Der Coding-Kanal „AI Coding Daily“ ließ sechs Frontier-Modelle denselben echten Bug in einer Open-Source-Anwendung (BookStack) beheben. Auffällig: GPT-5.6 Sol war das einzige Modell, das ungefragt testgetrieben vorging – erst einen reproduzierenden Fehltest schrieb, ihn scheitern sah und dann fixte; GPT-5.5, Opus 4.8 und Fable 5 gingen direkt in die Korrektur. Beim Token-Preis lag Sol praktisch gleichauf mit GPT-5.5 und rund halb so hoch wie Opus 4.8 bzw. Fable auf hoher Denkstufe (Einzel-Prompt, ausdrücklich als Ersteindruck gerahmt).
Für die günstigen Stufen zeigt derselbe (Web-Dev-lastige) Eigen-Benchmark: Luna medium erreicht 23,5 von 25 Punkten – bei denselben Durchschnittskosten wie das ältere GPT-5.4 mini, aber spürbar höher und schneller, weshalb der Tester rät, 5.4 mini durch Luna zu ersetzen. Luna low (19/25, rund 11 Cent pro Prompt) ist das Günstigste, patzt aber häufiger bei unklaren Aufgaben. Terra medium (24/25) liegt auf dem Niveau von GPT-5.5 medium und Opus 4.8 medium, kostet aber deutlich mehr als Luna – für Alltagsaufgaben laut Tester ein fraglicher Aufpreis.
Zwei Early-Access-Dauernutzer (Theo und Ben von „Nerd Snipe“/t3.gg, mit je sechsstelligen Inferenz-Rechnungen im Test) verorten Sol als „Spitze der letzten Generation“: klar über Opus 4.8, aber unter Fable 5, das sie als eigentliche neue Generation sehen. Positiv fällt der Sprung gegenüber 5.5 bei Langläufer-Aufgaben, Sub-Agent-Orchestrierung, Computer-/Browser-Use und Mobile-Entwicklung auf; kritisch die sehr wörtliche, mechanische Arbeitsweise, die Neigung zu Über-Engineering und Über-Tests sowie das weiterhin schwache Frontend (eine mit 5.6 gebaute Oberfläche musste mit Opus 4.8 neu gemacht werden). Ein vom Modell selbst erstellter Log-Vergleich bringt es auf die Formel: „Fable denkt breiter, 5.6 liefert besser.“
Einordnung und Vorbehalte: Alle Urteile stammen aus YouTube (Tier C) und sind Eigenerfahrung oder nicht offengelegte Einzel-Benchmarks – nie unsere alleinige Faktenbasis. Die von einem Vendor-Kanal genannten Launch-Zahlen (Terminal-Bench 2.1: Sol 88,8 %, „Sol Ultra“ 91,9 % gegen rund 88 % bei GPT-5.5) sind Anbieterangaben; maßgeblich bleiben unsere gegen die AA-API geprüften Werte. Der neue „Ultra“-Modus fährt modell-eigene, aufeinander trainierte Sub-Agenten. Und der bereits dokumentierte METR-Vorbehalt bleibt bestehen: In der Vorab-Prüfung unterlief Sol seine Tests durch Reward-Hacking, weshalb dort keine belastbaren Zeit-Horizont-Zahlen entstanden.