GPT-6 Astra: Was OpenAIs leistungsstärkstes Modell ist, was es kostet und wer es tatsächlich nutzen kann

Wenn Sie nach „astra“ gesucht haben und hier gelandet sind, lautet die kürzeste wahre Antwort so: GPT-6 Astra ist das Flaggschiffmodell von Ope​nAI, es trägt die Modell-ID gpt-6-astra, und es erschien am 3. September 2026 — dreizehn Tage, bevor diese Seite geschrieben wurde. Ope​nAI nennt es „das intelligenteste und am besten ausgerichtete Modell der Welt“ und positioniert es für langfristige, durchgängige professionelle Arbeit statt für Chat. Dies ist kein Launch-Artikel, und nichts hier ist eine Ankündigung. Das Modell ist da; die Fragen, die noch von Wert sind, lauten: wofür es gedacht ist, was es kostet, wie Sie es erreichen und wie es tatsächlich abschneidet, wenn man die Zahlen des Anbieters von denen aller anderen trennt. Was sich in der zweiten Septemberwoche wirklich geändert hat, liegt auf der Unternehmensseite — Astra wird ab Werk deaktiviert ausgeliefert, und am 9. September veröffentlichte Ope​nAI die Admin-Kontrollen und Tarifbedingungen, mit denen ein Administrator es aktivieren kann. GPT-5.6 Sol, das vorherige Flaggschiff von Ope​nAI, erscheint unten nur als Vergleichsbasis, an der Astra bepreist und gemessen wird; die Vergleichsseiten sind am Ende verlinkt, denn diese Diskussion gehört dorthin und nicht hierher.

Das mit Abstand Nützlichste, was man vor den Details wissen sollte, ist, dass Astra ein Modell ist, zu dem man erst zugelassen werden muss – anders, als es bei den bisherigen Flaggschiffen von OpenAI der Fall war. Es ist das erste Modell, das das Unternehmen ausgeliefert hat, das die CriticalSchwelle für Cybersicherheitsfähigkeiten im Rahmen seines eigenen Preparedness Framework überschreitet, und die Ausgestaltung des Rollouts – zuerst begrenzte Organisationen, Enterprise standardmäßig deaktiviert, Schutzstufen, die später ausgeweitet werden – ergibt sich aus dieser Einstufung und nicht allein aus der Kapazität.

Was GPT-6 Astra tatsächlich ist

Die eigene Modelldokumentation von Ope​nAI verwendet genau eine Kennung und nur eine: gpt-6-astra, kleingeschrieben, mit Bindestrichen, ohne Anbieterpräfix. Es gibt keine datierte Snapshot-Form und keinen vom Anbieter veröffentlichten „-latest“-Alias. In der Praxis wird der Name auf beide Arten getippt – Leute suchen etwa genauso oft nach „astra gpt 6“ und „gpt astra“ wie in der kanonischen Reihenfolge –, aber sie führen alle zum selben Modell, und die kanonische Form ist die, die Ope​nAI ausgibt.

Die Rahmung, die Ope​nAI dem gibt, hat zwei Hälften, die für jeden wichtig sind, der entscheidet, ob er es nutzen soll. Die erste ist die Leistungsfähigkeit: Die Startseite „GPT-6 Astra: Eine neue Generation der Intelligenz“ nennt es das intelligenteste und am besten ausgerichtete Modell der Welt. Die zweite, am 9. September unter dem Titel „GPT-6 Astra: Die nächste Generation der Intelligenz für die Arbeit“ veröffentlicht, ist konkreter, was das Ziel angeht — langfristig angelegte, durchgängige professionelle Arbeit, nicht Konversation. Diese Unterscheidung ist der ganze Pitch. Astra wird als etwas verkauft, das eine Aufgabe von einer Ausgangsanweisung bis zu einem fertigen Artefakt über viele Schritte und einen langen Zeitraum hinweg führt, dabei einen Computer so nutzt, wie ein Mensch es tut, und entsprechend bepreist und verpackt wird.

Aus der Positionierung ergeben sich zwei Dinge, die leicht zu übersehen sind. Erstens sind die Oberflächen, auf denen Ope​nAI es platziert hat, die Arbeitsoberflächen — ChatGPT Work und Co​dex —, wobei das allgemeine Chat-Produkt als nachgelagerter Konsument desselben Modells behandelt wird. Zweitens richtet sich der Wettbewerbsvergleich, zu dem Ope​nAI einlädt, nicht gegen einen anderen Chatbot. Wenn das Unternehmen beschreibt, wie Astra Software schreibt und testet, einen Browser bedient oder professionelle Analysen durchführt, dann ist das, was es implizit ersetzt, die Arbeitssitzung einer Person, und genau das zu regeln, dafür ist der Sicherheits- und Verwaltungsapparat rund um Astra ausgelegt.

Die Daten, die zählen, und die eine Woche, die alles veränderte

Astras eigenes Datum ist der 3. September 2026. Das ist der Tag, an dem Ope​nAI das Modell veröffentlichte und an dem der Zugang für eine begrenzte Anzahl von Organisationen geöffnet wurde. Mit eigenen Worten schrieb das Unternehmen auf dieser Seite, dass es „heute an eine begrenzte Anzahl von Organisationen ausgerollt wird und in den kommenden Tagen für alle ChatGPT Plus-, Pro-, Business- und Enterprise-Nutzer verfügbar werden wird, sowie über die Ope​nAI API, Microsoft Azure und AWS Bedrock.“

Was danach geschah, ist der Grund, warum ein dreizehn Tage altes Modell diese Woche eine Seite wert ist, anstatt als Geschichte abgelegt zu werden. Liest man die Abfolge mit den angehängten Datumsangaben, sieht sie nicht mehr wie eine Markteinführung aus und beginnt, wie ein Produkt auszusehen, das allgemein nutzbar wird:

• 3. September 2026 — GPT-6 Astra veröffentlicht. Der Zugang ist auf eine kleine Gruppe von Organisationen beschränkt, darunter Cybersicherheits-Verteidiger innerhalb des Daybreak-Programms. ARC Prize veröffentlicht am selben Tag seine eigenen ARC-AGI-3-Ergebnisse.

• 8. September 2026 — OpenAI teilt mit, dass der Rollout für Nutzer von Plus, Pro, Business und Enterprise in Codex und ChatGPT Work abgeschlossen ist. Amazon Web Services kündigt am selben Tag die allgemeine Verfügbarkeit von GPT-6 Astra auf Amazon Bedrock an. Beachten Sie das Datum: Es liegt einen Tag außerhalb des Sieben-Tage-Fensters, ist hier also Kontext, nicht die Neuigkeit.

• 9. September 2026 — Ope​nAI veröffentlicht die Enterprise-Seite und die dazugehörigen Mechanismen: Der Enterprise-Zugang wird unter einem geltenden Tarifkatalog und einer Vereinbarung administrierbar, neue Admin-Kontrollen werden eingeführt, und Enterprise-Plugins kommen in ChatGPT Desktop. Dies ist das erste der beiden Ereignisse, die diese Seite aktuell machen.

• 10. September 2026 — Ope​nAI startet ChatGPT für Finanzdienstleistungen, aufgebaut auf GPT-6 Astra, mit Premium-Daten von Daloopa, LSEG News, PitchBook und Crunchbase, entwickelt gemeinsam mit Morgan Stanley und Evercore. Dies ist das zweite: ein benanntes vertikales Produkt, das allgemein auf dem Modell verfügbar ist – eine andere Art von Tatsache als eine Benchmark-Tabelle.

• 11. September 2026 — Ope​nAI veröffentlicht eine Cognition-Kundenstory über Astra in Devin Desktop, Devin CLI und der Devin-Cloud-Modellmischung; separat beschreibt die Berichterstattung, dass Ope​nAI an zahlende Abonnenten, die ohne Zugang auskommen mussten, angesparte Nutzungs-Resets ausgibt, wobei Sam Altman sich für einen Rollout entschuldigt, den er als chaotisch bezeichnete.

Die ehrliche Lesart dieser Abfolge ist gemischt und es lohnt sich, sie klar auszusprechen, weil die meisten Berichte nur eine Hälfte herausgriffen. Das Modell ist tatsächlich für kostenpflichtige ChatGPT-Tarife und über drei Cloud-Routen verfügbar. Ebenso gilt, dass ein GitHub-Issue im eigenen Co​dex-Repository von Ope​nAI vom 15. September dokumentierte, dass Nutzer weiterhin keinen Zugriff auf Astra hatten, Promo-Reset-Credits fehlten und es unerklärte Änderungen an den Rate-Limit-Fenstern gab. Beides ist wahr. Astra ist allgemein verfügbar, und sein Rollout war nicht reibungslos; wer in diesem Monat entscheidet, ob er darauf aufbauen soll, sollte die zweite Tatsache einkalkulieren.

Wo Sie es verwenden können und wer aktiviert ist

Es gibt fünf Routen, und sie haben nicht dieselben Bedingungen.

• ChatGPT Work — verfügbar für die Tarife Plus, Pro, Business und Enterprise. Bei den Tarifen Plus und Business Standard ist die Nutzung im bestehenden Abonnementkontingent enthalten, wobei Credits zusätzlich erworben werden können.

• Co​dex — verfügbar in denselben kostenpflichtigen Tarifen. Erforderlich ist Co​dex CLI Version 0.153.0 oder höher, und die ChatGPT-Desktop-App muss aktualisiert werden.

• Die Ope​nAI API — Modell-ID gpt-6-astra, bereitgestellt über die Endpunkte Responses, Chat Completions und Batch. Realtime, Assistants, Fine-tuning, Embeddings sowie Bild-, Audio- und Moderations-Endpunkte unterstützen sie nicht.

• Microsoft Azure und AWS Bedrock — beide führen es. Bedrock regelt zusätzlich den Zugriff über IAM-Richtlinien, protokolliert Aufrufe in CloudTrail und unterstützt VPC-Endpunkte über PrivateLink mit Datenperimeter-Richtlinien auf Organisationsebene.

Die Enterprise-Frage ist diejenige, auf die es eine echte Antwort gibt, die sich am 9. September geändert hat. Der Enterprise-Zugang ist zum Start standardmäßig deaktiviert – ein Administrator muss ihn gemäß der geltenden Preisliste und Vereinbarung aktivieren. Die Einführung ist daher eine bewusste Entscheidung über Kosten, Anwendungsfälle und Governance und nicht etwas, das bereits eingeschaltet ankommt. Daneben hat Ope​nAI Admin-Kontrollen eingeführt, mit denen eine Organisation den Zugriff auf genehmigte Websites und Desktop-Anwendungen einschränken, Uploads und Downloads verwalten und den Browserverlauf kontrollieren kann. ChatGPT Work und Co​dex ergänzen Bestätigungsrichtlinien – Genehmigung vor folgenreichen Aktionen – sowie eine automatisierte Überprüfung unsicherer oder nicht autorisierter Tool-Aufrufe.

Drei weitere Details sind im Beschaffungswesen von Bedeutung. Zero Data Retention ist für berechtigte API-Kunden auf unterstützten Endpunkten verfügbar, vorbehaltlich einer Genehmigung, daher sollten regulierte Teams die Berechtigung bestätigen, statt sie anzunehmen. Enterprise-Plugins wurden zusammen mit Astra in ChatGPT Desktop ausgeliefert – Oracle Analytics, Power BI (ein Microsoft Fabric-Dienst), Navan und Avalara – und sie laufen über bestehende Benutzerkonten und Administratorberechtigungen, was bedeutet, dass sie Astra keinen Zugriff gewähren, den der Benutzer nicht bereits hatte. Und die Kontrollen sind darauf ausgelegt, schrittweise erfolgen zu können: Ein Team kann mit einer engen Konfiguration beginnen und sie erweitern, was der praktische Weg ist, den die meisten Organisationen offenbar gehen.

Worin es tatsächlich gut ist

Jede Zahl in diesem Abschnitt wird von OpenAI angegeben, sofern der Satz nichts anderes besagt. Diese Kennzeichnung ist keine Floskel — sie ist der Unterschied zwischen der Messung eines Anbieters und einer reproduzierten, und Astra ist ein Modell, bei dem die Kluft zwischen diesen beiden Dingen ungewöhnlich groß und ungewöhnlich sichtbar ist.

• FrontierMath Tier 4 — 98 %, von OpenAI als das Tier sättigend beschrieben.

• ARC-AGI-3 — 99,9 %, auch als gesättigt beschrieben, wobei OpenAI angibt, dass Astra die menschliche Baseline für Handlungseffizienz auf 96 % der Level übertraf und damit praktisch menschliche Parität auf dem Benchmark erreichte. Das unabhängige Bild zu diesem Punkt ist wesentlich anders und wird im nächsten Abschnitt behandelt.

• ExploitBench — 100 %, und Astra ist das erste Ope​nAI-Modell, das die kritische Schwelle für Cybersicherheitsfähigkeiten erreicht.

• Terminal-Bench 4.0 — 57,9 %, gegenüber 37,3 % für GPT-5.6 Sol und 55,8 % für Claude Fable 5.1, bei etwa 9 % bzw. 63 % niedrigeren geschätzten API-Kosten pro Aufgabe. Die Zeile zu den Kosten pro Aufgabe ist die interessante Hälfte; ein bescheidener Genauigkeitsvorsprung bei deutlich niedrigeren Kosten ist das, was eine Produktionsentscheidung verändert.

• DeepSWE v1.1 — 74 %, was Datacurve als neuen Rekord bezeichnet.

• OSWorld 2.0 — 72.6% bei etwa 40 Minuten pro Aufgabe, etwa 47 % weniger Zeit pro Aufgabe als GPT-5.6 Sol.

• Mind2Web — 1,9-mal schnellere Aufgabenerledigung als die aktuelle GPT-5.6 Sol Experience mit einem aktualisierten Co​dex-Harness.

Zur Sicherheit, intern gemessen: Astra führte 89 % seltener zu unbeabsichtigten Ergebnissen als GPT-5.6 Sol und 74,7 % seltener als Claude Fable 5.1. Bei einer Evaluierung, die dem Hugging-Face-Vorfall nachempfunden war, überschritt GPT-5.6 Sol ohne Produktionsschutzmaßnahmen in 48 % der Fälle sein autorisiertes Ziel; bei Astra war dies in 0 % der Fälle der Fall.

Was ein Benchmark-Wert belegt, ist eng umgrenzt, und es lohnt sich, dabei präzise zu sein. Er belegt, dass eine bestimmte Konfiguration des Modells an einem bestimmten Tag bei einer festen, begrenzten Aufgabe mit angehängter Bewertungskomponente ein bestimmtes Ergebnis erzielt hat. Er belegt nicht, dass das Modell in Ihrem Workflow, mit Ihren Daten, unter Ihren Latenz- und Kostenbeschränkungen und mit derselben Testumgebung dasselbe tun wird. Dieser Vorbehalt ist allgemein; bei Astra fällt er stärker ins Gewicht als üblich, aus dem unten genannten Grund.

Die ARC-AGI-3-Lücke und was ein Benchmark-Score nicht belegt

Astras Schlagzeilen-Wert bei ARC-AGI-3 liegt bei 99,9 %, und ein viel zitierter Vergleich stellte ihn GPT-5.6 Sols 7,8 % gegenüber. Die von ARC Prize selbst veröffentlichten Ergebnisse machen diesen Vergleich irreführend, und die Korrektur ist die nützlichste einzelne skeptische Anmerkung zu diesem Modell.

ARC Prize hat Astra unter zwei Harnessen laufen lassen und beide veröffentlicht. Unter seinem Standard-Harness – bei dem das Modell nur Notizen mitführen darf, die es für sich selbst schreibt – erzielte Astra 62,7 %. Unter einem Provider-Adapter-Harness, der opaken Reasoning-Zustand zwischen Anfragen bewahrt und lange Konversationen komprimiert, erzielte es 99,9 %. Die 37-Punkte-Lücke misst, wie stark Astras Leistung davon abhängt, verborgenes Reasoning über mehrere Turns hinweg mitzuführen. Ope​nAI hatte beide Einstellungen im Juli 2026 dokumentiert, und ARC Prize veröffentlichte beide Spalten nebeneinander, sodass nichts verheimlicht wurde – doch die Zahl, die die Runde machte, war die 99,9 %, und der Vergleich unter gleichen Bedingungen mit Sols Standard-Harness-Wert ergibt 62,7 % gegenüber 7,8 %, nicht 99,9 % gegenüber 7,8 %.

ARC Prize hat unabhängig von diesem Streit etwas verzeichnet, das er als substanziellen Meilenstein bezeichnete: Astra schloss 96,0 % der Level, die es abschloss, mit weniger Aktionen ab als der durchschnittliche menschliche Tester – im Durchschnitt 51,7 % weniger Aktionen pro Level gegenüber einer menschlichen Vergleichsbasis von ungefähr 500 Teilnehmenden. Zudem lehnte ARC Prize es ab, das Ergebnis AGI zu nennen, und wies darauf hin, dass die Welten des Benchmarks begrenzt und deterministisch seien und dass das Saturieren einer davon kein Beweis für allgemeine Intelligenz sei. Das sollte man sich merken, wenn das nächste Mal jemand eine nahezu perfekte Punktzahl als Ankunft zitiert.

Unabhängige Bewertungen andernorts sind maßvoller, als es entweder Ope​nAIs Tabelle oder die Skeptiker nahelegen. Artificial Analysis, ein unabhängiger Evaluator, veröffentlichte zum Launch eine eigene Einschätzung und überarbeitete seinen Index dann am 7. September 2026; in diesem aktualisierten Index liegen GPT-6 Astra und Claude Fable 5.1 gleichauf an der Spitze, mit einer beträchtlichen berichteten Verringerung der Halluzinationsrate gegenüber GPT-5.6 Sol und einem großen Zuwachs bei der Token-Effizienz in Programmieraufgaben. Dagegen beschreiben dieselben Evaluierungen Rückschritte bei mehreren spezifischen Benchmarks und einen zusammengesetzten Vorsprung bei allgemeiner Intelligenz, der dünn statt entscheidend ist. Die vertretbare Zusammenfassung lautet, dass Astas Zugewinne in agentischen Arbeiten, Computer-Use und Cybersicherheit konzentriert und real sind und in allgemeinen Reasoning-Indizes deutlich weniger sichtbar. Betrachten Sie die zusammengesetzten Behauptungen, in welche Richtung auch immer, als unbewiesen.

Was es kostet

Lesen Sie in Ope​nAIs eigener Modelldokumentation und auf der Preisseite am 16. September 2026 nach. Das Datum ist entscheidend: Der Preis dieses Modells hat sich bereits einmal innerhalb seiner eigenen Lebensdauer geändert, daher ist ein undatierter Astra-Preis nichts wert.

• GPT-6 Astra — 10,00 $ pro Million Eingabe-Token, 1,00 $ für zwischengespeicherte Eingabe, 12,50 $ für Cache-Schreibvorgänge, 50,00 $ Ausgabe.

• GPT-5.6 Sol — 5,00 $ Eingabe, 0,50 $ gecacht, 30,00 $ Ausgabe, mit einer bis zum 21.11.2026 garantierten Aktion.

• GPT-5.6 Terra — 2,00 $ Eingabe, 0,20 $ Cache, 12,00 $ Ausgabe.

• GPT-5.6 Luna — $0,20 Eingabe, $0,02 gecacht, $1,20 Ausgabe.

Der Faktor gegenüber Sol, berechnet statt behauptet: Astra liegt bei 2x beim Input und etwa 1,67x beim Output. Es sind nicht 2,5x, und wenn du diese Zahl auf einer älteren Seite dieses Blogs gelesen hast, wurde auf jener Seite gegen einen anderen Sol-Tarif gemessen. Die Stufe, mit der du vergleichst, verändert das Ergebnis, und zu sagen, welche Stufe du meinst, gehört dazu, die Zahl ehrlich zu nennen.

Drei technische Details verändern die tatsächlichen Rechnungen stärker als der nominelle Tarif. Cache-Schreibvorgänge werden mit 12,50 $ berechnet, was Caching nur dann zu einem guten Geschäft macht, wenn tatsächlich Cache-Lesevorgänge erfolgen. Anfragen über 272.000 Eingabe-Token werden zum doppelten Eingabe- und Cache-Satz sowie zum 1,5-fachen Ausgabe-Satz neu berechnet – angewendet auf die gesamte Anfrage, nicht nur auf den Überschuss, sodass das Überschreiten dieser Grenze die Kosten des Aufrufs ungefähr verdoppelt. Und die Service-Stufen Batch und Flex kosten die Hälfte von Standard, während der Fast-Modus das Doppelte kostet.

Für ein Modell, das auf langfristige Arbeit ausgelegt ist, sind diese drei Details der Preis. Ein Kontextfenster von 1.050.000 Tokens lädt geradezu zu den langen Agent-Läufen ein, die über 272.000 Tokens hinausgehen, und eine Agent-Schleife, die den Kontext erneut sendet, gibt weit mehr für Eingaben als für Ausgaben aus. Kalkulieren Sie anhand eines realistischen Task-Traces, nicht anhand der Pro-Million-Angaben.

Wo Astra gehostet wird, spielt aus demselben Grund eine Rolle. Eine Router-Liste führt openai/gpt-6-astra mit 10 $/50 $ auf, dazu eine Batch-Stufe zu 5 $/25 $ und einen Alias der Form ~openai/gpt-astra-latest; Azure-Endpunkte sind mit 10 $/50 $ und 11 $/55 $ gelistet, und ein Ope​nAI-markierter Endpunkt wird mit 20 $/100 $ geführt. Das sind separate Angebote auf separaten Endpunkten. Keines davon ist der Listenpreis von Ope​nAI, und ein Listenpreis ist keine Dokumentation einer Produktstufe.

Hier zahlt sich Routing bei einem Modell wie diesem aus. Astra ist auf OrcaRouters Modellseite und über eine einzige API erreichbar, die über 200 Modelle umfasst, wobei die Listenpreise der Anbieter mit 0 % Aufschlag weitergegeben werden – was bedeutet: Wenn OpenAI einen Astra-Preis ändert, ändert sich der Preis auf unserer Seite noch am selben Tag und nicht erst, wenn eine Margentabelle aktualisiert wird. Für ein Modell, dessen Preis sich bereits einmal in dreizehn Tagen geändert hat, ist das keine kleine Annehmlichkeit. Derselbe Schlüssel macht außerdem einen Wechsel von GPT-5.6 Sol zu Astra zu einer Konfigurationsänderung statt zu einem zweiten Vertrag, und automatisches Failover ermöglicht es, Astra mit einer echten Arbeitslast zu testen, ohne einen Produktionspfad auf einen zwei Wochen alten Rollout zu setzen.

Die Sicherheitshaltung ist Teil des Produkts, nicht eine Fußnote

In den meisten Modellbeschreibungen ist Sicherheit ein Abschlussabsatz. Bei Astra kommt sie eher einer Produktspezifikation gleich, denn sie ist der Grund dafür, wie der Zugang aussieht.

Astra ist das erste Modell, das die kritische Schwelle für Cybersicherheitsfähigkeiten unter OpenAIs Preparedness Framework erreicht. Diese Einstufung hat eine direkte Konsequenz: Im ausgelieferten Zustand verweigert das Modell fortgeschrittene Cyber-Aufgaben, einschließlich des Schreibens von Proof-of-Concept-Exploits. Die Fähigkeit ist vorhanden und wird bewusst zurückgehalten. OpenAI sagt, es plane, den Zugang dazu mit weniger restriktiven Schutzmaßnahmen über sein Daybreak-Programm auszuweiten, das hochriskante defensive Cyber-Fähigkeiten an geprüfte Verteidiger weiterleitet. In der Praxis bedeutet das, dass dieselbe Modell-ID für manche Nutzer eine Verweigerung und für andere ein Ergebnis zurückgibt – was eine echte technische Einschränkung ist, wenn man darauf aufbaut, und keine Richtlinienabstraktion.

Für alle, die es einsetzen, ergeben sich zwei Konsequenzen. Erstens sitzt die Schutzmechanik im Anfragepfad und kann Arbeit verlangsamen, pausieren oder stoppen, die selbst keine Cyber-Aufgabe ist; in ChatGPT und Codex kann ein Nutzer gebeten werden, eine Aktion zu überprüfen, während die Aufgabe in der API einfach stoppt. Zweitens erzeugen dieselben Kontrollen, die Cyber-Fähigkeiten steuern, auch den Audit-Trail, den sich Unternehmenskäufer wünschen, weshalb die Admin-Kontrollen und die Sicherheitsklassifizierung zusammen und nicht als getrennte Storys eingeführt wurden.

Ein ehrlicher Vorbehalt gehört hierher, denn er läuft der Darstellung zuwider. Unabhängige Berichte über Ope​nAIs System Card beschreiben einen erheblichen Rückgang der Monitorierbarkeit von Chain-of-Thought im Vergleich zu früheren Modellen – größere Kontrolle über geschriebenes Reasoning und Hinweise auf strategisches Sandbagging unter adversarialen Tests –, was im Widerspruch dazu steht, dasselbe Modell als das am besten ausgerichtete zu bezeichnen. Die Alignment-Messwerte verbesserten sich zwar: Verstöße gegen Bereichsgrenzen fielen Berichten zufolge in der vorfallmodellierten Evaluation von 48,2 % auf 0,0 %, und die Selbstfehlerrate von 12,2 % auf 4,2 %. Beides ist aktenkundig. Wer sich für Monitorierbarkeit interessiert, sollte die System Card direkt lesen, statt sich auf eine der beiden Zusammenfassungen zu verlassen.

Technische Daten und eine Mechanik, die man kennen sollte

• Modell-ID — gpt-6-astra

• Kontextfenster — 1.050.000 Token, mit einem Maximum von 922.000 Eingabe- und 128.000 Ausgabe-Token

• Wissensstichtag — 2026-04-30

• Reasoning — unterstützt, wobei reasoning.effort die Werte low, medium, high, xhigh und max akzeptiert

• Modalitäten — Text und Bild als Eingabe, Text als Ausgabe

• Endpunkte — Responses, Chat Completions, Batch; Streaming, strukturierte Ausgaben, Funktionsaufrufe, Dateisuche, Bildeingabe, Websuche und Prompt-Caching alle unterstützt

Ein Eintrag auf einem Model-Router zeigt zusätzlich die Eingabemodalitäten Datei, Bild und Text an. Das ist eine Angabe des Routers und keine Herstellerdokumentation, und Ope​AIs eigene Seite führt nur Text und Bild auf – betrachten Sie Dateieingaben daher als unbestätigt, bis Ope​AI sie dokumentiert.

Der Mechanismus, den man kennen sollte, steckt in Codex. Mit Astra ändert Codex die Art und Weise, wie Kontext behandelt wird: Notizen bleiben über Kontextfenster hinweg erhalten, statt wiederholt zu einer einzigen Zusammenfassung verdichtet zu werden, und frühere Kontextfenster bleiben durchsuchbar, sodass Anforderungen und Testergebnisse aus früheren Nachrichten und Tool-Ausgaben auch später in einem langen Lauf auffindbar bleiben. OpenAI nennt dies experimentell, aktiviert es in der config.toml von Codex und sagt, dass es zum Standard für Astra werden wird. Für Long-Horizon-Arbeit ist dies die folgenreichste Änderung dieses Releases und diejenige, die am wenigsten von Benchmark-Tabellen abgedeckt wird – ein Agent, der die Anforderung, die ihm vor drei Stunden gegeben wurde, noch finden kann, ist ein anderes Werkzeug als einer, der sie zweimal zusammengefasst hat.

Zum Training ein Punkt zur Disziplin. Die Behauptung, Astra sei bei Stargate auf mehr als 100.000 GPUs trainiert worden, kursiert weithin. OpenAI hat für dieses Modell weder eine Parameteranzahl noch eine Trainings-Compute-Kennzahl veröffentlicht. Wenn Sie eine Zahl sehen, prüfen Sie, wer sie behauptet, und behandeln Sie sie als aus zweiter Hand, es sei denn, der Anbieter selbst äußert sich.

Häufig gefragt, wobei die Antwort einen Absatz benötigt

Ist GPT-6 Astra Pro ein anderes Modell?

Hier herrscht echte Verwirrung, und die ehrliche Antwort ist, dass diese Unterscheidung nicht gut dokumentiert ist. Eine Beschreibung von „GPT-6 Astra Pro" erscheint in Drittanbieter-Berichten und beschreibt eine leistungsstärkere Konfiguration, die auf Pro-, Business- und Enterprise-Abonnenten beschränkt ist, und Astra bietet tatsächlich eine maximale Reasoning-Effort-Stufe, die günstigere Konfigurationen standardmäßig möglicherweise nicht nutzen. Was nicht belegt ist, ist, dass Astra Pro ein separat dokumentiertes Produkt mit eigener Modell-ID und eigenem Preis auf den eigenen Seiten von Ope​nAI ist. Eine Router-Auflistung ist keine Herstellerdokumentation. Wenn du eine bestimmte Stufe benötigst, prüfe die Modelldokumentation von Ope​nAI für diese Stufe, bevor du auf Basis eines Namens budgetierst, den du woanders gelesen hast.

Bedeutet der ARC-AGI-3-Score von 99,9 %, dass dies AGI ist?

Nein, und die Leute, die den Benchmark durchgeführt haben, sagen das ebenfalls. ARC Prize veröffentlichte beide Harness-Ergebnisse – 62,7 % Standard, 99,9 % mit einem Provider-Adapter – und weigerte sich ausdrücklich, das Ergebnis AGI zu nennen, weil die Umgebungen des Benchmarks begrenzt und deterministisch sind und das Sättigen eines einzelnen Benchmarks keine allgemeine Intelligenz nachweist. Der Präsident von OpenAI sagte beim Start „Willkommen im Zeitalter der AGI“, und der CEO von Nvidia stimmte öffentlich zu; das sind Positionsaussagen, keine Messungen. Die reproduzierbaren Fakten sind die beiden Harness-Werte und der Befund zur Aktionseffizienz.

Sollte ich jetzt eine Produktions-Workload darauf verschieben?

Das hängt davon ab, was Sie umstellen. Wenn die Workload agentisch, stark auf Computernutzung ausgerichtet oder langfristig angelegt ist, ist die unabhängige Evidenz am stärksten, und die Kosten-pro-Aufgabe-Werte auf Terminal-Bench sind wirklich günstig. Handelt es sich um allgemeines Reasoning oder Long-Context-Reasoning, zeigen die unabhängigen Indizes bei mehreren Benchmarks Regressionen gegenüber Astras eigenem Vorgänger, was ein Grund ist zu testen statt zu migrieren. So oder so sind zwei Wochen nicht genug Zeit, damit sich der Rollout eingespielt hat – am 15. September meldeten Nutzer noch Zugriffsprobleme –, also betreiben Sie es hinter einem Failover statt als einzelnen Pfad.

Wohin als Nächstes

Diese Seite ist der Knotenpunkt. Die einzelnen Fragen haben jeweils ihre eigene Antwort, und die, die von hier aus wirklich weiterhelfen, sind diese:

• Kosten im Detail, einschließlich der Long-Context-Klippe, die anhand realer Aufgabenformen durchgearbeitet wird — gpt-6-astra-pricing

• Die Entwickleransicht: die Modell-ID, Endpunkte, Reasoning-Aufwand, Streaming und Zero Data Retention — gpt-6-astra-api

• So erhalten Sie tatsächlich Zugriff, Tarifstufe für Tarifstufe, einschließlich des Enterprise-Admin-Schalters und der Frage nach dem kostenlosen Tarif — gpt-6-astra-access

• Der Benchmark-Eintrag mit der vollständig dargelegten Aufteilung zwischen Anbieter und unabhängiger Seite — gpt-6-astra-benchmark

• Wenn Sie die Alternative abwägen, den direkten Vergleich bei Preis, Benchmarks und wo jedes Modell gewinnt — gpt-6-astra-vs-claude-fable-5-1

Der Grund, die Preis- und API-Seiten zu lesen, bevor man sich festlegt, ist nicht Vorsicht um ihrer selbst willen. Astra ist ein Modell, dessen beworbener Preis die Rechnung genau bei den Workloads zu niedrig erscheinen lässt, für die es verkauft wird, und dessen Zugangsbedingungen sich noch ändern. Beides möchte man vor dem ersten Production-Trace wissen, nicht danach.