OpenAI führt die Bereiche Chat und Work in ChatGPT zusammen. Ab Dezember teilen sich ChatGPT und Codex in den Tarifen Plus, Pro und Business ein gemeinsames Kontingent, das in Token gemessen wird.
Das Thema kurz und kompakt
- Chat und Work verschmelzen in einer Oberfläche, eine Aufgabe lässt sich im Gespräch entwickeln und direkt ausführen.
- Ab Dezember teilen sich Plus, Pro und Business ein gemeinsames, tokenbasiertes Kontingent für ChatGPT und Codex. Bisher liefen Chat, Work und Codex auf getrennten Zählern.
- Einfache Chats mit Instant-Modellen zählen nicht zum Kontingent.
- Komplexere Modelle und Aufgaben verbrauchen mehr Token und damit mehr Kontingent.
- OpenAI erwartet, dass die meisten Nutzer:innen nicht häufiger auf die Rücksetzung warten müssen.
Bisher musste man bei ChatGPT wählen, ob man nur eine Frage stellt (Chat) oder ChatGPT eine Aufgabe erledigen lässt (Work). Beides läuft künftig in einer Oberfläche: Man entwickelt eine Aufgabe im Gespräch und lässt sie direkt ausführen, kann aber einzelne Schritte kontrollieren und eingreifen. Das reagiert auch auf Kritik an der Komplexität von ChatGPT. Je nach Tarif gab es zwei Modi mit elf Modelleinstellungen. Auch Anthropic hat Chat und Cowork in Claude bereits zusammengelegt.
Token sind die Informationseinheiten, die ein Modell liest und erzeugt. Je komplexer Modell und Aufgabe, desto mehr Token fallen an. Agenten, die Websites bauen oder stundenlang im Browser arbeiten, verbrauchen ein Vielfaches eines normalen Chats. Ab Dezember zählt dieser Verbrauch für Plus, Pro und Business gegen ein gemeinsames Budget für ChatGPT und Codex. Einfache Chats mit Instant-Modellen bleiben außen vor, ChatGPT bleibt damit auf dem Papier eine Flatrate. Das bestehende 5-Stunden- und Wochenlimit bleibt Teil des Systems. OpenAI hat die Limits für höherpreisige Tarife zuletzt verdoppelt, offenbar zur Vorbereitung.
Die Reaktionen sind gemischt: In Foren fragen viele Nutzer:innen, wie genau der Verbrauch gezählt wird. Einige Plus-Nutzer:innen kündigen an, zu kündigen. Beobachter:innen erwarten, dass intensive Nutzung in günstigen Tarifen künftig zu Einbußen bei der Qualität führen kann, etwa durch kleinere Modelle oder längere Wartezeiten. Für Unternehmen mit Business-Tarifen lohnt es sich, im Dezember zu beobachten, wie schnell Teams das Kontingent aufbrauchen, und teure Modelle gezielt für anspruchsvolle Aufgaben zu reservieren.
Wie Du Prompts so formulierst, dass sie wenig Rechenaufwand kosten und trotzdem gute Ergebnisse liefern, lernst Du in der KI Prompt Engineering-Weiterbildung von Distart, förderfähig je nach Situation über Bildungsgutschein oder Qualifizierungschancengesetz. Alle Angebote findest Du in der Kursübersicht.
