Kurz gesagt
OpenAI hat GPT-5.6 am 9. Juli veröffentlicht, und Leute bringen es dazu, aus einem einzigen Prompt fertige Motion-Graphics-Videos zu bauen. Es ist kein Videomodell und malt keine Pixel. Es schreibt die Animation als Code – dasselbe HTML und GSAP, das schicke Websites antreibt –, und dieser Code wird zu einem sauberen MP4 gerendert. Deshalb ist das Ergebnis präzise statt zerfließend. Der Haken: Die guten Ergebnisse entstehen, wenn du es bei maximalem Aufwand ein bis zwei Stunden nachdenken lässt, was echtes Geld kostet und ein technisches Setup braucht. Aber die Qualität ist die eigentliche Geschichte. Das ist der Moment, in dem ein Allzweck-KI-Modell gut genug wurde, um Arbeit zu erledigen, für die früher ein Motion Designer nötig war.
Was tatsächlich erschienen ist
GPT-5.6 erschien am 9. Juli 2026 öffentlich, nach einer begrenzten Vorschau Ende Juni. Es ist eine Familie, kein einzelnes Modell: Sol ist das Flaggschiff, Terra das ausgewogene, Luna das günstige schnelle. OpenAI nennt Sol sein bisher bestes Coding-Modell, und es gibt eine Einstellung für maximalen Aufwand sowie einen Ultra-Modus, der bei schwierigen Problemen Arbeit an Subagenten delegiert.
Nichts davon klingt nach Video. Genau das ist der Punkt, und deshalb ging die Geschichte unter. GPT-5.6 ist kein Videomodell. Es ist ein Reasoning- und Coding-Modell, das so gut im Schreiben von Code geworden ist, dass es jetzt eine Animation bauen kann – und das ist, wie sich zeigt, ein viel präziserer Weg zu Motion Graphics als die Generierung von Footage.
Wie macht also ein Chat-Modell ein Video?
Es schreibt es. Du beschreibst das Video, und das Modell schreibt die Animation als Code – HTML, CSS und GSAP, dieselbe Webtechnologie hinter den schicksten Websites, die du kennst. Dann wird dieser Code Bild für Bild zu einem MP4 gerendert.
Genau darum ist das Ergebnis gut. Ein Videogenerator wie Sora rät Pixel, was für eine stimmungsvolle Establishing Shot wunderschön ist und für ein Logo, das seine Form halten muss, und Text, der lesbar bleiben muss, hoffnungslos. Code rät nicht. Wenn du sagst, dass das Logo bei 0,4 Sekunden einfährt und die Headline in genau deinem Marken-Orange steht, passiert das, in jedem Frame, jedes Mal. Es ist der Unterschied zwischen dem Beschreiben eines Gemäldes und dem Schreiben der Anleitung, um eines zu bauen.
Warum dauert es Stunden?
Weil das Gute aus dem Nachdenken kommt. Bei maximalem Aufwand denkt GPT-5.6 lange nach, bevor es schreibt, und im Ultra-Modus kann es Subagenten starten, die Teile parallel bearbeiten. Leute lassen es ein bis zwei Stunden an einem einzigen Clip laufen. Außerdem prüft es jetzt das gerenderte Ergebnis, statt nur blind Code abzufeuern, sodass es Dinge bemerkt, die falsch aussehen, und sie behebt, bevor es abgibt. Das ist die Schleife, die ein Motion Designer durchläuft, nur automatisiert, und sie ist aus demselben Grund langsam, aus dem gute Arbeit langsam ist.
Der Preis dafür ist Geld. Sol startet bei 2 $ pro Million Input-Tokens und 10 $ pro Million Output-Tokens, mit gecachtem Input zu 0,20 $ pro Million. Prompts mit mehr als 272.000 Input-Tokens nutzen höhere Long-Context-Preise, und ein langer Reasoning-Lauf bei einer komplexen Animation verbrennt trotzdem Tokens. Es sind keine 200 $ pro Clip, aber gratis ist es auch nicht, und beim Do-it-yourself-Weg baust du außerdem die Render-Pipeline selbst auf.
Ist das Ergebnis wirklich gut?
Ja, und genau deshalb lohnt sich dieser Artikel. Kinetische Typografie, Logo-Reveals, Launch-Reels, animierte Diagramme, Produkt-Promos – die grafische Bewegung im Markendesign, die die meisten Marketing-Teams tatsächlich ausliefern. Gut gemacht ist das etwas, wofür früher ein Nachmittag in After Effects oder eine Woche Warten auf eine Freelancerin nötig war.
Wo es weiterhin scheitert, ist genau das, was du erwarten würdest: cineastische VFX, 3D, handgemachte Charakteranimation, frame-genaues Broadcast-Handwerk. Ein erfahrener Motion Designer in After Effects gewinnt das weiterhin und wird es noch eine Weile tun. Aber das war nie die Arbeit, die die meisten Teams brauchten. Die Arbeit, die die meisten Teams brauchten, wurde gerade automatisiert. Wo diese Grenze verläuft, erklären wir ausführlicher in So erstellst du Motion Graphics ohne After Effects.
GPT-5.6 vs die Videomodelle
| GPT-5.6 (schreibt Animation als Code) | Sora / Runway / Veo (generieren Footage) | |
|---|---|---|
| Was es erzeugt | Grafische Bewegung: Logos, Text, Layout | Cineastisches, fotografisches Footage |
| Bleibt auf Marke | Ja – Code ist exakt | Nein – es driftet und verzerrt |
| Lesbarer Text, intaktes Logo | Ja | Unzuverlässig |
| Zeit pro Clip | Ein bis zwei Stunden bei maximalem Aufwand | Minuten |
| Du brauchst | Ein Render-Setup oder ein Produkt, das darauf aufbaut | Nur das Tool |
| Am besten für | Launch-Reels, Logo-Reveals, Social Ads | Stimmung, B-Roll, Atmosphäre |
Was das tatsächlich bedeutet
Ein Allzweck-Chatmodell, gebaut für Coding und Unternehmensarbeit, ist jetzt gut genug, um Motion Graphics zu erstellen, als Nebeneffekt davon, gut im Code zu sein. Niemand bei OpenAI hat ein Motion-Graphics-Feature ausgeliefert. Es ist einfach daraus entstanden, dass das Modell klüger wurde. Das sollte dir zeigen, wohin das führt: Jedes Mal, wenn sich die Spitze bewegt, wird das besser, gratis, ohne dass irgendjemand überhaupt ein Video-Feature baut.
Die ehrliche Lücke ist der Workflow. Stundenlanges Nachdenken, eine Render-Pipeline, die du bändigen musst, Tokens, die du bezahlst, und eine neue Runde Herumfummeln jedes Mal, wenn eine Szene schiefgeht. Die Fähigkeit ist da. Der Komfort nicht – es sei denn, jemand baut ihn für dich. Das ist der Teil, den es zu beobachten lohnt, und der Teil, an dem wir arbeiten: fluos nutzt denselben Ansatz, mit dem jeweils aktuellen Frontier-Modell, das die beste Motion schreibt, und macht aus der zweistündigen DIY-Schleife einen Chat und eine Live-Vorschau. Bei den ersten 500 mit fluos erstellten Videos war das Rendering im Schnitt in etwa drei Minuten fertig. Für einen breiteren Überblick vergleicht unsere ehrliche Übersicht der besten KI-Tools für Motion Graphics die Optionen.
Häufige Fragen
- Kann GPT-5.6 Videos erstellen?
- Nicht als Videomodell. Es schreibt Animation als Code (HTML und GSAP), der zu einem MP4 gerendert wird, und so entstehen aus einem einzigen Prompt fertige Motion Graphics. Ein Video direkt aus dem Chatfenster exportiert es nicht.
- Warum braucht GPT-5.6 Stunden für ein Video?
- Die guten Ergebnisse kommen aus Reasoning mit maximalem Aufwand: Das Modell denkt lange nach und kann Aufgaben an Subagenten delegieren, bevor es die Animation schreibt. Lange Reasoning-Läufe brauchen Zeit und kosten Tokens.
- Ist GPT-5.6 für Motion Graphics besser als Sora?
- Für grafische Bewegung im Markendesign – Logos, Text, Layout – ja, weil Code exakt ist und generiertes Footage abdriftet. Für cineastisches, fotografisches Footage ist Sora das richtige Werkzeug. Beide lösen unterschiedliche Probleme.
- Was kostet das?
- GPT-5.6 Sol startet bei 2 $ pro Million Input-Tokens und 10 $ pro Million Output-Tokens, mit gecachtem Input zu 0,20 $ pro Million. Prompts mit mehr als 272.000 Input-Tokens nutzen höhere Long-Context-Preise, die Kosten steigen also mit der Kontextgröße und damit, wie intensiv du es nachdenken lässt.
- Wann wurde GPT-5.6 veröffentlicht?
- Öffentlich am 9. Juli 2026, nach einer begrenzten Vorschau Ende Juni. Es gibt drei Stufen: Sol, Terra und Luna.