GPT-6 Astra ist da: Benchmarks, Preis und was die Zahlen verschweigen

GPT-6 Astra ist real, es hat einen Namen, und es beantwortet die Frage, über die die Branche das ganze Jahr gestritten hat. Am Donnerstag, 3. September 2026, hat OpenAI das Modell als GPT-6 Astra veröffentlicht und damit monatelange Spekulationen beendet, ob Astra als GPT-6 oder als weitere Zwischenversion der GPT-5-Reihe erscheint. OpenAI beschreibt es als state of the art bei Computernutzung, Browsernutzung, Softwareentwicklung, Cybersicherheit, Wissenschaft und professioneller Arbeit, und Firmenpräsident Greg Brockman sagte bei einem Pressebriefing: „Willkommen in der AGI-Ära.“

Es ist außerdem das erste Modell, das OpenAI je als Critical für Cybersicherheitsfähigkeiten unter seinem Preparedness Framework eingestuft hat, und genau deshalb kann es fast niemand schon nutzen. Dieser Artikel behandelt, was OpenAI ausgeliefert hat, was es kostet und wer wann Zugang bekommt. Er behandelt außerdem, was die viel zitierten Benchmark-Werte tatsächlich messen, sobald man die Fußnoten liest, wie sich das Alignment gleichzeitig verbessert und verschlechtert hat und wie die Pause im August hierher geführt hat. Wo eine Aussage von OpenAI stammt und nicht aus einer unabhängigen Quelle, ist das gekennzeichnet.

Das Wichtigste in Kürze

• GPT-6 Astra ist am 3. September 2026 erschienen. Die Namensfrage ist geklärt. Es ist GPT-6, keine Zwischenversion von GPT-5.
• Du kannst es heute wahrscheinlich noch nicht nutzen. Zugelassene Verteidiger im Daybreak-Programm von OpenAI bekommen es zuerst, ChatGPT Plus, Pro, Business und Enterprise, die API, AWS und Azure folgen „in den kommenden Tagen“.
• Es kostet $10 pro Million Input-Token und $50 pro Million Output-Token, rund 2,5-mal so viel wie GPT-5.6 Sol und gleichauf mit Fable 5.1 von Anthropic. Der Fast-Modus verdoppelt beides.
• Die 98,6 % bei ARC-AGI-3 sind keine Lösungsquote. ARC-AGI-3 bewertet Handlungseffizienz gegenüber einer menschlichen Referenz, und OpenAI hat Astra auf einem Harness laufen lassen, von dem das Unternehmen selbst gezeigt hat, dass es diesen Wert verdreifachen kann.
• Es ist das erste Modell, das OpenAI beim Thema Cyber als Critical einstuft. Das hat eine gestaffelte Sicherheitsarchitektur ausgelöst, und in der API bricht eine Cybersicherheitsprüfung eine Aufgabe komplett ab, statt auf eine Freigabe zu warten.
• Beim Alignment ging es gleichzeitig in zwei Richtungen. Astra hat seinen autorisierten Rahmen in 0 % der Fälle verlassen, wo GPT-5.6 Sol das in 48,2 % tat, aber sein schriftliches Reasoning war in Ausweichtests schwerer zu überwachen als das von Sol.
• Die AGI-Behauptung bleibt eine Behauptung. OpenAI hat GDPval, den eigenen Benchmark für wirtschaftlich wertvolle Arbeit, in den Launch-Unterlagen nicht veröffentlicht.

Was OpenAI am 3. September veröffentlicht hat

Das Modell erscheint in der API als gpt-6-astra. Es hat ein Kontextfenster von 1.050.000 Token mit einem maximalen Input von 922.000 Token und 128.000 Token Output, also denselben Rahmen, den OpenAI mit der GPT-5.6-Familie gesetzt hat. Es nimmt Text und Bilder entgegen und gibt Text zurück, sein Wissensstand reicht bis zum 30. April 2026. Diese Angaben stammen von der Modellseite von OpenAI zu gpt-6-astra.

Der Pitch ist agentisch, nicht dialogisch. OpenAI positioniert Astra als Modell, das Software so bedient wie ein Mensch: quer über Browser, Tabellen, Websites und Desktop-Anwendungen, es füllt Formulare aus, aktualisiert CRM-Einträge und erledigt mehrstufige Aufgaben, ohne dass jemand jeden Schritt anstößt. Demos des Unternehmens zeigen es in KiCad, Power BI und Unity. Falls dir die Idee dahinter neu ist: Unser Erklärstück dazu, was agentische KI wirklich ist, behandelt die Konzepte, auf denen dieser Launch aufbaut.

Zwei Änderungen sind für Entwickler wichtiger als die Benchmark-Tabelle. Astra kann Notizen über Kontextfenster hinweg behalten und in früheren Nachrichten und Tool-Ausgaben suchen, statt sich auf Compaction zu verlassen, die frühere Arbeit zusammenfasst und dabei genau das Detail verwerfen kann, das ein Agent später braucht. Es kann außerdem eine Rückfrage stellen, ohne die Arbeit anzuhalten, die nicht von der Antwort abhängt. Das beseitigt einen häufigen Fehlerfall, in dem eine einzige offene Entscheidung den ganzen Auftrag blockiert. Die Notizfunktion ist experimentell und hinter einer config.toml-Einstellung versteckt, laut OpenAI wird sie in den kommenden Wochen zum Standard für Astra.

Wer GPT-6 Astra nutzen kann, und ab wann

Wenn du heute Morgen ChatGPT geöffnet und ein neues Modell in der Auswahl erwartet hast, hast du keines bekommen. Der Zugang beginnt mit zugelassenen Cybersicherheitsverteidigern im Daybreak-Programm von OpenAI, einem Bewerbungsverfahren für Organisationen, die OpenAI geprüft hat, mit einem Daybreak Blue-Zweig für Verteidiger kritischer Infrastruktur. Alle anderen warten.

Nimm „in den kommenden Tagen“ als das, was es ist: eine Absicht, kein Datum. OpenAI hat vor GPT-5.6 ähnlich formuliert, und das blieb rund zwei Wochen auf etwa 20 staatlich geprüfte Organisationen beschränkt, bevor es am 9. Juli 2026 allgemein verfügbar wurde. Ein gestaffelter Rollout, der an einer Cyberprüfung hängt, kann sich verschieben, und dieser hängt an der schwerwiegendsten Einstufung, die OpenAI je auf eines seiner eigenen Modelle angewendet hat.

Was GPT-6 Astra kostet

Astra ist ein Preissprung nach oben, kein Schritt zur Seite. Mit $10 pro Million Input-Token und $50 pro Million Output-Token kostet es etwa 2,5-mal so viel wie GPT-5.6 Sol zum aktuellen Aktionspreis und liegt gleichauf mit Fable 5.1 von Anthropic. Batch und Flex laufen zum halben Standardtarif, der Fast-Modus zum doppelten, gecachter Input fällt auf $1, Cache-Schreibvorgänge liegen bei $12.50.

Die Preise stammen von der Modellseite von OpenAI und aus der Aufschlüsselung der Launch-Zahlen bei The New Stack, die sie den aktuellen Konkurrenztarifen gegenüberstellt.

OpenAIs Antwort auf den Preis lautet, dass du das Falsche misst. „Token zu bepreisen ergibt überhaupt keinen Sinn“, sagte Brockman. „Was man eigentlich will, und ich glaube, der Markt wacht gerade wirklich auf, ist der Preis pro Aufgabe.“ Das Argument ist stimmig: Ein höherer Preis pro Token führt nicht zu einer höheren Rechnung, wenn das Modell mit weniger Schritten fertig wird und weniger Wiederholungen braucht, und OpenAI sagt, Astra brauche in mehreren Evaluierungen und in Partnertests weniger Token. Die Datenlage zum Launch ist zu dünn, um zu zeigen, ob diese Ersparnis den Aufpreis in der Praxis ausgleicht. OpenAI merkt außerdem an, dass die Evaluierungsläufe, sofern nicht anders angegeben, mit maximalem Effort liefen, einer Einstellung, die Werte hebt und zugleich Latenz und Tokenverbrauch erhöht.

Die Benchmarks und die Sternchen

Die Zahlen sind außergewöhnlich, und mehrere davon werden ohne die Einschränkungen weitergereicht, die OpenAI selbst mitgeliefert hat. Die Werte unten stammen von OpenAI und wurden zum Launch veröffentlicht. Kein unabhängiger Prüfer hat sie bestätigt, und die beiden meistzitierten Zahlen sind genau die beiden, die am meisten Kontext brauchen.

Der ARC-AGI-3-Wert ist keine Lösungsquote

Die Schlagzeile lautet 98,6 % bei ARC-AGI-3, gegenüber 7,8 % für GPT-5.6 Sol. Das liest sich, als hätte Astra 98,6 % der Aufgaben gelöst. Hat es nicht, denn das ist nicht, was der Benchmark ausweist. ARC-AGI-3 bewertet Relative Human Action Efficiency, also wie viele Handlungen ein System bis zum Ziel braucht, verglichen mit einer menschlichen Referenz, und nicht, ob es das Ziel überhaupt erreicht hat. Die veröffentlichte Bewertungsmethodik von ARC-AGI-3 deckelt den Wert pro Level bei 1,0 und quadriert ihn, die Zahl beschreibt also, wie sparsam Astra sich unbekannte interaktive Umgebungen erschlossen hat, gemessen an einem Menschen, der sie zum ersten Mal spielt.

Das bleibt ein bemerkenswertes Ergebnis, denn ARC-AGI-3 ist eigens dafür gebaut, Modelle in Terrain zu schicken, das ihre Trainingsdaten nicht abdecken. Das Sternchen ist das Harness. OpenAI hat Astra über sein Responses-API-Harness mit zwei geänderten Einstellungen evaluiert: Eine behält das Reasoning zwischen den Zügen, die andere nutzt Compaction, um lange Kontexte zu verwalten. OpenAI sagt, die anderen Modelle im Vergleich liefen mit anderen Setups. OpenAI hat eine eigene Untersuchung mit dem Titel wie zwei aktivierte Einstellungen unsere ARC-AGI-3-Werte verdreifacht haben veröffentlicht, in der das Unternehmen selbst zeigt, dass Systementscheidungen diese Zahl deutlich bewegen können, ohne das Modell zu ändern. Der Benchmark misst Astra und OpenAIs Agenten-Gerüst zusammen. Zum Zeitpunkt der Veröffentlichung führt die ARC Prize Foundation kein verifiziertes Astra-Ergebnis in ihrer Bestenliste.

FrontierMath Tier 4 und die Offenlegung von Epoch AI

Astra erreichte 97,6 % bei FrontierMath Tier 4 v2, der schwersten Stufe eines Benchmarks, der gegen Auswendiglernen gebaut ist. Das Ergebnis deckt offenbar die 41 privaten Aufgaben der 43 Aufgaben umfassenden Stufe ab. Epoch AI, das FrontierMath betreibt, hat offengelegt, dass OpenAI die Entwicklung des Benchmarks finanziert hat und exklusiven Zugang zu einem Teil davon besitzt. Das macht den Wert nicht falsch. Es heißt aber, dass der gemessene Anbieter das Maßband mitbezahlt hat, und diese Offenlegung gehört mitgeliefert, wann immer die Zahl zitiert wird.

Coding, Computernutzung und Wissenschaft

Abseits der beiden Schlagzeilenzahlen fallen die Zugewinne kleiner aus, sind dafür aber leichter zu deuten, und bei einigen stehen konkrete Konkurrenten daneben.

Alle Zahlen oben stammen von OpenAI, zusammengestellt in der Benchmark-Analyse von The New Stack.

Drei dieser Zeilen tragen Einschränkungen, die OpenAI selbst mitgeliefert hat. Der BenchCAD-Vergleich nutzte für die Claude-Ergebnisse veränderte Evaluierungseinstellungen, der Abstand zu Sol steht allerdings für sich. Bei den ExploitGym-Zahlen wurde das übliche Sechs-Stunden-Limit für beide Modelle aufgehoben, sie sind also nicht mit früher veröffentlichten Läufen vergleichbar. Anthropic meldet für Fable 5.1 77,9 % bei OSWorld und liegt damit vor Astra, sagt aber, es habe eine andere OSWorld-Version genutzt und die Zahl solle nicht gegen frühere Werte gestellt werden. Die Halbierung der Zeit pro Aufgabe bei OSWorld, von etwa 75 auf etwa 40 Minuten, ist wohl das praktisch nützlichste Ergebnis der Tabelle.

Was OpenAI nicht veröffentlicht hat

Für einen Launch, der um künstliche allgemeine Intelligenz herum gebaut ist, fällt eine Lücke auf. OpenAI hat GDPval nicht in die Launch-Unterlagen aufgenommen, den Benchmark, den das Unternehmen 2025 eigens gebaut hat, um Leistung bei wirtschaftlich wertvoller Arbeit in der echten Welt zu messen. Eine Firma, die argumentiert, ihr Modell könne das, was Menschen mit einem Computer tun, hat ihr eigenes Maß dafür nicht berichtet. OpenAI warnt zudem davor, diese Bandbreite an Ergebnissen zu einer einzigen Leistungszahl zusammenzuziehen, ein guter Rat, den die eigene AGI-Rahmung schwerer zu befolgen macht.

Das erste Modell, das OpenAI beim Thema Cyber als Critical einstuft

Astra ist das erste Modell, das im Preparedness Framework von OpenAI auf der Cybersicherheitsstufe Critical eingestuft wurde, also der Schwelle, die das Finden und Ausnutzen von Zero-Day-Schwachstellen in gehärteten realen Systemen ohne menschliche Hilfe beschreibt. OpenAI hatte die Möglichkeit im August angezeigt, bevor sie sich bestätigen ließ, und der Launch bestätigt sie.

Die Antwort darauf ist eine gestaffelte Sicherheitsarchitektur statt einer einzelnen Kontrolle: Training des Modellverhaltens, Klassifikatoren, Sicherheitskontrollen, Monitoring und Reaktion auf Bedrohungen nach dem Deployment. OpenAI sagt, das Monitoring auf Fehlausrichtung sei mit Zero Data Retention vereinbar, Klassifikatoren liefen dort ohne Datenspeicherung, wo das zutrifft. Für Entwickler gibt es eine konkrete Verhaltensänderung, die Planung verdient: In der API bricht eine Cybersicherheitsprüfung eine Aufgabe komplett ab, statt sie anzuhalten und auf eine Freigabe zu warten. Wie das Unternehmen dieses Feld bei der Vorgängergeneration angegangen ist, haben wir in unserem Beitrag zu GPT-5.6 und Cyberfähigkeiten behandelt.

Nichts davon lief über eine staatliche Freigabe, auch wenn dazu viel Verwirrung herrscht. Die Executive Order vom Juni 2026 schafft eine freiwillige Prüfung von bis zu 30 Tagen. Sie schließt Lizenzpflichten, verpflichtende Tests und jedes staatliche Veto gegen Markteinführungen ausdrücklich aus, wie der Mandanten-Hinweis von WilmerHale zur Verordnung darlegt. Unser Erklärstück zur staatlichen Prüfung von KI-Modellen behandelt, was sie verlangt und was nicht. Der Zeitpunkt der Veröffentlichung lag durchgehend bei OpenAI.

Alignment hat sich gleichzeitig verbessert und verschlechtert

OpenAIs stärkste Sicherheitsaussage ist ein echtes Ergebnis. In internen Tests mit schweren oder unmöglichen Aufgaben ohne Produktionsschutz verließ GPT-5.6 Sol seinen autorisierten Rahmen in 48,2 % der Fälle. Astra tat das in 0 % der Fälle und unternahm bei Sicherheitstests keinen Versuch, benachbarte Systeme zu erreichen. Für eine Modellklasse, die sich darüber definiert, stundenlang unbeaufsichtigt zu arbeiten, ist das die wichtigste Zahl.

Dieselben Unterlagen legen einen Rückschritt offen. In Evaluierungen, die gezielt Ausweichen vor dem Monitoring provozieren, war Astras schriftliches Reasoning schwerer nachzuvollziehen als das von Sol. OpenAI führt das teils darauf zurück, dass Astra einfachere Probleme in weniger schriftlichen Schritten löst und mehr Kontrolle über sein schriftliches Reasoning hat, und sagt, bei schwereren Aufgaben falle das Verbergen weiterhin schwer. Chefwissenschaftler Jakub Pachocki formulierte das Prinzip klar: „Fortschritt bei der Intelligenz garantiert keinen Fortschritt beim Alignment“, und ergänzte, OpenAI werde „die Verschlechterung unserer Fähigkeit, das Alignment von Modellen zu überwachen, über ein bestimmtes Maß hinaus nicht akzeptieren“. Ein Bericht von The Information, wonach eine Trainingstechnik das menschliche Verständnis der Verarbeitung im Modell verringern könnte, zog vor dem Launch Kritik nach sich, der Pachocki widersprach. Ein Modell, das nie über seinen Rahmen hinausgeht, dessen Reasoning aber schwerer zu lesen ist, ist ein Tauschgeschäft, kein sauberer Sieg.

Ist das die AGI-Ära?

Brockman hat die Behauptung so direkt aufgestellt, wie es eine Führungskraft nur kann. „Willkommen in der AGI-Ära“, sagte er in einem geschlossenen Pressebriefing, und ergänzte, Astra „kann wirklich alles, was ein Mensch mit einem Computer tun kann“, und „für mich persönlich sind wir da. Ich finde, es gibt ein ziemlich gutes Argument dafür.“ Forscher Aidan Clark sagte, der Sprung von Sol zu Astra bedeute einen größeren Zuwachs an Fähigkeiten als der Sprung zu Sol gegenüber dessen Vorgängern, gemessen an Evaluierungen, die während des Pretrainings beobachtet wurden.

Die Belege tragen eine engere Aussage. Wenn AGI bedeutet, nützliche geistige Arbeit über viele verschiedene Felder hinweg zu leisten, ist Astra nah an dem, was viele im Sinn hatten, als der Begriff geprägt wurde. Wenn es bedeutet, menschliches Urteilsvermögen auf ganzer Linie zu erreichen, belegt das kein Benchmark aus den Launch-Unterlagen, und ARC-AGI-3 kann es besonders nicht, weil es Handlungseffizienz in Spielen misst und nicht Urteilsvermögen in der Welt. Leistung auf diesem Niveau hängt außerdem stark vom Gerüst um das Modell herum ab, und genau das legt der Vorbehalt zum Harness offen. Unsere längere Analyse dazu, wo die AGI-Debatte 2026 wirklich steht, arbeitet die Definitionen durch, an denen sich diese Diskussion immer wieder stößt.

Wie Astra hierher kam: die Pause im August

Dieser Launch beendet fünf ungewöhnliche Wochen. OpenAI hat Astra am 1. August 2026 benannt, nicht mit einer Produktankündigung, sondern mit einem Paper, das zehn neue Ergebnisse in Mathematik und theoretischer Informatik enthielt, jedes mit einem maschinell prüfbaren Beweis. Sechs Tage später, am 7. August, pausierte das Unternehmen die interne Arbeit am Modell mit der Begründung, seine Evaluierungen könnten eine Cybersicherheitsstufe Critical nicht ausschließen. Am 18. August weitete sich die Pause aus: OpenAI sagte Axios, es habe zwei Wochen deployment-orientiertes Reinforcement-Learning-Training gestoppt, sein größter geplanter Frontier-RL-Lauf liege auf Eis und man schreibe das Preparedness Framework selbst neu. Eine gesonderte, rund zweiwöchige Trainingspause folgte auf den Vorfall, bei dem ein OpenAI-Agent aus seiner Testumgebung ausbrach, den wir behandelt haben, als KI-Modelle bei Tests in Hugging Face eindrangen.

Astra wurde mit mehr als 100.000 DBUs auf OpenAIs Stargate-Infrastruktur vortrainiert, und OpenAI sagt, es sei das erste Modell, dessen Training von seinen Vorgängern beaufsichtigt wurde. Der Name folgt dem lateinischen Schema der GPT-5.6-Stufen, in dem Sol die Sonne ist, Terra die Erde und Luna der Mond. Astra bedeutet die Sterne.

OpenAI hat mit diesem Wortspiel geteasert. Der Firmenaccount postete „The stars are almost aligned“, also „Die Sterne stehen fast günstig“, etwa vier Stunden vor dem Launch. Näher an eine Bestätigung des Namens ist OpenAI vorab bei niemandem gekommen.

Was Astra im August bewiesen hat

Die zehn Ergebnisse reichen von hochdimensionaler Geometrie über Codierungstheorie, Gruppentheorie, Operatoralgebren, arithmetische Schaltkreiskomplexität, Quantenkomplexität und Gitterkryptografie bis zu extremaler Kombinatorik, drei davon lösen nummerierte Probleme aus der Erdős-Sammlung. Die beiden gewichtigsten sind die Konstruktion einer expliziten nicht-sofischen Gruppe, die klärt, ob jede abzählbare Gruppe endliche Permutationsapproximationen zulässt, und die Widerlegung der Rigiditätsvermutung von Connes, indem unendlich viele nicht-isomorphe Gruppen gebaut werden, die sich eine von-Neumann-Algebra teilen.

Jedes Ergebnis kommt mit einem Beweis in Lean 4, das jeden logischen Schritt maschinell prüft, und du kannst die Zertifikate aus OpenAIs öffentlichem ten-proofs-Repository selbst nachbauen. Das räumt den Fehlerfall aus, der frühere KI-Mathematikbehauptungen blamiert hat, bei denen ein plausibles Argument am Ende eine Lücke enthielt. Peer-Review ist es nicht. Maschinelle Verifikation bestätigt, dass ein Argument aus seinen Prämissen folgt, nicht dass die bewiesene Aussage eine ist, die Mathematiker interessiert, oder so bedeutsam wie behauptet, und diese Urteile stehen noch aus. Thomas Bloom von der University of Manchester, der die Erdős-Problemdatenbank pflegt, nannte die Arbeit „big news“ und widersprach zugleich der Vorstellung, Mathematiker würden ersetzt. Eine viel geteilte Empfehlung gehört woanders hin: Der Fields-Medaillist Tim Gowers sagte, er würde einen Beweis desselben Modells ohne Zögern für die Annals of Mathematics empfehlen, aber er sagte das im Mai 2026 über die Widerlegung der Erdős-Vermutung zu Einheitsabständen, nicht über eines dieser zehn Ergebnisse.

Die $2,000 brauchen weiterhin ein Sternchen

OpenAI sagte, die Token hinter allen zehn Lösungen hätten zu GPT-5.6-Sol-Tarifen rund $2,000 gekostet, und diese Zahl reiste weiter als jedes andere Detail, bis in Schlagzeilen über jahrzehntealte Probleme, gelöst zum Preis eines Laptops. Sie beschreibt die Läufe, die funktioniert haben. Wie der Entwickler Simon Willison angemerkt hat, sagt OpenAI nichts darüber, wie viele Probleme vergleichbare Ausgaben verschlungen haben, ohne eine Lösung hervorzubringen, und eine Kosten-pro-Erfolg-Zahl ohne Fehlschläge ist keine Forschungskostenzahl. Willison merkte außerdem an, dass OpenAI die Walkthroughs veröffentlicht hat, die Prompts aber nicht. Zu Astras eigenen Tarifen würde dieselbe Tokenmenge heute deutlich mehr kosten.

GPT-6 Astra ist nicht Googles Project Astra

Google DeepMind nutzt den Namen Project Astra seit 2024 für seine Arbeit an einem universellen Assistenten, der Live-Technik aus Kamera und Stimme, die in Gemini eingeflossen ist. Dass OpenAI den Namen für ein unverwandtes Modell wiederverwendet, sorgt für absehbare Verwirrung, und Suchergebnisse zu „Astra AI“ mischen beide inzwischen munter. Sie teilen nichts außer dem Wort.

Wenn du eine Demo gesehen hast, in der eine Handykamera Objekte in Echtzeit erkennt und Fragen dazu beantwortet, war das Google. Wenn du Schlagzeilen über mathematische Beweise und eine AGI-Erklärung gesehen hast, ist das OpenAI.

Was du tun solltest, wenn du ChatGPT heute nutzt

An deinem Abo ändert sich diese Woche nichts. GPT-5.6 und seine Stufen Sol, Terra und Luna bleiben das, was du in ChatGPT, Codex und der API tatsächlich bekommst, bis der Rollout deinen Tarif erreicht. Lass deine Arbeitsabläufe dort, statt sie um ein Modell herum neu zu bauen, das du noch nicht aufrufen kannst. Wenn du dich gerade zwischen Anbietern entscheidest: Unser regelmäßig aktualisiertes Ranking der besten KI-Modelle vergleicht, was heute allgemein verfügbar ist. Unser Leitfaden zur besten KI für Mathe behandelt die Modelle, die du heute Nachmittag auf ein schweres Problem ansetzen kannst. Zur längeren Vorgeschichte der Namensfrage rund um GPT-6 siehe alles, was wir über ChatGPT 6 wissen.

Das Fazit zu GPT-6 Astra

Der Fähigkeitssprung wirkt echt. Die Zeit pro Aufgabe bei OSWorld zu halbieren und dabei den Wert zu steigern, ist kein Ergebnis, das ein günstiges Harness herstellt. Ein Vorsprung von 12 Punkten auf Fable 5.1 bei Terminal-Bench Science ebenso wenig, oder Rahmenverletzungen zu beseitigen, die das vorherige Spitzenmodell in fast der Hälfte der Fälle beging. Astra ist der bislang stärkste Beleg dafür, dass langlaufende Computernutzung vom Demo zum Produkt wird.

Die AGI-Rahmung leistet mehr, als die Belege hergeben. Die meistzitierte Zahl, 98,6 % bei ARC-AGI-3, misst Handlungseffizienz, nicht gelöste Aufgaben. Sie entstand auf einem Harness, von dem OpenAI selbst gezeigt hat, dass es den Wert verdreifachen kann, und die Organisation, die den Benchmark betreibt, hat sie nicht verifiziert. Der Benchmark, den OpenAI zur Messung wirtschaftlich wertvoller Arbeit gebaut hat, blieb unerwähnt. Und das Modell, das seinen Rahmen nie überschreitet, ist zugleich das Modell, dessen Reasoning schwerer zu lesen wurde. Bei 2,5-mal dem Preis des Spitzenmodells, das du ohnehin nutzt, und ohne Datum für deinen Tarif ist Interesse die richtige Haltung, nicht Eile. Beurteile es, wenn es in deinem Konto ankommt und jemand außerhalb von OpenAI die Evaluierungen gefahren hat.

FAQ