GPT-6 (Spud): Was ist real, was ist Hype und was lohnt sich zu bauen

GPT-6 (Spud): Was ist real, was ist Hype und was lohnt sich zu bauen

Ich verfolge die Gerüchte rund um GPT-6 jetzt seit etwa sechs Wochen und bin schließlich an den Punkt gekommen, an dem ich aufhören musste, Twitter-Threads zu scrollen, um mich endlich hinzusetzen und das echte Signal vom Hype-Nebel zu trennen. Der Auslöser war ein YouTube-Video, das mir ein Freund um 1 Uhr nachts an einem Freitag schickte – eines dieser „GPT-6 BESTÄTIGT — 2 MILLIONEN TOKEN KONTEXT — VERÖFFENTLICHUNG AM 14. APRIL“-Thumbnails mit einem roten Pfeil, der auf Sam Altmans Gesicht zeigt.

Ich habe mir das ganze Video angesehen. Dann habe ich zehn Tabs geöffnet und versucht, auch nur eine der konkreten Behauptungen anhand einer Primärquelle zu verifizieren.

Vielleicht drei konnte ich bestätigen.

Das ist gerade das Problem. Es gibt ein echtes, bestätigtes, äußerst bedeutendes OpenAI-Modell, das sich aktuell in der Sicherheitsbewertung befindet. Es hat einen Codenamen (Spud). Es gibt ein bestätigtes Datum für den Abschluss des Pre-Trainings (24. März 2026). Es gibt belegte Zitate von OpenAI-Führungskräften, die beschreiben, wie es sich anfühlt. Und um dieses echte Signal herum tobt ein Sturm aus Spekulationen – teils kluge Schlussfolgerungen, teils komplett erfunden –, der alle sechs Stunden auf TikTok als „bestätigte Fakten“ neu verpackt und weiterverbreitet wird.

Ich schreibe das hier am 12. April 2026. Wenn die wahrscheinlichsten Launch-Fenster halten, erscheint GPT-6 irgendwann in den nächsten zwei bis acht Wochen. Wenn du irgendetwas auf OpenAIs Stack aufbaust – oder irgendetwas, das damit konkurriert –, kannst du es dir nicht leisten, das entweder als bloßen Lärm abzutun oder deine Roadmap auf Gerüchte zu setzen. Du brauchst die fundierte Version.

Hier ist sie. Die bestätigten Fakten. Die klugen Spekulationen. Die Müll-Gerüchte. Und die tatsächlich sinnvollen strategischen Schritte, die du jetzt gehen solltest – unabhängig davon, welche konkreten Features am Ende ausgeliefert werden.

Was wir tatsächlich wissen (mit Primärquellen)

Lassen Sie mich mit den Fakten beginnen, die ich auf eine Aussage der OpenAI-Führung oder ein verifizierbares Ereignis zurückführen kann. Alles in diesem Abschnitt ist bestätigt. Alles Weitere im Artikel ist klar als Schlussfolgerung oder Spekulation gekennzeichnet.

Fakt 1: Es gibt keine offizielle GPT-6-Ankündigung. Stand 12. April 2026 hat OpenAI kein Architekturpapier, keine Parameteranzahl, keine Offenlegung der Trainingsdaten, keinen Benchmark, kein Preisblatt, kein Veröffentlichungsdatum und nicht einmal einen bestätigten Namen veröffentlicht. Jede „offizielle Spezifikation“, die derzeit auf X kursiert, ist lediglich jemandes Vermutung, die mit selbstbewusstem Format präsentiert wird.

Fakt 2: Das Modell existiert und hat einen Codenamen — Spud. Mehrere Medien mit Quellen innerhalb von OpenAI haben berichtet, dass das Modell, das sich derzeit in der Sicherheitsbewertung befindet, intern den Codenamen „Spud“ trägt. Das ist keine Spekulation; es wurde in offiziellen Mitarbeiterkommentaren erwähnt und durch unabhängige Berichte von Dr. Alan D. Thompsons LifeArchitect, TrendingTopics und FindSkill unter anderem bestätigt.

Fakt 3: Das Pre-Training wurde am 24. März 2026 abgeschlossen. Sam Altman hat öffentlich bestätigt, dass das Pre-Training für das nächste Frontier-Modell an diesem Datum abgeschlossen wurde, angeblich im OpenAI Stargate-Rechenzentrum in Abilene, Texas. Dies ist der wichtigste zeitliche Ankerpunkt der gesamten Geschichte, und ich erkläre gleich, warum.

Fakt 4: Sora wurde abgeschaltet, um Rechenressourcen umzuschichten. Am selben Tag — dem 24. März 2026 — stellte OpenAI Sora ein. Berichte von The Neuron und Canadian Technology Magazine beschreiben, dass Sora etwa 15 Millionen US-Dollar pro Tag an Inferenzkosten verursachte, bei rund 2,1 Millionen US-Dollar an gesamten In-App-Käufen. Die GPUs, die zuvor für Sora genutzt wurden, wurden dem neuen Modell zugewiesen. Solche Entscheidungen trifft ein Unternehmen nur, wenn das Neue von enorm größerer Bedeutung ist als das Alte.

Fakt 5: Die OpenAI-Führung beschreibt es in ungewöhnlich markanten Worten. Greg Brockman bezeichnete Spud Berichten zufolge als das Ergebnis von „zwei Jahren Forschung“ mit einem „Big Model Feel“. Sam Altman beschrieb es intern als „ein sehr starkes Modell“, das „die Wirtschaft wirklich beschleunigen könnte“. Altman sagte, es sei „nur noch Wochen entfernt“. Keine dieser Aussagen sind Spezifikationen. Es sind Eindrücke. Aber OpenAI-Führungskräfte sprechen nicht leichtfertig von einem „Big Model Feel“ — dieser Ausdruck wurde historisch für bahnbrechende Releases reserviert, nicht für inkrementelle Updates.

Fakt 6: Altman betont seit Monaten „Memory, not Reasoning“. Seit Ende 2025 sagt Sam immer wieder, dass der nächste Durchbruch nicht klügeres Schlussfolgern ist — sondern persistentes Gedächtnis. KI, die sich über mehrere Sitzungen hinweg an Sie erinnert, ein persönliches Modell von Ihnen aufbaut und dieses nutzt, um mit der Zeit wirklich nützlich zu werden. Er hat öffentlich erklärt, dass dies sein Lieblingsfeature ist, und erwartet, dass diese Fähigkeit 2026 verfügbar sein wird.

Fakt 7: OpenAI veröffentlichte im März 2026 eine neue Modellspezifikation, die Autonomie, Sicherheit und Nützlichkeit als Leitprinzipien für zukünftige Modelle hervorhebt. Sie enthält keine Details zu GPT-6, aber das Timing — unmittelbar vor Spuds Sicherheitsbewertungsphase — zeigt, in welche Richtung die Alignment-Arbeit geht.

Das war’s. Das ist die gesamte Grundlage verifizierter, belegbarer Fakten.

Alles andere — das 2-Millionen-Token-Kontextfenster, das „Launch am 14. April“, die „vereinheitlichte Super-App mit Codex und Atlas-Browser“, die Benchmark-Ergebnisse, die Architekturdetails, die Preisgestaltung — ist entweder Spekulation, Schlussfolgerung oder reine Erfindung. Manche dieser Spekulationen sind tatsächlich intelligent. Manche sind Unsinn. Ich werde gleich auf beides eingehen.

Aber zuerst möchte ich erklären, warum das Datum 24. März wichtiger ist als jedes Feature-Gerücht.

Warum der 24. März das einzige relevante Datum ist

Hier ist der Punkt, den die meisten Analysen übersehen: Die Feature-Gerüchte sind eine Ablenkung. Die einzige Information, mit der sich tatsächlich etwas über GPT-6 vorhersagen lässt, ist das Datum des Abschlusses des Pre-Trainings. Denn Pre-Training → öffentliche Veröffentlichung ist eine gut etablierte Pipeline mit einer ungefähr vorhersehbaren Dauer.

Als ich mir den historischen Veröffentlichungsrhythmus von OpenAI angesehen habe, war das Muster ziemlich konsistent. Das Pre-Training wird abgeschlossen. Danach folgen Alignment-Arbeiten, Red-Teaming, interne Bewertungen, externe Sicherheitsüberprüfungen, der adversariale Testzyklus und ein gestaffelter Rollout. Bei den jüngsten Frontier-Modellen von OpenAI lag das gesamte Zeitfenster vom Abschluss des Pre-Trainings bis zur öffentlichen Verfügbarkeit in einem Bereich von etwa 3 bis 6 Wochen.

Übertragen auf den 24. März 2026:

• 3-Wochen-Untergrenze: 14. April 2026
• 6-Wochen-Obergrenze: 5. Mai 2026

Deshalb taucht überall „14. April“ auf – das ist kein geleaktes Datum, sondern einfach das frühestmögliche Ende des Sicherheitsfensters, wenn man ab dem 24. März rechnet. Einige gründlichere Quellen wie FindSkill und LumiChats haben das ausdrücklich so benannt. Die meisten viralen Threads hingegen nicht, weshalb „14. April BESTÄTIGT“ derzeit als Insider-Information gehandelt wird, obwohl es sich in Wirklichkeit nur um einfache Mathematik handelt.

Kann es Verzögerungen geben? Natürlich. Sam Altmans Optimismus bei Zeitplänen ist legendär – und das nicht im positiven Sinne. Wenn beim Red-Teaming Probleme auftauchen – insbesondere angesichts des gestiegenen Fokus auf Sicherheit im Modellspezifikationsprozess – ist eine Verschiebung in den späten Mai oder Juni absolut realistisch. Polymarket-Händler sehen aktuell eine Wahrscheinlichkeit von über 90 % für einen Launch vor dem 30. Juni 2026. Das klingt nach einem starken Signal, bedeutet aber im Grunde nur, dass der Markt die gleiche 3-bis-6-Wochen-Logik eingepreist hat, die ich gerade erläutert habe, plus etwas Puffer.

Meine eigene beste Schätzung: 80 % Wahrscheinlichkeit, dass der öffentliche Launch im Mai 2026 stattfindet, mit April als aggressivem Szenario und Juni als Verzögerungsfall. Alles nach Anfang Q3 ist unwahrscheinlich, denn der Wettbewerbsdruck durch Gemini 3.1 Ultra und was auch immer Anthropic im Geheimen mit Claude Mythos entwickelt, ist derzeit extrem hoch. OpenAI kann sich eine lange Verzögerung nicht leisten.

Das ist die eine Prognose, die ich mit echtem Selbstvertrauen abgebe. Alles andere ist weicher.

Die Memory-Wette — Und warum ich glaube, dass Sam damit recht hat

Das ist der Teil der Geschichte, der mich als Entwickler am meisten interessiert, deshalb möchte ich hier etwas ausführlicher werden.

In den letzten 18 Monaten befand sich die KI-Branche in einem Wettrüsten auf einer ganz bestimmten Achse: der Fähigkeit zum logischen Denken. Wie viele Schritte kann das Modell verknüpfen? Wie gut löst es ARC-AGI-2-Rätsel? Wie tief ist seine Chain-of-Thought? Jedes Labor veröffentlicht „denkfähige“ Varianten und misst sich an demselben engen Set von Reasoning-Tests.

Sam Altman sagt seit Monaten ziemlich unauffällig, dass er diese Achse für die falsche hält.

Sein Argument — und ich bin inzwischen überzeugt, dass er recht hat — ist, dass für die meisten echten menschlichen Nutzer nicht die Intelligenz des Modells in einer einzelnen Sitzung der Engpass ist. Das Problem ist, dass das Modell alles vergisst, sobald man den Tab schließt. Du erklärst deinen Codebase, deine Teamstruktur, die Deployment-Pipeline deines Unternehmens, deine Vorlieben, deine Designsprache, deine Kunden, deine Ziele. Und am nächsten Tag erklärst du alles wieder. Und am Tag danach. Für immer.

Ein Modell, das 10 % besser im logischen Denken ist, aber immer noch Amnesie hat, ist nur geringfügig nützlicher. Ein Modell, das genauso intelligent ist, dich aber tatsächlich wiedererkennt, ist eine völlig andere Produktkategorie.

Wenn GPT-6 mit einer persistenten, sitzungsübergreifenden Memory-Funktion ausgeliefert wird, die tatsächlich funktioniert — und mit „tatsächlich funktioniert“ meine ich, dass sie zuverlässig die richtigen Dinge zum richtigen Zeitpunkt abruft, ohne Kontext zu leaken, der nicht geleakt werden sollte — dann wird das die Nutzererwartung daran, wie sich ChatGPT anfühlen sollte, grundlegend verändern. Es hört auf, nur ein Werkzeug zu sein, das man benutzt, und wird zu einem Assistenten, der dich kennt. Dieser Wandel ist wichtiger als fast jeder Benchmark-Wert.

Hier die ehrliche Version: Persistente Memory ist auf Produktebene extrem schwer richtig umzusetzen. Die aktuelle ChatGPT-Memory-Funktion ist wirklich nützlich, aber auch wirklich unzuverlässig — sie merkt sich Dinge, die man lieber vergessen hätte, vergisst Dinge, die man sich wünscht, und zieht gelegentlich Kontext aus dem falschen Thread. Eine fortschrittliche Version davon muss dramatisch zuverlässiger sein und die Datenschutz-Edge-Cases mit echter Sorgfalt behandeln. Ich habe keine Ahnung, ob GPT-6 das perfekt lösen wird. Ich sage nur, die Richtung stimmt.

Wenn du auf der OpenAI-Plattform entwickelst, sind die Memory-Auswirkungen das mit Abstand wichtigste Thema, um das du herum planen solltest. Deine Produktannahmen wie „bei jeder Anfrage den gesamten Kontext mitsenden“ könnten sich zu „das Modell weiß es bereits“ verschieben. Das ist eine andere Architektur. Darauf kommen wir noch zurück.

Die angeblichen Spezifikationen — Nach Vertrauenswürdigkeit sortiert

Gehen wir nun die einzelnen Feature-Gerüchte durch, die derzeit kursieren, und ich bewerte jeweils, wie viel Gewicht ich ihnen tatsächlich beimesse.

Gerücht 1: 2-Millionen-Token-Kontextfenster

Vertrauen: Moderat-hoch (7/10)

Dieses Gerücht ist am weitesten verbreitet und hat die logischste Grundlage. Gemini 3.1 Ultra bietet bereits ein stabiles 2M-Token-Kontextfenster, wie in Googles eigenen Veröffentlichungen mit Stand März 2026 bestätigt. Gemini 3.1 Pro liegt bei 1M. GPT-5.4 kommt auf etwa 400K. Sollte OpenAI ein Spitzenmodell mit einem kleineren Kontextfenster als der direkte Konkurrent auf den Markt bringen, wäre das ein strategischer Fehler — und Sam Altmans OpenAI begeht keine offensichtlichen strategischen Fehler bei der Feature-Parität.

Ich würde stark darauf wetten, dass GPT-6 mit mindestens 1M Tokens startet und sehr wahrscheinlich Gemini mit 2M erreicht oder übertrifft. Auf die Fantasiezahlen von „10 Millionen Tokens“, die in manchen Threads kursieren, würde ich nicht wetten. Niemand liefert das 2026 mit brauchbarer Latenz und zu vertretbaren Kosten aus.

Gerücht 2: ARC-AGI-2-Score übertrifft Gemini 3.1 Pros 77,1 %

Vertrauen: Mittel (5/10)

Gemini 3.1 Pro hält derzeit 77,1 % auf ARC-AGI-2, was ungefähr dem Doppelten des Scores von Gemini 3 Pro entspricht. Das ist die Messlatte. Wenn Spud der von OpenAI beschriebene Generationssprung ist, ist ein besseres Ergebnis Pflicht. Aber ARC-AGI-2 ist ein Benchmark, der speziell darauf ausgelegt ist, Overfitting zu verhindern, und Fortschritte darauf sind wirklich schwierig. Ich erwarte, dass GPT-6 irgendwo im Bereich von 75–85 % landet. Es würde mich nicht überraschen, wenn es unter Gemini bleibt. Es würde mich sehr überraschen, wenn es die 90 % deutlich überschreitet.

Gerücht 3: Native Videogenerierung integriert

Vertrauen: Niedrig-mittel (4/10)

Die Logik dahinter ist verführerisch: OpenAI hat Sora eingestellt, die GPUs umverteilt und das Sora-Team soll sich nun auf „Weltsimulation für Robotik“-Forschung konzentrieren. Wenn diese Forschung in Spud einfließt, könnte Videogenerierung zu einer nativen Modalität werden, statt ein aufgesetztes Produkt zu sein. Das würde auch erklären, warum OpenAI bereit war, den PR-Schaden durch die abrupte Einstellung von Sora in Kauf zu nehmen.

Aber „Video als Forschungsrichtung“ und „Video als Feature zum Launch“ sind zwei völlig verschiedene Dinge. Ich rechne mit einer gewissen Videofähigkeit, wahrscheinlich begrenzt, vielleicht nicht einmal zum öffentlichen Launch verfügbar. Baue dein Produkt nicht in der Annahme, dass dies direkt enthalten ist.

Gerücht 4: Persistenter, sitzungsübergreifender Speicher auf Modellebene

Vertrauen: Hoch (8/10)

Sam deutet dies schon so lange an, dass es seltsam wäre, wenn GPT-6 kein signifikantes Memory-Upgrade hätte. Die Frage ist, ob es sich um einen echten architektonischen Fortschritt handelt oder um eine verbesserte Version des aktuellen Memory-Features, das oben draufgesetzt wird. Ich setze auf echte Architekturarbeit — aber ich würde die Launch-Details abwarten, bevor ich darauf aufbaue.

Gerücht 5: Einheitliches Einzelmodell (kein GPT-5-ähnlicher Router)

Vertrauen: Niedrig (3/10)

Einige Threads behaupten, GPT-6 werde ein einziges monolithisches Modell sein, statt wie GPT-5 einen Router zu nutzen, der zwischen Varianten auswählt. Ich habe dazu keinerlei Quellen. Es könnte in beide Richtungen gehen. Der Router-Ansatz bringt echte Effizienzvorteile, und OpenAI verteidigt ihn weiterhin. Ich würde darauf wetten, dass der Router in irgendeiner Form bleibt.

Gerücht 6: „Vereinheitlichte Super-App mit Atlas-Browser-Launch am 14. April“

Vertrauen: Sehr niedrig (1/10)

Das ist das Gerücht aus dem viralen YouTube-Video. Es liest sich wie Fan-Fiction. Es gibt keine glaubwürdigen Quellen. Das „Super-App“-Konzept hat OpenAI zwar schon mal als Vision diskutiert, aber die Kombination aus konkretem Datum, Browser-Codename und spezifischer Produktpalette ist reine Spekulation, die als Insiderwissen verkauft wird. Komplett ignorieren.

Gerücht 7: Es könnte als GPT-5.5 und nicht als GPT-6 erscheinen

Vertrauen: Hoch, dass dies tatsächlich noch offen ist (8/10)

Mehrere Berichte deuten darauf hin, dass OpenAI intern noch nicht entschieden hat, ob dieses Release als GPT-5.5 oder GPT-6 gebrandet wird — abhängig davon, wie die Benchmarks im Vergleich zu GPT-5.4 ausfallen. Ist der Fähigkeitssprung generationenprägend, wird es GPT-6. Ist er stark, aber inkrementell, wird es GPT-5.5. Dies ist eines der wenigen Gerüchte, denen ich vertraue, weil es genau die Art von Entscheidung ist, die OpenAI spät im Zyklus trifft, und weil es zu ihrem bisherigen Namensschema passt.

Das Modell, das du in ein paar Wochen installieren wirst, könnte also am Ende gar nicht GPT-6 heißen. Denk daran, wenn du die nächsten „GPT-6 CONFIRMED“-Schlagzeilen siehst.

Was ist mit allen anderen — Das echte Wettbewerbsumfeld

Hier möchte ich der GPT-zentrierten Sichtweise vieler aktueller Analysen widersprechen. Denn GPT-6 startet nicht in einem leeren Raum. Es tritt in das bislang am stärksten umkämpfte Frontier-Modell-Umfeld ein, das wir je gesehen haben, und das Wettbewerbsbild ist entscheidend dafür, wie du planen solltest.

Google Gemini 3.1 Ultra ist aktuell die ernstzunehmende Bedrohung. 2 Millionen Token stabiler Kontext, native multimodale Verarbeitung von Text, Bild, Audio und Video gleichzeitig und laut mehreren unabhängigen Benchmarks das stärkste Allround-Modell, das im April 2026 verfügbar ist. Google verfügt zudem über eine enorme Reichweite durch Workspace und Android. Wenn du im zweiten Quartal 2026 KI-Plattformen evaluierst und nur mit OpenAI vergleichst, machst du deinen Vergleichstest falsch. Gemini ist real.

Anthropic Claude Mythos ist die große Unbekannte. Ich habe nach dem Anthropic-Dokumenten-Leak ausführlich darüber geschrieben — Mythos soll Berichten zufolge deutlich leistungsfähiger sein als das öffentlich verfügbare Opus 4.6, hat angeblich während des Testens eine Zero-Day-Sicherheitslücke entdeckt und wird laut Berichten aus genau diesen Dual-Use-Bedenken bisher nicht veröffentlicht. Es gibt kein Launch-Datum, keine Preisangaben und keine Benchmark-Offenlegung. Was wir haben, ist die interne Sprache von Anthropic, die Mythos als „weit voraus gegenüber jedem anderen KI-Modell in Cyber-Fähigkeiten“ beschreibt. Sollte Mythos im Launch-Fenster von GPT-6 erscheinen, ändert sich die gesamte Diskussion.

Claude Opus 4.6 ist weiterhin mein täglicher Begleiter für echte Programmierarbeit. Das hat sich nicht geändert. Ich habe jedes Frontier-Modell von Anthropic, OpenAI und Google getestet, und Opus 4.6 bietet immer noch die beste agentische Coding-Loop — es ist das Modell, dem ich vertraue, sich selbst als Ingenieur innerhalb von Claude Code zu steuern, im Gegensatz zu Modellen, denen ich zutraue, andere Software zu bedienen. GPT-6 könnte diese Rechnung ändern. Könnte.

Meta Llama 4 bekommt in diesen Diskussionen weniger Aufmerksamkeit, als es verdient. Open-Weight, nativ multimodal, langer Kontext. Wenn du einen Anwendungsfall hast, bei dem Modellgewichte entscheidend sind — regulierte Branchen, On-Premises-Anforderungen, tiefe Anpassungen — ist Llama 4 die ernsthafte Option, und es kostet dich keinen Cent pro Token, wenn du es auf eigener Hardware betreibst.

Mistral AI's 123B schlägt weiterhin über seinem Gewicht und hat so viel Momentum, dass europäische Unternehmenskunden zunehmend aus Compliance-Gründen standardmäßig darauf setzen.

Jetzt kommt der Teil, den niemand laut aussprechen will. Was reine Intelligenz angeht, wird OpenAI beim Launch von Spud wahrscheinlich unter den Top zwei oder drei sein. Es wird nicht mehr die unangefochtene Nummer 1 sein wie GPT-4 im Jahr 2023. Die Zeit von „OpenAI liefert, alle anderen versuchen aufzuholen“ ist vorbei – und das schon seit einer Weile.

Was OpenAI aber immer noch hat, und was in den meisten Einschätzungen zu GPT-6 unterschätzt wird, ist die Distribution. ChatGPT hält etwa 55 % des Consumer-AI-Marktes. Die Marke ist so sehr Synonym für „AI-Chat“, wie es kein Wettbewerber auch nur annähernd ist. Wenn GPT-6 erscheint, bekommen 500 Millionen wöchentliche aktive Nutzer das Modell in einem Produkt, das sie ohnehin täglich öffnen, eingebettet in eine UI, die sie bereits kennen. Geminis Integration in Workspace ist stark, hat aber diesen reinen Consumer-Drive nicht erreicht. Anthropic spielt im Consumer-Bereich praktisch keine Rolle.

Für Entwickler und Unternehmen gilt es, Folgendes zu verinnerlichen: Das beste Modell und das gewinnende Modell sind nicht immer dasselbe Modell. Die Integration ins Ökosystem — Microsoft Office, die ChatGPT-App, die Enterprise-API-Reichweite — kann für deine Produktentscheidungen am Ende wichtiger sein als der reine Benchmark-Vorsprung.

Was Sie in den nächsten vier Wochen wirklich tun sollten

Genug der Analyse. Lassen Sie uns praktisch werden. Wenn Sie auf KI aufbauen, was sollten Sie zwischen jetzt und dem Launch von GPT-6 tatsächlich tun? Hier ist das Playbook, das ich persönlich für meine eigenen Projekte und Kunden anwende.

Schritt 1: Setzen Sie Ihren Fahrplan nicht auf unbestätigte Features

Das ist der größte Fehler, den ich derzeit bei anderen Entwicklern beobachte. Ich habe mindestens vier Indie-Entwickler und zwei kleine Agenturen gesehen, die Pivots angekündigt haben, die explizit darauf basieren, dass GPT-6 ein 2M-Kontextfenster, native Videoverarbeitung und persistente Speicherfunktion bietet. Alle drei Punkte sind Spekulation. Keiner davon ist garantiert.

Regel: Wenn ein Feature nicht in einem ausgelieferten, dokumentierten API-Endpunkt enthalten ist, existiert es für Ihre Produktplanung noch nicht. Sie können Ihre Architektur durchaus auf erwartete Änderungen vorbereiten – dazu kommen wir gleich – aber Sie können keine Features ankündigen oder Kundengelder annehmen, basierend auf dem, was Sam Altman in einem Podcast angedeutet hat.

Schritt 2: Machen Sie Ihren aktuellen Stack flexibel für Kontextfenster

Das ist die eine architektonische Maßnahme, die sich auszahlt, egal was kommt. Aktuell haben die meisten auf LLMs basierenden Anwendungen fest einprogrammierte Annahmen über die Kontextgröße in ihren Retrieval-, Chunking- und Zusammenfassungsstrategien. Diese Annahmen wurden getroffen, als 128K noch großzügig erschien.

In sechs Monaten arbeiten Sie vielleicht mit einem 2M-Kontextfenster. In 18 Monaten vielleicht mit 10M. Wenn Ihre Retrieval-Pipeline fest einprogrammierte Chunk-Größen, Top-K-Werte oder ein festes 400K-Budget hat, werden Sie sie immer wieder neu schreiben müssen.

Gestalten Sie Ihre Kontextstrategie konfigurierbar, nicht fest eincodiert. Lagern Sie die Kontextfenstergröße in einen einzigen Konfigurationswert aus. Bauen Sie Ihr Chunking und Retrieval so, dass sie sich anpassen können, wenn sich dieser Wert ändert. Das kostet Sie jetzt fast nichts und erspart Ihnen später enorme Schmerzen – nicht nur für GPT-6, sondern für jedes Modell-Update, das in den nächsten zwei Jahren kommt. Ich refaktoriere meine eigenen Kundenprojekte seit etwa drei Monaten schrittweise in dieses Muster, und es hat sich bereits bei der Kontextvergrößerung von Claude Opus und dem 1M-Fenster von Gemini 3.1 Pro ausgezahlt.

Schritt 3: Denken Sie Memory jetzt als zentrales Produktkonzept

Wenn persistenter Speicher so einschlägt, wie Altman es andeutet, werden die Produkte, die ihn nutzen können, diejenigen sein, die Memory bereits als zentrales Design-Element betrachten – nicht die, die es nachträglich anflanschen.

Stellen Sie sich heute Fragen zu Ihrem Produkt: Was sollte es sich zwischen Sitzungen über einen Nutzer merken? Was sollte es niemals speichern? Wie steuert der Nutzer, was gespeichert wird? Wie erklären Sie das Speicherverhalten, ohne dass sich Nutzer überwacht fühlen? Das sind Produktdesign-Fragen, keine technischen Fragen. Sie können jetzt sofort daran arbeiten, ohne irgendetwas über die tatsächliche Memory-Architektur von GPT-6 zu wissen.

Wenn Sie in einer regulierten Branche bauen – Healthcare, Finance, Legal – ist die Memory-Frage auch eine Compliance-Frage. Starten Sie das Compliance-Gespräch jetzt. HIPAA und DSGVO haben beide klare Meinungen zu persistenten persönlichen Datenspeichern, und wenn GPT-6 beim Thema Memory das Spiel verändert, wollen Sie Ihre Richtlinien fertig haben, bevor das Feature in Ihren Händen ist.

Schritt 4: Führen Sie echte Benchmarks Ihrer aktuellen Aufgaben durch

Hier ein Trick, den ich mir von mehr Entwicklern wünschen würde: Dokumentieren Sie vor dem Launch von GPT-6 Ihre zehn wichtigsten KI-Workflows und deren aktuelle Performance – auf GPT-5.4, Claude Opus 4.6, Gemini 3.1 Pro, was auch immer Sie nutzen. Echte Zahlen. Latenz, Kosten, Output-Qualität (per Hand nach klaren Kriterien bewertet), Fehlerquote bei Edge Cases. Speichern Sie das als Spreadsheet.

Wenn GPT-6 erscheint, müssen Sie nicht raten, ob Sie migrieren sollten. Sie führen die gleichen zehn Aufgaben auf dem neuen Modell aus und vergleichen mit Ihrer dokumentierten Baseline. Klingt simpel. Fast niemand macht das. Die, die es tun, können Upgrade-Entscheidungen in 48 Stunden statt in drei Wochen treffen – was in einem schnelllebigen Markt ein echter Vorteil ist.

Schritt 5: Verhandeln Sie Budget-Schwankungen vorab mit Stakeholdern

Wenn GPT-6 entweder mit deutlich besseren oder deutlich schlechteren Preisen als GPT-5.4 startet, sollten Sie das Gespräch mit den Budgetverantwortlichen bereits vorbereitet haben. Beide Szenarien sind möglich. OpenAI hat bisher Frontier-Modelle aggressiv bepreist, um Marktanteile zu gewinnen – günstiger ist also plausibel. Aber Frontier-Compute ist teuer, und ein echter Generationssprung könnte einen Premium-Tarif rechtfertigen – teurer ist also ebenfalls plausibel.

Holen Sie sich eine Vorab-Genehmigung für eine Preisspanne. „Wenn das neue Modell 30 % mehr kostet als das aktuelle und eine 2x Qualitätsverbesserung bei unseren Kernaufgaben zeigt, sind wir zum Wechsel autorisiert.“ Dieses Gespräch ist vor dem Launch viel einfacher als während der 72 Stunden Chaos danach.

Schritt 6: Beobachten Sie die offiziellen Ankündigungen – und nur die offiziellen Ankündigungen

In dem Moment, in dem GPT-6 öffentlich angekündigt wird, wissen Sie es – denn die OpenAI-Ankündigung wird innerhalb von Minuten in jedem Ihrer Feeds auftauchen. Bis dahin gilt: Prüfen Sie den offiziellen OpenAI-Blog, das OpenAI-Entwickler-Changelog und Sam Altmans echten X-Account. Das war’s. Alles andere ist Content-Marketing, Spekulation oder beides.

Ich habe in den letzten zwei Wochen etwa zwölf „AI-News“-Accounts stummgeschaltet, weil das Verhältnis von erfundenen Behauptungen zu verifizierten Informationen in meinem Feed meiner Entscheidungsfindung ernsthaft geschadet hat. Ich empfehle dasselbe.

Die Auswirkungen auf die Branche — Bodenständige Version

Ich möchte die Analyse mit dem wirtschaftlichen Kontext abschließen, denn der Hype-Zyklus hat die Erwartungen vieler Menschen auf seltsame Weise beeinflusst, und ich halte eine bodenständige Betrachtung für sinnvoll.

McKinseys meistzitierte Schätzung beziffert den jährlichen wirtschaftlichen Beitrag generativer KI auf 2,6–4,4 Billionen US-Dollar, verteilt vor allem auf vier Kategorien: Kundenservice, Marketing und Vertrieb, Softwareentwicklung sowie Forschung & Entwicklung. Das sind reale Zahlen und sie dürften in der Größenordnung ungefähr stimmen. Es handelt sich dabei aber auch um Durchschnittswerte für die gesamte Wirtschaft und das gesamte Jahrzehnt, und sie sagen wenig darüber aus, was ein konkretes Unternehmen oder ein einzelner Entwickler im nächsten Quartal erleben wird.

Was ich tatsächlich erwarte, dass GPT-6 konkret verändern wird:

Softwareentwicklung ist der Bereich mit der klarsten kurzfristigen Perspektive. Laut aktuellen Umfragedaten nutzen bereits etwa 44 % der Entwickler täglich KI-Tools. Ein echter Sprung in Sachen logisches Denken und Kontextfenster treibt diese Zahl in Richtung Mehrheitsnutzung und verändert, was „KI-Unterstützung“ bedeutet — weg von reiner Codevervollständigung hin zu echter, autonomer Arbeit über mehrere Dateien und Stunden hinweg. Ich arbeite selbst für meine Projekte intensiv mit Claude Code und beobachte diesen Wandel in Echtzeit. GPT-6 wird diese Entwicklung auf der OpenAI-Seite vermutlich weiter beschleunigen.

Wissensarbeit ist der Bereich, in dem persistenter Speicher und erweiterter Kontext am meisten ins Gewicht fallen könnten. Rund 20 % der Arbeitszeit von Fachkräften entfallen auf die Suche nach Informationen in internen Dokumenten, E-Mails und Datenbanken. Ein Modell, das die Struktur Ihrer Organisation kennt und den vollständigen Kontext Ihrer Arbeit in einem 2-Millionen-Token-Fenster hält, eliminiert einen Großteil dieser Suchzeit. Ob GPT-6 dies tatsächlich leistet, hängt allerdings von der Produktumsetzung ab, nicht nur von den Fähigkeiten des Modells.

Gesundheitswesen und Forschung sind die Bereiche, in denen großer Kontext und besseres logisches Denken sich zu etwas wirklich Neuem summieren könnten — etwa bei Workflows zur Medikamentenentwicklung, Literaturrecherche in bisher unerreichbarem Umfang oder klinischer Entscheidungsunterstützung mit vollständiger Patientenhistorie im Kontext. Hier würde ich ab Ende 2026 die spannendsten Fallstudien erwarten, falls GPT-6 wie prognostiziert einschlägt.

Und die Risikoseite. Größere Fähigkeiten bedeuten auch größeres Missbrauchspotenzial. Überzeugendere Desinformation. Besser automatisiertes Phishing. Dual-Use-Sicherheitsarbeit — die Art von Dingen, auf die die Claude Mythos-Dokumente angespielt haben — wird zugänglicher. Der EU AI Act ist in Kraft, US-Executive Orders zur KI-Aufsicht werden strenger, und Unternehmen, die in diese Märkte liefern, brauchen echte Governance-Rahmen, nicht nur eine Folie mit „Wir nutzen KI verantwortungsvoll“. Das lässt sich jetzt günstig vorbereiten, ist aber nach einer regulatorischen Maßnahme teuer nachzurüsten.

Häufig gestellte Fragen

Wann erscheint GPT-6?

GPT-6 wird höchstwahrscheinlich zwischen Ende April und Anfang Juni 2026 veröffentlicht, wobei Mai das wahrscheinlichste Zeitfenster ist. Diese Einschätzung basiert auf dem bestätigten Abschlussdatum des Pre-Trainings am 24. März 2026 und OpenAIs typischem 3–6-wöchigen Rhythmus vom Pre-Training bis zur Veröffentlichung. OpenAI hat noch kein offizielles Datum bekannt gegeben. Die vollständige Begründung zur Zeitplanung finden Sie im Abschnitt „Warum der 24. März das einzige Datum ist, das zählt“ weiter oben.

Was ist Spud bei OpenAI?

Spud ist der interne Codename für OpenAIs nächstes Frontier-Modell – weithin angenommen als GPT-6 oder GPT-5.5. Das Pre-Training wurde am 24. März 2026 abgeschlossen, aktuell befindet sich das Modell in der Sicherheitsbewertung. Der endgültige öffentliche Name ist Berichten zufolge noch nicht entschieden und hängt davon ab, wie groß der Leistungsvorsprung gegenüber GPT-5.4 tatsächlich ist.

Wird GPT-6 ein Kontextfenster von 2 Millionen Tokens haben?

Wahrscheinlich, aber es ist nicht bestätigt. Gemini 3.1 Ultra bietet bereits 2M Tokens, daher ist es aufgrund des Wettbewerbsdrucks sehr wahrscheinlich, dass GPT-6 diese Zahl erreicht oder übertrifft. Jede konkrete Angabe zum Kontextfenster aus „geleakten Quellen“ sollte als Spekulation betrachtet werden, bis OpenAI offizielle Spezifikationen veröffentlicht.

Wird GPT-6 ChatGPT ersetzen?

Nein – GPT-6 wird mit sehr hoher Wahrscheinlichkeit in ChatGPT integriert und nicht als Ersatz erscheinen. Der Distributionsvorteil der bestehenden ChatGPT-App ist einer der wichtigsten strategischen Assets von OpenAI, und das erwartete Rollout-Muster entspricht dem aller jüngeren OpenAI-Modelle: Das Frontier-Modell erscheint zuerst in ChatGPT und wird kurz darauf in die API integriert.

Was ist der Unterschied zwischen GPT-6 und Claude Mythos?

GPT-6 (Spud) ist OpenAIs nächstes Frontier-Modell, das sich derzeit in der Sicherheitsbewertung befindet und voraussichtlich im 2. Quartal 2026 öffentlich startet. Claude Mythos ist das angeblich leistungsfähigere Modell von Anthropic im Vergleich zu Opus, das jedoch aus Gründen des Dual-Use bislang nicht öffentlich veröffentlicht wurde und laut geleakten internen Dokumenten möglicherweise gar nicht breit ausgerollt wird. Ein direkter Vergleich ist derzeit nicht möglich, da nur eines der beiden Modelle eine öffentliche Markteinführung plant.

Worauf ich tatsächlich achten werde

Wenn GPT-6 endlich erscheint – in vier Wochen, sechs Wochen, vielleicht acht, falls sich etwas verzögert – werde ich als Erstes nicht auf die Benchmark-Zahlen schauen. Es geht mir um das Speicherverhalten.

Konkret: Erinnert es sich an mich, so wie Sam es versprochen hat? Trägt es den Kontext aus einer Debugging-Session am Dienstagnachmittag in ein Planungsgespräch am Freitagmorgen, ohne dass ich mein Projekt erneut erklären muss? Fühlt es sich wie ein Werkzeug an, das ich benutze, oder wie ein Assistent, der mich kennt?

Denn wenn Letzteres zutrifft, verschiebt sich das gesamte mentale Modell, wie ich mit KI Software baue, erneut. Und ich habe in den letzten achtzehn Monaten gelernt, diese Verschiebungen ernst zu nehmen, wenn sie passieren – auch wenn sie nicht so aussehen, wie ich es erwartet hätte.

Die 2-Uhr-morgens-YouTube-Thumbnails werden dir weiterhin die konkreten Features versprechen. Die Primärquellen bleiben leiser und langsamer. Vertraue den langsamen Quellen. Ignoriere die Thumbnails. Und halte deinen Stack flexibel genug, dass du – egal, was tatsächlich ausgeliefert wird – es am ersten Tag gegen deine echten Workflows testen und eine ehrliche Einschätzung abgeben kannst.

Das ist momentan das ganze Spiel. Setze nicht auf Gerüchte. Bereite dich auf das vor, was kommt. Und führe deine eigenen Benchmarks durch, sobald es verfügbar ist.

Genau das werde ich tun, sobald Spud erscheint. Wenn du sehen willst, wie es bei echter Programmierarbeit abschneidet, nachdem ich es denselben Stresstests unterzogen habe wie GPT-5.4 und Claude Opus 4.6, dann kommt dieser Beitrag in der Launch-Woche. Bis dahin: Speichere die viralen Threads in einen „später prüfen“-Ordner und bring dein eigenes Projekt auf den Weg.

Lassen Sie uns zusammenarbeiten

Möchten Sie KI-Systeme entwickeln, Workflows automatisieren oder Ihre technische Infrastruktur skalieren? Ich unterstütze Sie gerne dabei.

• Fiverr (individuelle Lösungen & Integrationen): fiverr.com/s/EgxYmWD
• Portfolio: mejba.me
• Ramlit Limited (Enterprise-Lösungen): ramlit.com
• ColorPark (Design & Branding): colorpark.io
• xCyberSecurity (Sicherheitsdienstleistungen): xcybersecurity.io