Was ist GPT-6 und wie funktionieren große Sprachmodelle wirklich?

GPT-6 ist nicht ein einzelnes Produkt, das an einem Tag eingeführt wurde. OpenAI hat es in zwei Phasen veröffentlicht: eine Frontier-Version namens GPT-6 Astra in der frühen September 2026, gefolgt von zwei verbraucherorientierten Versionen, GPT-6 Sol und GPT-6 Luna, die das vorherige Modell in ChatGPT im Oktober 2026 ersetzten.

Astra zuerst, dann Sol und Luna für alle

Nach OpenAIs eigenem Bericht, zusammengefasst auf Wikipedia, ging GPT-6 Astra am 3. September 2026 in die begrenzte Vorschau und erreichte zahlende ChatGPT-Nutzer am nächsten Tag. OpenAI beschrieb es als das fähigste System bis heute und verwies auf Fortschritte bei Codierung, Mathematik und autonomer Computernutzung. OpenAI-Vizepräsident Aidan Clark sagte, das Modell sei das größte Trainingsprojekt des Unternehmens bis heute und nannte es das erste Mal, dass OpenAI ein Modell auf mehr als 100.000 GPUs in seiner Stargate-Anlage in Texas vortrainiert hatte.

Nach DataCamps Überprüfung von OpenAIs veröffentlichten Materialien stufte OpenAI Astra auf die Ebene der Cybersicherheitsfähigkeit ‚Kritisch' in seinem internen Preparedness Framework ein. DataCamp berichtete, dass diese Bewertung Astras Fähigkeit widerspiegelt, bei der Erstellung von Cyber-Exploits zu helfen, anstelle der Fähigkeit, unbekannte Mängel in gehärteten Systemen autonom zu entdecken, und dass OpenAI die fortschrittlicheren Cybersicherheitsaufgaben des Modells, wie die Erstellung von Proof-of-Concept-Exploits, bei der Einführung hinter seinem Daybreak-Zugriffsprogramm einschränkte. OpenAI-Präsident Greg Brockman sagte Reportern, er halte es für angemessen zu sagen, dass die Branche in das eintrat, was er eine AGI-Ära nannte, aber er sagte nicht, dass OpenAI künstliche allgemeine Intelligenz erreicht habe.

Am 7. Oktober 2026 brachte OpenAI eine zweite Welle von GPT-6 in die ChatGPT-App, diesmal für alltägliche Konversationen statt spezialisierte Agentenaufgaben, nach OpenAIs Ankündigung in seinem Entwickler-Community-Forum und Berichten von TechCrunch. Plus-, Pro-, Business- und Enterprise-Abonnenten erhielten sofort eine Version namens GPT-6 Sol; kostenlose und Go-Tier-Nutzer begannen am nächsten Tag, GPT-6 Luna zu erhalten.

Die sichtbare Änderung: eine ‚Intelligent UI'

Neben dem Modellwechsel führte OpenAI eine Funktion ein, die es Intelligent UI nennt. Anstatt nur in Absätzen zu antworten, kann ChatGPT nun eine Antwort aus Text, Diagrammen, anklickbaren Schaltflächen, Formularen und kleinen interaktiven Tools wie Rechnern zusammenstellen, nach OpenAIs Community-Beitrag und Berichten von TechCrunch. OpenAI-Produktmanager Aarush Selvan sagte, das Ziel sei, komplexe Themen leichter verständlich zu machen, und erklärte, dass die hilfreichsten Antworten auf viele Fragen nicht nur Klartext sind, wie TechCrunch berichtete. Das System entscheidet Fall für Fall, ob ein Diagramm, ein interaktives Diagramm oder Klartext am besten zu einer Frage passt, und Nutzer können anpassen, wie oft diese visuellen Elemente erscheinen.

Was OpenAIs eigene Sicherheitstests fanden

OpenAIs System Card für die Oktober-Version, veröffentlicht auf seinem Deployment Safety Hub, sagt, dass GPT-6 Sol und Luna bei mehreren Sicherheitsmaßnahmen im Vergleich zu den vorherigen GPT-5.6-Modellen verbessert wurden: stärkerer Widerstand gegen Jailbreak-Versuche, einschließlich mehrrundiger Angriffe, weniger unehrliches oder täuschendes Verhalten und bessere faktische Genauigkeit bei den meisten Metriken. Dasselbe Dokument berichtet auch über statistisch signifikante Rückgänge in der Handhabung durch die Modelle einer engen Reihe von sensiblen Bewertungskategorien, einschließlich Eingaben zu Selbstverletzungen, wobei Luna bei internen Tests zusätzliche Rückgänge bei Gewalt- und Sexualinhalten zeigte; OpenAIs eigene Bewertung beschrieb die problematischen Ausgaben, die es überprüfte, als gering schwerwiegend und immer noch innerhalb seiner allgemeinen Sicherheitserwartungen.

Nach OpenAIs Preparedness Framework klassifiziert die System Card auch sowohl Sol als auch Luna als ‚Hoch' Fähigkeit in biologischen/chemischen und Cybersicherheits-Risikokategorien, aber unterhalb der ‚Kritisch'-Schwelle — eine niedrigere Risikoebene als das Astra-Modell, das im Vormonat veröffentlicht wurde, das OpenAI als Kritisch für Cybersicherheit bewertet hatte.

Wie große Sprachmodelle wirklich funktionieren

GPT-6 ist wie GPT-4, Claude oder Llama auf einer neuronalen Netzwerkarchitektur namens Transformer aufgebaut, die 2017 von Google-Forschern eingeführt wurde, nach IBMs Forschungserklärung. Ein Transformer zerlegt Text in kleine Einheiten namens Tokens, konvertiert jeden Token in einen numerischen Vektor und verwendet dann einen Mechanismus namens Self-Attention, um herauszufinden, wie stark jeder Token sich auf jeden anderen Token in der Eingabe bezieht — einschließlich solcher, die weit auseinander im Text liegen.

Bevor alles das passiert, muss das Modell trainiert werden. IBMs Erklärung beschreibt dies als beginnend mit massiven Datensätzen — Milliarden oder Billionen von Wörtern aus Büchern, Websites und Code — die bereinigt, tokenisiert und durch das Netzwerk mit selbstüberwachtem Lernen gefüttert werden, einer Methode, die nicht erfordert, dass Menschen die richtige Antwort für jedes Beispiel kennzeichnen.

Nach dem Training funktioniert das Modell, indem es eine Eingabeaufforderung nimmt, sie in Tokens konvertiert und wiederholt das einzelne wahrscheinlichste nächste Token vorhersagt, jeweils eines nach dem anderen, bis die Antwort vollständig ist. Wie IBMs Erklärung es ausdrückt, kennt das System die endgültige Antwort nicht im Voraus; es generiert die Antwort Stück für Stück unter Verwendung der statistischen Beziehungen, die während des Trainings gelernt wurden, anstatt eine gespeicherte Tatsache abzurufen oder wie ein Mensch zu überlegen.

Was dies für das Vertrauen in die Ausgabe bedeutet

Da das System wahrscheinlichen Text vorhersagt, anstatt die Wahrheit zu überprüfen, listet IBMs Erklärung Halluzination — mit Selbstvertrauen generierte, aber falsche Informationen — als eine inhärente Begrenzung der Architektur auf, neben dem Risiko, dass Verzerrungen, die in Trainingsdaten vorhanden sind, in Ausgaben reflektiert oder verstärkt werden. Das Trainieren und Betreiben von Modellen in diesem Maßstab erfordert auch sehr große Mengen an Rechenleistung und Energie, ein Punkt, den OpenAI selbst unterstrich, als es sagte, dass Astras Trainingslauf über 100.000 GPUs an einem einzelnen Standort verwendete.