GPT-6.1 Sol langsam? Meine Messung und was wirklich stimmt

Mein Eindruck: deutlich langsamer als Opus 5.5

Ich nutze GPT-6.1 Sol seit dem 30. September in Codex, auf Sehr hoch und ohne Fast. Wie es eingeordnet ist, steht in meinem Beitrag zu GPT-6.1 Sol und dem OpenAI DevDay 2026: knapp Astra-Niveau zu einem Fünftel des Preises. Im Alltag fällt mir aber vor allem eines auf: Man merkt, dass Sol deutlich langsamer ist. Am stärksten, wenn ich direkt danach in Claude Code mit Opus 5.5 weiterarbeite.

Das Gefühl kann täuschen. Ein Modell, das länger nachdenkt, wirkt langsamer, auch wenn es am Ende schneller fertig ist. Und Opus 5.5 ist ein anderes Modell mit einem anderen Denkstil. Deshalb habe ich nicht nach Gefühl verglichen, sondern gezählt.

So habe ich gemessen

1. Meine Protokolle aus Codex und Claude Code

Codex und Claude Code speichern jede Sitzung lokal auf dem Rechner, mit Zeitstempeln und Tokenzahlen. Ich habe nur diese Zahlen ausgelesen, keine Inhalte. Für jede einzelne Antwort des Modells gilt:

• Schreibtempo: Ausgabe-Tokens geteilt durch die Zeit ab dem ersten gestreamten Teil der Antwort. Zu den Ausgabe-Tokens zählen auch die Tokens, mit denen das Modell nachdenkt.
• Zeit bis zum ersten Token: wie lange das Modell nach dem Abschicken braucht, bis überhaupt etwas kommt.
• Nur längere Antworten: Ich zähle nur Antworten mit mindestens 300 Tokens, weil sehr kurze Antworten das Tempo verzerren.

Bei Claude Code steht im Protokoll nicht, wann das erste Token kam. Der Wert für Opus 5.5 enthält deshalb die Wartezeit und ist eher zu niedrig als zu hoch. Beide Modelle liefen auf der vergleichbaren Stufe: Sol auf Sehr hoch (xhigh), Opus auf Extra hoch (xhigh).

2. Der Kontrolltest im Browser

Am 01.10. zwischen 14:50 und 15:25 Uhr habe ich dieselbe Aufgabe in ChatGPT Work und in claude.ai gestellt: einen Ratgebertext mit etwa 900 Wörtern zur Retourenquote, ohne Websuche. GPT-6.1 Sol lief auf Sehr hoch, auf Sehr hoch mit Fast und auf Mittel, Opus 5.5 auf Extra hoch und auf Mittel. Dazu kam eine Programmieraufgabe: ein Margen-Rechner als einzelne HTML-Datei, mit Sol auf Sehr hoch und Opus auf Extra hoch. Gemessen habe ich nicht mit der Stoppuhr, sondern mit den Zeitstempeln, die beide Dienste selbst liefern: bei ChatGPT aus dem Antwort-Datenstrom, in dem jedes Token einzeln ankommt, bei claude.ai aus dem gespeicherten Gesprächsverlauf, der Beginn und Ende von Nachdenken und Text festhält.

Ergebnis 1: Meine Protokolle

Die Tabelle zeigt den Median aus allen längeren Antworten je Modell. Der Median ist der mittlere Wert, einzelne Ausreißer verschieben ihn kaum.

Drei Dinge fallen auf. Erstens schreibt GPT-6.1 Sol bei mir nicht einmal halb so schnell wie sein Vorgänger GPT-6 Sol eine Woche vorher, auf derselben Stufe und im selben Werkzeug. Zweitens wartet man vor jeder Antwort fast dreimal so lange auf das erste Token. Drittens liegt Opus 5.5 mit gut 90 Tokens pro Sekunde in einer anderen Liga, obwohl in diesem Wert die Wartezeit sogar noch steckt.

Wie viel das im Alltag ausmacht, zeigen meine 30 Sol-Aufgaben in Codex seit dem 30.09.: Im Median waren es 16 Modellaufrufe, rund 9.000 Ausgabe-Tokens und 9 Minuten pro Aufgabe. Davon entfielen 94 % auf das Warten auf das Modell. Befehle ausführen, Dateien lesen und Tests laufen lassen machten nur 6 % aus. Das Schreibtempo des Modells ist also nicht ein Faktor unter vielen, sondern der Engpass.

Der Verlauf zeigt noch etwas: Am 30.09. lag das Tempo von morgens bis abends fast konstant bei etwa 20 Tokens pro Sekunde, ganz gleich, wann ich gearbeitet habe. Am 01.10., nach der Ankündigung von OpenAI, lag es bei 22 bis 25. Das ist besser, aber weit entfernt vom versprochenen doppelten Tempo.

Ergebnis 2: Der Kontrolltest

Im Kontrolltest bekamen beide Modelle exakt denselben Auftrag. So lassen sich Nachdenken und Schreiben getrennt betrachten.

Das Ergebnis passt zu meinen Protokollen, ist aber an einer Stelle überraschend: Opus 5.5 hat auf Extra hoch nicht kürzer nachgedacht als Sol 6.1. Beim Ratgebertext begann der Text bei Opus nach 68 Sekunden, bei Sol nach 50, beim Rechner bei beiden nach knapp 5 Minuten. Trotzdem war Opus jeweils früher fertig, weil es danach zweieinhalb- bis dreieinhalbmal so schnell geschrieben hat. Beim Rechner stand der fertige Code von Opus nach 6:19 Minuten da, bei Sol nach 8:03 Minuten, obwohl Opus mit gut 27.000 Zeichen sogar mehr Code geschrieben hat.

Zwei weitere Ergebnisse sind für die Praxis wichtig:

• Fast verdoppelt das Tempo. Mit Fast schrieb Sol 39,9 statt 18,0 Tokens pro Sekunde, auch das Nachdenken ging schneller. Der Text war nach 62 statt 143 Sekunden fertig und damit sogar früher als bei Opus 5.5 auf Extra hoch. ChatGPT selbst verspricht in der Einstellung nur die „1,5-fache Geschwindigkeit“.
• Mittel spart nur Denkzeit. Auf Mittel begann der Text nach 11 statt 50 Sekunden. Geschrieben hat Sol danach aber genauso langsam, mit 77 Zeichen pro Sekunde. Fertig war es nach 110 Sekunden statt 143.

Auffällig ist auch, dass Sol bei der Programmieraufgabe gut 20 Minuten später mit 32 Tokens pro Sekunde schrieb, deutlich schneller als beim Text. Das kann an der Art der Tokens liegen, Code zerfällt in kürzere Stücke, oder daran, dass OpenAI im Lauf des Nachmittags weitere Kapazität zugeschaltet hat. Mit je einem Lauf lässt sich das nicht trennen. Wie sich die Unterschiede anfühlen, kannst du hier nachspielen:

Was OpenAI sagt

Die einzige direkte Aussage von OpenAI zum Tempo kam von Tibo Sottiaux, der bei OpenAI für Codex zuständig ist. Am 01.10. um 3:06 Uhr deutscher Zeit schrieb er auf X, GPT-6.1 Sol sei „our most demanded model pretty much ever“, über die API und in den Abos. In ChatGPT und Codex sei man „under heavy load“ gewesen, habe aber mehr Kapazität zugeschaltet. Das Tempo solle in den nächsten Stunden „almost twice the speed compared to what we served yesterday“ erreichen.

Was OpenAI darüber hinaus dokumentiert:

• Fast: Laut Codex-Dokumentation unterstützt GPT-6.1 Sol die Stufen Standard und Fast. Einen Tempo-Faktor nennt OpenAI für Sol 6.1 dort nicht, für GPT-5.6 und GPT-5.5 sind es 1,5-fach. Im Abo verbraucht Fast das 2,5-Fache an Kontingent, über die API kostet es das Doppelte.
• Ultrafast: Die schnellste Stufe mit bis zu achtfachem Tempo gibt es bisher nur für GPT-6 Astra. Für Sol 6.1 ist sie angekündigt, aber ohne Datum.
• Statusseite: Für den 30.09. vermerkt OpenAI zwischen 19:05 und 22:35 Uhr deutscher Zeit eine „Elevated latency for some API requests“, also längere Antwortzeiten bei der API. Einen eigenen Eintrag zum langsamen Sol in Codex gab es bis zum 01.10. mittags nicht.

Eine Erklärung für das Tempo im Detail gibt OpenAI nicht. Auf Reddit behauptet ein Nutzer, Tibo habe vorher über Batching gesprochen, also darüber, viele Anfragen gemeinsam zu verarbeiten, was Rechenzeit spart und den einzelnen Nutzer bremst. Einen solchen Post habe ich nicht gefunden.

Was andere messen

Andere Nutzer: dieselben 20 Tokens pro Sekunde

Der Thread, der die Diskussion ins Rollen brachte, stammt von einem Nutzer, der wie ich seine Codex-Protokolle ausgewertet hat. Seine Tabelle zeigt fast dieselben Werte: GPT-6.1 Sol auf xhigh 20,7 Tokens pro Sekunde aus 1.213 Anfragen, GPT-6 Sol auf xhigh 53,8. Ein anderer Nutzer hat je sieben Läufe über die API und über das Codex-Abo gemessen. Bei ihm kamen am 30.09. im Abo auch GPT-6 Sol und GPT-5.6 Sol nur auf 21 Tokens pro Sekunde, über die API lag GPT-6 Sol bei 91 und Sol 6.1 bei 73. In meinen Protokollen schaffte GPT-6 Sol in der Woche davor im Abo noch 54. Das spricht dafür, dass die Last am 30.09. das ganze Codex-Abo gebremst hat und nicht nur Sol 6.1.

Es gibt aber auch viele, denen das Tempo wenig ausmacht oder die es sogar gut finden, weil ihr Kontingent länger reicht:

Über die API: schneller, aber nicht so schnell wie GPT-6 Sol

Wer Sol 6.1 über die API nutzt, bekommt ein anderes Bild. Artificial Analysis misst die Schreibgeschwindigkeit direkt bei OpenAI und Anthropic. Am 01.10. lag Sol 6.1 auf Max bei 64 Tokens pro Sekunde, Opus 5.5 auf Max bei 90, GPT-6 Sol auf Max bei 74. Sol 6.1 ist also auch über die API langsamer als sein Vorgänger, aber dreimal so schnell wie in meinem Codex.

Bei OpenRouter, einem Dienst, der Anfragen an verschiedene Anbieter verteilt, lag Sol 6.1 am 01.10. mittags bei den meisten Anbietern bei 27 bis 38 Tokens pro Sekunde. Spannend ist der Fast-Zugang: Am Abend des 30.09. war er mit 24 Tokens pro Sekunde sogar langsamer als der normale mit 28. Am 01.10. lag er mit 42 gegenüber 27 vorn. Opus 5.5 kam bei OpenRouter im Wochenschnitt je nach Anbieter auf 53 bis 79 Tokens pro Sekunde, mit Fast auf 111.

Tokens pro Sekunde sind nicht alles

Das stärkste Gegenargument in der Diskussion lautet: Das Schreibtempo sagt nichts darüber, wie schnell eine Aufgabe erledigt ist. Ein Modell, das mit weniger Tokens und weniger Umwegen zum Ziel kommt, kann trotz langsamerer Ausgabe früher fertig sein. Ein Nutzer rechnete es auf Reddit vor: 1.000 Tokens mit 20 pro Sekunde dauern 50 Sekunden, 5.000 Tokens mit 50 pro Sekunde 100 Sekunden. Das stimmt, und die Messungen zeigen, dass es bei Sol 6.1 eine Rolle spielt, aber nicht immer zu seinen Gunsten:

• Bug Hunt Bench: In 105 Fehlern, die in zwei echte Projekte eingebaut sind, fand GPT-6.1 Sol auf xhigh im Schnitt 42,7, Opus 5.5 auf xhigh 36. Sol kostete dafür zu Listenpreisen 4,35 $ statt 34,98 $, brauchte aber 98,7 statt 42,5 Minuten. Sol lief dabei über das Codex-Abo, Opus über die API. Der erste Sol-Lauf am Starttag dauerte 80,6 Minuten, die Wiederholungen am 30.09. 98,9 und 116,7 Minuten, also genau in der langsamen Phase.
• Artificial Analysis: Über die API war Sol 6.1 pro Aufgabe sogar schneller fertig als Opus 5.5 auf derselben Stufe, auf High etwa 3,6 statt 5,0 Minuten. Gegenüber GPT-6 Sol braucht es aber länger, 3,6 statt 2,7 Minuten.
• Vals AI: Auch hier lag Sol 6.1 mit 43 Minuten pro Testlauf vor Opus 5.5 mit 79 Minuten, aber hinter GPT-6 Sol mit 29 Minuten. Vals misst über die API, welche Denkstufen dort liefen, steht nicht in der Übersicht.

Der Unterschied zwischen diesen Messungen liegt vor allem am Weg: Über die API ist Sol schnell genug, dass seine sparsame Arbeitsweise den Ausschlag gibt. Im Abo, mit 20 Tokens pro Sekunde, frisst das Schreibtempo diesen Vorteil auf. Meine eigenen Aufgaben in Codex zeigen das deutlich: Wenn 94 % der Zeit Warten aufs Modell sind, wird jede Aufgabe fast proportional langsamer, wenn das Modell langsamer schreibt.

Die häufigsten Behauptungen im Check

Was du jetzt tun kannst

Solange OpenAI das Tempo im Abo nicht deutlich erhöht, helfen ein paar einfache Regeln:

• Fast gezielt einschalten. Wenn du vor dem Bildschirm sitzt und auf die Antwort wartest, lohnt sich Fast. In Codex schaltest du es mit /fast um, in ChatGPT Work mit dem Blitz-Symbol neben der Denkstufe. Bedenke, dass jede Anfrage dann 2,5-fach aufs Kontingent zählt.
• Lange Aufgaben im Hintergrund laufen lassen. Für Aufgaben, bei denen du nicht danebensitzt, ist das Tempo weniger wichtig. Dort spielt Sol seine Stärke aus: gute Ergebnisse für wenig Kontingent.
• Mehrere Aufgaben parallel. Sol ist pro Anfrage langsam, nicht insgesamt begrenzt. Wer zwei oder drei unabhängige Aufgaben gleichzeitig laufen lässt, holt einen Teil der Zeit zurück.
• Die Denkstufe nur senken, wenn die Aufgabe es erlaubt. Mittel statt Sehr hoch spart Denkzeit, aber nicht das langsame Schreiben. Im Bug Hunt Bench fand Sol auf Medium 29 statt 42,7 Fehler. Für einfache Aufgaben passt das, für schwierige eher nicht.
• Für zeitkritische Arbeit ein schnelleres Modell nehmen. Wenn es auf Minuten ankommt, ist Opus 5.5 in Claude Code im Moment deutlich schneller. Wie sich die Claude-Modelle untereinander schlagen, steht in meinem Beitrag zu Claude Sonnet 5.5.

Wie viel Zeit das bei deiner Arbeit ausmacht, rechnet dir der Rechner aus. Die Vorlage „typische Codex-Aufgabe“ entspricht dem Median meiner eigenen Aufgaben.

Miss dein eigenes Tempo

Wenn du Codex auf dem Mac oder unter Linux nutzt, kannst du deine eigenen Werte mit diesem kleinen Python-Skript auslesen. Es liest nur Zeitstempel und Tokenzahlen aus deinen lokalen Codex-Protokollen in ~/.codex/sessions, keine Inhalte, und sendet nichts. Speichere es als codex-tempo.py und starte es im Terminal mit python3 codex-tempo.py.

# codex-tempo.py: misst das Tempo deiner Modelle aus den lokalen Codex-Protokollen.
# Liest nur Zeitstempel und Tokenzahlen aus ~/.codex/sessions, sendet nichts.
import datetime as dt, glob, json, os, statistics as st
from collections import defaultdict

def ms(ts):
    return dt.datetime.fromisoformat(ts.replace("Z", "+00:00")).timestamp() * 1000

werte = defaultdict(list)
for datei in glob.glob(os.path.expanduser("~/.codex/sessions/**/*.jsonl"), recursive=True):
    modell = stufe = start = erstes = None
    for zeile in open(datei, errors="ignore"):
        try:
            o = json.loads(zeile)
        except ValueError:
            continue
        p, ts, typ = o.get("payload") or {}, o.get("timestamp"), o.get("type")
        art = (p.get("item") or {}).get("type")
        if not ts:
            continue
        if typ == "turn_context":
            modell, stufe = p.get("model"), p.get("effort")
        elif p.get("type") == "token_count" or art == "UserMessage":
            start, erstes = ms(ts), None
        elif art in ("Reasoning", "AgentMessage") and start and erstes is None:
            erstes = p.get("started_at_ms")
        elif typ == "token_usage_record" and start:
            aus, ende = (p.get("usage") or {}).get("output_tokens", 0), ms(ts)
            if aus >= 300 and erstes and ende > erstes:
                werte[(modell, stufe)].append((aus / ((ende - erstes) / 1000), (erstes - start) / 1000))
            start = None

for (modell, stufe), v in sorted(werte.items(), key=lambda x: -len(x[1])):
    if len(v) >= 10:
        print(f"{modell} ({stufe}): {st.median([x[0] for x in v]):.1f} Token/s, "
              f"erstes Token nach {st.median([x[1] for x in v]):.1f} s, {len(v)} Antworten")

Die Ausgabe zeigt je Modell und Denkstufe das mittlere Schreibtempo, die Zeit bis zum ersten Token und die Zahl der ausgewerteten Antworten. Bei mir steht dort für GPT-6.1 Sol auf xhigh 21,1 Tokens pro Sekunde, für GPT-6 Sol 54,5.

Mein Fazit

Der Eindruck täuscht nicht. GPT-6.1 Sol ist im Codex-Abo zurzeit langsam: 21 Tokens pro Sekunde statt 54 beim Vorgänger und gut 90 bei Opus 5.5. Und weil bei meinen Aufgaben fast die ganze Zeit Warten aufs Modell ist, schlägt das voll auf die Arbeitszeit durch. Die Ankündigung von OpenAI hat bisher 20 % gebracht, nicht das Doppelte.

Ein schlechtes Modell ist Sol 6.1 deshalb nicht. Pro Aufgabe ist es günstig, in Tests wie dem Bug Hunt Bench findet es mehr Fehler als Opus 5.5, und über die API ist es deutlich flotter. Für mich heißt das im Moment: Sol läuft da, wo ich nicht danebensitze, und wenn ich auf die Antwort warte, schalte ich Fast ein oder nehme Opus 5.5. Die Werte messe ich in den nächsten Tagen weiter und aktualisiere den Beitrag, sobald OpenAI nachlegt oder Ultrafast für Sol kommt.

Häufige Fragen

Warum ist GPT-6.1 Sol so langsam?

OpenAI nennt als Grund die hohe Last: Sol 6.1 sei das meistgenutzte Modell bisher. Im Codex-Abo und in ChatGPT Work kommen derzeit rund 20 bis 25 Tokens pro Sekunde an, über die API je nach Messung 27 bis 73. Ob OpenAI die Abos zusätzlich bewusst langsamer bedient, ist nicht belegt.

Ist GPT-6.1 Sol über die API schneller?

Ja. Artificial Analysis misst über die API je nach Stufe 56 bis 73 Tokens pro Sekunde, OpenRouter 27 bis 47. Im Codex-Abo lag ich bei 21. Langsamer als GPT-6 Sol ist Sol 6.1 aber auch über die API.

Lohnt sich Fast bei GPT-6.1 Sol?

Im Abo ja, wenn du auf die Antwort wartest. In meinem Kontrolltest schrieb Sol mit Fast 39,9 statt 18,0 Tokens pro Sekunde und war nach 62 statt 143 Sekunden fertig. Jede Anfrage zählt dafür 2,5-fach aufs Kontingent.

Wird Sol schneller, wenn ich eine niedrigere Denkstufe wähle?

Nur teilweise. Eine niedrigere Stufe verkürzt das Nachdenken, auf Mittel kam der Text bei mir nach 11 statt 50 Sekunden. Das Schreiben selbst bleibt gleich langsam.

Wie schnell ist Opus 5.5 im Vergleich?

In meinem Claude Code schreibt Opus 5.5 auf Extra hoch gut 90 Tokens pro Sekunde, gut viermal so schnell wie Sol 6.1 in Codex. Im Kontrolltest dachte Opus teils länger nach, war aber trotzdem früher fertig.

Wann kommt Ultrafast für GPT-6.1 Sol?

OpenAI hat es am 29.09. als „coming soon“ angekündigt, ein Datum gibt es nicht. Bisher bietet Codex für Sol 6.1 nur Standard und Fast an.