ausgabe-Tokens und einem Wissensstand vom 1. Juni 2026, aufgenommen von OpenAI Developers

Ich baue bei eesel Integrationen und API-Anbindungen, deshalb lese ich einen Modelltest so, wie ich ein API-Changelog lese: Was tut es tatsächlich, wenn mein Code es aufruft? Das können die Launch-Charts nicht beantworten, also habe ich diese Woche 77 GPT-6.2-Sol-Aufrufe über die Responses API in drei kleinen Tests laufen lassen, alle mit mittlerem Effort, wenn nicht anders angegeben:

  1. 15 Support-Tickets, mit niedrigem und mittlerem Effort, von Hand gegen eine Rückerstattungsrichtlinie bewertet (30 Läufe). Die Ergebnisse stehen in der GPT-6.2-Sol-Übersicht.
  2. 19 Läufe zu den Beschwerden über Astra: knappe Antworten, stille Tool-Fehler und erfundene Firmentatsachen. Diese liefen neben Astra im GPT-6.2-Astra-Test.
  3. 28 neue Läufe für diesen Test, gegen 28 bei GPT-6.1 Sol: sechs Richtlinienfragen, die jeweils zwei oder drei Fakten für eine vollständige Antwort brauchen, dreimal wiederholt, plus zwei Bestellverfolgungs-Tickets, fünfmal wiederholt.

Das ist ein kleiner, von Hand gelesener Test, kein Benchmark. Wer das auf seinem eigenen Setup nachstellen will: Die eesel CLI lässt einen Coding-Agenten einem eesel-Helpdesk-Agenten dieselben Testfragen stellen und die Antworten prüfen, bevor etwas live geht. Jeder Lauf läuft über das Richtliniendokument einer fiktiven SaaS-Firma und ein kanonisches lookup_order-Tool, gebaut mit Function Calling. Er zeigt, wie sich das Modell bei sauberer, alltäglicher Supportarbeit verhält, und das ist der Großteil des Supports.

Was ist mein Urteil zu GPT-6.2 Sol?

GPT-6.2 Sol ist ein sehr guter Standard für Routinearbeit zu einem Preis, den nichts in seiner Klasse erreicht, mit zwei Angewohnheiten, die man im Blick haben muss: Es überbaut Code, und es fügt Details rund um die Fakten hinzu. Hier die Bewertung:

Handgezeichnetes Berichtsheft für GPT-6.2 Sol: Preis $2 Eingabe und $10 Ausgabe pro 1 Mio. Tokens markiert als stark, Tempo 7,9 Minuten pro Aufgabe statt 23,1 markiert als stark, Gesamtwert 57 auf Augenhöhe mit GPT-6 Astra markiert als stark, Coding-Agenten 3 Punkte niedriger markiert als zu beobachten, Rateanteil 55 % bei schwierigen Fakten markiert als zu beobachten, und meine Support-Tickets 15 von 15 bestanden markiert als stark
Handgezeichnetes Berichtsheft für GPT-6.2 Sol: Preis $2 Eingabe und $10 Ausgabe pro 1 Mio. Tokens markiert als stark, Tempo 7,9 Minuten pro Aufgabe statt 23,1 markiert als stark, Gesamtwert 57 auf Augenhöhe mit GPT-6 Astra markiert als stark, Coding-Agenten 3 Punkte niedriger markiert als zu beobachten, Rateanteil 55 % bei schwierigen Fakten markiert als zu beobachten, und meine Support-Tickets 15 von 15 bestanden markiert als stark
Was ich geprüft habeGPT-6.2 SolQuelle
Preis pro 1 Mio. Tokens$2 Eingabe, $0.10 zwischengespeichert, $10 AusgabeOpenAI-Preise
Intelligence Index (maximaler Effort)57, hoch von 55Artificial Analysis
Kosten pro Benchmark-Aufgabe (max)$1.01, runter von $1.27Artificial Analysis
Zeit pro Benchmark-Aufgabe (max)7,9 Min., runter von 23,1Artificial Analysis
Coding Agent Index3 Punkte unter GPT-6.1 SolArtificial Analysis
Halluzinationsrate (AA-Omniscience)55 %Artificial Analysis
Meine 15 Support-Tickets15/15 bei low und mediumMein Test
Mehrfaktige Richtlinienantworten18/18 vollständigMein Test
Erfundene Firmentatsachen0 von 10Mein Test
Hinzugefügte Links, die das Tool nie sandte7 von 14 BestellantwortenMeine Tests

Das Upgrade von 6.1 ist leicht zu empfehlen. Gleicher Preis, ein leicht höherer Wert, und die Läufe mit maximalem Effort, die früher 23 Minuten brauchten, dauern jetzt 8. Wer bereits für GPT-6.1 Sol bezahlt, hat wenig Grund, dabei zu bleiben.

Was mögen Leute an GPT-6.2 Sol?

Das Preis-Leistungs-Verhältnis. Im Hacker-News-Launch-Thread, der 600 Kommentare überschritten hat, verteidigten jene, die den Launch verteidigten, vor allem Sol, und meist wegen der Kosten:

Hacker News

"Whatever you’re doing, it’s unlikely to be what most users are doing. Fable and Astra aren’t in my price range so I’m paying attention to Sol."

Der andere wiederkehrende Punkt ist, dass die höchsten Effort-Stufen den Abstand zum größeren, älteren Modell größtenteils schließen:

Hacker News

"6.2 Sol xhigh and max show the results comparable to Astra 6 max, and Astra 6.2 only shows any improvement on 'max' reasoning effort level."

Das passt zu Artificial Analysis, wo Sol bei 57 gegen 57 für GPT-6 Astra liegt, zu etwa 15 % der Kosten pro Aufgabe. Ein paar Entwickler beschrieben auch eine Aufteilung, die ich übernehmen würde: Ein stärkeres Modell plant, und Sol übernimmt das Volumen.

Hacker News

"I have hilariously started to just have an opus thread maintain Sol subagents to get the best of both worlds."

Worüber beschweren sich Leute?

Meist über das Überbauen, und fast ausschließlich bei Code. Die Beschwerde ist nicht neu zu diesem Release, was sie umso schmerzhafter macht:

Hacker News

"It's still overengineering especially Sol. This was the biggest complaint by everybody who has been using Sol since GPT 5.6. OpenAI is not listening to us."

Bei einer großen Codebasis maß ein Entwickler den Abstand zu Astra bei der Nacharbeit:

Hacker News

"I have a 1.5 MB C++ codebase, and at least a third of the tasks that Sol completed required cleaning up by Astra."

Die Zahlen stützen die Richtung, wenn auch nicht das Ausmaß. Artificial Analysis sagt, Sol „loses 3 points relative to GPT-6.1 Sol“ auf seinem Coding Agent Index, getrieben von einem Einbruch um 14 Punkte bei SWE-Atlas-QnA-AA, wo das Modell „more likely than its predecessor to omit key facts in its responses“ ist. Ein praktischer Tipp aus dem Thread: Ein anderer Entwickler fand, dass das Überbauen mit steigendem Effort schlimmer wird. Wenn Ihr Coding-Agent also immer Gerüste baut, die niemand verlangt hat, probieren Sie eine niedrigere Stufe, bevor Sie das Modell wechseln.

Dann gibt es die lautere Reaktion von Leuten mit frühem Zugang. Matt Shumer sagte auf X, er finde das Duo „essentially unusable“ und werde es nicht testen. Die meiste detaillierte frühe Kritik, zu zu knapper Schreibe und Coding-Läufen, die vorzeitig abbrechen, bezog sich auf Astra. Ich habe diese Behauptungen im Astra-Test überprüft, und bei Sol war die Schreibe in Ordnung: Sein Kunden-Hilfeartikel lag bei 168 bis 170 Wörtern und deckte jede Richtlinie ab.

Lässt GPT-6.2 Sol Fakten weg?

In meinen Tests nicht. Weil Artificial Analysis Auslassungen festgestellt hatte, schrieb ich sechs Fragen, die jeweils zwei oder drei Richtlinienfakten für eine vollständige Antwort brauchen. Kann ein Admin einen gelöschten Workspace wiederherstellen? (Ja, innerhalb von 14 Tagen, aber nur der Owner darf das.) Werden entfernte Plätze erstattet? (Nein, sie werden als Gutschrift auf der nächsten Rechnung verbucht.)

Beide Sol-Versionen beantworteten alle 18 Läufe vollständig, nachdem ich jeden von Hand gelesen hatte. Die von mir zuerst geskriptete Stichwortprüfung meldete 11 Fehltreffer bei 6.2 und 9 bei 6.1, und jeder einzelne war ein Fehlalarm, ausgelöst durch Formulierungen wie „14-day window“ oder ein geschwungenes Apostroph. Das ist eine faire Warnung zu automatisierten Evaluierungen im Allgemeinen: Ein stringvergleichender Bewerter hätte Ihnen gesagt, dass 6.2 Sol mehr Fakten auslässt, und das tut es nicht. KI-Supportgespräche überprüfen ist bei einer kleinen Stichprobe immer noch die einzige Prüfung, der ich vertraue.

Der Test zu stillen Fehlern verlief genauso. Als eine von drei Bestellabfragen ein leeres {} ohne Fehlermeldung zurückgab, markierte Sol diese Bestellung und eskalierte sie in 5 von 5 Läufen. OpenAIs System Card warnt, dass beide neuen Modelle „were more likely to omit known obstacles when reporting their work“ waren, ich würde also weiterhin Observability für jeden Agenten einplanen, der damit läuft. Bei kurzer Supportarbeit konnte ich es keinmal zum Überspringen bringen.

Erfindet GPT-6.2 Sol Dinge?

Es hat keine Fakten erfunden. Es hat aber Dinge hinzugefügt. Das ist das Nützlichste, was ich über dieses Modell gelernt habe.

Artificial Analysis setzt Sols Halluzinationsrate bei 55 %, der Anteil schwieriger Faktenfragen, die es falsch beantwortet, statt zu sagen, dass es die Antwort nicht weiß. In meinem Test, mit einer Richtlinie, die keine der Fragen abdeckte, fragte ich nach SOC-2-Audits, EU-Datenresidenz, Telefonzeiten, API-Ratenlimits und einer HIPAA-Vereinbarung. Sol erfand in 10 Läufen nichts davon, egal ob mit strengem Prompt oder lockerem „sei hilfreich“-Prompt. Mit dem lockeren Prompt sagte es, es habe „keine verifizierten Informationen“, und bot allgemeine Ratschläge an.

Die Extras zeigten sich rund um die Fakten:

Handgezeichnetes Diagramm von zwei Testergebnissen: GPT-6.2 Sol hat 0 von 10 Mal Firmentatsachen erfunden, und in 5 von 10 Antworten einen Link hinzugefügt, den das Tool nie gesendet hatte, für GPT-6.2 Sol gegenüber 0 von 10 für GPT-6.1 Sol, mit einem Hinweis, dass alle 5 FedEx-Tracking-Links waren
Handgezeichnetes Diagramm von zwei Testergebnissen: GPT-6.2 Sol hat 0 von 10 Mal Firmentatsachen erfunden, und in 5 von 10 Antworten einen Link hinzugefügt, den das Tool nie gesendet hatte, für GPT-6.2 Sol gegenüber 0 von 10 für GPT-6.1 Sol, mit einem Hinweis, dass alle 5 FedEx-Tracking-Links waren
  • Tracking-Links. Mein lookup_order-Tool gibt einen Zusteller und eine Tracking-Nummer zurück, keine URL. Als ein Kunde fragte, wie er eine FedEx-Bestellung verfolgen könne, baute GPT-6.2 Sol in 5 von 5 Läufen einen fedex.com-Tracking-Link. GPT-6.1 Sol gab die Nummer jedes Mal nur für sich aus. Beim einfachen „Wo ist meine Bestellung“-UPS-Ticket erwähnte 6.2 die UPS-Tracking-Seite ohne Link. In meinem früheren Ticket-Test baute es bei mittlerem Effort ups.com-Links für beide Bestelltickets, und bei niedrigem Effort keine. Über beide Tests hinweg sind das 7 Links in 14 Bestellantworten, gegenüber keinem bei 6.1.
  • Ungefragte Rechnerei. Bei der Frage zum gelöschten Workspace fügte 6.2 Sol in allen drei Läufen „noch etwa 5 Tage übrig“ hinzu. Das ist korrekt (14 minus 9) und hilfreich. In meinem ersten Test gab es außerdem eine Erstattung als „10/12 des Gezahlten“ an, ohne zu prüfen, wie die Richtlinie einen Teilmonat zählt, was eine als Fakt getarnte Vermutung war.

Keiner der von mir geprüften Links war falsch. Das Problem ist das Muster: Ein Modell, das aus einer Tracking-Nummer eine Zusteller-URL baut, wird eines Tages aus etwas anderem einen Link zu einem Rückgabeportal oder einer Zahlung bauen. In einer Kundenantwort ist jeder Link, den Ihre Tools nicht zurückgegeben haben, eine nicht belegte Behauptung. Die Lösung ist eine Zeile in den Anweisungen, die Links auf solche aus Tool-Ergebnissen oder dem Hilfecenter beschränkt, plus ein Test, der das prüft. KI-Support-Agent-Berechtigungen behandelt dieselbe Idee für Aktionen. Für Geld siehe Rückerstattungs-Leitplanken.

Ist GPT-6.2 Sol den Preis wert?

Ja, und das ist innerhalb von OpenAIs Produktlinie nicht einmal knapp. So viel haben meine Support-Läufe zum Standardtarif gekostet:

Test (mittlerer Effort)GPT-6.2 SolGPT-6.1 SolGPT-6.2 Astra
15 Support-Tickets, pro 1.000$1.42$1.35$5.79
Richtlinien- und Tracking-Fragen, pro 1.000$1.55$1.49nicht getestet
Ø Antwortlänge (Richtlinienfragen)44 Wörter40 Wörternicht getestet
Ø Reasoning-Tokens (Richtlinienfragen)49nicht getestet

6.2 Sol kostet in diesen Läufen etwa 4 % bis 5 % mehr als 6.1 pro Ticket, weil seine Antworten etwas länger ausfallen. Es denkt bei leichten Fragen weniger und schreibt etwas mehr, und Ausgabe-Tokens sind, wo das Geld hingeht. Gegen GPT-6.2 Astra ist es etwa ein Viertel der Kosten für die gleiche Erfolgsquote bei Routinetickets.

Zwei Dinge bewegen die Rechnung mehr als die Modellwahl. Der Effort kommt zuerst: Artificial Analysis zählte 14,6 Millionen Ausgabe-Tokens bei mittlerem Effort gegenüber 60,9 Millionen bei max, für 53 gegenüber 57 Punkte. Dann die Rabattwege: Batch halbiert den Preis, aber für dieses Modell gibt es noch keine Flex-Stufe. Die GPT-6.2-Sol-Übersicht hat das vollständige Preisraster, inklusive des Long-Prompt-Aufschlags ab 272.000 Eingabe-Tokens.

Wer sollte GPT-6.2 Sol nutzen, und wer sollte es auslassen?

Die meisten Teams sollten es zum Standard machen und die Ausnahmen herausschneiden:

Handgezeichnete dreiarmige Abzweigung von „Ihre Workload“: Nutzen Sie GPT-6.2 Sol für Routinetickets, Zusammenfassungen und Entwürfe, Worker-Subagenten und Batch-Jobs; testen Sie zuerst bei großen Codebasen und bei Links oder Zahlen, die an Kunden gehen; wählen Sie GPT-6.2 Astra für lange mehrstufige Projekte und die Koordination von Subagenten
Handgezeichnete dreiarmige Abzweigung von „Ihre Workload“: Nutzen Sie GPT-6.2 Sol für Routinetickets, Zusammenfassungen und Entwürfe, Worker-Subagenten und Batch-Jobs; testen Sie zuerst bei großen Codebasen und bei Links oder Zahlen, die an Kunden gehen; wählen Sie GPT-6.2 Astra für lange mehrstufige Projekte und die Koordination von Subagenten
Wenn Sie...Mein Rat
Auf GPT-6.1 Sol oder GPT-6 Sol sindWechseln Sie. Gleicher Preis, schneller, etwas klüger. Lassen Sie zuerst Ihre Coding-Evals erneut laufen.
Einen Coding-Agenten auf einem großen Repo betreibenTesten Sie vor dem Wechsel. Der Coding-Index fiel, und die Überbau-Beschwerden sind konsistent. Behalten Sie Codex auf Astra für die schwierigen Aufgaben.
Support-Antworten oder Entwürfe laufen lassenNutzen Sie es, mit einer Regel zu Links und Zahlen und einem Testset aus Ihren eigenen Tickets.
Einen Orchestrator und Worker bauenSol als Worker, ein stärkeres Modell als Planer.
Mit Claude Sonnet 5.5 oder Claude Opus 5.5 vergleichenLassen Sie Ihre eigenen Tickets durch beide laufen. Benchmarks sagen Ihnen nichts über Ton oder Richtlinientreue.
Preis zuerst und offen für andere LabsSiehe die Übersicht GPT-6.1-Sol-Alternativen und DeepSeek V4 Flash.

Der Beitrag zum besten LLM für den Kundenservice vergleicht das breitere Feld, falls Sol nicht die richtige Wahl ist.

Was bedeutet das für ein Support-Team?

Ein günstigeres, schnelleres Modell ist bessere Infrastruktur, kein besserer Support-Agent. Mein Test zeigt die Lücke klar: Sol weiß, dass es Ihren SOC-2-Status nicht erfinden darf, wird einem Kunden aber trotzdem einen Link reichen, den Ihre Systeme nie produziert haben. Was diese Lücke schließt, ist die Ebene um das Modell herum: was es nachschlagen darf, was es sagen darf und was es an eine Person weitergibt.

STIL Classics, eine Marke für Planer und Schreibwaren auf Gorgias und Shopify, betreibt eesel mit genau dieser Regel eingebaut. Vor dem Entwurf schlägt eesel die Shopify-Bestellung, ihren Versandstatus und den Live-Lagerbestand nach, und es nennt nie ein Versanddatum, eine Lieferschätzung oder eine Produktangabe, die es nicht nachgeschlagen hat. Findet es die Bestellung nicht, markiert es das für das Team, statt es dem Kunden zu sagen. In einem Monat bereitete es rund 320 Gorgias-Tickets vor und schlug rund 230 Shopify-Bestellungen nach, und jeder Entwurf geht an eine Person zur Prüfung und zum Versand.

Das baut eesel: KI-Mitarbeiter, die Sie für bestimmte Aufgaben einstellen, einen KI-Helpdesk-Mitarbeiter für Ihre Warteschlange und einen KI-Blog-Autor für Content. Das Modell darunter kann sich von 6.1 auf 6.2 ändern, ohne dass sich Ihre Regeln mitändern müssen. Von einem Terminal aus kann ein Coding-Agent wie Claude Code oder Codex über die CLI freigegebene Makros und Hilfeartikel hochladen und die Anweisungen des Agenten verschärfen (zum Beispiel „nur Links teilen, die eine Abfrage zurückgegeben hat“). Den Helpdesk selbst anzubinden, braucht weiterhin jemanden mit Admin-Zugriff, der zustimmt.

Wenn Sie ein Modell für den Support auswählen, testen Sie es an Ihren eigenen alten Tickets, bevor es ein echtes berührt. Der Modellvergleich für Support-Tickets setzt die Zahlen in Kontext. Die Kosten-pro-Ticket-Benchmarks zeigen, wo Modellkosten in ein komplettes Ticket passen, und die Übersicht beste KI-Helpdesk-Software vergleicht die Tools, mit denen Sie diesen Test fahren können.

eesel testen

Wenn GPT-6.2 Sol Sie über KI in Ihrer Warteschlange nachdenken lässt: Der Teil, der entscheidet, ob seine Extras einen Kunden erreichen, ist der Mitarbeiter darum herum. eesel bindet sich in Ihren Helpdesk ein, lernt aus Ihren alten Tickets und Ihrem Hilfecenter und lässt Sie gegen Ihre historischen Tickets testen, damit Sie seine Antworten, Links inklusive, lesen können, bevor es live geht. Die Pläne sind feste Credit-Pakete ab 299 $ für 500 Credits, sodass sich die Rechnung nicht mit Token-Preisen oder Antwortlänge bewegt.

Die eesel-Aktivitätsansicht, gefiltert auf eine Zendesk-Instanz, mit gelösten und offenen Unterhaltungen samt Ticketnummern
Die eesel-Aktivitätsansicht, gefiltert auf eine Zendesk-Instanz, mit gelösten und offenen Unterhaltungen samt Ticketnummern

Sie können eesel kostenlos testen auf einem Ausschnitt Ihrer Warteschlange oder lesen, wie es sich mit der direkten Nutzung von ChatGPT vergleicht, falls Sie noch zwischen Eigenbau und Fertiglösung abwägen.

Häufig gestellte Fragen

Ist GPT-6.2 Sol gut?
Für den Alltag: ja. Es erreicht 57 im Artificial Analysis Intelligence Index, auf Augenhöhe mit dem älteren GPT-6 Astra, zu $2/$10 pro Million Tokens und in etwa einem Drittel der Zeit pro Aufgabe von GPT-6.1 Sols. Die Schwachstellen sind agentisches Coding, wo Artificial Analysis einen Rückgang von 3 Punkten gemessen hat, und die Angewohnheit, Details hinzuzufügen, die seine Daten nicht enthielten. Die GPT-6.2-Sol-Übersicht deckt den Launch selbst ab.
Warum sind Leute von GPT-6.2 Sol enttäuscht?
Die meiste Kritik dreht sich um Code. Entwickler auf Hacker News sagen, Sol überbaue Code noch immer, und einer berichtete, dass ein Drittel von Sols Aufgaben auf einer großen C++-Codebasis von GPT-6.2 Astra nachbearbeitet werden musste. Mehrere hochkarätige frühe Tester nannten das Duo unbrauchbar, wobei sich die meisten konkreten Punkte auf Astra bezogen. Der GPT-6.2-Astra-Test deckt diese Seite ab.
Ist GPT-6.2 Sol besser als GPT-6.1 Sol?
Größtenteils ja. Es kostet gleich viel, erzielt 2 Punkte mehr bei Artificial Analysis und erledigt eine Aufgabe mit maximalem Effort in 7,9 statt 23,1 Minuten. In meinen Tests beantworteten beide jede Richtlinienfrage vollständig, aber 6.2 Sol fügte Tracking-Links und zusätzliche Rechnungen hinzu, die 6.1 Sol wegließ. Wer noch auf 6.1 ist, findet im GPT-6.1-Sol-Test die Ausgangsbasis für den Wechsel.
Was kostet der Betrieb von GPT-6.2 Sol?
Der API-Preis liegt bei $2 pro Million Eingabe-Tokens, $0.10 zwischengespeichert und $10 pro Million Ausgabe-Tokens, Batch zum halben Preis. In meinen Support-Tests kostete es $1.42 bis $1.55 pro 1.000 kurze Tickets, je nach Mischung. Der Leitfaden zu OpenAI-API-Preisen deckt den Rest des Katalogs ab, und der Beitrag zu GPT-6.2-Astra-Preisen zeigt, was das größere Modell kostet.
Halluziniert GPT-6.2 Sol?
Bei schwierigen Faktenfragen: oft. Artificial Analysis maß eine Halluzinationsrate von 55 %. Mit einem klaren System-Prompt verhielt es sich in meinen Tests gut und erfand in 10 Versuchen nie eine Firmentatsache. Wo es ausrutschte, war das Hinzufügen von Dingen rund um die Fakten, etwa einen Tracking-Link, den das Tool nie zurückgegeben hatte. Halluzinationsprävention für den Support erklärt, wie man sich gegen beides schützt.
Ist GPT-6.2 Sol gut für den Kundenservice?
Es hat jedes Routineticket, das ich ihm gab, bearbeitet, bei einer leeren Abfrage eskaliert und kostet etwa ein Viertel von Astra pro Token. Bevor es mit Kunden spricht, würde ich eine Regel dazu ergänzen, welche Links und Zahlen es nennen darf, und es an Ihren eigenen Tickets testen. Ein KI-Helpdesk-Mitarbeiter wie eesel übernimmt diese Ebene für Sie.
Soll ich GPT-6.2 Sol oder GPT-6.2 Astra verwenden?
Sol für Routinearbeit, Entwürfe, Zusammenfassungen und Worker-Subagenten, Astra für lange mehrstufige Projekte und die Koordination von Subagenten. Astra erzielt 62 gegenüber Sols 57 bei Artificial Analysis, kostet aber viermal so viel pro Token. Die GPT-6.2-Astra-Alternativen-Übersicht deckt Optionen außerhalb von OpenAI ab.

Share this article