OpenAI steht wieder unter echtem Druck. Ende 2025 haben Googles Gemini 3 und Anthropics Claude Opus 4.5 den einst komfortablen Leistungsabstand verkleinert. Die Benchmarks rückten enger zusammen, die Nutzerstimmung kippte. Erstmals seit Jahren war OpenAI nicht mehr gleichzeitig der unangefochtene Marktführer bei Reasoning, Coding und Alltagstauglichkeit.
Nur Wochen nach GPT-5.1 (und nur wenige Monate nach GPT-5.0) brachte OpenAI GPT-5.2 auf den Markt. Intern folgte das, was mehrere Berichte als „Code Red“-Moment beschreiben: ein unternehmensweiter Kraftakt, um die Wettbewerbsfähigkeit von ChatGPT zu verbessern, nachdem Gemini 3 begonnen hatte, OpenAI-Modelle in mehreren internen und externen Bewertungen zu übertreffen.
Auf dem Papier wirkt GPT-5.2 wie ein großer Erfolg. Es dominiert oder erreicht Spitzenwerte bei mehreren vielbeachteten Benchmarks. Es bringt deutliche Fortschritte bei Long-Context-Retrieval, Coding-Autonomie, der Erstellung von Tabellen und Präsentationen sowie bei agentischen Workflows. OpenAI positioniert es als „die bisher leistungsfähigste Modellreihe für professionelle Wissensarbeit“.
Und doch fällt die Reaktion der Nutzer ungewöhnlich negativ aus. Auf Reddit, X, in Entwicklerforen und in unabhängigen Auswertungen zeigt sich ein einheitliches Muster: GPT-5.2 ist leistungsstark, langsam, unflexibel und in der Interaktion regelrecht unangenehm. Viele Nutzer beschreiben es als kälter, strenger in der Zensur und im Alltag weniger zuverlässig als GPT-5.1, obwohl es bei engen, messbaren Aufgaben objektiv stärker ist.
Das Versprechen – „Das größte Release seit GPT-5“
OpenAIs Positionierung von GPT-5.2 ist eindeutig: Das Modell soll ein Produktivitätsmotor für professionelle Arbeit sein, für Tabellen, Präsentationen, Codebasen, lange Dokumente, Tool-Calling und mehrstufige Projekte.
Die zentrale Kennzahl ist GDPval, ein Benchmark, den OpenAI entwickelt hat, um zu messen, wie oft KI-Ausgaben gegenüber menschlichen Fachleuten bei klar definierten Wissensarbeit-Aufgaben bevorzugt werden.
Laut OpenAI schlägt oder erreicht GPT-5.2 Thinking menschliche Experten in 70,9 % der Fälle über 44 Berufe hinweg, bei etwa 1 % der Kosten und der 11-fachen Geschwindigkeit von Menschen. Das ist ein dramatischer Sprung gegenüber den berichteten 38,8 % von GPT-5.1.
Auch die Modellpalette wurde erweitert:
- GPT-5.2 Instant – schnell, leichtgewichtig, konsequent optimiert
- GPT-5.2 Thinking – höherer Reasoning-Aufwand, langsamer, tiefere Analyse
- GPT-5.2 Pro – maximales Reasoning, für Unternehmen bepreist
- GPT-5.2 Pro (Extended) – extreme Reasoning-Tiefe, sehr hohe Latenz und Kosten
Diese Aufteilung ist entscheidend. Viele Beschwerden betreffen nicht die Modellfamilie als Ganzes, sondern die Art, wie automatisches Routing und Moduswechsel die tatsächliche Nutzung in ChatGPT beeinflussen. Nutzer wissen oft nicht, welches Untermodell ihre Anfrage beantwortet hat oder warum sich das Verhalten mitten im Gespräch geändert hat.
Gemini 3 und Claude Opus 4.5 legten Ende 2025 beide deutlich zu. Gemini machte große Sprünge bei multimodalem Reasoning und UI-Generierung. Claude behielt die Führung bei Geschwindigkeit, Tonalität und Alltagstauglichkeit. GPT-5.2 war OpenAIs Versuch, sich schnell die technische Vorherrschaft zurückzuholen.
Benchmarks entsprechen nicht der Realität
Der Kernkritikpunkt an GPT-5.2 ist nicht, dass es schwach ist. Es wirkt überangepasst auf Benchmark-Erfolge. Unabhängige Tester und Nutzer berichten von einer wachsenden Lücke zwischen der Leistung von GPT-5.2 bei sauberen, klar definierten Evaluationen und seinem Verhalten in unübersichtlichen Workflows aus der echten Welt. Das zeigt sich auf mehrere Arten.
Ein Großteil des Feedbacks beschreibt GPT-5.2 als:
- Kalt
- Übertrieben förmlich
- Streitlustig
- Compliance-getrieben
- Emotional flach
Viele Nutzer sagen ausdrücklich, dass sie keine Persönlichkeitsänderung wollten. GPT-5.1 hatte sich einem gesprächigeren, Claude-ähnlichen Ton leicht angenähert. GPT-5.2 hat diese Entwicklung umgekehrt. Das Ergebnis wirkt abrupt, besonders für Nutzer außerhalb des Codings.
OpenAIs eigene System Card räumt Qualitätseinbußen im Instant-Modus gegenüber GPT-5.1 ein. Nutzer berichten übereinstimmend, dass sich GPT-5.2 Instant „dümmer“ anfühlt als das Modell, das es ersetzt hat, besonders bei sprachlichen Nuancen, Übersetzungen, kreativen Aufgaben, der Konsistenz bei Rückfragen … Das verstärkt den Eindruck, dass GPT-5.2 schlechter ist, selbst wenn Thinking oder Pro frühere Modelle übertreffen.
GPT-5.2 setzt stark auf automatisches Modell-Routing. In der Praxis bedeutet das:
- Eine komplexe Frage kann von einem schwächeren Untermodell beantwortet werden
- Eine einfache Rückfrage kann plötzlich aufwendiges Reasoning auslösen
- Das Verhalten kann sich mitten im Gespräch ohne Erklärung ändern
Für produktive Workflows ist diese Unvorhersehbarkeit schädlich. Ein Entwickler brachte es auf den Punkt: „Benchmarks bringen keine Produkte auf den Markt. Zuverlässigkeit schon.“
Zensur, Verweigerungen und das „Compliance-Gefühl“
Ein weiterer großer Streitpunkt ist die Zensur. Mehrere unabhängige Tester berichten, dass GPT-5.2 das derzeit am stärksten zensierte Frontier-Modell ist. Beim Sansa-Benchmark gilt GPT-5.2 Thinking als das restriktivste getestete Modell, mit einer höheren Verweigerungsrate als Claude und Gemini.
Die Beschwerden der Nutzer folgen einem Muster:
- Verweigerungen bei eindeutig unbedenklichen Prompts
- Lange Sicherheitsvorreden statt direkter Antworten
- Ein Ton, der als „Compliance-Schulung im Unternehmen“ beschrieben wird
OpenAI steckt in einer schwierigen Lage. Lockert man die Schutzmechanismen, drohen Missbrauch, regulatorischer Druck und Imageschaden. Verschärft man sie, riskiert man, die Nutzer zu verprellen.
Das Problem ist nicht, dass GPT-5.2 sicherer ist. Es ist, dass die Regeln oft inkonsistent und unbegründet wirken. Wenn derselbe Prompt an einem Tag funktioniert und am nächsten scheitert, schwindet das Vertrauen schnell.
Ein Rezensent brachte es so auf den Punkt: Die Interaktion mit GPT-5.2 macht keinen Spaß. Es wirkt eingeengt, angespannt und unglücklich, und die Nutzer spüren diese Anspannung.
Bei Aufgaben, wo Kreativität, Erkundung oder Tonalität zählen, ist das ein Ausschlusskriterium. Bei rein sachlicher oder technischer Arbeit nehmen viele Nutzer es in Kauf.
Das größere Bild der KI-Landschaft
GPT-5.2 existiert in einer ganz anderen KI-Landschaft als GPT-4, und dieser Kontext erklärt, warum „Benchmarks gewinnen“ nicht mehr automatisch „Nutzer gewinnen“ bedeutet.
Im Jahr 2025 beschleunigte sich die Entwicklung von Frontier-KI gleichzeitig an mehreren Fronten.
Erstens dominiert die Industrie inzwischen die Produktion von Frontier-Modellen. Laut dem Stanford AI Index 2025 stammten 2024 fast 90 % der bedeutenden KI-Modelle aus der Industrie, ein starker Anstieg gegenüber rund 60 % nur ein Jahr zuvor. OpenAI konkurriert nicht mehr vorrangig mit Forschungslabors, sondern mit Hyperscalern, Chipherstellern und gut finanzierten KI-First-Unternehmen, die mit hoher Geschwindigkeit ausliefern.
Zweitens hat sich die Skalierungskurve nicht abgeflacht. Derselbe Bericht zeigt, dass sich die Rechenleistung für das Training weiterhin etwa alle fünf Monate verdoppelt, begleitet von schnellem Wachstum bei Datensatzgröße und Energieverbrauch. Das erklärt, warum Modelle wie Gemini 3, Claude Opus 4.5 und GPT-5.2 alle innerhalb weniger Wochen spürbare Fortschritte zeigen können, aber auch, warum diese Fortschritte zunehmend inkrementell statt transformativ ausfallen.
Drittens ist der Leistungsabstand zwischen Frontier-Modellen eingebrochen. Der AI Index stellt fest, dass der Unterschied zwischen dem #1- und dem #10-Modell bei vielen Benchmarks inzwischen bei etwa 5,4 % liegt, und dass die Lücke zwischen den beiden Spitzenmodellen so klein wie 0,7 % sein kann. Auf diesem Niveau zählen statistisches Rauschen, Prompt-Varianz und das Design der Auswertung fast so stark wie die reine Leistungsfähigkeit. UX, Voreinstellungen, Geschwindigkeit und Zuverlässigkeit prägen zunehmend die Nutzerwahrnehmung.
Geografisch führen die USA weiterhin bei der Gesamtzahl an Frontier-Modellen, mit 40 bedeutenden Modellen im Jahr 2024, gegenüber 15 aus China und nur einer Handvoll aus Europa. Chinesische Labore haben jedoch bei Benchmarks wie MMLU und HumanEval nahezu aufgeschlossen, und der übergeordnete Trend ist Annäherung, nicht Dominanz. Die Frontier ist überlaufen, schnelllebig und gnadenlos.
Deshalb ist die Aufnahme von GPT-5.2 paradox.
OpenAI kann zu Recht die Führung bei Long-Context-Retrieval, agentischem Coding, der Erstellung von Tabellen und Präsentationen sowie bei strukturierten Aufgaben im Berufsalltag beanspruchen, genau den Bereichen, die in der GPT-5.2-Ankündigung hervorgehoben werden. Auf dem Papier liefert es, was Unternehmen wollen.
Aber in einem Markt, in dem die Spitzenmodelle eng beieinanderliegen, wählen Menschen nicht mehr „das intelligenteste Modell“. Sie wählen:
- den schnellsten Alltagsbegleiter
- den berechenbarsten Assistenten
- den mit der geringsten Reibung
- den, mit dem sie gerne arbeiten
Deshalb greifen viele Nutzer für Schreibarbeit und den Alltag weiterhin standardmäßig zu Claude Opus 4.5 oder zu Gemini 3 für UI-lastige und multimodale Aufgaben, selbst wenn GPT-5.2 bei einzelnen Benchmarks besser abschneidet.
Die strategische Realität: GPT-5.2 gewinnt bestimmte Evaluationen klar, verliert aber bei vielen Nutzern den Platz als Standardassistent. 2025 zählt dieser Unterschied mehr denn je.
OpenAI scheint sich dieser Spannung bewusst zu sein. Öffentliche Aussagen und Berichte deuten darauf hin, dass GPT-5.3 bereits geplant ist, mit ausdrücklichem Fokus auf Geschwindigkeit, Persönlichkeit und die Rückschritte bei der Nutzbarkeit. Beim Code Red ging es nicht nur um den Launch von GPT-5.2, sondern darum, in einer Frontier relevant zu bleiben, in der reine Intelligenz allein nicht mehr genügt. OpenAI hat diese Phase inzwischen weit hinter sich gelassen und mit GPT-5.6 im Juni 2026 eine dreiteilige Modellfamilie aus Sol, Terra und Luna veröffentlicht.
Fazit
GPT-5.2 ist kein schlechtes Modell. Es ist hochspezialisiert. Auf dem Papier liefert es echte Fortschritte: stärkeres Long-Context-Handling, besseres agentisches Coding, verbesserte strukturierte Ausgaben und starke Benchmark-Ergebnisse. Für anspruchsvolle berufliche Aufgaben, bei denen Tiefe und Korrektheit wichtiger sind als Geschwindigkeit oder Tonalität, kann GPT-5.2 das richtige Werkzeug sein.
Aber Benchmarks reichen nicht mehr aus. Im Alltag erleben viele Nutzer GPT-5.2 als langsam, unflexibel, übermäßig zensiert und wegen Routing und Moduswechsel unvorhersehbar. Seine Persönlichkeit und seine Verweigerungsmuster stehen beim Schreiben, Brainstorming und bei allgemeiner Unterstützung aktiv im Weg. In einer überfüllten Frontier, in der sich Spitzenmodelle nur um wenige Prozentpunkte unterscheiden, entscheiden genau diese UX-Details über die Akzeptanz.
GPT-5.2 gewinnt bestimmte Evaluationen klar, verliert aber bei vielen Nutzern die Rolle als Standardassistent. OpenAI scheint das zu erkennen. GPT-5.2 wirkt weniger wie eine endgültige Antwort und mehr wie eine Übergangslösung unter Wettbewerbsdruck. Ob OpenAI wieder Schwung aufnimmt, hängt davon ab, ob das nächste Release die Intelligenz erhalten und zugleich die Nutzererfahrung verbessern kann.
