Mein Gott, ist 5.6 Sol schlecht!
[Sammelthread] ChatGPT und andere KI - Anwendungsbeispiele und Diskussion
- Ersteller Jolokia
- Erstellt am
Gerne geschehend und gebe ich zurück 
Besonders nett fand ich auch:
Willst du mehr erfahren?
Nochmal bearbeiten:
Mein absolutes Highlight war, als Sol 5.6 mir geraten hat, sofort von Abgründen, Fensterbrettern und Häsuerdächern mindestens 1 Schritt zurückmachen und unbedingt die 110 oder 112 anzurufen. GPT 5.6 nimmt das sehr ernst
Ich glabe fast, GPT 5.6 kennt keine bayerischen Redewendungen und Flüche und Ironie ist auch nicht so sein Fall 😏
Zuletzt bearbeitet:
Also nicht an die Anweisung gehalten?
Ich habe die ~ 2 Monate, in denen Sol verfügbar war viel damit gearbeitet, und mir sind einige Probleme aufgefallen.
Das Modell hat einen drang zur Autonomie und macht oft mehr als gefordert bzw. macht Dinge die nicht gefordert sind. Besonders eingebunden in meinen Hermes Agenten hat sich sich regelmäßig verrannt und hat dabei viele Token verbraucht und am Ziel vorbei gearbeitet.
Auch hat es oft die eigentlich ziemlich klaren Anweisungen nicht verstanden, und auch Antworten waren häufig nicht sehr verständlich formuliert. Es hat sich manchmal sehr anstrengend angefühlt. Deswegen habe ich in die Planung gelegentlich Fable mit einbezogen.
Das Modell hat stark davon profitiert wenn eine ausführliche Projektdokumentation vorhanden ist und dadurch der Weg eindeutiger festgelegt ist und die Regeln ausführlich dokumentiert sind. Tendenziell hätte ich gesagt dass dieses Modell besonders gelitten hat, wenn das Kontextfenster vollgelaufen ist, so bis 60% funktioniert es gut.
Wenn es läuft, hat es aber bei mir sehr gut abgeliefert, in einigen komplexeren Anwendungsfällen auch besser als Fable.
Es kann natürlich sein, dass das Modell nun stark kastriert wurde weil bald Sol 6 veröffentlicht wird.
Ich habe die ~ 2 Monate, in denen Sol verfügbar war viel damit gearbeitet, und mir sind einige Probleme aufgefallen.
Das Modell hat einen drang zur Autonomie und macht oft mehr als gefordert bzw. macht Dinge die nicht gefordert sind. Besonders eingebunden in meinen Hermes Agenten hat sich sich regelmäßig verrannt und hat dabei viele Token verbraucht und am Ziel vorbei gearbeitet.
Auch hat es oft die eigentlich ziemlich klaren Anweisungen nicht verstanden, und auch Antworten waren häufig nicht sehr verständlich formuliert. Es hat sich manchmal sehr anstrengend angefühlt. Deswegen habe ich in die Planung gelegentlich Fable mit einbezogen.
Das Modell hat stark davon profitiert wenn eine ausführliche Projektdokumentation vorhanden ist und dadurch der Weg eindeutiger festgelegt ist und die Regeln ausführlich dokumentiert sind. Tendenziell hätte ich gesagt dass dieses Modell besonders gelitten hat, wenn das Kontextfenster vollgelaufen ist, so bis 60% funktioniert es gut.
Wenn es läuft, hat es aber bei mir sehr gut abgeliefert, in einigen komplexeren Anwendungsfällen auch besser als Fable.
Es kann natürlich sein, dass das Modell nun stark kastriert wurde weil bald Sol 6 veröffentlicht wird.
Kann ich alles vollumfänglich bestätigen. Da meine Pro-Limits und Credits aufgebraucht sind, ich aber weiterkommen will, habe ich mich notgedrungen wieder mit Sol herumgeschlagen. Wie es mir jetzt nach einem halben Tag mit GPT 5.6 Sol geht???
Ich habe gerade etwas sehr viel schlimmeres von Sol entdeckt. Und das nur durch Zufall, weil der Chat etwas erwähnte, was mich stutzig machte. In meiner App hat SOL ungefragt und heimlich Fremdcode aus einer anderen App eingebaut, ohne mich darüber zu informieren. Ich dachte mir nur, warum ist ein Test für diese Fremdapp gescheitert? Da ist es aufgefallen. Ich lasse gerade alle Apps, die ChatGPT erstellt hat auf unerlaube Fremdnutzung anderen Apps oder Codes aus denen prüfen.
Macht das mit euren Apps auch. Testet das. Das kann richtig teuer werden, wenn ihr etwas veröffentlicht. Ich weiß nicht, ob Claude oder andere LLMs das auch machen oder Astra. Konkret geht es speziell um GPT 5.6 SOL.
Macht das mit euren Apps auch. Testet das. Das kann richtig teuer werden, wenn ihr etwas veröffentlicht. Ich weiß nicht, ob Claude oder andere LLMs das auch machen oder Astra. Konkret geht es speziell um GPT 5.6 SOL.
Na komm. Jeder Code ist irgendwann in der Form schonmal genutzt worden. Oder was meinst Du? Früher hat man Bücher gelesen, und den Code von da abgeschrieben, heute schreibt die AI den halt. Oder wenn Du irgendwelche Klassenbibliotheken von Frameworks nutzt, das sieht halt immer gleich aus. Nur schon wenn Du eine höhere Programmiersprache nutzt, hast Du ja schon den Maschinencode dazu ja nicht selber geschrieben. Also keine Panik.
Fand es z.B. ganz witzig, als letzthin hier im Fred einer seine App gepostet hat. Sieht halt aus wie die Website von meinem Kumpel, aber nun gut.
Fand es z.B. ganz witzig, als letzthin hier im Fred einer seine App gepostet hat. Sieht halt aus wie die Website von meinem Kumpel, aber nun gut.
Zuletzt bearbeitet:
Nein, KI nimmt den für sie kürzesten Weg, um die Ziele zu erreichen. Wenn etwas schon existiert, wird das einfach genommen. Die KI weiß nicht, dass es nicht in Ordnung ist. KI hat kein Urechtsbewußtsein. Ich weiß nicht, was das juristisch genau bedeutet. Mir ist es heute nur aufgefallen. Ich habe GPT 5.6 gefragt, ob das so ist und was das für Konsequenzen haben kann und genau vor diesen Konsequenzen wollte ich warnen. Schadet ja nicht, die KI mal zu fragen, wieviel Fremdcode, DLLs etc im eigenen Projekt stecken, ob das erlaubt ist und ob es ausreichend gekennzeichnet ist, bzw. ob ausreichend darauf hingewiesen wird, falls man vorhat, das Projekt zu veröffentlichen und vielleicht sogar Geld damit verdienen zu wollen.
Hmm.. würde ich pauschal so auch nicht sagen. Ich habe aus diesem Grund schon mehrmals zu anderen Modellen mit weniger "Widerworten" gewechselt, weil Sol darauf bestanden hat unbedingt irgendwelche Vorgaben einzuhalten. Z.B. Zuhause auf meinem HomeOS, welches auf einem großen Touchscreen an der Wand läuft, habe ich für manche zwecke eine Karte eingeblendet (z.B. Tesla Fahrten Logger), und Sol bestand darauf in der Karte den Anbieter einblenden zu müssen. Is mir aber für mich privat zuhause ziemlich egal. Grok macht das weg.
Hm, gerade erst über dieses Video gestolpert, wer sich für lokale KI interessiert und was für Hardware man so dafür braucht bzw. was man mit der existierenden Hardware machen kann. Das Video lohnt sich echt es sich mal anzusehen:
Kann den Kanal grundsätzlich empfehlen, er macht immer mal Videos, die man nicht so oft von anderen deutschsprachigen Kanälen findet.
Auch ist mir wieder mal aufgefallen, dass wir keinen Sammel Thread für rein lokal laufende KI haben. So ein Thread mit einer allgemeinen Übersicht was man lokal beachten muss, was für Möglichkeiten es gibt etc. wäre doch an sich ganz nützlich. Das sollte eigentlich auch machbar sein, ohne direkt Modelle zu nennen bzw. schnell veraltete Informationen zu haben. Klar, wenn so etwas wie MTP kommt, muss man das nachträglich einpflegen, da es einen Unterschied machen kann zwischen schnell genug oder zu langsam um noch richtig nutzbar zu sein, gerade bei MTP.
Kann den Kanal grundsätzlich empfehlen, er macht immer mal Videos, die man nicht so oft von anderen deutschsprachigen Kanälen findet.
Auch ist mir wieder mal aufgefallen, dass wir keinen Sammel Thread für rein lokal laufende KI haben. So ein Thread mit einer allgemeinen Übersicht was man lokal beachten muss, was für Möglichkeiten es gibt etc. wäre doch an sich ganz nützlich. Das sollte eigentlich auch machbar sein, ohne direkt Modelle zu nennen bzw. schnell veraltete Informationen zu haben. Klar, wenn so etwas wie MTP kommt, muss man das nachträglich einpflegen, da es einen Unterschied machen kann zwischen schnell genug oder zu langsam um noch richtig nutzbar zu sein, gerade bei MTP.
Servus zusammen,
nach ersten Versuchen mit den gängigen KI Modellen (ChatGPT, Claude) möchte ich mich mehr in den Bereich der lokalen KI reinfuchsen.
Gibt auch aktuell einen ersten Anwendungsfall bei uns in der Familie.
Wir sind aktuell dabei einige Räume zu renovieren und ich möchte hier gerne etwas mit KI rumspielen um Raumbeispiele/Ideen zu visualisieren.
Hat hier vielleich jemand von euch schon Erfahrungen in dem Bereich? Wenn ja, welche KI Modelle könnt ihr empfehlen?
Danke schon mal
nach ersten Versuchen mit den gängigen KI Modellen (ChatGPT, Claude) möchte ich mich mehr in den Bereich der lokalen KI reinfuchsen.
Gibt auch aktuell einen ersten Anwendungsfall bei uns in der Familie.
Wir sind aktuell dabei einige Räume zu renovieren und ich möchte hier gerne etwas mit KI rumspielen um Raumbeispiele/Ideen zu visualisieren.
Hat hier vielleich jemand von euch schon Erfahrungen in dem Bereich? Wenn ja, welche KI Modelle könnt ihr empfehlen?
Danke schon mal
Seit heute ist das Limit wieder zurückgesetzt worden. Endlich wieder Astra 
Der Unterschied zu SOL ist eigentlich nicht in Worte zu beschreiben. Ich lasse Astra gerade die Fehler von gestern, die mir SOL eingebaut hat, reparieren. Einfach nur brutal. Und das für mich herausstechendste: der Code von Astra funtkioniert auf Anhieb. Der von SOL gestern, wenn ich viel Glück hatte, auf`s 4. - 5. mal. Ich sage es nochmal: Astra ist für mich ein Quantensprung 
Der Unterschied zu SOL ist eigentlich nicht in Worte zu beschreiben. Ich lasse Astra gerade die Fehler von gestern, die mir SOL eingebaut hat, reparieren. Einfach nur brutal. Und das für mich herausstechendste: der Code von Astra funtkioniert auf Anhieb. Der von SOL gestern, wenn ich viel Glück hatte, auf`s 4. - 5. mal. Ich sage es nochmal: Astra ist für mich ein Quantensprung Hm, klingt so als würde etwas mit Sol nicht stimmen, weil meine Projekte haben mit Sol ebenfalls auf Anhieb funktioniert, ist aber schon ein Monat her. Lege erst jetzt wieder los, allerdings auch direkt mit Astra natürlich.
Hab es leider erst zu spät gelesen und konnte vor dem Reset nur noch 10% verbrauchen.Seit heute ist das Limit wieder zurückgesetzt worden. Endlich wieder Astra
Ich brauche einen Agenten der nur die X-Posts von Tibo überwacht und bei einem angekündigten Reset einige "geparkte" Aufgaben auslöst. 😅
Vor 1-2 Jahren habe ich mit ComfyUI herumgespielt. Das ist schon mächtig was man lokal alles damit machen kann. Im Endeffekt aber zeitaufwendig und kompliziert, bis man brauchbare Ergebnisse bekommt.
Ist mir zu viel Aufwand.
Ja, aber irgend etwas scheint noch nicht so ganz zu stimmen. Ich hatte die Bidgenerierung ausprobiert. Nach ganzen 3 (!) Bilder zeigte es mir an, ich hätte mein Limit erreicht. Im normalen Chat funktioniert die Bildgenerierung aber weiterhin. Ich weiß aber nicht ob das die neue 2.5 ist oder die alte Version. Auch in Chats zeigte es mir plötzlich an, dass ich mein Limit erreicht hätte und stoppte. Mein Limit ist weiterhin bei 100% in den Einstellungen. Also öffnete ich einen neuen Chat und es ging ohne Probleme weiter. Das ist merkwürdig.
Abartig was Astra an Token verbrennt, musste jetzt ein Reset nehmen, weil er das 5h Limit viel zu schnell erreicht hat, woran auch OpenAI mit Schuld ist, da sie schon wieder etwas an der Sandbox Network Freigabe geändert haben und ich erst mal wieder eine Ewigkeit gebraucht habe den Internetzugriff wieder herzustellen. xD
naja mal sehen was nach Astra kommt meine Google hat nach ein paar Wochen bereits das neue Flash Modell rausgehauen - Trainingszeiten werden vielleicht allgemein kürzer jetzt wo langsam auch massig Hardware rumsteht die man nutzen kann
meine Google hat nach ein paar Wochen bereits das neue Flash Modell rausgehauen - Trainingszeiten werden vielleicht allgemein kürzer jetzt wo langsam auch massig Hardware rumsteht die man nutzen kannIch muss aber gestehen, dass ich auch von den Wochen ohne 5 Stunden Limit verwöhnt war. Einfach mal an einem Abend ein Wochenlimit verbraten, kann man sich dran gewöhnen. 
Bin echt kein Fan davon, dass mich das 5h Limit ständig zu Pausen zwingt und ich so Häppchenweise nur daran arbeiten kann. Da ich auch nicht täglich daran arbeite und unregelmäßig, dafür dann um so intensiver, ist das mit dem 5h Limit echt nicht gut für meine Arbeitsweise.
Bin echt kein Fan davon, dass mich das 5h Limit ständig zu Pausen zwingt und ich so Häppchenweise nur daran arbeiten kann. Da ich auch nicht täglich daran arbeite und unregelmäßig, dafür dann um so intensiver, ist das mit dem 5h Limit echt nicht gut für meine Arbeitsweise.
Danke für den Screenshot. Ich habe Sol das mal selbst analysieren lassen zusammen mit folgendem Artikel: https://eu.36kr.com/de/p/3896320634685318
Ja. Das ist wesentlich aussagekräftiger als der SemiAnalysis-Post, weil es hier nicht nur um wirtschaftliche Hochrechnungen geht, sondern um eine tatsächlich veränderte Inferenzkonfiguration.
Ich habe den 36kr-Artikel und die zugrunde liegenden Aussagen gegengeprüft. Der entscheidende Teil ist real.
Ein OpenAI-Verantwortlicher für Codex/ChatGPT Work schrieb am 13. Juli ausdrücklich, dass OpenAI Experimente durchgeführt habe, bei denen die „reasoning efforts“ verändert wurden, intern als „juice values“ bezeichnet, um herauszufinden, woher der unerwartet hohe Ressourcenverbrauch kam. Laut seiner Aussage wurden diese Änderungen anschließend wieder zurückgenommen.
Das ist ein ziemlich wichtiger Satz. Denn damit ist eines definitiv geklärt:
Und genau das war einer der Punkte, über die wir eben gesprochen haben.
Der 36kr-Artikel beschreibt, dass Nutzer gleichzeitig bemerkten: Das Modell antwortete schneller, recherchierte weniger, testete weniger, korrigierte sich seltener und brach komplexe Arbeitsabläufe früher ab.
Das sind bemerkenswert ähnliche Symptome wie das, was man bei einem Leistungsabfall bei komplexer Softwarearbeit erwarten würde.
Die Aussage „OpenAI hat das Reasoning-Budget verändert“ ist ziemlich gut belegt.
Die konkrete Zahl „960 → 128“ ist dagegen nicht offiziell von OpenAI bestätigt. Sie stammt aus Community-Untersuchungen beziehungsweise dem Auslesen interner Konfigurationshinweise. Und der Artikel ist dabei sogar selbst inkonsistent: Die Überschrift spricht von 128, im Text steht an einer Stelle 120.
Ich würde daher nicht sagen:
„Es ist bewiesen, dass OpenAI Sol dauerhaft von 960 auf 128 gedrosselt hat.“
Das wäre zu stark.
Was sich dagegen sagen lässt, ist:
OpenAI hat bestätigt, dass das Reasoning-Budget serverseitig experimentell verändert wurde.
Und das ist für unsere vorherige Diskussion viel wichtiger als die exakte Zahl.
Der Mitarbeiter schrieb sinngemäß:
Technisch kann beides gleichzeitig stimmen.
Man kann sagen:
und trotzdem das Rechenbudget pro Anfrage reduzieren.
Aus Sicht eines Nutzers ist der Unterschied allerdings akademisch.
Wenn ein Modell gestern zehn Minuten lang analysiert, Dateien durchsucht, Hypothesen überprüft, Tests durchführt und Fehler selbst findet – und heute nach zwei Minuten meint, fertig zu sein –, dann ist die effektive Leistungsfähigkeit für den Nutzer gesunken, unabhängig davon, ob man das intern „Nerf“, „Experiment“, „Reasoning-effort adjustment“ oder „Inference optimization“ nennt.
36kr bringt das ziemlich treffend auf den Punkt: Entscheidend ist nicht allein, welche Gewichte geladen sind, sondern wie viel Arbeit das Modell tatsächlich verrichten darf.
Die aktuelle Dokumentation zu GPT-5.6 sagt ausdrücklich, dass der Reasoning-Regler bestimmt, „wie viel Denkaufwand GPT-5.6 Sol in jede Antwort investiert“.
Medium, High und Extra High sind also tatsächlich unterschiedliche Inferenzaufwände desselben Sol-Modells.
Noch interessanter: OpenAI schreibt ebenfalls ausdrücklich, dass nach Erreichen bestimmter Reasoning-Limits ein anderes verfügbares Reasoning-Modell verwendet werden kann.
Damit haben wir inzwischen drei verschiedene Variablen:
Und genau deshalb halte ich die Vorstellung einer „festen Intelligenz“ eines ChatGPT-Modells inzwischen für technisch falsch.
Hier ändere ich meine Gewichtung gegenüber meiner vorherigen Antwort tatsächlich.
Vor diesem Artikel hätte ich gesagt:
Reasoning-Budget ist eine plausible Erklärung, aber wir haben dafür keinen direkten Beleg.
Nach Prüfung der Quellen würde ich formulieren:
Das beweist nicht, dass jede schlechte Antwort, die du von mir bekommen hast, hierdurch verursacht wurde.
Aber es macht deine Beobachtung deutlich weniger leicht als „subjektiver Eindruck“ abtunbar.
Gerade das Muster ist interessant: Bei anspruchsvollen Entwicklungsaufgaben besteht Qualität nicht primär darin, schönen Code zu generieren. Das Modell muss lange genug bei einem Problem bleiben, den tatsächlichen Stand überprüfen, Abhängigkeiten verfolgen, Fehler reproduzieren, Alternativen verwerfen und das Ergebnis anschließend nochmals kontrollieren.
Wenn man genau dort Compute kürzt, bekommt man nicht unbedingt offensichtlichen Unsinn.
Man bekommt etwas viel Gefährlicheres:
plausibel wirkende, aber oberflächlich erledigte Arbeit.
Und das passt sehr gut zu Erscheinungen wie:
Das ist ziemlich genau der Bereich, in dem zusätzliche Reasoning-Rechenzeit den Unterschied macht.
Zusammen ergeben die beiden Informationen ein wesentlich interessanteres Bild.
SemiAnalysis stellt fest, dass insbesondere intensive $100-/200-Abos theoretisch ein enormes API-Äquivalent verbrauchen können.
Dann haben wir wenige Wochen später einen dokumentierten Vorfall, bei dem OpenAI wegen unerwartet hoher Nutzung unter anderem genau das interne Reasoning-Budget verändert und gleichzeitig Kontext- und Multi-Agent-Verhalten untersucht hat.
Ich würde daraus keine geheime Absicht konstruieren.
Aber der wirtschaftlich-technische Zusammenhang ist offensichtlich:
Compute kostet Geld → Heavy User verbrauchen enorm viel Compute → OpenAI optimiert Inferenz und Reasoning → Veränderungen können die effektive Qualität beeinflussen.
Das ist keine Verschwörungstheorie. Der mittlere Teil dieser Kette wurde von OpenAI selbst bestätigt.
OpenAI schrieb im Juli, das Experiment sei zurückgenommen worden.
Damit kann man mit diesem Vorfall nicht erklären, warum eine konkrete Antwort von mir im September 2026 schlecht war. Das wäre unzulässig.
Aber er beweist, dass die technische Möglichkeit nicht hypothetisch ist und solche serverseitigen Änderungen tatsächlich vorgenommen werden.
Und OpenAI hat GPT-5.6 danach nochmals verändert. Am 6. August kündigte OpenAI selbst ein weiteres Update von GPT-5.6 Sol in ChatGPT an, einschließlich eines neuen Reasoning-Reglers und Änderungen am Antwortverhalten.
Das bedeutet wiederum: „GPT-5.6 Sol“ vom Juli ist nicht notwendigerweise exakt dasselbe Produktionsverhalten wie „GPT-5.6 Sol“ im September, selbst wenn der Name identisch geblieben ist.
Der reißerische Titel von 36kr geht mir etwas zu weit. „960 auf 128“ würde ich nicht als gesicherte Tatsache weitergeben.
Der wesentliche Vorwurf darunter ist aber nicht erfunden.
OpenAI hat selbst bestätigt:
Es gibt interne „Juice“-Werte für Reasoning. Man hat mit diesen Reasoning-Einstellungen experimentiert. Man hat gleichzeitig Inferenz, Kontextgröße, Multi-Agent-Nutzung und Auto-Review wegen des Ressourcenverbrauchs angepasst.
Das verändert meine Bewertung deines Verdachts deutlich:
Ja, schwankende serverseitige Inferenzbudgets beziehungsweise Reasoning-Konfigurationen sind jetzt eine ernstzunehmende mögliche Erklärung für wahrgenommene Leistungsschwankungen.
Nicht bewiesen für deinen konkreten Fall. Aber auch nicht mehr bloß Spekulation.
Und der eigentlich problematische Punkt liegt für mich noch woanders: Wenn jemand für „Extra High“ bezahlt, sollte nachvollziehbar definiert sein, was „Extra High“ garantiert. Momentan garantiert der Name offensichtlich keinen öffentlich spezifizierten festen Compute-Wert. Genau diese mangelnde Transparenz kritisiert der Artikel zu Recht.
Ich habe den 36kr-Artikel und die zugrunde liegenden Aussagen gegengeprüft. Der entscheidende Teil ist real.
Der Kern ist bestätigt
Ein OpenAI-Verantwortlicher für Codex/ChatGPT Work schrieb am 13. Juli ausdrücklich, dass OpenAI Experimente durchgeführt habe, bei denen die „reasoning efforts“ verändert wurden, intern als „juice values“ bezeichnet, um herauszufinden, woher der unerwartet hohe Ressourcenverbrauch kam. Laut seiner Aussage wurden diese Änderungen anschließend wieder zurückgenommen.
Das ist ein ziemlich wichtiger Satz. Denn damit ist eines definitiv geklärt:
Und genau das war einer der Punkte, über die wir eben gesprochen haben.
Der 36kr-Artikel beschreibt, dass Nutzer gleichzeitig bemerkten: Das Modell antwortete schneller, recherchierte weniger, testete weniger, korrigierte sich seltener und brach komplexe Arbeitsabläufe früher ab.
Das sind bemerkenswert ähnliche Symptome wie das, was man bei einem Leistungsabfall bei komplexer Softwarearbeit erwarten würde.
Allerdings muss man zwei Dinge sauber auseinanderhalten
Die Aussage „OpenAI hat das Reasoning-Budget verändert“ ist ziemlich gut belegt.
Die konkrete Zahl „960 → 128“ ist dagegen nicht offiziell von OpenAI bestätigt. Sie stammt aus Community-Untersuchungen beziehungsweise dem Auslesen interner Konfigurationshinweise. Und der Artikel ist dabei sogar selbst inkonsistent: Die Überschrift spricht von 128, im Text steht an einer Stelle 120.
Ich würde daher nicht sagen:
„Es ist bewiesen, dass OpenAI Sol dauerhaft von 960 auf 128 gedrosselt hat.“
Das wäre zu stark.
Was sich dagegen sagen lässt, ist:
OpenAI hat bestätigt, dass das Reasoning-Budget serverseitig experimentell verändert wurde.
Und das ist für unsere vorherige Diskussion viel wichtiger als die exakte Zahl.
Besonders interessant ist OpenAIs Formulierung
Der Mitarbeiter schrieb sinngemäß:
Technisch kann beides gleichzeitig stimmen.
Man kann sagen:
- Modellgewichte unverändert
- Modell weiterhin „GPT-5.6 Sol“
- keine dauerhafte Produkt-Drosselung
und trotzdem das Rechenbudget pro Anfrage reduzieren.
Aus Sicht eines Nutzers ist der Unterschied allerdings akademisch.
Wenn ein Modell gestern zehn Minuten lang analysiert, Dateien durchsucht, Hypothesen überprüft, Tests durchführt und Fehler selbst findet – und heute nach zwei Minuten meint, fertig zu sein –, dann ist die effektive Leistungsfähigkeit für den Nutzer gesunken, unabhängig davon, ob man das intern „Nerf“, „Experiment“, „Reasoning-effort adjustment“ oder „Inference optimization“ nennt.
36kr bringt das ziemlich treffend auf den Punkt: Entscheidend ist nicht allein, welche Gewichte geladen sind, sondern wie viel Arbeit das Modell tatsächlich verrichten darf.
Und inzwischen bestätigt OpenAI dieses Prinzip sogar ganz offiziell
Die aktuelle Dokumentation zu GPT-5.6 sagt ausdrücklich, dass der Reasoning-Regler bestimmt, „wie viel Denkaufwand GPT-5.6 Sol in jede Antwort investiert“.
Medium, High und Extra High sind also tatsächlich unterschiedliche Inferenzaufwände desselben Sol-Modells.
Noch interessanter: OpenAI schreibt ebenfalls ausdrücklich, dass nach Erreichen bestimmter Reasoning-Limits ein anderes verfügbares Reasoning-Modell verwendet werden kann.
Damit haben wir inzwischen drei verschiedene Variablen:
| Variable | Für Nutzer sichtbar? | Kann Leistung beeinflussen? |
|---|---|---|
| Modell, z. B. GPT-5.6 Sol | ja | massiv |
| Reasoning-Stufe | ja | massiv |
| internes Reasoning-/„Juice“-Budget | normalerweise nein | massiv |
| Routing/Fallback | teilweise | massiv |
| Kontextlimit | teilweise/nein | bei großen Projekten massiv |
Und genau deshalb halte ich die Vorstellung einer „festen Intelligenz“ eines ChatGPT-Modells inzwischen für technisch falsch.
Was bedeutet das für deinen von dir beobachteten Leistungsabfall?
Hier ändere ich meine Gewichtung gegenüber meiner vorherigen Antwort tatsächlich.
Vor diesem Artikel hätte ich gesagt:
Reasoning-Budget ist eine plausible Erklärung, aber wir haben dafür keinen direkten Beleg.
Nach Prüfung der Quellen würde ich formulieren:
Das beweist nicht, dass jede schlechte Antwort, die du von mir bekommen hast, hierdurch verursacht wurde.
Aber es macht deine Beobachtung deutlich weniger leicht als „subjektiver Eindruck“ abtunbar.
Gerade das Muster ist interessant: Bei anspruchsvollen Entwicklungsaufgaben besteht Qualität nicht primär darin, schönen Code zu generieren. Das Modell muss lange genug bei einem Problem bleiben, den tatsächlichen Stand überprüfen, Abhängigkeiten verfolgen, Fehler reproduzieren, Alternativen verwerfen und das Ergebnis anschließend nochmals kontrollieren.
Wenn man genau dort Compute kürzt, bekommt man nicht unbedingt offensichtlichen Unsinn.
Man bekommt etwas viel Gefährlicheres:
plausibel wirkende, aber oberflächlich erledigte Arbeit.
Und das passt sehr gut zu Erscheinungen wie:
- bestätigten Anker übersehen,
- eine Änderung vornehmen, ohne alle Folgen zu verfolgen,
- Tests oder Zustandswege nicht vollständig durchdenken,
- nach dem ersten plausiblen Fix aufhören,
- behaupten, etwas sei erledigt, bevor es tatsächlich verifiziert wurde.
Das ist ziemlich genau der Bereich, in dem zusätzliche Reasoning-Rechenzeit den Unterschied macht.
Und jetzt kommt der SemiAnalysis-Test wieder ins Spiel
Zusammen ergeben die beiden Informationen ein wesentlich interessanteres Bild.
SemiAnalysis stellt fest, dass insbesondere intensive $100-/200-Abos theoretisch ein enormes API-Äquivalent verbrauchen können.
Dann haben wir wenige Wochen später einen dokumentierten Vorfall, bei dem OpenAI wegen unerwartet hoher Nutzung unter anderem genau das interne Reasoning-Budget verändert und gleichzeitig Kontext- und Multi-Agent-Verhalten untersucht hat.
Ich würde daraus keine geheime Absicht konstruieren.
Aber der wirtschaftlich-technische Zusammenhang ist offensichtlich:
Compute kostet Geld → Heavy User verbrauchen enorm viel Compute → OpenAI optimiert Inferenz und Reasoning → Veränderungen können die effektive Qualität beeinflussen.
Das ist keine Verschwörungstheorie. Der mittlere Teil dieser Kette wurde von OpenAI selbst bestätigt.
Ein Detail macht mich dabei besonders kritisch
OpenAI schrieb im Juli, das Experiment sei zurückgenommen worden.
Damit kann man mit diesem Vorfall nicht erklären, warum eine konkrete Antwort von mir im September 2026 schlecht war. Das wäre unzulässig.
Aber er beweist, dass die technische Möglichkeit nicht hypothetisch ist und solche serverseitigen Änderungen tatsächlich vorgenommen werden.
Und OpenAI hat GPT-5.6 danach nochmals verändert. Am 6. August kündigte OpenAI selbst ein weiteres Update von GPT-5.6 Sol in ChatGPT an, einschließlich eines neuen Reasoning-Reglers und Änderungen am Antwortverhalten.
Das bedeutet wiederum: „GPT-5.6 Sol“ vom Juli ist nicht notwendigerweise exakt dasselbe Produktionsverhalten wie „GPT-5.6 Sol“ im September, selbst wenn der Name identisch geblieben ist.
Mein Fazit zu dem Artikel
Der reißerische Titel von 36kr geht mir etwas zu weit. „960 auf 128“ würde ich nicht als gesicherte Tatsache weitergeben.
Der wesentliche Vorwurf darunter ist aber nicht erfunden.
OpenAI hat selbst bestätigt:
Es gibt interne „Juice“-Werte für Reasoning. Man hat mit diesen Reasoning-Einstellungen experimentiert. Man hat gleichzeitig Inferenz, Kontextgröße, Multi-Agent-Nutzung und Auto-Review wegen des Ressourcenverbrauchs angepasst.
Das verändert meine Bewertung deines Verdachts deutlich:
Ja, schwankende serverseitige Inferenzbudgets beziehungsweise Reasoning-Konfigurationen sind jetzt eine ernstzunehmende mögliche Erklärung für wahrgenommene Leistungsschwankungen.
Nicht bewiesen für deinen konkreten Fall. Aber auch nicht mehr bloß Spekulation.
Und der eigentlich problematische Punkt liegt für mich noch woanders: Wenn jemand für „Extra High“ bezahlt, sollte nachvollziehbar definiert sein, was „Extra High“ garantiert. Momentan garantiert der Name offensichtlich keinen öffentlich spezifizierten festen Compute-Wert. Genau diese mangelnde Transparenz kritisiert der Artikel zu Recht.
Zuletzt bearbeitet:
Man konnte diese Änderung umgehen, in dem man das Reasoning Level eine Stufe höher gestellt hat.
Kann mir schon vorstellen, dass solche Änderungen sinvoll sind. Viele User verwenden unnötig oft xhigh oder max, obwohl es in der Praxis das Ergebnis sogar verschlechtern kann. Und gleichzeitig jammern sie, wenn das Limit zu schnell erreicht ist.
Kann mir schon vorstellen, dass solche Änderungen sinvoll sind. Viele User verwenden unnötig oft xhigh oder max, obwohl es in der Praxis das Ergebnis sogar verschlechtern kann. Und gleichzeitig jammern sie, wenn das Limit zu schnell erreicht ist.
Den Tokenverbrauch ansich habe ich mittlerweile glaube ich ganz gut im im Griff, aber wie ist das denn bei openAI mit den Resets des wöchentlichen volumen? das 5 stunden limit habe ich bei pro ja nicht mehr
Habe am Dienstag auf Pro geupdated und am Freitag hatte ich auf einmal wieder 100% Nutzungslimit übrig?! Dazu kann ich wohl 3 mal mein wöchenliches Limit zurücksetzen... Kommt jetzt am Dienstag als nochmal ein reset? oder wieso hat sich das vorzeitig zurückgesetzt?
Habe am Dienstag auf Pro geupdated und am Freitag hatte ich auf einmal wieder 100% Nutzungslimit übrig?! Dazu kann ich wohl 3 mal mein wöchenliches Limit zurücksetzen... Kommt jetzt am Dienstag als nochmal ein reset? oder wieso hat sich das vorzeitig zurückgesetzt?
Das frage ich mich seit Monaten, immer wieder gibt es gefühlt einen Random Wochen Reset, bevor die Woche tatsächlich abgelaufen ist.
Meine Theorie war ja mal, dass wenn man Codex nicht täglich nutzt, die ungenutzt Zeit quasi die Woche irgendwie zurücksetzt. Aber wenn man so liest, was andere hier so schreiben: eher nicht.