OpenAI hat GPT‑6 Astra am 3. September 2026 vorgestellt. Wenn man nur auf die Launch-Zahlen schaut, sieht es nach dem nächsten großen Modell-Update aus: bessere Benchmarks, mehr Coding-Leistung, stärkeres Computer Use. Für unsere Arbeit bei Quavon ist ein anderer Punkt interessanter.
Astra soll längere Aufgaben tatsächlich zu Ende bringen.
Ein Codevorschlag ist schnell geschrieben. Schwieriger wird es, wenn ein Agent ein bestehendes Repository verstehen, mehrere Dateien ändern, Tools benutzen, Tests ausführen und nach einer Korrektur nicht den halben Auftrag vergessen soll. Genau dort waren bisher auch sehr gute Modelle oft erstaunlich fragil.
Stand dieses Beitrags ist der 4. September 2026. Astra wird zunächst an ausgewählte Organisationen ausgerollt. Laut OpenAI folgen API sowie ChatGPT Plus, Pro, Business und Enterprise in den kommenden Tagen.
Was bei Astra für uns wirklich neu ist
OpenAI nennt GPT‑6 Astra sein stärkstes Modell für „end-to-end work“. Das beschreibt den Anspruch besser als das übliche Etikett „Chatmodell“.
Astra kann mit Browsern und Desktop-Software arbeiten, recherchieren, Code schreiben, Daten auswerten und Dokumente, Tabellen oder Präsentationen erstellen. Beim Launch zeigt OpenAI unter anderem Aufgaben in Excel, Power BI, KiCad, Webentwicklung und Frontend-QA.
Solche Demos sind natürlich ausgewählt. Trotzdem treffen sie einen echten Engpass bei Agenten: guter Output allein reicht nicht.
Für uns wird ein Modell dann interessant, wenn es beispielsweise ein Repository untersucht, eine Änderung über Frontend und Backend hinweg umsetzt, die Tests laufen lässt, einen Fehler findet und ihn selbst korrigiert. Dabei darf es nicht anfangen, Dateien umzubauen, die mit der Aufgabe nichts zu tun haben.
Astra bekommt dafür zwei Funktionen, die in realen Workflows ziemlich praktisch sein könnten. Mit Async Tool Calling kann das Modell an unabhängigen Teilen einer Aufgabe weiterarbeiten, während ein externes Tool noch läuft. Mid-turn steering erlaubt neue Anweisungen während einer laufenden Aufgabe. Man muss also nicht jedes Mal alles abbrechen und von vorne beginnen, nur weil sich eine Anforderung geändert hat.
Das klingt kleiner, als es ist. In längeren Agent-Sessions kosten genau solche Unterbrechungen bisher viel Zeit.
Computer Use: 72,6 Prozent sind interessant, aber nicht die ganze Geschichte
Auf OSWorld 2.0 erreicht Astra laut OpenAI 72,6 Prozent. GPT‑5.6 Sol liegt in derselben Auswertung bei 65,7 Prozent. In OpenAIs Latenzsimulation braucht Astra für eine Aufgabe ungefähr 40 Minuten, Sol etwa 75 Minuten.
Die 47 Prozent Zeitersparnis stammen aus einer Simulation des Herstellers. Ich würde daraus nicht ableiten, dass ein echter Entwicklungsworkflow plötzlich halb so lange dauert.
Trotzdem gefällt mir dieser Benchmark mehr als viele reine Frage-Antwort-Tests, weil ein Modell hier tatsächlich mit Software umgehen muss. Es muss klicken, Zustände erkennen und mehrere Aktionen korrekt hintereinander ausführen. Genau das entscheidet später darüber, ob ein Agent hilfreich ist oder nur zusätzlichen Kontrollaufwand erzeugt.
Das Kontextfenster ist nicht größer. Astra nutzt es offenbar besser
Die API-Modell-ID lautet gpt-6-astra.
OpenAI dokumentiert 1.050.000 Tokens Kontext, maximal 128.000 Output-Tokens und einen Knowledge Cutoff vom 30. April 2026. Text und Bilder werden als Input unterstützt. Beim Reasoning gibt es low, medium, high, xhigh und max.
1,05 Millionen Tokens hatte GPT‑5.6 Sol bereits. Die nackte Zahl ist also kein Astra-Feature.
Spannender ist OpenAIs MRCR-v2-Test. Im Bereich von 512.000 bis einer Million Tokens erreicht Astra 96,3 Prozent, GPT‑5.6 Sol 73,8 Prozent.
Bei einem großen Repository merkt man schnell, warum das zählt. Es bringt wenig, hunderttausende Tokens einzulesen, wenn eine wichtige Abhängigkeit zwanzig Dateien später praktisch verschwunden ist. Ob sich der Benchmark in unseren Projekten ähnlich bemerkbar macht, müssen echte Sessions zeigen. Den Unterschied würde ich lieber an einem großen Monorepo testen als an noch einer isolierten Coding-Aufgabe.
Der Preis ist hoch
GPT‑6 Astra kostet in der Standard-API 10 US-Dollar pro einer Million Input-Tokens und 50 US-Dollar pro einer Million Output-Tokens. Cached Input liegt bei 1 US-Dollar.
GPT‑5.6 Sol kostet 4 US-Dollar für Input und 20 US-Dollar für Output. Pro Token ist Astra damit 2,5-mal so teuer.
Bei sehr langen Prompts wird es noch teurer: Ab mehr als 272.000 Input-Tokens berechnet OpenAI für die gesamte Anfrage den doppelten Input- und Cache-Preis sowie den 1,5-fachen Output-Preis.
OpenAI zeigt gleichzeitig Aufgaben, bei denen Astra trotz höherem Tokenpreis günstiger fertig wird, weil es weniger Output-Tokens braucht. Das kann stimmen und widerspricht der Preisliste nicht. Für unsere eigenen Produkte wäre die Kennzahl deshalb nicht „Preis pro Million Tokens“, sondern Kosten pro erfolgreich erledigtem Workflow.
Ich würde Astra trotzdem nicht pauschal als Standardmodell hinter jede Funktion hängen. Für einfache Extraktion, Klassifizierung oder kurze Texte wäre das wirtschaftlich schwer zu rechtfertigen. Ein Routing ist sinnvoller: günstiges Modell für normale Arbeit, Astra dort, wo lange Tool-Ketten, schwieriges Coding oder komplexe Entscheidungen den Aufpreis tatsächlich zurückverdienen.
Einige Benchmark-Zahlen sind absurd hoch
OpenAI meldet 99,9 Prozent auf ARC-AGI-3, 98 Prozent auf FrontierMath Tier 4 und 100 Prozent auf ExploitBench. Solche Zahlen springen natürlich sofort ins Auge.
Ich würde sie trotzdem nicht als allgemeines Intelligenz-Ranking lesen.
OpenAI weist selbst darauf hin, dass die Evaluationen in einer Forschungsumgebung oder über die API liefen und sich Produktionsverhalten durch System-Prompts und verfügbare Tools unterscheiden kann. Dazu kommt: Ein Modell kann einen Benchmark fast sättigen und in einem konkreten Projekt trotzdem an einer banalen Zustandsänderung im Browser scheitern.
Für Entwickler sind die kleineren, langweiligeren Tests oft wertvoller. Hält das Modell eine Aufgabe über viele Schritte? Bleibt ein Patch lokal? Verändert es Anforderungen, die niemand ändern wollte? Erkennt es fehlgeschlagene Tests? Wie viel muss ein Mensch hinterher reparieren?
Das sind die Fragen, nach denen wir Astra beurteilen würden.
„Critical“ bei Cybersecurity heißt etwas ziemlich Konkretes
Astra ist das erste OpenAI-Modell, das im Preparedness Framework des Unternehmens die Stufe „Critical“ für Cybersecurity erreicht.
Der Begriff klingt schnell nach Science-Fiction. OpenAIs Definition ist technischer: Mit den passenden Werkzeugen und Zugriffsrechten kann Astra laut den internen Tests bislang unbekannte Schwachstellen in gut geschützten Systemen finden und neue Exploit-Wege entwickeln, ohne dass ein Mensch jeden Schritt vorgibt.
In einer internen Evaluation mit erst nach dem Knowledge Cutoff veröffentlichten V8-Schwachstellen fand Astra laut OpenAI sogar zwei zuvor unbekannte Zero-Days, die das Unternehmen an die Maintainer melden will.
Das ist für Security-Teams nützlich und für Missbrauch offensichtlich relevant. OpenAI begrenzt deshalb besonders starke Cyberfähigkeiten und setzt zusätzliche Überwachung ein.
Reuters berichtet rund um den Launch außerdem über eine andere Baustelle: OpenAI sieht Fortschritte beim Alignment, gleichzeitig wird das geschriebene Reasoning schwieriger zu überwachen. In der System Card beschreibt OpenAI selbst, dass Astra seine Chain of Thought deutlich stärker kontrollieren kann als GPT‑5.6 Sol. Bei Reasoning zwischen 750 und 1.250 Tokens lag die gemessene Kontrollierbarkeit bei 60,9 Prozent; Sol kam auf 16,1 Prozent.
Warum ist das relevant? Reasoning-Monitoring funktioniert besser, wenn ein Modell seine internen Gedankenschritte nicht gezielt an Vorgaben anpassen oder verschleiern kann. Mehr Kontrolle über das eigene Reasoning ist deshalb aus Sicht der Überwachung nicht automatisch ein Vorteil.
OpenAI schreibt zugleich, dass seine aktuellen Tests Astra noch nicht dabei beobachten konnten, Nebenaufgaben erfolgreich zu lösen und dabei einen Full-Context-Monitor zu umgehen. Man sollte aus der höheren CoT-Kontrollierbarkeit also keinen fertigen „Astra versteckt seine Gedanken“-Befund machen.
Würde ich Astra heute schon in Produktion einsetzen?
Nicht überall.
Für normale API-Aufgaben wäre mir der Aufpreis zu hoch. Für lange, tool-intensive Workflows würde ich es testen. Vor allem Software-Agenten, Recherche mit mehreren Quellen und Aufgaben über verschiedene Anwendungen hinweg sind Kandidaten.
Bei einem Agenten mit Schreibrechten wäre ich vorsichtiger als bei einem Chat. Je mehr ein Modell selbst ausführen darf, desto wichtiger werden Berechtigungen, Sandboxing, Audit-Logs und klare Grenzen für irreversible Aktionen. Das gilt nicht nur für Astra, aber bei einem Modell mit dieser Cyber-Einstufung würde ich es nicht locker behandeln.
Was mich aktuell am meisten interessiert, ist nicht ARC-AGI-3 mit 99,9 Prozent. Ich möchte sehen, wie Astra nach einer Stunde Arbeit in einem echten Repository aussieht: Wie viele unnötige Änderungen hat es gemacht? Sind die Tests grün? Hat es bestehende Architektur verstanden? Und muss danach jemand zwanzig Minuten aufräumen?
Wenn es dort spürbar besser ist, wäre das für uns wesentlich mehr wert als ein weiterer Rekord in einer Benchmark-Tabelle.
Und ist das jetzt AGI?
WIRED berichtet, dass OpenAI-Präsident Greg Brockman Astra möglicherweise als Beginn einer „AGI era“ sieht. Das ist eine bemerkenswerte Aussage, aber keine technische Feststellung.
Es gibt keine allgemein akzeptierte Messung, bei der ein Wert überschritten wird und ein Modell damit offiziell AGI ist. OpenAI selbst benutzt den Begriff seit Jahren mit einer eigenen Definition. Ich würde Astra deshalb lieber an konkreten Fähigkeiten messen.
Kann es verlässlich über längere Zeit arbeiten? Kann es mit neuen Situationen umgehen? Wie oft braucht es menschliche Korrekturen? Wie teuer ist ein fertiges Ergebnis? Was passiert, wenn seine Tools echte Schreib- und Ausführungsrechte haben?
Darauf gibt es einen Tag nach dem Launch noch keine belastbare Antwort.
Mein Eindruck nach dem Launch
Astra sieht weniger wie ein Modell aus, das einfach nur bessere Antworten schreibt, und mehr wie ein Modell für Agenten, die tatsächlich Arbeit in Software erledigen sollen. Das passt ziemlich genau zu der Richtung, in die sich unsere eigene Nutzung von KI ohnehin bewegt.
Die API ist teuer, der Rollout läuft erst an und fast alle großen Leistungszahlen stammen derzeit von OpenAI selbst. Ich würde deshalb noch keine Architektur um Astra herum bauen.
Aber ich würde es sofort gegen unsere schwierigsten bestehenden Agent-Workflows testen.
Wenn ein Modell nach 30 oder 50 Aktionen noch sauber im Scope bleibt, vorhandenen Code versteht und Fehler selbst findet, verändert das unseren Alltag deutlich mehr als ein Chatbot, der eine einzelne Antwort noch etwas besser formuliert.
Quellen
OpenAI – GPT‑6 Astra: A new generation of intelligence https://openai.com/index/gpt-6-astra/
OpenAI API – GPT‑6 Astra Model https://developers.openai.com/api/docs/models/gpt-6-astra
OpenAI – Model guidance: GPT‑6 Astra https://developers.openai.com/api/docs/guides/latest-model
OpenAI – Safety overview: GPT‑6 Astra https://openai.com/index/safety-overview-gpt-6-astra/
OpenAI – GPT‑6 Astra System Card https://deploymentsafety.openai.com/gpt-6-astra/vision
Reuters – OpenAI launches new Astra model amid growing scrutiny over agents' safety https://www.reuters.com/legal/litigation/openai-launches-new-astra-model-amid-growing-scrutiny-over-agents-safety-2026-09-03/
WIRED – GPT‑6 Astra Is Here—and OpenAI Thinks It May Kick Off the AGI Era https://www.wired.com/story/openai-says-gpt-6-can-use-a-computer-better-than-a-human/