Hinweis — vorausschauendes Profil. Diese Seite beschreibt ein Modell, das sich entweder in einer frühen Preview-Phase befindet, angekündigt, aber noch nicht allgemein verfügbar ist, oder auf Basis von Roadmap-Signalen prognostiziert wurde. Spezifikationen und Fähigkeiten können sich bis zum öffentlichen Launch noch verändern. Die Live-Benchmark-Daten auf dieser Seite spiegeln den Endpunkt wider, den unser Testsystem heute erreichen kann.
gpt-5.2-chat-latest ist der API-Alias für die Gewichte, die aktuell das GPT-5.2-Erlebnis innerhalb von ChatGPT selbst antreiben. Es ist nicht dasselbe wie der API-Slug gpt-5.2, und es ist auch nicht dasselbe wie der datierte Snapshot. Es ist das Modell des Produkts — dasjenige, das das Safety-Training des Chat-Produkts, die produktspezifischen Anpassungen beim Instruction Following und die Kalibrierung des Konversationstons erhält. Und es verändert sich, sobald sich das Produkt verändert.
Worauf "chat-latest" tatsächlich verweist
OpenAI betreibt ChatGPT mit kontinuierlich aktualisierten Gewichten, die ein produktspezifisches Training widerspiegeln: engere konversationelle Standardeinstellungen, abweichende Ablehnungsmuster, das System-Prompt-Gerüst, das das Produkt standardmäßig darüberlegt, sowie inkrementelle Verhaltensänderungen, die über den Produkt-Release-Zyklus statt über den API-Release-Zyklus ausgeliefert werden.
Der chat-latest-Alias gibt API-Konsumenten Zugriff auf genau diese Gewichte. Der Vorteil liegt in der Konsistenz mit der Endnutzer-Erfahrung — wenn Ihr Team intern ChatGPT verwendet und Sie möchten, dass sich Ihre Anwendung gleich verhält, ist dies der Slug, auf den Sie zeigen sollten. Der Nachteil ist, dass sich die Gewichte im Takt der ChatGPT-Release-Kadenz bewegen, die schneller und weniger angekündigt ist als die Release-Kadenz der API-Modelle.
Das ist eine andere Art von Drift als beim gleitenden Slug gpt-5.2. Der gleitende Slug bewegt sich zwischen datierten API-Snapshots, die jeweils formelle Release Notes und Deprecation-Zeitpläne erhalten. Der chat-latest-Alias bewegt sich immer dann, wenn das ChatGPT-Team ein Update ausliefert, was wöchentlich oder noch häufiger geschehen kann.
Wann chat-latest die richtige Wahl ist
Die Fälle, in denen es sinnvoll ist, sind enger gefasst, als man annimmt.
Sie bauen ein internes Werkzeug, das ChatGPT ergänzt, und möchten konsistentes Verhalten über beide Oberflächen hinweg. Wenn ein Nutzer die gleiche Frage in ChatGPT und in Ihrem Tool stellt, möchten Sie vermutlich denselben Antwortstil und dasselbe Ablehnungsverhalten.
Sie integrieren Workflows, die auf die spezifischen konversationellen Defaults des Chat-Produkts angewiesen sind — den Ton, die Struktur, die Art und Weise, wie ChatGPT Antworten für nicht-technische Nutzer formatiert.
Sie testen oder evaluieren das ChatGPT-Produkt selbst und benötigen API-Zugriff auf dieselben Gewichte zwecks Automatisierung.
Außerhalb dieser Fälle sind die API-Slugs in der Regel die bessere Wahl.
Wann chat-latest die falsche Wahl ist
Produktionsanwendungen mit Stabilitätsanforderungen sollten nicht hierher zeigen. Das Verhalten ändert sich zu häufig, und die Änderungen werden nicht über die Kanäle angekündigt, die API-Konsumenten normalerweise beobachten. Ein Prompt, der gestern funktioniert hat, kann heute subtil andere Ausgaben erzeugen, und Sie erfahren davon eher aus einem Kunden-Ticket als aus einer Release Note.
Reproduzierbare Evaluierung ist gegen diesen Slug unmöglich. Sie können kein Datum pinnen. Sie können in einem Audit nicht auf ein bestimmtes Verhalten verweisen. Sie können lediglich beschreiben, was Sie wann beobachtet haben.
Kostensensitive Workloads sollten in der Regel stattdessen einen datierten Snapshot der API-Stufe wählen. Der chat-latest-Slug läuft zwar zum API-Preis des zugrunde liegenden Modells, doch Sie verlieren die operative Stabilität, die die Ausgaben für produktive Endpunkte rechtfertigt.
Eigene System-Prompt-Muster, die gegen API-Slugs entwickelt wurden, lassen sich möglicherweise nicht sauber übertragen. Die chat-latest-Gewichte sind darauf abgestimmt, ein bestimmtes produktseitiges System-Prompt-Gerüst anzunehmen; Instruktionen, die gegen gpt-5.2 gut funktionieren, können sich hier anders verhalten.
Unter der Haube
Architektonisch handelt es sich um den GPT-5.2-Transformer-Decoder, der verschachtelte Text- und Bild-Eingaben akzeptiert und Text emittiert. Die Vision-Fähigkeit ist identisch. Die Tool-Use-Oberfläche ist identisch. Das Kontextfenster entspricht der breiteren 5.2-Linie. Was sich unterscheidet, ist das Post-Training: Instruction-Tuning, RLHF und Safety-Kalibrierung, die auf das Chat-Produkt statt auf die allgemeine API ausgerichtet sind.
Der praktische Effekt: Antworten tendieren dazu, länger und konversationeller eingerahmt zu sein als bei äquivalenten Prompts an den API-Slug, Ablehnungen werden bei einem etwas anderen Satz von Grenzfällen ausgelöst, und das Modell neigt eher dazu, Rückfragen zu stellen, wo der API-Slug eine direkte Antwort versuchen würde.
Wie es im Vergleich zum API-Slug abschneidet
Für denselben Prompt liefern der chat-latest- und der API-Slug nicht immer dieselbe Antwort. Die Unterschiede sind meist gering — eine konversationellere Einleitung, eine leicht abweichende Strukturierungsentscheidung, gelegentliche Unterschiede im Umgang mit mehrdeutigen Anweisungen — aber sie existieren und sind in sorgfältigen direkten Vergleichen messbar.
Für Chat-orientierte Workloads, die auf Endnutzer abzielen, ist chat-latest oft die bessere Wahl. Für programmatische Workloads mit strikten Ausgabeformaten ist der API-Slug in der Regel leichter zu kontrollieren. Die Fähigkeiten für Structured Output und Function Calling funktionieren bei beiden, doch die chat-latest-Gewichte wurden mit konversationellen Priors trainiert, die gelegentlich in JSON-Ausgaben durchschlagen — auf eine Weise, die der API-Slug besser unterdrückt.
Operative Hinweise
Per Definition gibt es für chat-latest keinen datierten Snapshot. Der Slug verweist immer nur auf das "Jetzt". Wenn Sie eine fixe Referenz benötigen, sind die datierten Snapshots von gpt-5.2-2025-12-11 und Nachfolgern Ihre Option — akzeptieren Sie, dass sie nicht exakt dem entsprechen, was ChatGPT-Nutzer sehen, dafür erhalten Sie Reproduzierbarkeit.
Für das Monitoring sollten Sie chat-latest als bewegliches Ziel behandeln. Lassen Sie eine Stichprobe Ihrer Prompts in regelmäßigem Rhythmus dagegen laufen, loggen Sie die Ausgaben und beobachten Sie auf Drift. Die produktseitige Update-Kadenz bedeutet, dass die Drift-Erkennung kontinuierlich erfolgen muss statt an formelle Release-Ankündigungen gekoppelt zu sein.
Für Content-Workflows sind die chat-latest-Gewichte ästhetisch oft besser geeignet für Endnutzer-Texte als die klinischer wirkenden API-Slugs. Für Datenextraktion sind die API-Slugs leichter zu kontrollieren und zu reproduzieren.
Alternativen
Wenn Sie stabiles Konversationsverhalten wünschen, das auf Endnutzer abgestimmt ist, ohne das Moving-Target-Problem, dann liefern die datierten API-Snapshots in Kombination mit Ihrer eigenen System-Prompt-Arbeit in der Regel 90 % der Anmutung des Chat-Produkts — bei der operativen Stabilität gepinnter Gewichte.
Wenn Sie speziell Parität mit dem ChatGPT-Produkt benötigen und das bewegliche Ziel eher ein Feature als ein Bug ist, dann ist dies der Slug, den Sie wählen sollten. Instrumentieren Sie ihn aber wie das bewegliche Ziel, das er ist.
Letzte technische Prüfung: 2026-05-22 — Tokonomix.ai
