Ein KI-Agent, der ganze Marketing-Websites baut, lief nach dem Wechsel von Claude Opus 4.8 auf GPT-5.6 mehr als doppelt so schnell und 27 Prozent günstiger. Der Anbieter Ploy hat die Umstellung offengelegt. Die eigentliche Lehre steckt nicht im Modellwechsel.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Die GPT-5.6-Migration eines produktiven KI-Agenten hat bei Ploy die Baukosten je Website von 2,66 auf 1,93 Euro gedrückt. Auf den ersten Blick sieht das nach einem besseren Modell aus. Beim genauen Hinsehen stammt fast die gesamte Ersparnis aus einer korrigierten Cache-Konfiguration, nicht aus dem Preis pro Token.
Das Wichtigste in Kürze
- Ploy hat seinen Website-Agenten von Claude Opus 4.8 auf GPT-5.6 Sol umgestellt: Bauzeit von 8:00 auf 3:42 Minuten, Kosten je Website minus 27 Prozent.
- Rund ein Drittel der anfänglichen Fehlschläge lag am Test-Harness, das auf das alte Modell zugeschnitten war, nicht am neuen Modell.
- Die Kostenlücke entpuppte sich als Cache-Fehlkonfiguration: Die Trefferquote beim Erstaufruf stieg von nahe null auf 83,7 Prozent.
- Für einen fairen Modellvergleich muss der gesamte Aufbau aus Prompt, Werkzeugen und Cache mitwandern, nicht nur der Modellname.
Was Ploy tatsächlich gemessen hat
Der Anbieter Ploy betreibt einen KI-Agenten, der eigenständig Marketing-Websites plant, Code schreibt, Bilder erzeugt und per Screenshot prüft, ob das Ergebnis stimmt[1]. Nach vier Monaten Tests war GPT-5.6 Sol das erste Modell, das den bisherigen Standard Claude Opus 4.8 geschlagen hat.
Die Zahlen sind eindeutig: Die Bauzeit je Website ist von acht auf knapp vier Minuten gesunken, die Eingabe-Tokens von 2,6 auf 1,7 Millionen, die Ausgabe-Tokens fast auf die Hälfte. Nur beim Design zeigt sich ein Haken, denn GPT-5.6 liefert gleichförmigere, generischere Layouts und hält sich weniger streng an ein Marken-System.
Warum die Ersparnis nicht aus dem Modell kam
Spannender als die Zahlen ist ihre Herkunft. Ploy hat herausgefunden, dass etwa ein Drittel der scheinbaren Fehlschläge gar nicht am Modell lag, sondern am eigenen Test-Harness: Werkzeug-Budgets waren auf die Arbeitsweise von Opus zugeschnitten, gebündelte Dateizugriffe funktionierten nicht, Standardschwellen kippten das Ergebnis.
Noch deutlicher wurde es beim Geld. GPT-5.6 verlangt anders als Claude einen ausdrücklichen Cache-Schlüssel und teilt Zwischenstände nicht mehr automatisch. Erst nach dem Umbau auf arbeitsbereichs-bezogene Schlüssel ist die Cache-Trefferquote beim Erstaufruf von nahe null auf 83,7 Prozent gestiegen.
„Jeder Dollar der Lücke, auf die wir gestarrt haben, war eine Cache-Fehlkonfiguration, kein Modellpreis“, schreibt das Team in seinem technischen Rückblick. Das deckt sich mit einem Muster, das wir zuletzt mehrfach beschrieben haben: Bei KI-Agenten steckt der reale Aufwand im Kontext und in der Werkzeug-Verdrahtung, nicht im Listenpreis pro Token. Genau darum drehte sich auch die Debatte um den Token-Overhead von Claude Code gegenüber OpenCode, und um das Kreislaufgeschäft hinter dem GPU-Boom.
Eine Modellmigration am reinen Token-Preis zu bewerten, misst die falsche Zahl. Die Rechnung entscheidet sich am Harness, nicht am Modellnamen.
— Markus Seyfferth, Chefredakteur Dr. Web
Die Migration eines produktiven KI-Agenten beim Anbieter Ploy in Zahlen
Was der Fall für den Mittelstand bedeutet
Die Modelle sind in Produktion nicht beliebig austauschbar, weil erfolgreiche Agenten auf modellspezifische Eigenheiten getunt werden. Genau das bestätigt der Fall: Der Wechsel war kein Schalter, sondern Wochen an Umbauarbeit an Schema, Cache und Schnittstelle.
Für Unternehmen im DACH-Raum, die einen KI-Anbieter wechseln oder erstmals einführen, ergeben sich daraus drei konkrete To-dos:
- Vor jedem Modellvergleich das Test-Harness prüfen: Sind Werkzeug-Budgets, Cache-Schlüssel und Schwellen neutral, oder bevorzugen sie das gewohnte Modell?
- Die Migrationskosten als Entwicklungsaufwand einplanen, nicht als Konfigurationsschalter, denn Schema-Anpassungen, Cache-Umbau und API-Eigenheiten kosten Zeit.
- Lokale Modelle nicht am isolierten Token-Preis messen, sondern an den Kosten je fertig erledigter Aufgabe.
Die nüchterne Botschaft: Ein Modellwechsel verspricht selten den Rabatt, den das Preisschild suggeriert. Eine sauber aufgesetzte Infrastruktur bringt oft mehr als der Sprung zum nächsten Modell. Ein kurzer Cache- und Harness-Check gehört deshalb an den Anfang jeder KI-Kostenrechnung, nicht ans Ende.
Quelle
[1] Ploy: „Migrating a production AI agent to GPT-5.6“ ↩
Mehr Newshunger?
- Claude Code sendet 33.000 Token vor dem ersten Prompt, OpenCode nur 7.000
- Was xAIs Grok Build CLI wirklich an xAI sendet
- Mesh LLM: Wie ein großes KI-Modell über mehrere eigene Rechner verteilt läuft
- Drei Bugs behoben: So wird Qwen 3.5 122B auf dem Mac Studio alltagstauglich
- Nvidia, CoreWeave und Nebius: Das Kreislaufgeschäft hinter dem GPU-Boom
- Wie Terence Tao tote Java-Applets mit Coding-Agenten wiederbelebt
