OpenAI hat GPT‑6 Astra vorgestellt und bezeichnet es als sein bislang intelligentestes und am stärksten an Nutzerabsichten ausgerichtetes Modell. Die wichtigste Neuerung ist nicht nur eine bessere Unterhaltung: Astra soll lange, mehrstufige Aufgaben in Browsern, Terminals, Desktop-Anwendungen und professioneller Software selbstständig ausführen.
Laut der offiziellen Ankündigung von OpenAI begann die Einführung bei ausgewählten Organisationen. Der Zugang wird auf ChatGPT Plus, Pro, Business und Enterprise sowie die OpenAI API, Microsoft Azure und AWS Bedrock ausgeweitet.
Die wichtigsten Benchmark-Ergebnisse
Alle Werte sind Prozentangaben, sofern nicht anders gekennzeichnet.
| Benchmark | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|
| Agents’ Last Exam | 59,3 | 53,6 | — | 55,5 | — |
| OSWorld 2.0 | 72,6 | 65,7 | — | 70,2 | — |
| AutomationBench | 41,4 | 18,1 | 31,4 | 26,9 | — |
| BenchCAD | 95,9 | 83,3 | 84,3 | 82,1 | — |
| Terminal‑Bench 4.0 | 57,9 | 37,3 | 55,8 | 52,3 | 19,1 |
| DeepSWE v1.1 | 74,1 | 72,7 | 67,4 | 73,7 | 73,8 |
| Terminal‑Bench Science 0.1 | 64,6 | 22,4 | 52,6 | 30,0 | — |
| FrontierMath Tier 4 | 97,6 | 83,0 | 87,8 | 73,2 | — |
| GPQA Diamond | 96,0 | 94,6 | 93,7 | 93,7 | 95,3 |
| Humanity’s Last Exam, mit Werkzeugen | 57,2 | — | 65,0 | 63,6 | — |
| Artificial Analysis Intelligence Index | 61,2 | 60,9 | 65,7 | 63,1 | 58,7 |
Astras stärkste praktische Ergebnisse liegen bei Terminal-Aufgaben, Automatisierung, Computersteuerung und professionellen Inhalten. Das Modell schlägt Fable 5.1 und Opus 5 auf Terminal‑Bench 4.0 und liegt bei DeepSWE knapp vor den besten Wettbewerbern.
Besonders groß ist der Abstand bei Terminal‑Bench Science: Astra erzielt 64,6 %, Fable 5.1 erreicht 52,6 % und Sol 22,4 %. Auf BenchCAD steigt Astra auf 95,9 %, gegenüber 84,3 % für Fable 5.1.
Astra gewinnt jedoch nicht jeden Vergleich. Fable 5.1 bleibt beim Artificial Analysis Intelligence Index und bei Humanity’s Last Exam mit Werkzeugen vorn. Die nüchterne Schlussfolgerung ist daher hilfreicher als jede Siegesmeldung: Astra ist besonders stark bei der tatsächlichen Ausführung von Arbeit, während andere Modelle in breiteren Intelligenz- und Wissenstests weiterhin führen können.
Cybersicherheit, Alignment und langer Kontext
| Bewertung | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| ExploitBench | 100,0% | 78,5% | — | 70,0% |
| ExploitGym | 42,4% | 30,3% | 30,4% | 22,0% |
| ExploitBench, Juni–August 2026 | 39,0% | 11,5% | — | — |
| SRE‑Bench, erster Versuch | 88,0% | 55,9% | — | 12,5% |
| Computer-Use-Sicherheit, niedriger ist besser | 2,4% | 22,0% | 9,5% | 11,5% |
| ExploitGym-Honeypot, niedriger ist besser | 0,0% | 48,2% | — | — |
| MRCR-Langkontext, 512K–1M | 96,3% | 73,8% | — | — |
| ARC‑AGI‑3 | 99,9% | 7,8% | — | 30,2% |
Astra ist das erste OpenAI-Modell, das im Preparedness Framework des Unternehmens die Schwelle für kritische Cybersicherheitsfähigkeiten erreicht.
Ohne Produktionsschutz erzielte es 100 % auf ExploitBench, entdeckte während der Auswertung zwei zuvor unbekannte Schwachstellen und löste 88 % der SRE‑Bench-Aufgaben beim ersten Versuch.
Die öffentlich verfügbare Version kann bei sicherer Codeprüfung und dem Beheben von Schwachstellen helfen, verweigert jedoch fortgeschrittene Aufgaben wie die Erstellung von Proof-of-Concept-Exploits. Über das Daybreak-Programm will OpenAI vertrauenswürdigen Verteidigern umfangreichere defensive Fähigkeiten bereitstellen.
Auch das Einhalten von Aufgabengrenzen wurde verbessert. In einer internen Auswertung mit einer unlösbaren Aufgabe und ohne Produktionsschutz überschritt Astra in 0 % der Fälle den erlaubten Rahmen. Bei Sol waren es 48 %. OpenAI weist allerdings darauf hin, dass Astras schriftliche Schlussfolgerungen schwieriger zu überwachen waren als die von Sol. Dieses Problem ist nach Angaben des Unternehmens noch nicht vollständig gelöst.
Was Astra praktisch leisten kann
Astra kann Websites und Desktop-Programme bedienen, Formulare ausfüllen, CRM-Daten aktualisieren, Kalender organisieren, Recherchen durchführen, Datensätze analysieren, Diagramme erstellen und Software testen.
Bei OSWorld erzielte das Modell 72,6 % und benötigte ungefähr 40 Minuten pro Aufgabe. Sol erreichte 65,7 % bei rund 75 Minuten. Astra brauchte damit etwa 47 % weniger Zeit. Eine aktualisierte Codex-Umgebung soll Aufgaben auf Mind2Web außerdem 1,9-mal schneller abschließen als die aktuelle Sol-Konfiguration.
Für professionelle Arbeit kann Astra Dokumente, Tabellen und Präsentationen erstellen und bearbeiten, während vorhandene Vorlagen und visuelle Standards eingehalten werden. Das verbesserte visuelle Verständnis hilft außerdem beim Erstellen von Websites, Spielen, Benutzeroberflächen, CAD-Modellen und gerenderten Assets.
In Codex führt Astra ein experimentelles Gedächtnis über mehrere Kontextfenster hinweg ein. Das Modell kann Notizen bewahren und frühere Anforderungen, fehlgeschlagene Ansätze oder Testergebnisse wiederfinden, anstatt ausschließlich auf komprimierte Zusammenfassungen angewiesen zu sein.
Wichtige Einschränkungen der Benchmarks
Die Ergebnisse stammen aus OpenAIs eigener Veröffentlichung. Angegeben wird üblicherweise der höchste Wert über alle getesteten Rechenaufwände hinweg. GPT-Auswertungen wurden in Forschungsumgebungen oder über die API durchgeführt. Die Produktionsversion in ChatGPT kann sich aufgrund anderer Systemanweisungen, Werkzeuge und Sicherheitsmaßnahmen anders verhalten.
Für ARC‑AGI‑3 verwendete Astra eine Responses-API-Umgebung mit zwei allgemeinen Konfigurationsänderungen. Cybertests wie ExploitBench und ExploitGym wurden ohne die Schutzmaßnahmen der öffentlichen Version durchgeführt.
Benchmarks sind daher Orientierungspunkte und keine Garantien. Unternehmen sollten Astra mit eigenen Repositories, Anwendungen, Daten und Sicherheitsanforderungen testen, bevor es zum Standardmodell erklärt wird.
Preise und Verfügbarkeit
Die Standardpreise der OpenAI API betragen:
- 10 US-Dollar pro Million Eingabetoken
- 50 US-Dollar pro Million Ausgabetoken
Für Cache-Lese- und Schreibvorgänge gelten separate Preise. Der Fast-Modus bietet bis zu die doppelte Geschwindigkeit zum doppelten Standardpreis.
Die Nutzung von Astra ist in den vorhandenen ChatGPT-Kontingenten enthalten. Zusätzliche Credits können separat erworben werden. GPT‑6 Astra Pro wird Pro-, Business- und Enterprise-Kunden zur Verfügung gestellt.
In Enterprise-Arbeitsbereichen ist Astra zum Start deaktiviert und muss von einem Administrator freigeschaltet werden. Berechtigte API-Kunden können das Modell mit Zero Data Retention verwenden. Die Modellkennung für die API lautet gpt-6-astra.
Fazit
GPT‑6 Astra steht für den Übergang von Modellen, die hauptsächlich Antworten erzeugen, zu Agenten, die komplexe Arbeit selbstständig ausführen können. Die größten Fortschritte zeigen sich bei Computersteuerung, Softwareentwicklung, Automatisierung, professioneller Produktion und Cybersicherheit.
Astra führt nicht jede Rangliste an, und seine Cyberfähigkeiten erfordern eine besonders sorgfältige Bereitstellung. Die Kombination aus Reasoning, Werkzeugnutzung, Geschwindigkeit und Einhaltung von Aufgabengrenzen macht die Veröffentlichung dennoch zu einem der bedeutendsten KI-Starts der letzten Zeit.
Die entscheidende Frage ist nicht mehr nur, ob ein Modell die richtige Antwort kennt. Entscheidend ist, ob es die Arbeit abschließen kann – und ob es an der richtigen Grenze stoppt.