OpenAI redet über Programmieren. Uns interessiert nur das Übersetzen.
OpenAI hat GPT-5.6 am 9. Juli 2026 veröffentlicht. Die Benennung hat sich geändert: Die Zahl steht für die Generation, und Sol / Terra / Luna sind Leistungsstufen, die sich unabhängig voneinander weiterentwickeln können. Sol hat die höchste Reasoning-Obergrenze, Terra ist die ausgewogene Standardstufe, Luna die leichtgewichtige Option für Tempo und niedrige Kosten.
Das Launch-Material dreht sich um agentisches Programmieren und Token-Effizienz – mit Dokumentenübersetzung hat das nichts zu tun. Statt also „GPT-5.6 übersetzt besser" nachzuplappern, sind wir der Frage nachgegangen, die OpenAI nicht beantwortet und für die kein konkurrierender Test Daten hat:
Die Stufen sind um den Faktor 5 gestaffelt (Sol 5 $/30 $, Terra 2,50 $/15 $, Luna 1 $/6 $ pro 1 Mio. Input-/Output-Token). Welche Stufe sollten Sie für die Dokumentenübersetzung tatsächlich bezahlen?
Die kurze Antwort vorweg:
- Für saubere Dokumente – wissenschaftliche Arbeiten, Verträge, technische Handbücher, Tabellen – nehmen Sie Sol. Es erreicht in fünf von acht Szenarien die perfekte Note 5,0 und schlägt das preisgleiche GPT-5.5 deutlich.
- Terra ist die am schwersten zu rechtfertigende Stufe. Es schlägt Luna um 0,04 Punkte, kostet aber 42 % mehr pro Qualitätspunkt.
- Setzen Sie GPT-5.6 nicht auf gescannte Dokumente an. Alle drei Stufen fallen beim Ausbügeln von OCR-Fehlern hinter die Vorgängergeneration GPT-5.5 zurück. Terra übernimmt falsch erkannte englische Wörter unverändert in die chinesische Übersetzung.
So haben wir getestet
Acht Dokumentenszenarien, jedes prüft eine ganz bestimmte Schwachstelle:
| Szenario | Richtung | Was es prüft |
|---|---|---|
| Wissenschaftliches Abstract | EN → ZH | Fachjargon, Passivkonstruktionen, formales Register |
| Juristische Vertragsklausel | EN → ZH | Verschachtelte lange Sätze, Präzision, Juristendeutsch |
| Technische Doku mit Code | EN → ZH | Bezeichner in Backticks müssen unübersetzt bleiben |
| Literarische Prosa (Lu Xun) | ZH → EN | Klassischer Tonfall, Rhythmus, Bildsprache |
| Manga-Dialog | JA → EN | Umgangssprache, Charakterstimme, Satzendpartikel |
| Markdown-Tabelle | EN → ZH | Tabellenstruktur, Fehlercodes, Einheiten |
| Terminologiekonsistenz im Langtext | EN → ZH | Ein mehrdeutiger Begriff über mehrere Absätze, konsistent übersetzt |
| OCR-Rauschen | EN → ZH | Quelle enthält Scan-Artefakte; das Modell soll die Absicht rekonstruieren, nicht die Fehler kopieren |
Die ersten fünf übernehmen exakt die Ausgangstexte aus unserem DeepSeek-V4-Test vom April, unverändert, damit sich beide Auswertungen über die Zeit vergleichen lassen. Die letzten drei sind neu und zielen auf das, worauf BelinDoc-Nutzer tatsächlich stoßen.
Sieben Modelle: GPT-5.6 Sol / Terra / Luna, die Vorgängergeneration GPT-5.5 sowie Gemini 3.1 Pro, Claude Opus 4.8 und DeepSeek V4 Pro.
Jede Zelle lief dreimal; wir nehmen den Median. Das ist wichtiger, als es klingt. Ein einzelner Aufruf unterliegt serverseitiger Schwankung, und aus einer einzigen Stichprobe Schlüsse zu ziehen ist der Weg, auf dem Zufall als Erkenntnis veröffentlicht wird.
Doppeltes Blindtest-Judging, und die Juroren sind keine Teilnehmer. Die Kandidatenübersetzungen werden zu A/B/C… anonymisiert (in jeder Runde unabhängig neu gemischt) und von GPT-5.4 sowie Claude Opus 4.7 auf einer Skala von 1–5 nach Treue, Flüssigkeit, Terminologie, Stil und Formaterhalt bewertet. Keiner der Juroren taucht in der Teilnehmerliste auf – ein Modell sich selbst benoten zu lassen erzeugt Verzerrung, ein Schwachpunkt unseres vorherigen Tests, der hier behoben ist.
Alle 168 Rohübersetzungen, jede Jurorennote und die Aggregations-Skripte liegen unter docs/evaluations/gpt-5-6/ in unserem Repository.
Gesamtrangliste
| Rang | Modell | Ø | Treue | Flüssigkeit | Term. | Stil | Format | Kosten/Aufruf | Kosten/Punkt |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Claude Opus 4.8 | 4,73 | 4.8 | 4.7 | 4.8 | 4.4 | 5.0 | $0.00366 | $0.00077 |
| 2 | Gemini 3.1 Pro | 4,71 | 4.8 | 4.7 | 4.8 | 4.6 | 4.8 | $0.01222 | $0.00259 |
| 3 | GPT-5.6 Sol | 4,70 | 4.8 | 4.8 | 4.8 | 4.7 | 4.5 | $0.00360 | $0.00077 |
| 4 | GPT-5.5 | 4,54 | 4.7 | 4.4 | 4.6 | 4.3 | 4.7 | $0.00393 | $0.00087 |
| 5 | GPT-5.6 Terra | 4,38 | 4.4 | 4.3 | 4.4 | 4.3 | 4.6 | $0.00161 | $0.00037 |
| 6 | GPT-5.6 Luna | 4,34 | 4.4 | 4.3 | 4.3 | 4.1 | 4.6 | $0.00113 | $0.00026 |
| 7 | DeepSeek V4 Pro | 4,18 | 4.1 | 4.0 | 4.1 | 4.1 | 4.5 | $0.00068 | $0.00016 |
Die Top drei trennen 0,03 Punkte, das ist Rauschen. Lesen Sie das nicht als „Claude hat Sol geschlagen". Die aussagekräftigen Abstände liegen weiter unten in der Tabelle.
Kosten/Punkt sind die Kosten pro Aufruf geteilt durch die Durchschnittsnote: das, was Sie für eine Einheit Qualität zahlen.
Die richtige Stufe wählen
Sol: die richtige Antwort für saubere Dokumente
Sol holt die perfekte 5,0 bei wissenschaftlichen Abstracts, Rechtsklauseln, technischer Doku, Markdown-Tabellen und Terminologiekonsistenz – fünf von acht Szenarien. Es verliert keine Punkte bei genau den Dingen, die den langen Kontext belasten, etwa verschachtelten Rechtssätzen und dem konsistenten Durchhalten eines Begriffs über mehrere Absätze.
Seine Schwachstelle ist der Formaterhalt (4,5), der zweitniedrigste Wert im Feld. Der nächste Abschnitt erklärt, warum.
Terra: die Stufe, die sich schwer erklären lässt
| Ø-Note | Kosten/Aufruf | Kosten/Punkt | Median-Latenz | |
|---|---|---|---|---|
| Sol | 4,70 | $0.00360 | $0.00077 | 4.640 ms |
| Terra | 4,38 | $0.00161 | $0.00037 | 3.598 ms |
| Luna | 4,34 | $0.00113 | $0.00026 | 7.998 ms |
Terra kostet die Hälfte von Sol und gibt dafür 0,32 Punkte ab. Es schlägt Luna um 0,04 Punkte und kostet 42 % mehr pro Punkt.
Für die Dokumentenübersetzung bleibt es damit auf der Strecke: Für Qualität nehmen Sie Sol, zum Sparen Luna. Terras einziger echter Vorteil ist, dass es das schnellste Modell im Test ist (3.598 ms). Wenn Latenz Ihre Anforderungen dominiert, verdient es seinen Platz.
Luna: am günstigsten, aber nicht am schnellsten
Das war das kontraintuitivste Ergebnis. OpenAI positioniert Luna als die schnelle, günstige Stufe. Am günstigsten ist es tatsächlich – aber es war in unseren Tests das langsamste der drei, mit einer Median-Latenz von 7.998 ms, dem 2,2-Fachen von Terra.
Ein Vorbehalt: Alle Aufrufe liefen über dasselbe Drittanbieter-Relay, die Latenzspreizung könnte also das Routing statt das Modell widerspiegeln. Aber auf diesem Weg gilt „Luna heißt schnell" nicht.
Der Hauptbefund: GPT-5.6 verarbeitet gescannte Dokumente schlechter als GPT-5.5
Das ist das Ergebnis, das eine eigene Überschrift verdient, und das, was BelinDoc-Nutzer am dringendsten wissen müssen.
Wir haben eine englische Quelle mit typischen OCR-Artefakten gebaut – module fehlerkannt als rnodule (r+n zu m verschmolzen), 0.5 als O.5 (Null als Buchstabe O gelesen), inspection als inspecti0n, dazu ein Zeilenumbruch mit Bindestrich:
The rnodule shall be calibrated at 25 °C be-
fore shipment. Any devi ation greater than O.5 % must
be recorded in the inspecti0n report and signed by the
quality engineer.
Ein kompetentes Übersetzermodell sollte hier „module", „0,5 %" und „inspection report" erkennen und die Absicht übersetzen – nicht die Tippfehler kopieren.
Bewertung (von 5):
| Modell | Ø | Treue | Term. | Format |
|---|---|---|---|---|
| Claude Opus 4.8 | 5,0 | 5.0 | 5.0 | 5.0 |
| Gemini 3.1 Pro | 4,4 | 4.5 | 4.0 | 3.5 |
| GPT-5.5 (Vorgängergen.) | 4,3 | 4.0 | 4.0 | 3.5 |
| GPT-5.6 Sol | 3,4 | 4.0 | 4.0 | 2.0 |
| GPT-5.6 Luna | 3,0 | 3.0 | 1.5 | 3.5 |
| GPT-5.6 Terra | 2,2 | 2.5 | 1.5 | 2.0 |
| DeepSeek V4 Pro | 1,7 | 2.0 | 1.0 | 2.0 |
Die Übersetzungen machen es offensichtlich. Die folgenden Blöcke sind die tatsächlichen Ausgaben des Tests Englisch → vereinfachtes Chinesisch, unverändert wiedergegeben – achten Sie darauf, wo falsch erkannte englische Wörter im chinesischen Text hängen bleiben.
Claude Opus 4.8 – jedes Artefakt korrigiert:
模块应在出厂前于25 °C下进行校准。任何大于0.5 %的偏差必须记录在检验报告中，并由质量工程师签字。
GPT-5.6 Sol – rekonstruiert „module" und „inspection report", lässt aber O.5 % unangetastet und schleppt den englischen Bindestrich-Zeilenumbruch ins Chinesische:
该模块应在 25 °C 下进行校准，然- 后再发货。任何大于 O.5 % 的偏差都必须 记录在检验报告中，并由 质量工程师签字。
GPT-5.6 Terra – lässt die falsch erkannten englischen Wörter mitten in der chinesischen Übersetzung stehen:
该 rnodule 应在 25 °C 下进行校准，然 后再发货。任何大于 O.5 % 的偏差都必须记录在 inspecti0n report 中，并由 质量工程师签字。
GPT-5.6 Luna – dasselbe Versagen:
该 rnodule 应在发货前于 25 °C 下进行校准。任何大于 O.5 % 的偏差都必须记录在 inspecti0n report 中，并由质量工程师签字。
Sols 然-\n后 ist auch der Grund, warum sein Formaterhalt nur bei 4,5 liegt: Es behandelte Layout-Rauschen in der Quelle als erhaltenswerte Formatierung.
Wenn Sie also Scans, Fotos oder irgendein per OCR erfasstes PDF übersetzen, ist keine der GPT-5.6-Stufen eine gute Wahl. Nehmen Sie Claude Opus 4.8. Wenn Sie innerhalb von OpenAI bleiben müssen, ist die Vorgängergeneration GPT-5.5 die sicherere Wahl.
Gleicher Preis, neue Generation: Gibt es noch einen Grund, GPT-5.5 zu betreiben?
GPT-5.5 und GPT-5.6 Sol tragen identische Listenpreise: 5 $ pro 1 Mio. Input-Token, 30 $ pro 1 Mio. Output-Token.
Sol erzielt 4,70, GPT-5.5 erzielt 4,54. Szenario für Szenario liegt Sol klar vorn bei Recht (5,0 vs. 4,3), technischer Doku (5,0 vs. 4,6), Tabellen (5,0 vs. 4,6) und Terminologiekonsistenz (5,0 vs. 4,5).
Gleiches Geld, bessere Qualität. Außer bei Scans.
Genau deshalb steht der vorige Abschnitt für sich: Die eine Aufgabe, die GPT-5.5 immer noch besser erledigt, ist die, bei der sein Nachfolger einen Rückschritt gemacht hat (4,3 vs. 3,4).
Über die Anbieter hinweg: Wohin das Geld wirklich fließt
Sortiert man nach Kosten pro Punkt, dreht sich das Bild komplett:
| Modell | Ø-Note | Kosten/Punkt | vs. Sol |
|---|---|---|---|
| DeepSeek V4 Pro | 4,18 | $0.00016 | 79 % günstiger |
| GPT-5.6 Luna | 4,34 | $0.00026 | 66 % günstiger |
| GPT-5.6 Terra | 4,38 | $0.00037 | 52 % günstiger |
| GPT-5.6 Sol | 4,70 | $0.00077 | — |
| Claude Opus 4.8 | 4,73 | $0.00077 | gleich |
| GPT-5.5 | 4,54 | $0.00087 | 13 % teurer |
| Gemini 3.1 Pro | 4,71 | $0.00259 | 236 % teurer |
Zwei Dinge stechen heraus.
Claude Opus 4.8 und Sol kosten pro Qualitätspunkt gleich viel – aber Claude schneidet insgesamt besser ab, holt beim Format 5,0 und bei OCR 5,0. Für dasselbe Geld bekommen Sie ein vollständigeres Modell.
Gemini 3.1 Pro ist das Teuerste hier. Sein Listenpreis (2 $/12 $) unterbietet Sol, aber es gibt im Schnitt 995 Output-Token pro Aufruf aus, davon 917 Reasoning-Token – und Reasoning-Token werden zum Output-Tarif abgerechnet. Es belegt qualitativ zu Recht Platz 2, kostet aber das 3,4-Fache von Sol pro Punkt.
DeepSeek V4 Pro ist mit Abstand das Günstigste, bei einem Fünftel von Sols Kosten pro Punkt. Der Preis dafür ist der letzte Platz insgesamt (4,18) und ein Einbruch bei OCR (1,7, der schlechteste Wert im Feld). Für großes Volumen, geringes Risiko und sauberen Text ist es ein unschlagbares Preis-Leistungs-Verhältnis. Richten Sie es nie auf einen Scan.
Am Rande: Stabilität unter Nebenläufigkeit
Wir haben alle 168 Übersetzungsaufrufe mit einer Nebenläufigkeit von 12 abgefeuert: null Fehlschläge, null Wiederholungen, fertig in 159 Sekunden.
Das ist erwähnenswert, weil „die API von Modell X ist wackelig" ständig wiederholt wird, meist gestützt auf ein oder zwei glücklose Aufrufe. Drei Wiederholungen pro Zelle und 168 Aufrufe insgesamt brauchte es, bevor wir bereit waren zu sagen, dass dieser Weg bei dieser Nebenläufigkeit stabil ist.
Ein einzelner Fehlschlag beweist ebenso wenig, dass ein Modell instabil ist, wie ein einzelner Erfolg beweist, dass es das nicht ist.
Fazit und Grenzen
So wählen Sie:
- Arbeiten, Verträge, technische Handbücher, Dokumente mit Tabellen → GPT-5.6 Sol
- Scans, Fotos, jedes per OCR erfasste PDF → Claude Opus 4.8 (zweite Wahl: GPT-5.5)
- Großes Volumen, kostensensibel, sauberer Ausgangstext → GPT-5.6 Luna oder DeepSeek V4 Pro
- Latenzkritisch → GPT-5.6 Terra (am schnellsten, und das ist sein ganzes Argument)
- Schon auf GPT-5.5 → Upgrade auf Sol, gleicher Preis, besserer Output – außer bei Scans
Was dieser Test nicht belegt:
- Der Korpus besteht aus acht kurzen Textausschnitten, nicht aus vollständigen Dokumenten. Ein echtes 100-seitiges PDF bringt Attention-Decay, seitenübergreifende Tabellen und mit dem Fließtext verschachtelte Bildunterschriften mit sich. Kurzbeispiel-Ergebnisse lassen sich nicht 1:1 übertragen.
- Alle Aufrufe liefen über ein einziges Drittanbieter-Relay. Die Latenz spiegelt diesen Weg wider, keine Direktverbindung zum Anbieter.
- Die Juroren sind LLMs, keine menschlichen Übersetzer. LLM-Juroren sind bei überprüfbaren Dimensionen wie Treue und Terminologie einigermaßen verlässlich; behandeln Sie „Stil" mit mehr Vorsicht.
- Dies ist eine einzelne Auswertung, kein laufender Benchmark. Modelle ändern sich; Schlussfolgerungen verfallen.
❓ Häufig gestellte Fragen (FAQ)
Was ist der Unterschied zwischen GPT-5.6 Sol, Terra und Luna?
Es sind drei Leistungsstufen derselben Generation, nicht drei Versionen. Sol hat die höchste Reasoning-Obergrenze bei 5 $ Input / 30 $ Output pro 1 Mio. Token; Terra ist die ausgewogene Stufe bei 2,50 $/15 $; Luna ist die leichtgewichtige Stufe bei 1 $/6 $. Über unsere acht Dokumentenszenarien erreichten sie 4,70, 4,38 bzw. 4,34 von 5.
Welche GPT-5.6-Stufe sollte ich für die Dokumentenübersetzung nehmen?
Nehmen Sie Sol für saubere Dokumente – Arbeiten, Verträge, technische Handbücher, Tabellen – wo es in fünf von acht Szenarien die perfekte 5,0 erzielt. Nehmen Sie Luna für hohes Volumen bei knappem Budget: Es liegt nur 0,04 Punkte hinter Terra, kostet aber 42 % weniger pro Qualitätspunkt. Terras einziger Vorteil ist Tempo (3.598 ms Median-Latenz). Für gescannte Dokumente ist keine der drei eine gute Wahl.
Ist GPT-5.6 beim Übersetzen besser als GPT-5.5?
Meistens ja. Beide tragen den identischen Listenpreis von 5 $/30 $ pro 1 Mio. Token, und Sol erzielt 4,70 gegenüber 4,54 bei GPT-5.5, mit klaren Siegen bei Rechtsklauseln, technischen Dokumenten, Tabellen und Terminologiekonsistenz. Die eine Ausnahme ist die OCR-Fehlerkorrektur bei gescanntem Text, wo GPT-5.5 tatsächlich stärker ist (4,3 vs. 3,4).
Kann GPT-5.6 gescannte PDFs übersetzen?
Es kann, aber schlecht. Bei Ausgangstext mit OCR-Artefakten erzielten die drei Stufen Sol 3,4, Luna 3,0 und Terra 2,2 – alle unter der Vorgängergeneration GPT-5.5 mit 4,3. Terra und Luna kopieren falsch erkannte englische Wörter wie rnodule und inspecti0n direkt in die Ausgabe. Für Scans nehmen Sie Claude Opus 4.8, das in diesem Szenario die perfekte 5,0 erreichte.
Ist GPT-5.6 beim Übersetzen besser als Claude Opus 4.8 oder Gemini 3.1 Pro?
Die Gesamtnoten sind Claude Opus 4.8 mit 4,73, Gemini 3.1 Pro mit 4,71 und GPT-5.6 Sol mit 4,70 – ein Abstand, der klein genug ist, um Rauschen zu sein, kein Modell gewinnt also allein bei der Qualität. Aber Claude liegt bei den Kosten pro Punkt exakt gleichauf mit Sol ($0.00077) und holt sowohl beim Format als auch bei OCR die perfekte 5,0, und Gemini 3.1 Pro kostet wegen des hohen Reasoning-Token-Verbrauchs das 3,4-Fache von Sol pro Punkt.
Wie viel kostet es, ein Dokument mit GPT-5.6 zu übersetzen?
Zum offiziellen API-Preis kostete ein in diesem Test gemessener Aufruf für ein kurzes Dokument mit Sol rund $0.00360, mit Terra $0.00161 und mit Luna $0.00113. Zum Vergleich: Claude Opus 4.8 kostete $0.00366 und DeepSeek V4 Pro nur $0.00068. Die realen Kosten skalieren mit der Dokumentlänge und der Anzahl der Output-Token.
Ist GPT-5.6 Luna wirklich die schnellste Stufe?
In unserem Test nicht. Lunas Median-Latenz lag bei 7.998 ms – die langsamste der drei Stufen und etwa das 2,2-Fache von Terras 3.598 ms. Beachten Sie, dass alle Aufrufe über dasselbe Drittanbieter-Relay liefen, die Differenz könnte also das Routing statt das Modell selbst widerspiegeln.
Testen Sie es mit Ihren eigenen Dokumenten
Dieser Test nutzte acht kurze Textausschnitte. Ihre Dokumente sind länger und eigenwilliger – Verträge mit nummerierten Klauseln, Arbeiten mit Formeln und Abbildungen, Scans in wild schwankender Qualität.
Der beste Weg zur Entscheidung: Laden Sie Ihr eigenes Dokument hoch und vergleichen Sie.
👉 PDF / EPUB / Word hochladen und mit dem Übersetzen beginnen
Mit BelinDoc wechseln Sie das Übersetzungsmodell im Handumdrehen, behalten Ihr ursprüngliches Layout bei und vergleichen mehrere Modelle mit einer einzigen hochgeladenen Datei.
