OpenAI kündigt GPT-6 Astra als Modell für Computersteuerung, Webnutzung, Softwareentwicklung, wissenschaftliche Arbeit, professionelle Abläufe und Cybersicherheit an. Der Zugang beginnt mit ausgewählten Organisationen und soll anschließend auf ChatGPT Plus, Pro, Business und Enterprise sowie die OpenAI-API, Microsoft Azure und AWS Bedrock ausgeweitet werden.
Astra ist damit weniger ein Chatbot für nette Sofortantworten als ein Agent für längere Arbeitsketten: Das Modell soll Anwendungen bedienen, Dateien bearbeiten, Code schreiben und mehrere Zwischenschritte zusammenhalten. Die ersten Zahlen fallen beeindruckend aus. Der praktische Einsatz bleibt trotzdem eine Angelegenheit für Menschen mit geöffnetem Kontrollfenster.
GPT-6 Astra kommt als Agent für komplexe Aufgaben
OpenAI beschreibt GPT-6 Astra als Modell, das Formulare ausfüllen, CRM-Einträge aktualisieren, Kalender organisieren, Websites erstellen, Software testen und über mehrere Anwendungen hinweg arbeiten kann. Die tatsächliche Leistung hängt dabei von den verfügbaren Werkzeugen, der Systemkonfiguration und den aktivierten Schutzmechanismen ab.
Für Entwickler ist besonders der Zusammenhang zwischen Code, Dateien und Tests interessant. Astra kann laut OpenAI Websites, Anwendungen, Spiele, Dokumente, Tabellen und Präsentationen erstellen und prüfen. In Codex unterstützt eine experimentelle Konfiguration außerdem dauerhafte Notizen und durchsuchbare frühere Kontextfenster.
Was Astra gegenüber GPT-5.6 Sol verbessert
Der deutlichste Vorsprung zeigt sich bei Aufgaben, in denen ein Modell nicht nur Text erzeugt, sondern eine Oberfläche bedient oder mehrere Arbeitsschritte koordiniert. OpenAI meldet für Astra im Benchmark OSWorld 2.0 einen höheren Wert und eine kürzere durchschnittliche Bearbeitungszeit als für GPT-5.6 Sol.
| Modell | OSWorld 2.0 | Zeit pro Aufgabe |
| GPT-6 Astra | 72,6 % | etwa 40 Minuten |
| GPT-5.6 Sol | 65,7 % | etwa 75 Minuten |
Die Zahlen beziehen sich auf einen Offline-Teilwert und die jeweiligen Testdurchläufe. Sie sind deshalb ein Hinweis auf die Leistung unter diesen Bedingungen, aber keine Garantie für jeden Arbeitsablauf in ChatGPT oder in einer eigenen Entwicklungsumgebung.
Eine praktische Auswertung meldete bei Astra insgesamt rund 4 Prozent mehr verwertbare, markierte Fehler als bei GPT-5.6 Sol. In einem schwierigeren Teilbereich mit dateiübergreifenden Fehlern lag der Vorsprung bei 20 Prozent. Das passt zum Profil eines Agenten, der Abhängigkeiten über mehrere Dateien hinweg verfolgen soll – und erklärt zugleich, warum ein abschließender Code-Review unverzichtbar bleibt.
Die spektakulärsten Benchmarks haben einen engen Rahmen
OpenAI meldet 99,9 Prozent bei ARC-AGI-3 und 100 Prozent bei ExploitBench. ARC-AGI-3 prüft interaktive Aufgaben mit einem bestimmten Responses-API-Testaufbau. ExploitBench untersucht bekannte Schwachstellen und lief ohne die Schutzmechanismen einer Produktionsumgebung.
Für die Cybersicherheit stuft OpenAI Astra im eigenen Preparedness Framework als Modell ein, das die Stufe „Critical“ erreicht. OpenAI erklärt außerdem, Astra habe während einer Evaluierung zwei zuvor unbekannte Zero-Day-Schwachstellen entdeckt und genutzt; beide seien an die zuständigen Maintainer gemeldet worden.
Diese Ergebnisse machen Astra nicht zu einem universell verlässlich autonomen System. Die AGI-Debatte bleibt offen, weil Benchmarkwerte immer eine definierte Aufgabe unter bestimmten Werkzeug-, Prompt- und Sicherheitsbedingungen messen. Auch OpenAI weist darauf hin, dass Resultate in einer Produktionsumgebung von den Forschungs- und API-Setups abweichen können.
Im Alltag bleibt menschliche Kontrolle Pflicht
Die praktische Auswertung zeigt die entscheidende Kehrseite: Astra konnte einen Fehler von GPT-5.6 korrigieren, führte später aber selbst einen spielentscheidenden Fehler ein. Die anschließende Fehlersuche dauerte Stunden.
Das ist ein wichtiger Unterschied zwischen einem starken Assistenten und einem autonomen Kollegen. Astra kann Hypothesen, Patches, Analysen und Zwischenschritte schneller erzeugen. Ob der Patch wirklich funktioniert, ob eine Änderung Nebenwirkungen verursacht und ob ein Ergebnis fachlich akzeptabel ist, müssen weiterhin Tests und Menschen entscheiden.
Auch längere Spielexperimente zeichnen ein gemischtes Bild. In einem 141-stündigen Minecraft-Test kam Astra weiter als die zuvor beobachteten Systeme, verbrachte nach dem Verlust von Ausrüstung und Bett jedoch mehrere Stunden damit, Kartoffeln anzubauen. Bei einem Astra-basierten Balatro-Bot wurden wiederholte Siege im Gold-Stake-Modus mit dem Black Deck berichtet; der Ersteller schränkte zugleich die Formulierung ein, der Bot gewinne „zuverlässig“.
Was kostet die GPT-6-Astra-API?
OpenAI berechnet für die Standard-API 10 US-Dollar pro Million Eingabe-Token und 50 US-Dollar pro Million Ausgabe-Token. Eingabe-Token sind die Daten, die an das Modell gesendet werden; Ausgabe-Token entstehen in seiner Antwort. Bei langen Agentenketten mit großen Codebasen und vielen Zwischenschritten können beide Posten schnell wachsen.
Der Fast-Modus soll bis zu doppelt so schnell sein wie der Standardbetrieb und kostet laut OpenAI das Doppelte. Für anspruchsvolle Fehleranalysen oder verzahnte Arbeitsschritte kann sich das lohnen; bei einfachen Fragen ist die zusätzliche Rechenleistung nicht automatisch sinnvoll.
OpenAI stellt Astra for Law mit 54 Prozent im US-Recherchetest vor
Midas Project wirft OpenAI Verstöße gegen Kaliforniens KI-Gesetz vor
OpenAI meldet bei GPT-6 Astra schwächere CoT- und Kontextüberwachung
