GPT-5: Vollständiges Datenblatt (Juni 2026)

GPT-5 ist OpenAIs erstes Modell, das Reasoning, multimodale Eingabe und Tool-Nutzung als einheitliche, Single-Model-Oberfläche statt drei separater Endpunkte bereitstellt. Wo GPT-4o, o1 und o3-mini 2024-2025 drei unterschiedliche API-Oberflächen waren, vereint GPT-5 sie: eine einzelne `gpt-5` Modell-ID mit einem `reasoning_effort` Parameter (`minimal`, `low`, `medium`, `high`), der skaliert, wie viele interne Reasoning-Token das Modell verbraucht, bevor es antwortet.

Praktisch bedeutet dies, dass Sie nicht mehr zwischen einem 'Chat-Modell' und einem 'Reasoning-Modell' wählen. Sie wählen GPT-5 und stellen den Reasoning-Aufwand der Aufgabe entsprechend ein. Ein Klassifizierungsaufruf verwendet `reasoning_effort: minimal` und wird wie GPT-4o abgerechnet. Ein Code-Synthese- oder Mathematikbeweis-Aufruf verwendet `reasoning_effort: high` und verbraucht mehrere tausend Reasoning-Token — abgerechnet zum Ausgabesatz, obwohl sie nicht in der Antwort zurückgegeben werden.

Vision ist integriert: Übergeben Sie eine Bild-URL oder ein base64-codiertes Bild in jeder Benutzer-Nachricht und GPT-5 wird es analysieren. Funktionsaufrufe, parallele Tool-Aufrufe, strukturierte Ausgaben (erzwingen Sie, dass das Modell JSON zurückgibt, das einem JSON Schema entspricht), und Prompt Caching sind alle standardmäßig aktiviert. Die Responses API (`/v1/responses`) ist OpenAIs empfohlener Endpunkt für neuen Code; Chat Completions funktioniert immer noch für alles, was GPT-5 kann, und bleibt der reibungsloseste Weg für die Migration von früheren GPT-Modellen.

Die Preisformel ist das standardmäßige Pro-Token-Modell: `Kosten = (Eingabe-Token / 1M) × $1,25 + (Ausgabe-Token / 1M) × $10`. Ein repräsentativer 1.000-Token-Eingabe / 500-Token-Ausgabe Aufruf: `0,001 × $1,25 + 0,0005 × $10 = $0,00125 + $0,005 = $0,00625`. Ungefähr 0,6¢ pro Aufruf.

Prompt Caching anwenden: 80% eines 2.000-Token-System-Prompts, der über Aufrufe hinweg gecacht wird, senkt 1.600 Eingabe-Token von $1,25/M auf $0,125/M — spart $0,0018 pro Aufruf. Bei 100.000 Aufrufen/Monat ist das $180 von der Rechnung, ohne Qualitätsverlust.

Die Batch API anwenden: ein JSONL-Upload von 1.000 Anfragen mit bis zu 24-stündiger Lieferung läuft mit $0,625/M Eingabe und $5/M Ausgabe — 50% auf beide Ströme. Die 1.000-Eingabe / 500-Ausgabe Arbeitslast sinkt auf $0,003125 pro Aufruf.

Reasoning-Token sind das versteckte Posten. Mit `reasoning_effort: high` kann GPT-5 4.000-10.000 Reasoning-Token verbrauchen, bevor es eine 500-Token sichtbare Antwort erzeugt. Diese Reasoning-Token werden zum Ausgabesatz ($10/M) abgerechnet, sind aber nicht in Ihrer Rückgabe enthalten. Ein High-Reasoning-Aufruf, der eine 500-Token-Antwort mit 5.000 Reasoning-Token erzeugt, rechnet 5.500 Ausgabe-Token = $0,055 — 8,8× ein kein-Reasoning-Aufruf. Budgetieren Sie entsprechend. Für einen vollständigen Kostenüberblick über die GPT-5-Familie siehe unseren OpenAI API Cost Calculator.

GPT-5s 400.000-Token Kontextfenster ist kombinierte Eingabe + Ausgabe — nicht 400K von jedem. Die harte Obergrenze für die Ausgabe beträgt 128.000 Token pro Antwort, also eine maximale Antwort belässt 272.000 Token für die Eingabe. In der Praxis laufen die meisten Produktionsarbeitslasten mit Eingabe im Bereich 5K-50K und Ausgabe wird mit `max_output_tokens` gut unter 4K begrenzt, was die Konfiguration ist, die den besten Preis-Leistungs-Punkt erreicht.

400K reicht aus, um ungefähr ein 300.000-Wort-Dokument (≈600 Seiten einfachen Abstands Text) oder einen vollständigen 1.500-Zeilen-Code-Block mit Metadaten zu passen. Es ist kleiner als Gemini 2.5 Pros 1M-Fenster, aber größer als Claude Opus 4.7s 200K. Für Retrieval-augmented Workflows ist GPT-5s Fenster komfortabel. Für lange Dokumentzusammenfassungen, bei denen die gesamte Eingabe in einem Shot passt, ist Gemini 2.5 Pro das einzige Frontier-Modell mit einem größeren Fenster.

Geben Sie die Ausgabelänge immer an. Das Standard-`max_output_tokens` ist das Modell-Maximum (128K), und ein Modell, das sich ausschweifend entschließt, kann in den Kosten weglaufen. Das Setzen von `max_output_tokens: 2000` für eine normale Q&A-Anfrage, `max_output_tokens: 8000` für Code-Generierung, und nur das Heben dieser Obergrenze, wenn die Aufgabe sie wirklich benötigt (Langform-Bericht, vollständige Codebase-Überprüfung), ist die Disziplin, die vorhersehbare Rechnungen von überraschenden Rechnungen unterscheidet.

GPT-5 akzeptiert Text und Bilder als Eingabe. Es gibt keine Audio-Eingabe oder -Ausgabe im Standard-`gpt-5`-Endpunkt (OpenAIs Realtime API verwendet ein separates Modell für Sprach-zu-Sprach). Bildeingabe wird entweder als URL gesendet, die OpenAI abrufen kann, oder als base64-codierte Daten-URL innerhalb eines Nachrichten-`content`-Arrays. Jedes Bild wird mit festen Token-Kosten abgerechnet, je nach Auflösungsdetail (`low` ist ≈85 Token, `high` ist bis zu ≈1.100 Token pro Bild für die Standardkachelgröße).

Ausgabe ist nur Text — keine native Bildgenerierung. Um Bilder zu generieren, rufen Sie `gpt-image-1` auf (Nachfolger von DALL·E 3) oder senden Sie einen Tool-Aufruf von GPT-5 zu Ihrer Bildgenerierungs-Pipeline. Für Audio integrieren Sie die Realtime API separat oder verwenden Sie Whisper zur Transkription, bevor Sie Text an GPT-5 übergeben.

Vision-Qualität auf GPT-5 ist bedeutsam stärker als GPT-4o bei Diagrammen, Schaubildern, handschriftlichem Text und Multi-Bild-Reasoning. Es hat immer noch Schwierigkeiten mit sehr kleinem Text (Kennzeichen, dichte Screenshots mit niedriger Auflösung), und wie bei jedem Vision-Modell ist OCR besser mit einem dedizierten OCR-Tool gehandhabt, wenn das Volumen es rechtfertigt.

GPT-5 unterstützt die gesamte Funktionsaufrufs-API-Oberfläche: definieren Sie Tools als JSON Schema, GPT-5 wählt eines aus (oder mehrere, parallel) und gibt die Argumente zum Aufrufen zurück. Parallele Tool-Aufrufe ermöglichen es GPT-5, mehrere Tools in einer einzigen Antwort aufzurufen, wenn dies die Aufgabe beschleunigen würde — z. B. gleichzeitiges Abrufen von zwei API-Endpunkten. Dies ist standardmäßig aktiviert; übergeben Sie `parallel_tool_calls: false`, um dies zu deaktivieren.

Strukturierte Ausgaben (in 2024 für GPT-4o eingeführt, in GPT-5 verfeinert) ermöglichen es Ihnen, einen `response_format: { type: 'json_schema', json_schema: {...} }` Parameter zu übergeben, und OpenAI garantiert, dass die Ausgabe des Modells gegen dieses Schema validiert. Keine Mühe mit kostenlosem JSON-Parsing und erneutem Versuch bei Validierungsfehlern. Unterstützt verschachtelte Objekte, Arrays, Enums, oneOf — die JSON Schema Teilmenge, die sich 2025 ausgebreitet hat.

Die neue Responses API (`/v1/responses`) ist OpenAIs empfohlener Endpunkt für neue Integrationen ab Mitte 2025. Sie unterstützt zustandsbehaftete Unterhaltungen (serverseitige Nachrichtenspeicherung), integrierte Tools (Dateisuche, Websuche, Code-Interpreter, Computer-Nutzung) und ein saubereres Streaming-Protokoll. Chat Completions (`/v1/chat/completions`) funktioniert immer noch für alles, was GPT-5 kann, und bleibt der reibungsloseste Weg für die Migration von früheren GPT-Modellen.

GPT-5 stellt einen `reasoning_effort` Parameter mit vier Stufen zur Verfügung: `minimal`, `low`, `medium` (Standard) und `high`. Dies ist das Regler, das GPT-5 von einem schnellen Chat-Modell in ein langsames Reasoning-Modell auf Aufrufs-Basis umwandelt — keine separate Modell-ID erforderlich.

`minimal`: quasi-null Reasoning-Token, schnellste Antwort, abgerechnet im Wesentlichen als Eingabe + sichtbare Ausgabe. Verwenden Sie für Klassifizierung, Extraktion, einfache Q&A, Format-Konvertierungen — alles, wobei die Antwort mechanisch ist.

`low`: ein paar hundert Reasoning-Token. Der optimale Punkt für allgemeine Chat, Inhaltsgenerierung und Routine-Code-Aufgaben. Fügt <$0,005 pro Aufruf vs. minimal bei den meisten Arbeitslasten hinzu.

`medium` (Standard): typischerweise 1.000-3.000 Reasoning-Token. Verwenden Sie für Analyse, mehrstufige Planung, Code-Synthese, bei der Korrektheit zählt.

`high`: 4.000-10.000+ Reasoning-Token. Verwenden Sie für Mathematikbeweise, komplexe Code-Synthese mit strengen Korrektheitsanforderungen, Rechts-/Finanzanalyse. Rechnet 5-10× einen kein-Reasoning-Aufruf. Die meisten Teams über-nutzen `high` und unter-nutzen `low`; profileren Sie Ihren Traffic und passen Sie das Aufwandsniveau jedes Prompts an.

**Wählen Sie GPT-5**, wenn Ausgabequalität der Engpass ist — Code-Synthese, komplexes Reasoning, mehrstufige Planung, Vision-Aufgaben mit hohen Genauigkeitsanforderungen, alles, das an Menschen geht, wo 'gut genug' auf gpt-4o nicht gut genug war. Die 8× Preisaufschlag über gpt-5-mini ist gerechtfertigt, wenn Downstream-Fehlerkosten die Pro-Aufruf-Kosten überwiegen.

**Wählen Sie gpt-5-mini** ($0,25 / $2 pro 1M), wenn Sie GPT-5s Anweisungsfolge und strukturierte Ausgaben benötigen, aber die zugrunde liegende Aufgabe mechanisch ist: Klassifizierung, Extraktion, Zusammenfassung, strukturierte Datentransformation, einfacher Chat. Die meisten Produktionsarbeitslasten mit >100K Aufrufen/Monat leben auf gpt-5-mini.

**Wählen Sie gpt-5-nano** ($0,05 / $0,40 pro 1M, wenn verfügbar) für eingebettete Anwendungsfälle — Intent-Routing, Inhaltsmoderation, Autocomplete-ähnliche Vorschläge, interne Telemetrie-Klassifizierung. Vermeiden Sie alles, das mehrstufiges Reasoning erfordert.

Cross-Vendor: Wählen Sie **Claude Opus 4.7** für längformige Schreiben, bei denen Anthropics Stimme und Verweigerungskalibrierung wichtiger sind als reine Intelligenz; Wählen Sie **Gemini 2.5 Pro**, wenn Sie in einem einzigen Aufruf ein 1M-Kontextfenster benötigen oder natives Videoverständnis. Siehe GPT-5 vs Claude Opus 4.7 für den direkten Vergleich.

Jede Zahl auf dieser Seite wurde gegen OpenAIs Live-Dokumentation am 2026-06-20 verifiziert. Die kanonischen Quellen: platform.openai.com/docs/models/gpt-5 für Kontextfenster, Modalities und Parameter-Unterstützung; openai.com/api/pricing für Eingabe-/Ausgabe-/gecachte Preise; platform.openai.com/docs/api-reference/responses für den Responses API Vertrag.

OpenAI versioniert seine Preise oder Modellseiten nicht mit expliziten Changelog-Einträgen. Preise haben sich 3-5 Mal pro Jahr durchschnittlich seit GPT-4 Launch 2023 bewegt, fast immer abwärts, wenn ein Modell reift. Überprüfen Sie vierteljährlich erneut, wenn Ihre monatliche Rechnung $1.000 übersteigt — eine einzelne Preisänderung verschiebt das Budget bei Skalierung wesentlich.

Methodik: Wenn eine Zahl nicht gegen die offizielle OpenAI-Seite am Überprüfungsdatum kreuzbestätigt werden konnte, wurde sie aus dieser Karte weggelassen, statt zu erraten. Wenn Sie einen Widerspruch gegen die Live-OpenAI-Seite finden, behandeln Sie die Live-Seite als kanonisch.