Wichtigste Punkte
- Produkteinführung: OpenAI hat am 9. Juli ChatGPT Work veröffentlicht, einen KI-Agenten auf Basis einer dauerhaft aktiven virtuellen Maschine, der eigenständig Aufgaben abschließt – Dokumente, Präsentationen, Websites – ohne ständige Überwachung.
- Technische Architektur: Das System basiert auf GPT-5.6, verfügbar in drei Varianten (Sol, Terra, Luna) und zwei Denkmodi, "max" und "ultra", wobei letzterer bis zu sechzehn Agenten parallel koordinieren kann.
- Marktduell: Die Veröffentlichung erfolgt 48 Stunden nach der Erweiterung von Claude Cowork von Anthropic auf Mobile und Web und eröffnet einen direkten Wettbewerb bei Leistungs-Benchmarks und Recheneffizienz.
Ein Agent, der arbeitet, nicht nur antwortet
OpenAI hat am 9. Juli ChatGPT Work vorgestellt und damit die Interaktion mit dem eigenen Assistenten neu definiert: kein Chatbot mehr, der Text erzeugt, sondern ein Agent, der fertige Ergebnisse liefert. Das System läuft auf einer dauerhaft aktiven virtuellen Maschine auf den Servern des Unternehmens, zugänglich über Web, Mobile und Desktop. Ein Nutzer kann eine Aufgabe vom Smartphone aus starten, die App schließen, und der Agent führt die Arbeit über Stunden hinweg eigenständig fort. Die Integration umfasst Slack, Microsoft Teams, Google Drive, SharePoint, Salesforce, E-Mail und Kalender, wodurch der Agent Daten sammeln, Schritte planen und ausführen kann, ohne durchgehendes menschliches Eingreifen.
Drei Modelle, zwei Denkmodi
Der Motor hinter ChatGPT Work ist GPT-5.6, verteilt auf drei Konfigurationen: Sol, ausgerichtet auf komplexes Denken und Coding; Terra, gedacht für alltägliche Aufgaben mit einer Leistung vergleichbar mit GPT-5.5; Luna, eine leichte Version für Szenarien mit hohem Volumen. Hinzu kommen zwei Betriebsmodi: "max", der die Verarbeitungszeit bei komplexen Problemen verlängert, und "ultra", der die Last auf mehrere KI-Agenten parallel verteilt, bei den anspruchsvollsten Aufgaben auf bis zu sechzehn Einheiten.
Der Vergleich mit Claude Cowork
Das Timing der Veröffentlichung folgt 48 Stunden auf die Erweiterung von Claude Cowork von Anthropic auf Mobile und Web, die am 7. Juli erfolgte. Vergleichstests in drei Einsatzszenarien – Organisation einer Veranstaltung, Aufbau einer Website, Erstellung einer Präsentation – zeigen, dass ChatGPT Work vollständigere und einsatzbereitere Ergebnisse liefert, während Claude Cowork bei der Ausführung schneller ist, sechs Minuten gegenüber achtzehn, jedoch mit stärker standardisierten Ergebnissen.
Bei den technischen Benchmarks erreichte GPT-5.6 Sol 80 Punkte im Artificial Analysis Coding Agent Index und übertraf damit das konkurrierende Modell Claude Fable 5 um 2,8 Punkte, bei weniger als der Hälfte des Rechenaufwands. Im Test Agents' Last Exam erzielte Sol einen Wert von 53,6 % gegenüber 40,5 % bei Fable 5.
Von Nutzern gemeldete Kritikpunkte
Die Einführung verlief nicht ohne Spannungen. Mehrere Nutzer meldeten einen ungewöhnlichen Verbrauch der wöchentlichen Nutzungskontingente, in einem gemeldeten Fall eine Reduzierung des verfügbaren Kontingents um 3 % nach nur zwei Anfragen. Die neue Desktop-Oberfläche wurde kritisiert, weil sie den Work-Modus zur Standardansicht macht und den klassischen Chat in ein Untermenü verbannt. Ebenfalls gemeldet wurde das Verschwinden bestehender Funktionen wie Projects und Memories.
Sam Altman verteidigte die Entscheidung und verwies darauf, dass die Einführung einen doppelt so hohen Traffic wie die bisherigen Höchstwerte der Plattform ausgelöst habe. Er bezeichnete den Schritt als notwendige Etappe auf dem Weg zur AGI.
Die operativen Perspektiven
Die Unterscheidung zwischen den beiden Systemen verlagert sich nun auf die Art der auszuführenden Aufgabe statt auf die Präferenz für einen Anbieter. ChatGPT Work positioniert sich für Projekte, die von der Konzeption bis zum fertigen Produkt reichen müssen, Claude Cowork für die Organisation und Zusammenfassung bereits bestehender Materialien. Der Markt für KI-Agenten im Arbeitsumfeld bewegt sich nun auf zwei konkurrierenden Architekturen, wobei Unternehmen aufgefordert sind, die Recheneffizienz neben den reinen Fähigkeiten der Modelle zu bewerten.
