Ist GPT-6 Luna kostenlos? Pläne, Limits und API-Kosten

Ist GPT-6 Luna kostenlos? Ja: Free- und Go-Nutzer können das Modell in der Desktop-App gratis ausprobieren. Das gilt jedoch nicht überall. Im normalen Chat war Luna zum Start nicht verfügbar, der Zugriff über Work und Codex setzt einen kostenpflichtigen Tarif voraus, und die API kostet ab $0.10 pro Million Eingabe-Tokens sowie $0.50 pro Million Ausgabe-Tokens.

Eine einzelne Preisangabe greift deshalb zu kurz. Entscheidend sind Tarif, Produktoberfläche und Abrechnungsmodell. Wer die falsche Oberfläche wählt, findet statt eines kostenlosen Zugangs entweder keinen Modellwähler vor oder erhält eine separate API-Rechnung.

Ist GPT-6 Luna kostenlos? Die kurze Antwort

GPT-6 Luna lässt sich über genau einen eindeutig dokumentierten Weg kostenlos nutzen: mit einem Free- oder Go-Konto in der Desktop-App anmelden. Im normalen Chat stellte OpenAI das Modell zum Start nicht bereit; kostenlose API-Guthaben gehören ebenfalls nicht zu diesem Desktop-Zugang.

Diese Übersicht beruht auf OpenAIs Ankündigung vom 22. September. Bei GPT-6 Luna ist die entscheidende ChatGPT-Unterscheidung die zwischen ChatGPT als Konto und Chat als Produktoberfläche. Ein Free-Konto kann Zugriff über die Desktop-App bieten, obwohl das Modell im Chat selbst noch fehlt.

Was sich am 22. September tatsächlich geändert hat

Mit GPT-6 Luna ersetzte OpenAI die bisherige Erzählung zum Gratis-Tarif durch ein neues, von der jeweiligen Produktoberfläche abhängiges Modell. GPT-6 Sol und GPT-6 Luna starteten am 22. September 2026. Luna wurde dabei in der Desktop-App für Free- und Go-Konten freigeschaltet, während Work und Codex kostenpflichtigen Tarifen vorbehalten blieben.

Das ist nicht derselbe Rollout, den OpenAI im August angekündigt hatte. GPT-5.6 Luna war damals zum Standardmodell für Textchats in Free und Go geworden. GPT-6 Luna kam als neues Modell mit einer anderen anfänglichen Zugriffsgrenze auf den Markt. Die ältere Formulierung von „unbegrenzten Textchats“ lässt sich daher nicht auf die neue Generation übertragen.

Nach den eigenen Auswertungen von OpenAI stieg die Leistung, während die Kosten sanken. Dem Unternehmen zufolge legte GPT-6 Luna bei hohem Reasoning-Aufwand im AutomationBench um 5.4 Prozentpunkte zu und kostete pro Aufgabe 58% weniger als sein Vorgänger. Das sind Herstellerangaben, kein Beleg dafür, dass ein kostenloses Desktop-Konto den für den eigenen Workflow nötigen Durchsatz, Funktionsumfang oder die passenden Limits bietet.

GPT-6 Luna kostenlos nutzen: Was OpenAI einschließt

Der kostenlose Anspruch gilt für das Modell in der Desktop-App, nicht pauschal für jedes OpenAI-Produkt. Free und Go sind die beiden ausdrücklich genannten berechtigten Kontotypen. Plus, Pro, Business, Enterprise und Edu nennt OpenAI als kostenpflichtige Tarife für Work und Codex.

OpenAI kündigte außerdem einen schrittweisen Rollout am Starttag an. Falls das Modell im Tagesverlauf noch fehlte, lautete die Empfehlung, es später erneut zu versuchen. Ein nicht sichtbarer Modellwähler am 22. September konnte deshalb am Rollout-Zeitpunkt liegen und musste nicht bedeuten, dass das Konto grundsätzlich ausgeschlossen war.

Dieser Zugang ist hier anhand der Dokumentation beschrieben, nicht durch einen eigenen Test bestätigt. Für diesen Beitrag stand kein Free- oder Go-Konto zur Verfügung. Deshalb werden weder Aussagen zur aktuellen Version der Desktop-App oder zur Position des Modellwählers noch zur Aufgabenqualität oder zu einer praktisch beobachteten Limitmeldung getroffen. Der bestehende Vergleich von ChatGPT Free und Plus behandelt weiterhin die ältere, allgemeine Chat-Erfahrung; bei GPT-6 Luna entscheidet dagegen die engere Grenze der jeweiligen Produktoberfläche.

GPT-6 Luna Desktop: So lässt sich der Zugang prüfen

Am zuverlässigsten ist ein kleiner, dokumentierter Test, der den Kontozugriff von der Modellqualität trennt. Dafür sollten weder Kundendaten noch ein produktives Repository verwendet werden. Besser eignet sich eine synthetische Aufgabe, die sich auf anderen Oberflächen wiederholen lässt.

1. 1

   Konto dokumentieren

   Notieren, ob das angemeldete Konto Free oder Go nutzt, außerdem die Version der Desktop-App und das Datum. So bleibt die Beobachtung auch nach Änderungen am Rollout aussagekräftig.

2. 2

   Modellwähler festhalten

   Den Modellwähler öffnen. Wenn GPT-6 Luna erscheint, die genaue Bezeichnung notieren und einen Screenshot aufnehmen. Fehlt das Modell, sollte auch das dokumentiert werden, statt sofort von einem nicht berechtigten Konto auszugehen.

3. 3

   Eine synthetische Aufgabe ausführen

   Eine kleine Arbeitsprobe ohne vertrauliche Daten verwenden, etwa die Zusammenfassung einer fiktiven Support-Warteschlange oder die Überarbeitung eines kurzen erfundenen Produktbriefings. Prompt und Ausgabe speichern.

4. 4

   Mit dem normalen Chat vergleichen

   Mit demselben Konto den Modellwähler im Chat öffnen und festhalten, ob GPT-6 Luna dort erscheint. Zum Start dokumentierte OpenAI, dass das Modell im Chat noch nicht verfügbar war.

5. 5

   Limitmeldung speichern

   Zeigt die App eine Nutzungswarnung, eine Wartezeit oder einen Rücksetzzeitpunkt an, sollte der exakte Wortlaut festgehalten werden. Ein auf einem einzelnen Konto beobachtetes Limit ist keine Zusage für alle Tarife.

Dieses Vorgehen liefert belastbare Anhaltspunkte für eine Entscheidung, ohne so zu tun, als bilde eine Startankündigung jeden denkbaren Kontostatus ab.

Was der Start für Entwickler, Verantwortliche und Einkäufer bedeutet

Zunächst sinken die Kosten für die Evaluation – nicht automatisch die Kosten oder Risiken jeder Produktionsentscheidung.

Entwickler können testen, bevor sie die API-Abrechnung aktivieren

Ein einzelner technischer Entwickler kann über den kostenlosen Desktop-Zugang prüfen, ob GPT-6 Luna Anweisungen befolgt, eine repräsentative Code-Erklärung bewältigt und auf dem benötigten Niveau kommuniziert. Scheitert das Modell an der Arbeitsprobe, spielt der API-Preis keine Rolle. Besteht es den Test, kann dieselbe synthetische Aufgabe über die API ausgeführt und ihr Tokenverbrauch gemessen werden, bevor eine echte Anwendung angebunden wird.

Die Grenze ist erreicht, sobald Automatisierung nötig wird. Die Startankündigung macht aus dem Desktop-Zugang weder einen API-Schlüssel noch verspricht sie Latenzwerte für den Produktionseinsatz oder kostenlose Tokens. Programmatische Aufrufe laufen über ein separates Abrechnungssystem.

Verantwortliche sollten den Gratiszugang als Teststrecke behandeln

Eine Führungskraft kann eine wiederkehrende Aufgabe evaluieren, ohne für den Test zunächst einen zusätzlichen Arbeitsplatz beschaffen zu müssen. Das kann bei der Eingangssortierung, beim Dokumentenvergleich oder beim Entwurf eines internen Plans helfen. Für eine wöchentliche Abhängigkeit von der Desktop-App reicht es dennoch nicht, denn die Startankündigung nennt keine numerische Nutzungsobergrenze.

Die Regel lautet: jetzt evaluieren, später standardisieren. Bevor eine Aufgabe in den Regelbetrieb geht, braucht es einen stabilen Zugriffsweg, ein praktisch beobachtetes Limit und eine zuständige Person für Fehlerfälle.

Einkäufer sollten die Produktoberfläche bezahlen, nicht den Modellnamen

Wer Luna lediglich testen möchte, sollte nicht allein wegen der neuen GPT-6-Bezeichnung ein Upgrade abschließen. Wer Work oder Codex braucht, hat einen konkreten Grund für einen kostenpflichtigen Tarif. Für ein Team, das eine Anwendung entwickelt, ist dagegen die API relevant – und deren Budget ist vom ChatGPT-Abonnement getrennt.

Diese Trennung hält auch die Entscheidung zur ChatGPT-Preisgestaltung übersichtlich: Ein Tarif bezahlt den Zugang zu ChatGPT-Oberflächen, die API dagegen die gemessene programmatische Nutzung.

GPT-6 Luna Kosten: Das kostet die API

GPT-6 Luna kostet bei Standard-Kurzkontextpreisen $0.10 pro Million Eingabe-Tokens und $0.50 pro Million Ausgabe-Tokens. Die aktuelle Preisseite der OpenAI API führt für diese Stufe außerdem $0.01 pro Million zwischengespeicherter Eingabe-Tokens und $0.125 pro Million Cache-Schreib-Tokens auf.

Für die Praxis zählt nicht nur ein einzelner Tokenpreis, sondern ein kompletter Workload. Bei einem Verhältnis von 5:1 zwischen Eingabe und Ausgabe senken die neuen Preise die folgenden Rechnungen:

Die erste Zeile ist die nützliche Recheneinheit: $0.10 für die Eingabe plus $0.10 für die Ausgabe. Beim Vorgänger kostete derselbe Mix $0.20 für die Eingabe plus $0.24 für die Ausgabe. OpenAI beschreibt die Preissenkung der Modellfamilie mit 50%; für diesen konkreten Workload beträgt sie 54.5%, weil der Ausgabepreis von $1.20 auf $0.50 gefallen ist.

Diese Gesamtmengen können auf viele Kurzkontextanfragen verteilt sein. Die Tabelle behauptet nicht, dass eine einzelne Anfrage den gesamten monatlichen Workload zu Kurzkontextpreisen verarbeiten kann.

Die API ist nicht in einem ChatGPT-Abonnement enthalten. OpenAIs Hinweise zur Abrechnung erklären, dass beide Produkte getrennte Abrechnungssysteme verwenden und die API-Nutzung separat berechnet wird.

GPT-6 Luna in Codex gibt es nur mit kostenpflichtigem Tarif

Codex ist nicht Teil des kostenlosen Desktop-Versprechens. OpenAI nennt Plus, Pro, Business, Enterprise und Edu als die Tarife, die zum Start Zugriff auf GPT-6 Luna in Codex und ChatGPT Work erhielten.

Für Entwickler ergeben sich damit drei getrennte Tests. Die Desktop-App zeigt, ob das Modell grundsätzlich einen näheren Blick lohnt. Codex zeigt, ob es sich innerhalb eines kostenpflichtigen Produkts für die Arbeit an Repositories eignet. Die API beantwortet, ob es in eine Anwendung passt, die direkt von der eigenen Software aufgerufen wird. Ein gutes Ergebnis auf einer Oberfläche belegt weder identische Tools und Systemanweisungen noch dieselben Limits auf einer anderen.

Ein Upgrade lohnt sich nur, wenn die Produktoberfläche relevant ist. Nur für den Namen Luna zu zahlen, ist unnötig, solange Free- und Go-Nutzer das Modell bereits über die Desktop-App evaluieren können.

GPT-6 Luna Limits: Was OpenAI nicht veröffentlicht hat

Die Startankündigung nennt kein numerisches Desktop-Limit für GPT-6 Luna. Weder Nachrichten pro Tag und Aufgaben pro Woche noch die Dauer einer Wartezeit oder ein Rücksetzplan für Free- und Go-Konten werden angegeben.

Diese Auslassung ist wichtig, weil OpenAI die Vorgängergeneration anders beschrieb. In der Ankündigung zu GPT-5.6 vom August war von unbegrenzten Textchats mit GPT-5.6 Luna die Rede. Die GPT-6-Ankündigung vom September dokumentiert den Desktop-Zugang, wiederholt dieses Versprechen aber nicht. Eine ältere Unbegrenzt-Aussage ist kein aktuelles GPT-6-Limit.

Für die Planung gilt daher nur, was tatsächlich bekannt ist:

• Der Desktop-Zugang für Free und Go ist dokumentiert.
• Ein konkretes Desktop-Kontingent für GPT-6 Luna ist in der Startankündigung nicht dokumentiert.
• Work, Codex, Chat und API sind getrennte Oberflächen mit unterschiedlichen Zugangs- oder Abrechnungsregeln.
• Ein auf einem Konto beobachtetes Limit sollte zusammen mit Tarif, App-Version und Datum festgehalten werden.

Wer das Modell als Produktionsabhängigkeit einsetzen möchte, sollte warten, bis eigene Kontobeobachtungen oder aktualisierte offizielle Unterlagen eine belastbare Obergrenze liefern.

Was am Versprechen „kostenlos“ übertrieben ist

„Kostenlos“ ist nur dann präzise, wenn der Satz mit in der Desktop-App für Free- und Go-Nutzer endet.

Drei weitergehende Deutungen sind nicht belegt:

1. „GPT-6 Luna ist auf jeder ChatGPT-Oberfläche kostenlos.“ Im normalen Chat war das Modell zum Start noch nicht verfügbar.
2. „Der kostenlose Zugang ist nachweislich unbegrenzt.“ OpenAI veröffentlichte kein numerisches Desktop-Limit für GPT-6 Luna und übernahm die Formulierung zu unbegrenzten Textchats mit GPT-5.6 nicht für diesen Start.
3. „Ein ChatGPT-Tarif enthält die API-Nutzung.“ Die API wird getrennt und tokenbasiert abgerechnet.

Auch die Hersteller-Benchmarks lassen sich überverkaufen. Ein Ergebnis von 66.6% in DeepSWE v1.1 bei maximalem Reasoning-Aufwand ist ein nützlicher Hinweis auf die Fähigkeiten des Modells. Es sagt aber weder, ob ein kostenloses Konto genügend Nutzung für einen Arbeitstag bietet, noch ob die eigene Aufgabe gelingt. Zugang, Kontingent und Fähigkeiten sind drei verschiedene Fragen.

So lässt sich GPT-6 Luna jetzt sinnvoll testen

Wer bereits ein Free- oder Go-Konto besitzt und die Desktop-App verwenden kann, kann sofort beginnen. Dazu eine synthetische Aufgabe ausführen, die genaue Modellbezeichnung und jede Limitmeldung speichern und das Ergebnis mit dem bisher für diese Aufgabe eingesetzten Modell vergleichen.

Auch Entwickler mit einem klar abgegrenzten Pilotprojekt können sofort über die API starten. Ein Ausgabenlimit setzen, dieselbe Arbeitsprobe senden und die Kosten anhand der tatsächlichen Eingabe- und Ausgabe-Tokens berechnen. Eine offene Wiederholungsschleife gehört nicht an den ersten Tag.

Abwarten ist sinnvoll, wenn der Workflow den normalen Chat, ein veröffentlichtes Gratis-Kontingent oder eine konsistente Verfügbarkeit über verschiedene Konten hinweg verlangt. Keine dieser Bedingungen wurde durch die Startankündigung bestätigt.

Wer mit GPT-5.6 im normalen Chat bereits alle Anforderungen erfüllt und weder Work noch Codex oder eine API-Integration benötigt, ist von der Änderung weitgehend unberührt. Ein neuer Modellname allein ist kein Grund, einen stabilen Workflow umzustellen.

Die Aufgabe für Montag: Tarif und Version der Desktop-App notieren, eine risikoarme Arbeitsprobe mit GPT-6 Luna ausführen, jedes angezeigte Limit festhalten und getrennt entscheiden, ob Work, Codex oder die API ein eigenes Budget rechtfertigt.

Häufig gestellte Fragen

Warum ist GPT-5.6 Luna so günstig?

GPT-5.6 Luna wurde als kosteneffizientes Modell seiner Generation konzipiert. GPT-6 Luna führt diese Position mit niedrigeren Preisen für Ein- und Ausgabe weiter. „Günstig“ beschreibt jedoch die API-Kosten und ist keine Garantie für unbegrenzte Gratisnutzung.

Was kostet GPT-5.6 Luna?

OpenAIs Vergleich zum Start von GPT-6 nennt für GPT-5.6 Luna $0.20 pro Million Eingabe-Tokens und $1.20 pro Million Ausgabe-Tokens. Der aktuelle Standard-Kurzkontextpreis von GPT-6 Luna liegt bei $0.10 für die Eingabe und $0.50 für die Ausgabe.

Wofür eignet sich GPT-5.6 Luna?

OpenAI machte das Modell im August 2026 zum Standard für Textchats in Free und Go. Alltägliche Textaufgaben waren damit seine am klarsten dokumentierte Rolle. GPT-6 Luna ist inzwischen das aktuelle Modell; der Vorgänger ist nur dann relevant, wenn ein Anbieter oder bestehender Workflow ausdrücklich davon abhängt.

Wie gut ist GPT Luna?

OpenAI meldet für GPT-6 Luna bei maximalem Reasoning-Aufwand einen Wert von 66.6% in DeepSWE v1.1; ein eigener Test fand für diesen Beitrag jedoch nicht statt. Eine belastbare Antwort liefert nur eine repräsentative Aufgabe zusammen mit den Limits und Kosten, die das eigene Konto anzeigt.

Was ist besser: GPT-5.6 Luna oder Terra?

Das ist eine Entscheidung innerhalb der Vorgängergeneration. Der Test der GPT-5.6-Familie behandelt Sol, Terra und Luna; daraus lassen sich weder der aktuelle Zugang zu GPT-6 Luna noch dessen Limits ableiten.

Was ist besser: GPT-5.6 Luna oder GPT-5.3 Codex?

Keines der beiden Modelle ist pauschal besser. Luna zielte auf kostengünstige allgemeine Aufgaben und Programmierarbeit, während ein Codex-Modell für agentisches Coding ausgewählt wird. Für den aktuellen Start zählt vor allem, dass GPT-6 Luna selbst in Codex über kostenpflichtige Tarife verfügbar ist.

Was unterscheidet GPT-5.6 Luna von Luna Pro?

In den Unterlagen vom 22. September ist kein GPT-6-Modell namens Luna Pro definiert. Ein älteres Anbieter-Label oder eine informelle Bezeichnung sollte ohne aktuelle Herstellerseite nicht auf den Tarifzugang zu GPT-6 Luna übertragen werden.

Welches GPT-Codex-Modell ist das beste?

Das beste Codex-Modell hängt von der Schwierigkeit des Repositories, der Latenz und dem Budget ab. GPT-6 Luna ist die in dieser Ankündigung genannte neue kostengünstige Option; ein kontrollierter Aufgabenvergleich ist jedoch hilfreicher als eine pauschale Rangliste.

Ist 5.6 Luna gut fürs Programmieren?

Für diesen Beitrag wurde GPT-5.6 Luna weder erneut getestet noch ein aktueller unabhängiger Coding-Wert dafür festgeschrieben. OpenAI meldet Fortschritte beim Programmieren für GPT-6 Luna, doch auch das sind Herstellerwerte. Merge-Qualität und Befolgung von Anweisungen sollten deshalb an einer eigenen synthetischen Repository-Aufgabe geprüft werden.

Für datierte und praxisnahe Hinweise zu Änderungen bei KI-Zugang und Preisen den Newsletter abonnieren.