Wegweiser OpenAI · Kapitel 2

    Welches OpenAI-Modell welche Arbeit übernimmt.

    Die GPT-6-Familie arbeitet in ChatGPT, über die API und unter Copilot, Codex-Modelle im Repository. Welches Modell eine Aufgabe übernimmt, entscheidet Ihr Testsatz.

    Stand: Oktober 2026 · Redaktion: Marcel Haas

    • GPT-6
    • Codex
    • Responses API
    • Decisions API
    • Datenregion
    • Assistants API

    Modell-Datenblätter

    Ein Datenblatt pro Modellfamilie.

    Zu jeder Familie: wer sie anbietet, wo sie verfügbar ist, wo sie rechnet, womit wir zuerst testen, und der Stand mit der Seite des Anbieters, wo es sie gibt.

    • OpenAI

      GPT-6 Astra

      Wo es verfügbar ist
      ChatGPT nach Plan, die API pro Projekt, Microsoft Foundry als Azure OpenAI
      Wo es rechnet
      Datenregion pro Projekt; Region Europa für die aufgeführten Endpunkte, mit genehmigter Aufbewahrungsvariante
      Womit wir zuerst testen
      Lange Abläufe planen, Software bedienen, im Web recherchieren, Code ausführen; erst, wenn Sol am Testsatz scheitert
    • OpenAI

      GPT-6 Sol

      Wo es verfügbar ist
      ChatGPT nach Plan, die API pro Projekt, Microsoft Foundry als Azure OpenAI, unter Copilot über den Router
      Wo es rechnet
      Datenregion pro Projekt; Region Europa für die aufgeführten Endpunkte, mit genehmigter Aufbewahrungsvariante
      Womit wir zuerst testen
      Büroarbeit, Entwürfe, Programmierung und Computer Use im Alltag; das Hauptmodell der meisten Anwendungen
    • OpenAI

      GPT-6 Luna

      Wo es verfügbar ist
      Die API pro Projekt, als Grundlage der Decisions API, Microsoft Foundry als Azure OpenAI
      Wo es rechnet
      Datenregion pro Projekt; Region Europa für die aufgeführten Endpunkte, mit genehmigter Aufbewahrungsvariante
      Womit wir zuerst testen
      Zuordnung, Extraktion und Kurztexte in grosser Menge, Routing im Posteingang, der nächste Schritt eines Agenten
    • OpenAI, für die Arbeit im Repository ausgerichtet

      Codex-Modelle

      Stand Oktober 2026

      Wo es verfügbar ist
      Codex in der Desktop-App, im Terminal, in der IDE und in Codex Cloud, enthalten in ChatGPT Business und Enterprise
      Wo es rechnet
      Lokal auf dem Rechner der Entwicklerin oder in Codex Cloud auf dem verbundenen Repository; in Enterprise-Arbeitsbereichen zuerst ausgeschaltet
      Womit wir zuerst testen
      Tickets im Repository bearbeiten, Code und Tests schreiben, Änderungen als Pull Request vorlegen; gemessen an echten Tickets

    Die Modelle, mit denen wir zuerst testen; den Ausschlag gibt Ihr Testsatz. Die Karten nennen die Modelle so, wie der Katalog sie führt, bis die Seite des Anbieters im Verzeichnis steht.

    01

    Ein Modell liest den Kontext und gibt Antwort, Werkzeugaufruf oder Struktur zurück.

    Ein Verband schickt das Protokoll der Delegiertenversammlung an die Responses API und verlangt die Beschlüsse mit Zuständigkeit und Frist als Tabelle. Der Aufruf trägt alles, was das Modell sehen soll: die Anweisung, das Protokoll, die Beschreibung der Werkzeuge und das Schema der Ausgabe, gezählt in Tokens, und zurück kommt eine Antwort, ein Werkzeugaufruf oder eine Ausgabe in genau der vorgegebenen Form. Wie lange das Modell vorher nachdenkt, stellen Sie pro Aufruf ein; mehr Denkzeit kostet Tokens und Sekunden und lohnt sich bei Analysen, bei Zuordnungen in grosser Menge dagegen selten. Kontext, Nachdenken, Werkzeugaufrufe und strukturierte Ausgabe entscheiden, ob ein Modell eine Aufgabe trägt, und alle vier lassen sich an Ihren Fällen messen.

    02

    Die GPT-6-Familie ist abgestuft, und Codex hat eigene Modelle.

    OpenAI ordnet Astra der anspruchsvollsten Arbeit zu: lange Abläufe planen, Software bedienen, im Web recherchieren, Code ausführen. Sol trägt Büroarbeit, Programmierung und Computer Use im Alltag, und Luna übernimmt Zuordnung, Extraktion und Kurztexte in grosser Menge; auf Luna baut die Decisions API auf, die aus einer festen Menge Antworten eine auswählt. Codex arbeitet mit Modellen, die für die Arbeit im Repository ausgerichtet sind: lange Aufgaben, Werkzeugaufrufe, Tests, Änderungen zum Review. Dieselbe Familie steht im Arbeitsbereich von ChatGPT, über die API pro Projekt und als Azure OpenAI in Microsoft Foundry bereit; was sich mit dem Weg ändert, sind Ort, Anmeldung und Abrechnung, nicht das Modell.

    03

    Die Aufgabe wählt das Modell, der Testsatz bestätigt es.

    Ein Posteingang mit Hunderten Anfragen pro Tag braucht ein Modell, das in Sekunden zuordnet und kaum kostet; ein Vertrag mit vierzig Seiten braucht eines, das lange Zusammenhänge hält und Fundstellen nennt; ein Agent, der eine Buchung vorbereitet, braucht verlässliche Werkzeugaufrufe und Ausgaben, die ein Schema einhalten. Deshalb arbeiten in einer Anwendung oft zwei Modelle: ein kleines für Vorsortierung und Extraktion, ein grosses für die Antwort, und wo eine falsche Antwort teuer ist, ein drittes als Prüfer. Für Schritte mit fester Antwortmenge, buchen, rückfragen, ablehnen, nimmt die Decisions API den Kontext als Text oder Bild und wählt eine Antwort. Zwei Kandidaten bearbeiten denselben Satz echter Fälle, und der Vorschlag hält fest, warum eines gewonnen hat.

    04

    Die Datenregion des Projekts legt fest, wo ein Modell rechnet.

    Ein Modell allein ist noch kein Ort. Erst das Projekt, in dem Sie es aufrufen, bestimmt ihn: Die Datenregion legen Sie bei der Anlage fest, zusammen mit Schlüsseln, die ablaufen, und harten Ausgabengrenzen. Die Region Europa, die der Anbieter als EWR und Schweiz bezeichnet, speichert und verarbeitet für die aufgeführten Endpunkte in der Region und setzt eine genehmigte Aufbewahrungsvariante voraus; die Agents API ist dort nicht aufgeführt, und welche Modelle und Funktionen ein Europa-Projekt abdeckt, prüfen wir pro Anwendung an der Liste. Eine Verarbeitung in der Schweiz sagen wir für diese Modelle nicht zu; wir nennen die Region so, wie der Anbieter sie nennt. Das Datenblatt jedes Projekts trägt deshalb Modell, Version, Region und Aufbewahrungsvariante, und das Kapitel Datengrenzen sagt, welche Datenklasse hineindarf.

    05

    Abkündigungen sind Planungsfakten.

    Am 26. August 2026 hat OpenAI die Assistants API entfernt; Integrationen laufen seither über die Responses API, den Verlauf führt die Conversations API. Agent Builder und die Evals-Plattform werden am 30. November 2026 abgeschaltet, bestehende Evals sind ab 31. Oktober 2026 nur noch lesbar, ChatKit bleibt. Modellversionen folgen demselben Muster: Die Seite der Abkündigungen nennt für jede Version das Datum, an dem sie abgelöst wird, und den Nachfolger. Jedes Datenblatt trägt dieses Datum, ein Quartal vorher tritt der Nachfolger am Testsatz an, und weil die Evals-Plattform geht, lebt der Testsatz in Ihrer eigenen Pipeline, wo ihn niemand abschalten kann.

    Was Sie entscheiden.

    Astra, Sol oder Luna für den ersten Fall?

    Optionen

    1. 1Luna für Zuordnung, Extraktion und Kurztexte in grosser Menge
    2. 2Sol für Büroarbeit, Entwürfe und Programmierung
    3. 3Astra für lange, mehrstufige Arbeit mit Werkzeugen

    Unsere Empfehlung: Luna, wenn die Masse der Aufrufe aus Zuordnung, Extraktion und Routing besteht; Sol für Entwürfe, Zusammenfassungen und Programmierung im Alltag; Astra erst, wenn Sol am Testsatz an einer langen, mehrstufigen Aufgabe scheitert. In jedem Fall treten zwei Kandidaten am Testsatz an, und der günstigere gewinnt, sobald er die Fälle gleich gut löst.

    Wovon wir abraten: Astra für alles, weil es das stärkste Modell ist. Jeder Aufruf kostet mehr Tokens und Zeit, und ein Testsatz, der nie ein kleineres Modell geprüft hat, kennt die Ersparnis nicht.

    Ein Modell pro Anwendung oder eines pro Schritt?

    Optionen

    1. 1Ein Modell für alle Schritte
    2. 2Ein kleines Modell für Vorsortierung und Extraktion, ein grosses für die Antwort
    3. 3Dazu ein zweites Modell als Prüfer

    Unsere Empfehlung: Pro Schritt. Ein kleines Modell übernimmt Vorsortierung und Extraktion, weil dort die Masse der Aufrufe anfällt, ein grosses die Antwort, und wo eine falsche Antwort teuer ist, prüft ein zweites Modell Fundstellen und Vollständigkeit, bevor eine Person entscheidet. Welche Kombination trägt, zeigt der Testsatz mit den Kosten pro Fall.

    Wovon wir abraten: Mehrere Modelle, weil es geht. Jedes zusätzliche Modell braucht einen Platz im Datenblatt, im Testsatz und in der Kostenrechnung.

    Decisions API oder Modellaufruf mit Schema?

    Optionen

    1. 1Ein Modellaufruf mit Ausgabeschema
    2. 2Die Decisions API für feste Antwortmengen
    3. 3Beides, je nach Schritt

    Unsere Empfehlung: Die Decisions API, wo ein Schritt genau eine Antwort aus einer festen Menge braucht, etwa das Routing im Posteingang oder der nächste Schritt eines Agenten, und ein Testsatz mit Ihren Fällen die Trefferquote misst. Ein Modellaufruf mit Schema, wo die Ausgabe mehrere Felder trägt, etwa die Beschlussliste. In einem Agenten kommen oft beide vor, und Entscheide mit Folgen für eine Person fallen an einen Menschen zurück.

    Wovon wir abraten: Einen Entscheid mit Folgen für eine Person an die Trefferquote hängen. Die Quote aus dem Testsatz steht neben jeder Freigabe, sie ersetzt sie nicht.

    Wann wechseln wir das Modell?

    Optionen

    1. 1Wenn die Abkündigungsseite ein Datum nennt
    2. 2Wenn ein neues Modell am Testsatz besser abschneidet
    3. 3Zu einem festen Termin pro Quartal

    Unsere Empfehlung: Wenn der Testsatz es zeigt oder das Ablaufdatum es verlangt, und nie unbemerkt. Jedes Projekt-Datenblatt trägt das Datum der Ablösung; ein Quartal vorher tritt der Nachfolger am Testsatz an, Anweisungen werden nachgezogen, wo die Antworten abweichen, und der Wechsel geht als neue Version durch die Freigabe wie jede andere Änderung.

    Wovon wir abraten: Auf die neueste Version umstellen, weil sie da ist. Eine neue Version antwortet anders, und was sich an Anweisungen und Schemas bewährt hat, muss erneut gemessen werden.

    Stand und Quellen.

    Stand: Oktober 2026

    • Seit 26. August 2026

      Assistants API abgeschaltet, Agent Builder folgt.

      OpenAI hat die Assistants API am 26. August 2026 entfernt; Nachfolger sind die Responses API und die Conversations API. Agent Builder und die Evals-Plattform werden am 30. November 2026 abgeschaltet, bestehende Evals sind ab 31. Oktober 2026 nur noch lesbar. ChatKit bleibt.

      Quelle: OpenAI: Deprecations
    • Stand Oktober 2026

      Die Datenregion des Projekts legt fest, wo ein Modell rechnet.

      Die Datenregion legen Sie pro Projekt bei der Anlage fest, zusammen mit Schlüsseln, die ablaufen, und harten Ausgabengrenzen. Die Region Europa, von OpenAI als EWR und Schweiz bezeichnet, speichert und verarbeitet für die aufgeführten Endpunkte in der Region und setzt eine von OpenAI genehmigte Aufbewahrungsvariante voraus; die Agents API ist dort nicht aufgeführt.

      Quelle: OpenAI: Data controls in the OpenAI platform
    • Stand Oktober 2026

      Codex Cloud startet in Enterprise-Workspaces ausgeschaltet.

      Administratoren geben die Nutzung über Rollen frei, legen Umgebungen, Secrets und Internetzugang fest und verteilen Vorgaben für lokale Läufe in einer Datei requirements.toml. Codex Cloud beachtet die Repository-Berechtigungen des Quellsystems.

      Quelle: OpenAI: Codex admin rollout guide

    Häufige Fragen.

    Worin unterscheiden sich Astra, Sol und Luna?

    In der Arbeit, für die sie ausgelegt sind, und im Preis pro Token. Astra trägt die anspruchsvollste Arbeit: lange Abläufe planen, Software bedienen, recherchieren, Code ausführen. Sol übernimmt Büroarbeit, Entwürfe, Programmierung und Computer Use im Alltag. Luna ordnet zu, extrahiert und schreibt Kurztexte in grosser Menge und ist die Grundlage der Decisions API. Welches Modell eine Aufgabe bekommt, zeigt der Testsatz, und oft arbeiten zwei davon in einer Anwendung.

    Sind die Modelle in ChatGPT und in der API dieselben?

    Dieselbe Familie, auf verschiedenen Wegen. Im Arbeitsbereich wählt ChatGPT pro Plan und Aufgabe, über die API wählen Sie pro Aufruf Modell, Denkzeit und Schema, und als Azure OpenAI läuft dieselbe Familie in Microsoft Foundry mit Entra ID und Purview. Ort, Anmeldung und Abrechnung hängen am Weg, deshalb steht im Datenblatt jeder Anwendung, über welchen Weg sie aufruft.

    Braucht Codex ein eigenes Modell?

    Codex läuft auf Modellen, die der Anbieter für die Arbeit im Repository ausrichtet: lange Aufgaben, viele Werkzeugaufrufe, Tests, Änderungen zum Review. Welches Modell ein Lauf nutzt, steht in der Konfiguration von Codex und lässt sich für das Entwicklungsteam zentral vorgeben; Qualität und Verbrauch messen Sie wie bei jedem Modell an echten Tickets Ihres Repositorys.

    Wann nehmen wir die Decisions API?

    Wenn ein Schritt genau eine Antwort aus einer festen Menge braucht: Posteingang, Rechnungen oder Tickets einer Kategorie zuordnen, einen Fall an die zuständige Person leiten, den nächsten Schritt eines Agenten wählen. Sie bekommt den Kontext als Text oder Bild und die möglichen Antworten, wählt eine, und ein Testsatz mit Ihren Fällen misst die Trefferquote, bevor der Ablauf ihr folgt. Entscheide mit Folgen für eine Person fallen an einen Menschen zurück.

    Wie merken wir, dass ein Modell abgekündigt wird?

    Auf der Seite der Abkündigungen, die für jede Version das Datum der Ablösung und den Nachfolger nennt; dieses Datum steht im Datenblatt jedes Projekts, und eine Person pro Anwendung prüft die Seite mit dem Stand jedes Quartals. Ein Quartal vor dem Datum tritt der Nachfolger am Testsatz an, und der Wechsel geht als neue Version durch die Freigabe.

    Rechnet ein Europa-Projekt mit allen Modellen?

    Mit den Modellen und Endpunkten, die der Anbieter für die Region aufführt; die Agents API gehört nicht dazu, und eine genehmigte Aufbewahrungsvariante ist Voraussetzung. Deshalb prüfen wir pro Anwendung die Liste, bevor das Projekt angelegt wird, denn die Region lässt sich danach nicht mehr ändern. Eine Verarbeitung in der Schweiz sagen wir für diese Modelle nicht zu; wir nennen die Region so, wie der Anbieter sie nennt.

    Nächstes Kapitel · Kapitel 3

    Woraus ein KI-Agent bei OpenAI besteht und wo er läuft.

    Woraus besteht ein Agent bei OpenAI, und wie läuft er sicher?