OpenAI-Modellwahl: Ted Sanders rät zu einer Abwägung nach Aufgabe und Preis

Modellgröße bleibt ein Hinweis, aber keine Garantie

Sanders’ Einordnung lässt sich nicht als Absage an die Modellgröße lesen. Laut The Decoder hält er sie für eine zentrale Variable hinter vielen Leistungsunterschieden. Zugleich könnten neuere, kleinere Modelle ältere, größere Systeme übertreffen, etwa durch bessere Trainingsdaten oder verbesserte Architekturen. Die Modellgröße dient damit als Anhaltspunkt, ersetzt aber keine aufgabenspezifische Prüfung. [1]

Für die Praxis heißt das: Ein größerer oder teurer wirkender Modellname ist für sich genommen kein Nachweis, dass die gewünschte Aufgabe besser gelöst wird. Umgekehrt beweist ein niedrigerer Preis nicht, dass ein kleineres Modell für den eigenen Einsatz genügt. Solche Aussagen lassen sich aus dem Terra-Astra-Beispiel allein nicht verallgemeinern; sie sind eine Folgerung aus Sanders’ Hinweis, dass Leistungen je nach Aufgabenbereich und weiteren Faktoren variieren. [1]

Sanders hatte in einem früheren Gespräch seine Arbeit bei OpenAI als Versuch beschrieben, systematisch zu erfassen, worin GPT gut und worin es schwach ist. Er sprach dabei von der Notwendigkeit, solche Fähigkeiten zu messen, um gezielt Verbesserungen angehen zu können. Das stützt eine methodische Lesart seiner aktuellen Faustregel: Leistungsurteile sollten an konkreten Fähigkeiten festgemacht werden, nicht an einem pauschalen Etikett. [2]

Was die Einordnung für betriebliche Modelltests bedeutet

Für Unternehmen lässt sich aus der beschriebenen Abwägung ein pragmatischer Prüfweg ableiten. Zunächst sollten Sie festlegen, welche Aufgaben ein Modell erfüllen soll und welche Qualitätsanforderungen dabei gelten. Anschließend können Sie genau diese Aufgaben mit den infrage kommenden Modellen vergleichen und die Ergebnisse dem jeweiligen Preis gegenüberstellen. Das ist eine Analyse, keine von Sanders vorgelegte Testmethodik; sie überträgt seine Unterscheidung zwischen Aufgabenleistung und Preisempfindlichkeit auf die Modellauswahl. [1]

Die Tests sollten sich auf die Einsatzfälle beziehen, für die die Einordnung Unterschiede nahelegt. Wer etwa Bildverarbeitung oder Computernutzung benötigt, sollte solche Aufgaben nicht durch einen allgemeinen Schreibtest ersetzen. Wer sich für technische Kommunikation interessiert, sollte diese gesondert bewerten. Der Bericht nennt diese Bereiche, veröffentlicht aber keine Testfälle oder Kriterien, mit denen Unternehmen die Leistung unmittelbar reproduzieren könnten. [1]

Bei der Entscheidung sollte außerdem klar bleiben, welche Abstriche vertretbar sind. Sanders’ Empfehlung unterscheidet ausdrücklich zwischen maximaler Qualität, moderater Preissensibilität und sehr hoher Preissensibilität. Für ein Unternehmen ist das keine automatische Zuordnung von Aufgaben zu Modellen; es ist vielmehr eine Aufforderung, den jeweiligen Kompromiss offenzulegen und anhand der eigenen Anforderungen zu bewerten. [1]

Preisempfindlichkeit braucht einen konkreten Anwendungsbezug

Dass Sanders Terra als deutlich günstiger als Astra beschreibt, macht den Preis zu einem Teil der Auswahlentscheidung. Der Bericht enthält jedoch keine Preisangaben oder Berechnungen zu Gesamtkosten. Aussagen über mögliche Einsparungen in einem bestimmten Unternehmen wären deshalb nicht belegt. [1]

Als Analyse lässt sich daraus ableiten, dass Unternehmen nicht nur einen Preisunterschied, sondern auch dessen Verhältnis zur tatsächlich benötigten Leistung bewerten sollten. Wenn ein günstigeres Modell eine zentrale Aufgabe ausreichend erfüllt, kann es für diesen Zweck eine passende Wahl sein. Wenn die in der Quelle genannten Einschränkungen gerade die eigenen Anforderungen betreffen, kann der niedrigere Preis den Qualitätsverlust möglicherweise nicht aufwiegen. Ob das zutrifft, muss der Einsatztest klären; der Bericht liefert dafür keine allgemeine Schwelle. [1]

Auch Sol und Luna ordnet Sanders lediglich über die Preisempfindlichkeit ein: Sol für eine gewisse, Terra oder Luna für eine sehr hohe. Der vorliegende Bericht enthält keine Einzelheiten zu ihren Fähigkeiten oder Preisen. Daraus lässt sich weder eine detaillierte Rangfolge zwischen diesen Modellen noch eine Empfehlung für bestimmte Branchen ableiten. [1]

Keine Aussage über Verfügbarkeit oder unabhängige Bestätigung

Die Quelle beschreibt Sanders’ Einordnung von GPT-6.1 Terra und die genannten Modellnamen. Sie liefert aber keine Angaben dazu, ob und wann Astra, Sol, Terra oder Luna für bestimmte Kundengruppen oder über bestimmte Produkte verfügbar sind. Eine Produktkategorisierung ist nicht dasselbe wie eine bestätigte Verfügbarkeit. [1]

Die Leistungs- und Preisvergleiche sind im vorliegenden Material Sanders zugeschrieben und über The Decoder wiedergegeben. Der Bericht enthält keine unabhängigen Testergebnisse, mit denen sich die Aussagen zu technischer Kommunikation, Bildverarbeitung, Computernutzung oder den übrigen Bereichen bestätigen ließen. Auch ein konkreter Benchmarkvergleich fehlt. Die Aussagen sollten daher als Einschätzung des OpenAI-Mitarbeiters verstanden werden, nicht als unabhängiger Nachweis. [1]

Das begrenzt auch den möglichen Vergleich mit anderen OpenAI-Aussagen. Das GPT-5-Posting von 2025 beschreibt eine bestimmte Systemarchitektur und Leistungsangaben für dieses Modell, nicht die Eigenschaften der hier genannten GPT-6.1-Varianten. Es kann den allgemeinen Hintergrund zu unterschiedlichen Reasoning-Stufen und Routing erklären, aber keine Lücken im Bericht zu GPT-6.1 schließen. [4]

Eine Orientierung für die Vorauswahl, nicht für den Alleineinsatz

Sanders’ Faustregel ist vor allem als Ausgangspunkt für eine Vorauswahl nützlich: Wenn Qualität Vorrang hat, nennt er Astra; mit zunehmender Preissensibilität rücken Sol, Terra oder Luna in den Blick. Zugleich warnt seine Einordnung indirekt vor einer eindimensionalen Entscheidung, denn Größe, Reasoning-Aufwand, Systemarchitektur und konkrete Fähigkeiten lassen sich nicht auf ein einziges Leistungsurteil reduzieren. [1]

Für Ihre Entscheidung bleibt deshalb die eigene Aufgabe der Maßstab. Die vorliegenden Quellen stützen weder eine universelle Rangliste noch eine pauschale Empfehlung für Unternehmen. Sie liefern eine berichtete Einschätzung zu ausgewählten Modellen und Aufgabengebieten – aber keine vollständigen Leistungsdaten, Preislisten oder Verfügbarkeitsinformationen. Ein belastbarer Beschluss sollte diese Grenzen berücksichtigen und die Auswahl anhand der tatsächlich benötigten Funktionen prüfen. [1][4]

Quellen

1. [1] OpenAI's Ted Sanders shares a rule of thumb for picking the right GPT-model — https://the-decoder.com/openais-ted-sanders-shares-a-rule-of-thumb-for-picking-the-right-gpt-model (abgerufen am 2026-10-27)
2. [2] Pro Tips with Ted Sanders, OpenAI - YouTube — https://www.youtube.com/watch?v=dVOhmLIAeBU (abgerufen am 2026-10-27)
3. [4] Introducing GPT-5 | OpenAI — https://openai.com/index/introducing-gpt-5 (abgerufen am 2026-10-27)