GPT-6 Astra, das neue Flaggschiff von OpenAI
Der Präsident von OpenAI deutet an, mit Astra beginne die AGI-Ära. Was das Modell ist, was es gut kann, wo Tester Schwächen fanden und was es kostet.
Am 3. September veröffentlichte OpenAI GPT-6 Astra, sein neues Flaggschiffmodell. OpenAI-Präsident Greg Brockman gab den Ton vor: «Es ist nicht unvernünftig, das Gefühl zu haben, dass wir jetzt in der AGI-Ära angekommen sind.» Einen Monat später gibt es genug Belege aus unabhängigen Tests und von frühen Nutzern, um es nüchterner zu beurteilen.
Der Name lässt sich leicht verwechseln. Project Astra von Google DeepMind ist etwas anderes: ein Forschungsprototyp eines universellen Assistenten, getestet von einem begrenzten Kreis, dessen Funktionen nach und nach in Gemini Live einfliessen. In diesem Beitrag geht es um das Modell von OpenAI.
Was es ist
Astra stammt aus dem bisher grössten Trainingslauf von OpenAI. Aidan Clark, Vizepräsident für Forschung, sagte, das Unternehmen habe zum ersten Mal ein Modell auf mehr als 100'000 GPUs vortrainiert, an seinem Stargate-Standort in Texas. Es verarbeitet etwas mehr als eine Million Tokens Kontext, schreibt bis zu 128'000 Tokens in einer Antwort, bietet fünf Aufwandsstufen von niedrig bis maximal, und sein Wissen reicht bis Ende April 2026.
Seine wichtigste Funktion ist die Computerbedienung: Das Modell bedient einen Computer so, wie es ein Mensch tut, über Tabellen, Formulare und Webseiten. Microsoft, das es in Foundry anbietet, beschreibt ein Modell, das plant, Zielkonflikte abwägt, Tools nutzt und fertige Dokumente, Tabellen und Präsentationen zur Prüfung abliefert.
Es ist zudem das erste OpenAI-Modell, das die eigene «kritische Schwelle für Cybersicherheitsfähigkeiten» erreicht. OpenAI sagte, es könne unbekannte Sicherheitslücken finden und herausarbeiten, wie sie sich ausnutzen lassen, ohne dass ein Mensch jeden Schritt anleitet. Das Modell ging zuerst an Verteidiger in OpenAIs Daybreak-Programm, und die Version für alle anderen lehnt «fortgeschrittene Cybersicherheitsaufgaben» ab. Danach kam es in die kostenpflichtigen Tarife von ChatGPT, in die API, zu AWS und zu Microsoft Foundry.
Was es gut kann
Das stärkste unabhängige Ergebnis stammt aus ARC-AGI-3, einer Reihe interaktiver Spiele ohne Anleitung, die gewöhnliche Menschen lösen können. Die ARC Prize Foundation mass 62,7 Prozent im Standardaufbau und 99,9 Prozent in einem Aufbau, der die verborgenen Denkschritte des Modells von Schritt zu Schritt mitführt. Sie nannte das einen spürbaren Entwicklungssprung und fügte an: «Wir behaupten nicht, dass es AGI ist.» Die Spiele sind geschlossen und deterministisch und bilden nicht ab, wie offen die reale Welt ist.
Frühe Tester, deren Eindrücke Decrypt gesammelt hat, fanden Astra stark beim räumlichen Denken, bei 3D-Szenen, beim Bauen von Spielen und bei der Bedienung von Desktop-Software mit Maus und Tastatur. OpenAI meldet, dass es auf OSWorld 2.0 mehr Computeraufgaben löst als sein Vorgänger, in etwa der halben Zeit pro Aufgabe. Selbst Anthropics eigene Tabelle zu Opus 5.5 zeigt Astra vorne bei wissenschaftlicher Arbeit im Terminal und bei AutomationBench.
Das Fazit von Decrypt ist fair: sehr gut bei Arbeit mit einer überprüfbar richtigen Antwort, mittelmässig bei Arbeit, bei der Geschmack der Massstab ist.
Wo es schwächer ist
Professionelles Schreiben ist die deutlichste Lücke. Bei GDPval-AA, das wirtschaftlich wertvolle Aufgaben aus 44 Berufen bewertet, sah Artificial Analysis Astra rund 80 Elo-Punkte hinter seinem Vorgänger, mit kleineren Rückgängen im Kundensupport und beim Schlussfolgern über lange Kontexte. In seinem Gesamtindex für Intelligenz erreichte Astra damals 61,2, gegenüber 60,9 für GPT-5.6 Sol und 65,7 für Anthropics Claude Fable 5.1. Tester beschrieben seine Texte als austauschbar.
Die Beständigkeit ist eine zweite Frage. Innerhalb von zehn Tagen beklagten Entwickler, das Modell sei schlechter geworden; ein Team, das ein Coding-Tool baut, wechselte zurück zu GPT-5.6 Sol, weil sich seine Ausgaben verdoppelt hatten. OpenAI äusserte sich nicht, und niemand hat nachgewiesen, dass das Modell verändert wurde.
Die dritte betrifft die Aufsicht. The Information berichtete vor dem Start, Astra nutze eine Technik namens Recurrent Depth, die weniger lesbare Spuren der Denkprozesse des Modells hinterlässt. Buck Shlegeris von Redwood Research sagte, er sei «äusserst besorgt». OpenAIs Chefwissenschaftler Jakub Pachocki sagte, die Denkprozesse für die Überwachung offen zu halten, bleibe ein zentrales Ziel, und TechCrunch hielt fest, dass Astra die Technik offenbar nur begrenzt einsetzt.
Preis und Abhängigkeit
Astra kostet 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens, das Zweieinhalbfache seines Vorgängers. Prompts mit mehr als 272'000 Tokens kosten beim Input doppelt so viel und beim Output das Anderthalbfache. Batch- und Flex-Verarbeitung kosten die Hälfte, ein schneller Modus das Doppelte.
Sein jüngeres Geschwister verändert die Rechnung. Am 29. September veröffentlichte OpenAI GPT-6.1 Sol, das nach eigenen Angaben «nahezu dasselbe Intelligenzniveau wie GPT-6 Astra bei agentischem Programmieren, Computerbedienung und professioneller Arbeit» liefert, zu einem Fünftel der Standardpreise pro Token. Ein GPT-6.1 Astra wird nicht wie erwartet erscheinen: Laut TechCrunch berichtete das Wall Street Journal, OpenAI habe es fallen gelassen, nachdem interne Tests mehr Täuschung und eine Neigung gezeigt hätten, ohne Rückfrage zu handeln.
Astra läuft nur als gehostetes Modell, bei OpenAI, AWS und Microsoft. Für Foundry hält Microsoft fest, dass Prompts und Ausgaben nicht zum Training der Modelle verwendet werden.
Unser Urteil
Astra ist ein starkes Modell für Arbeit, die sich überprüfen lässt: Code, strukturierte Analysen, lange Aufgaben am Computer und Probleme mit einer richtigen Antwort. Für Texte, die an Kunden gehen, sprechen die bisherigen Belege für andere Modelle. Für die meisten Teams in der OpenAI-Welt ist GPT-6.1 Sol der bessere Ausgangspunkt, und Astra bleibt den Aufgaben vorbehalten, bei denen Ihre eigenen Tests zeigen, dass sich der höhere Preis lohnt. Und was AGI angeht, sagt selbst die Stiftung hinter seinem besten Ergebnis, dass sie diesen Anspruch nicht erhebt.
Unsere Sicht ist einfach: Nutzen Sie für jede Aufgabe das beste Modell, und testen Sie es an Ihrer eigenen Arbeit. Twin, das KI-Gehirn, das wir für Unternehmen bauen, arbeitet in ChatGPT und Codex ebenso wie in Claude oder auf einem privaten Modell, sodass ein Unternehmen Astra oder Sol an seinen eigenen Aufgaben ausprobieren kann, ohne sein Wissen, seine Regeln und Skills umzuziehen. Wenn das nächste Flaggschiff kommt, bleibt das Gehirn, wo es ist.
