Welche Aufgaben eignen sich für den Vergleich?
Wählen Sie zwei Aufgaben aus einer normalen Woche. Ein Standardfall kann eine Statusmail aus freigegebenen Projektnotizen sein. Ein anspruchsvoller Fall kann eine Entscheidungsvorlage sein, bei der mehrere widersprüchliche Quellen zusammengeführt und offene Annahmen sichtbar bleiben müssen. Legen Sie bei beiden vorher das Ausgabeformat und die Prüfpunkte fest. So erkennen Sie, ob ein Modellwechsel einen Unterschied macht oder die Aufgabe einfach genauer beschrieben werden musste.
Was kostet ein akzeptiertes API-Ergebnis?
OpenAI nennt je Million API-Tokens für Astra 8 US-Dollar für Eingabe, 0,40 US-Dollar für Cache-Eingabe und 40 US-Dollar für Ausgabe. Sol liegt bei 2, 0,10 und 10 US-Dollar in denselben Kategorien. Die regulären Preise sind eine Grundlage für die Kalkulation. Protokollieren Sie auch Wiederholungen, hinzugebuchte Werkzeuge und die Arbeitszeit für die Prüfung. Ein aufwendiger Durchlauf kann sich rechnen, wenn die Fachperson dadurch deutlich weniger Zeit zum Nachbessern braucht. Verwenden Sie die tatsächlichen Nutzungsdaten Ihres Tests.
Ein vereinfachtes Rechenbeispiel mit 20.000 ungecachten Eingabe-Tokens und 2.000 Ausgabe-Tokens ergibt für einen einzelnen Aufruf 0,24 US-Dollar bei Astra und 0,06 US-Dollar bei Sol. Erfasst der API-Bericht einen Teil der Eingabe als Cache-Treffer, berechnen Sie diesen Anteil zum Cache-Tarif. Vergleichen Sie erst nach der fachlichen Abnahme, wie viele Aufrufe für das tatsächlich brauchbare Ergebnis nötig waren.
Welche Verfügbarkeit ist bestätigt?
Die Ankündigung nennt ChatGPT Work und Codex für Plus, Pro, Enterprise und Edu sowie die API-Modellnamen gpt-6.2-astra und gpt-6.2-sol. Prüfen Sie vor einem Pilotprojekt die Modellauswahl im konkret vorgesehenen Konto und den Zugriff im API-Projekt. Der sichtbare Name einer Modellfamilie ist zu grob für einen Vergleich. Halten Sie die genaue Version, die verwendete Oberfläche und gegebenenfalls die Denkstufe fest. Damit kann eine zweite Fachperson die Bedingungen des Vergleichs nachvollziehen.
Woran erkennen Sie ein besseres Arbeitsergebnis?
Prüfen Sie bei der Entscheidungsvorlage zuerst die Quellen und Zahlen. Jede wichtige Behauptung sollte auf einen überprüfbaren Abschnitt zeigen. Die Fachperson markiert Auslassungen, unklare Annahmen und Fehler, die eine Entscheidung verändern würden. Erst anschließend bewertet sie Struktur, Ton und Format. Ein sauber formulierter Text kann einen fachlichen Fehler leicht verdecken. Beide Modelle bekommen dieselben Referenzdateien, denselben Auftrag und eine vergleichbare Freigabe für Werkzeuge. Lassen Sie mehrere Aufgaben laufen, bevor Sie aus einem einzelnen guten Ergebnis eine Empfehlung ableiten.
Wie halten Sie den Pilot klein?
Beginnen Sie mit synthetischen oder ausdrücklich freigegebenen Unterlagen. Für den ersten Vergleich genügt ein Ordner mit Versionen und vorab berechneten Sollwerten. Geben Sie dem Modell nur die Dateien, die für den Auftrag nötig sind, und lassen Sie Entwürfe in einer separaten Ablage landen. Eine Fachperson prüft vor der Weitergabe auf fehlende Angaben, unbelegte Behauptungen und versehentlich übernommene vertrauliche Passagen. Wenn das Team später weitere Datenquellen einbinden möchte, entscheiden Datenverantwortliche über Umfang und Zugriff.
Den passenden Standard festlegen
Dokumentieren Sie pro Aufgabe, welcher Durchlauf fachlich bestand, wie viel Zeit die Prüfung dauerte und was bis zur Abnahme anfiel. Wenn beide Modelle zuverlässig bestehen, entscheiden Sie nach Gesamtkosten und Arbeitszeit. Wenn nur Astra die komplexe Aufgabe konsistent besteht, können Sie diesen Aufgabentyp für Astra vorsehen und Sol im Standardprozess belassen. Vergleichen Sie bei der nächsten Modelländerung dieselben Referenzfälle erneut. Das macht die Entscheidung überprüfbar und erleichtert die Rückkehr zum bisherigen Ablauf, falls die Qualität unter die vereinbarte Grenze fällt.
Nachvollziehbar bleiben



