GPT-6 Astra API: Die Modell-ID, der Endpoint und was eine Long-Horizon-Aufgabe tatsächlich kostet

The short version: GPT-6 Astra is callable today at https://api.openai.com/v1 under a single model id, gpt-6-astra, at $10.00 per million input tokens, $1.00 cached input and $50.00 output — the figures Ope​nAI's own pricing page carried on September 16, 2026. The model itself is from September 3, 2026, thirteen days before this page was written, so nothing here is launch coverage and nothing here is framed as an announcement. This is the reference page for the developer question that comes after availability: what string to pass, which endpoint takes it, what the 1,050,000-token window really buys, what the account has to look like first, and what one genuine long-horizon agent run costs on a rate card that quietly reprices itself above 272,000 input tokens. GPT-5.6 Sol appears throughout only as the price baseline it is sold above, never as the subject.

Der Grund, warum ein dreizehn Tage altes Modell diese Woche eine Seite verdient, ist, dass sich die Zugangswege dorthin nach dem Launch geändert haben und der API-Weg jetzt der gewöhnliche ist. Als OpenAI Astra am 3. September auslieferte, beschrieb es einen Rollout statt einer Verfügbarkeit; bis zum 8. September hieß es, das Modell sei vollständig für Plus-, Pro-, Business- und Enterprise-Nutzer in Codex und ChatGPT Work ausgerollt, und in der Woche ab dem 14. September listete AWS es auf Bedrock, und Microsoft Foundry führte es als allgemein verfügbar. Für einen API-Aufrufer ist diese Abfolge weniger wichtig, als sie klingt – der Endpunkt war die ganze Zeit live und dokumentiert –, aber sie bedeutet, dass die Beschaffungsfragen dazu jetzt Antworten haben, die es am Tag des Launches nicht gab. Alles unten wurde am 16. September 2026 in OpenAIs eigener Modelldokumentation, Preisseite und Seite zu Datenkontrollen gelesen, und alles, was von woanders stammt, sagt das in dem Satz, in dem es steht.

Die Modell-ID und die Snapshot-Frage ehrlich beantwortet

Die zu übergebende Zeichenkette ist gpt-6-astra — kleingeschrieben, mit Bindestrichen, ohne Anbieterpräfix. Das ist die einzige ID, die OpenAI für dieses Modell dokumentiert.

Wenn Sie nach einem datierten Snapshot zum Pinnen suchen, gibt es keinen zu finden, und wir werden kein plausibel aussehendes Suffix erfinden. Ope​nAIs Modellseite für GPT-6 Astra führt unter Snapshots genau einen Eintrag auf, und das ist das bloße gpt-6-astra. Es gibt keine -2026-09-03-artige datierte Form und keinen -latest Alias auf Seiten des Anbieters. Wir haben während der Recherche in einem Router-Listing einen wechselnden Alias der Form ~openai/gpt-astra-latest gesehen; das ist ein Gateway-Konstrukt, das auf der Anbieter-ID aufsetzt, nicht etwas, das Ope​nAI veröffentlicht, und es sollte nicht so in Ihre Konfiguration übernommen werden, als wäre es echt.

Die praktische Konsequenz ist gering, aber erwähnenswert. Sie können das Modellobjekt abrufen, um zu bestätigen, womit Sie sprechen:

curl https://api.openai.com/v1/models/gpt-6-astra -H "Authorization: Bearer $OPENAI_API_KEY"

Verankere die bloße ID in einem Konfigurationswert, statt sie an ein Dutzend Aufrufstellen einzutippen. Wenn OpenAI später datierte Snapshots hinzufügt, wird die bloße ID zum beweglichen Ziel und dein verankerter Wert beginnt sich unter dir zu verändern – eine Stelle zum Bearbeiten ist der Unterschied zwischen einer Zwei-Minuten-Änderung und einem Nachmittag voller grep.

Der Endpunkt: Basis-URL, Kompatibilität und eine Anfrage, die ausgeführt wird

The base URL is https://api.openai.com/v1. Per Ope​nAI's model documentation, GPT-6 Astra is supported on Responses (/v1/responses), Chat Completions (/v1/chat/completions) and Batch (/v1/batch). It is explicitly not supported on Realtime, Assistants, Fine-tuning, Embeddings, image generation and editing, video, audio, moderation, or the legacy Completions endpoint — and those absences matter as much as the presence list, because a team that planned around the Assistants API or a fine-tuned variant has to replan rather than rewrite.

Zur Kompatibilität: Dies ist OpenAIs eigene First-Party-API, das Wire-Format, gegen das jedes OpenAI-kompatible SDK und jeder Client geschrieben wurde. Alles, was dieses Format spricht, kommuniziert ohne einen Shim mit gpt-6-astra – Sie ändern den Modell-String und, wenn Sie von einem älteren OpenAI-Modell migrieren, die unten aufgeführten Parameternamen. Für neue Arbeiten sollte die Responses API verwendet werden: Sie ist die Oberfläche, auf der OpenAI die Reasoning-Steuerung dieses Modells dokumentiert, sie ist der Ort, an dem die integrierten Tools beheimatet sind, und die Chat-Completions-Unterstützung für die neuesten Modelle war historisch die weniger tiefgehende der beiden.

Ein minimaler Streaming-Aufruf, mit gesetztem Reasoning-Aufwand:

curl https://api.openai.com/v1/responses \

-H "Authorization: Bearer $OPENAI_API_KEY" \

-H "Content-Type: application/json" \

-d '{"model": "gpt-6-astra", "input": "Liste die Dateien auf, die du ändern würdest, um diesen Dienst von der Legacy-Auth-API wegzubewegen.", "reasoning": {"effort": "high"}, "max_output_tokens": 16000, "stream": true}'

Und dasselbe in Python, wo die meisten Leser tatsächlich zu Hause sein werden:

from openai import OpenAI

client = OpenAI()

stream = client.responses.create(model="gpt-6-astra", input="Liste die Dateien auf, die du ändern würdest, um diesen Dienst von der Legacy-Auth-API zu lösen.", reasoning={"effort": "high"}, max_output_tokens=16000, stream=True)

for event in stream:

if event.type == "response.output_text.delta": print(event.delta, end="")

Drei Dinge an dieser Anfrage sind spezifisch für dieses Modell und nicht aus einem generischen Schnellstart kopiert.

• Reasoning-Aufwand ist ein Kostenregler, nicht nur ein Qualitätsregler. Die Modellseite von Ope​nAI listet die unterstützten Werte low, medium, high, xhigh und max auf. Beachte, wo diese Liste beginnt: Für GPT-6 Astra gibt es kein none oder minimal, die Untergrenze ist also gestiegen. Reasoning-Tokens werden als Output-Tokens mit 50,00 $ pro Million abgerechnet, was bedeutet, dass das Umstellen des Aufwands von high auf max eine Entscheidung mit einem Preis ist, nicht ein kostenloses Qualitäts-Upgrade.

• Streaming wird unterstützt und ist der ehrliche Weg, lange Turns auszuführen. Eine einzelne Anfrage an dieses Modell kann bis zu 128.000 Ausgabe-Tokens erzeugen. Wenn man darauf wartet, dass sie in einem einzigen Antwort-Body landet, ohne zu sehen, ob sie vorankommt, führt das nur dazu, dass man bei Timeouts rät.

• Prompt-Caching ist hier explizit. Die Responses-API dokumentiert einen prompt_cache_breakpoint für Text-, Bild- und Dateiinhalte, mit einem Modus explicit, der „das exakte Ende eines wiederverwendbaren Prompt-Präfixes“ markiert und seine TTL von prompt_cache_options.ttl der Anfrage erbt. Bei einem Modell, dessen Rate für gecachte Eingaben ein Zehntel seiner Rate für ungecachte Eingaben beträgt, ist die Stelle, an der Sie diese Grenze setzen, die wirkungsvollste Zeile Ihrer Anfrage.

Was ein 1.050.000-Token-Fenster tatsächlich bedeutet

Die dokumentierten Zahlen sind ein Kontextfenster von 1.050.000 Token, eine maximale Eingabe von 922.000 Token, eine maximale Ausgabe von 128.000 Token und ein Wissensstichtag vom 30. April 2026.

Fangen Sie mit der Rechnung an, die viele übersehen: 922.000 plus 128.000 ergibt 1.050.000. Das Fenster wird zwischen dem, was Sie senden, und dem, was das Modell zurückgeben darf, aufgeteilt, und die Obergrenze für die Ausgabe wird davon reserviert. Sie können nicht 1.050.000 Token als Eingabe senden; die praktische Obergrenze für eine einzelne Anfrage liegt bei 922.000 – und darunter, wenn Sie Platz für eine echte Antwort haben möchten.

Was bekommt man für eine Million Tokens in den Einheiten, in denen du tatsächlich arbeitest? Token-zu-Text-Umrechnungen sind Näherungswerte, und diese sind unsere und nicht die von Ope​nAI, aber sie haben die richtige Größenordnung: Bei ungefähr vier Zeichen pro Token liegen 1.050.000 Tokens in der Größenordnung von 750.000 Wörtern oder so etwas wie hunderttausend Zeilen Code. Das ist ein mittelgroßes Repository, vollständig, mit noch Platz für die Tool-Ausgaben, die ein Agent während seiner Arbeit erzeugt. Der Long-Horizon-Fall, für den das Modell verkauft wird, ist genau dieser: ein Agent, der vor einer Stunde eine Datei gelesen hat und immer noch sehen kann, was darin stand, statt eines Agenten, der den Morgen in einen Absatz Zusammenfassung komprimiert hat.

Dann der Teil, der eher auf eine Preisseite als auf eine Spezifikationsseite gehört. In der Modelldokumentation von Ope​nAI heißt es, dass Prompts mit mehr als 272.000 Eingabe-Tokens mit 2x Eingabe- und Cache-Tarifen sowie 1,5x Ausgabe für die gesamte Anfrage abgerechnet werden. Auf der Preisseite steht es als zweite Zeile: Long Context kostet bei GPT-6 Astra 20,00 $ Eingabe, 2,00 $ gecachte Eingabe und 75,00 $ Ausgabe. Die oberen drei Viertel dieses Fensters sind also ein Preisband, nicht bloß Spielraum. Ein Lauf, dessen Transkript über 272.000 Tokens liegt, zahlt für jeden Eingabe-Token das Doppelte – auch für die gecachten – und zwar für die gesamte Anfrage, und das ist die größte Schwankung in der Ökonomie dieses Modells. Sie wird unten vollständig durchgerechnet.

Ein weiterer Mechanismus, den man kennen sollte, denn er ist das eigene Eingeständnis des Anbieters, dass ein einziges Fenster nicht die ganze Antwort ist. Für Co​dex beschreibt Ope​nAI einen experimentellen Kontext-Ansatz, der mit Astra ausgeliefert wird, bei dem Notizen über Kontextfenster hinweg bestehen bleiben, statt wiederholt in eine einzige Zusammenfassung komprimiert zu werden, wobei frühere Fenster durchsuchbar bleiben, sodass Anforderungen und Testergebnisse aus früheren Nachrichten und Tool-Ausgaben auffindbar bleiben. Ope​nAI nennt ihn experimentell, sagt, dass er in der Co​dex config.toml aktiviert ist, und sagt, dass er zum Standard für Astra werden wird. Wenn Sie das Äquivalent selbst auf der API bauen, ist das die Form, die es zu kopieren gilt: dauerhafte Notizen plus abrufbare Historie statt eines einzigen heroischen Prompts.

Und die Grenze der Zahl selbst: Ein großes Fenster ist eine Kapazität, keine Garantie für Aufmerksamkeit über dessen gesamte Länge. Die vom Anbieter gemeldeten Long-Horizon-Werte sind ein besserer Anhaltspunkt für das Verhalten als die Token-Anzahl — OpenAI berichtet für OSWorld 2.0 72,6 % bei ungefähr 40 Minuten pro Aufgabe und für Terminal-Bench 4.0 57,9 % gegenüber 37,3 % für GPT-5.6 Sol. Das sind OpenAIs eigene Zahlen, die wir nicht reproduziert haben, und das unabhängige Bild ist ähnlich, aber nicht identisch: Artificial Analysis hat Astra mit 59,1 % auf Terminal-Bench v4.0 gemessen, gegenüber 52,0 % für Claude Fable 5.1 und 39,9 % für GPT-5.6 Sol. Beide stimmen darin überein, dass die Long-Horizon-Lücke gegenüber der vorherigen Generation real ist; keines von beiden ist ein Ersatz für das Ausführen Ihrer eigenen Aufgabe.

Eingabemodalitäten und die Dateifrage ehrlich offen gelassen

Auf der Modellseite von OpenAI werden als Eingabemodalitäten Text und Bild aufgeführt, mit Textausgabe. Kein Audio, kein Video, keine Bilderzeugung bei diesem Modell.

Bildeingabe wird als Inhaltsteil innerhalb einer Benutzernachricht übergeben. Der Teiltyp ist input_image, und das Bild wird entweder als vollständig qualifizierte URL oder als Base64-Daten-URL unter image_url oder als file_id aus der Files API angegeben. Es gibt ein optionales detail mit auto, low, high oder original, standardmäßig auto. Die Struktur ist:

{"model": "gpt-6-astra", "input": [{"role": "user", "content": [{"type": "input_text", "text": "Was hat sich in diesem Screenshot geändert?"}, {"type": "input_image", "image_url": "data:image/png;base64,...", "detail": "high"}]}]}

Die Vision-Dokumentation von OpenAI führt PNG, JPEG, WEBP und nicht animierte GIFs als akzeptierte Formate auf, mit bis zu 512 MB Gesamt-Payload pro Anfrage und bis zu 1.500 Bildern pro Anfrage, wobei Bilder mit mehr als 30.000 Patches abgelehnt statt herunterskaliert werden. Dabei handelt es sich um die allgemeinen Vision-Limits der Plattform und nicht um Astra-spezifische, und Bilder werden wie jede andere Eingabe als Tokens abgerechnet.

Nun die Frage, mit der Leser tatsächlich ankommen, und die ehrliche Antwort. Können Sie Dateien oder PDFs senden? Wir konnten die Dokumenteingabe für dieses Modell in Ope​nAIs Dokumentation nicht bestätigen, und wir werden nicht suggerieren, dass sie funktioniert. Die Responses API definiert zwar einen input_file-Inhaltsteil, die Infrastruktur existiert also grundsätzlich in der API; aber Ope​nAIs Seite für GPT-6 Astra führt Text und Bild als Eingabemodalitäten auf und listet Datei nicht auf, und wir haben keine Aussage von Ope​nAI gefunden, die PDF-Eingabe für diesen Endpunkt dokumentiert. Eine Router-Auflistung für dasselbe Modell zeigt Datei allerdings neben Text und Bild — betrachten Sie das als vom Router gemeldet, also als das, was ein Router über eine Route verzeichnet, und nicht als das, was der Anbieter garantiert. Wenn Dokumenten-Ingestion für Ihren Workload tragend ist, testen Sie sie gegen den echten Endpunkt, bevor Sie darauf aufbauen, und halten Sie einen OCR-zu-Text-Fallback bereit. Das ist der Unterschied zwischen einem Nachmittag voller Tests und einer Neuimplementierung.

Die vollständige Preislinie und ein langfristiger, durchgerechneter Lauf

Jede Zahl in diesem Abschnitt wurde von Ope​nAIs eigener Preisgestaltungsseite am 16. September 2026 abgelesen, und alle Angaben beziehen sich auf eine Million Token in der Stufe Standard, sofern in der jeweiligen Zeile nichts anderes angegeben ist.

• Kurzer Kontext, bis zu 272K Eingabe — 10,00 $ Eingabe, 1,00 $ gecachte Eingabe, 12,50 $ Cache-Schreiben, 50,00 $ Ausgabe.

• Langkontext, über 272K Eingabe — 20,00 $ Eingabe, 2,00 $ gecachte Eingabe, 25,00 $ Cache-Schreibvorgang, 75,00 $ Ausgabe, auf die gesamte Anfrage angewendet.

• Batch and Flex — die Hälfte von Standard: 5,00 $ / 0,50 $ / 6,25 $ / 25,00 $ kurzer Kontext, 10,00 $ / 1,00 $ / 12,50 $ / 37,50 $ langer Kontext.

• Fast-Modus — doppelt so viel wie Standard: 20,00 $ / 2,00 $ / 25,00 $ / 100,00 $ kurzer Kontext, 40,00 $ / 4,00 $ / 50,00 $ / 150,00 $ langer Kontext. OpenAI weist darauf hin, dass der Fast-Modus für GPT-6 Astra mit EU-Datenresidenz nicht verfügbar ist.

• Datenresidenz — Endpunkte, die sie nutzen, kosten einen Aufschlag von 10 % für Modelle, die am oder nach dem 5. März 2026 veröffentlicht wurden. GPT-6 Astra qualifiziert sich, daher liegt ein Residenz-Deployment 10 % über allen oben genannten Zahlen.

Die Zeile, die man verinnerlichen sollte, ist der Preis für gecachte Eingaben. $1.00 gegenüber $10.00 sind ein Rabatt von 90 % auf den Teil des Prompts, den Sie erneut senden – und bei einer Agenten-Workload ist das fast der ganze Prompt. Cache-Schreibvorgänge werden mit $12.50 abgerechnet, also dem 1,25-Fachen des Preises für ungecachte Eingaben, sodass der Break-even einfach ist: 100.000 Tokens, die zweimal ungecacht gesendet werden, kosten $2.00, während es $1.35 kostet, dieses Präfix einmal zu schreiben und einmal wieder zu lesen. Caching zahlt sich ab der zweiten Wiederverwendung aus, und ein Agent, der denselben Gesprächsverlauf hundert Turns lang bearbeitet, verwendet ihn hundertmal wieder.

Womit wir bei der Rechnung wären, die tatsächlich darüber entscheidet, ob dieses Modell bezahlbar ist, denn der beworbene Preis ist nicht die Zahl, die am Ende auf der Rechnung landet. Hier ist ein modellierter Durchlauf – unserer, auf Grundlage der von OpenAI veröffentlichten Preise, keine gemessene Rechnung – für die Art von Aufgabe, für die das Modell verkauft wird: ein autonomer Coding-Agent, der über ein paar Stunden eine Migration im Repo-Maßstab durchführt, 120 Modellaufrufe, ein Arbeits-Transkript, das sich ansammelt und dabei durchschnittlich etwa 500.000 Eingabe-Tokens pro Aufruf umfasst, wovon 80 % dieser Eingabe aus dem Cache bedient werden, und 400.000 Ausgabe-Tokens über den gesamten Durchlauf hinweg, einschließlich Reasoning.

Bei Standard-Tarifen für kurzen Kontext:

• Nicht gecachte Eingabe — 12 Mio. Token × 10,00 $ = 120,00 $

• Zwischengespeicherte Eingabe — 48 Mio. Tokens × 1,00 $ = 48,00 $

• Ausgabe — 0,4M Token × 50,00 $ = 20,00 $

• Gesamt ≈ 188,00 $ für den Durchlauf

Derselbe Lauf im Long-Context-Band, was ein Transkript, das über 272.000 Tokens pro Aufruf liegt, tatsächlich bekommt:

• Nicht gecachte Eingabe — 12 Mio. Tokens × 20,00 $ = 240,00 $

• Zwischengespeicherte Eingabe — 48 Mio. Tokens × 2,00 $ = 96,00 $

• Ausgabe — 0,4 Mio. Token × 75,00 $ = 30,00 $

• Gesamt ≈ 366,00 $ für den Durchlauf

Daraus ergeben sich zwei Schlussfolgerungen, und keine davon ist an der beworbenen Rate abzulesen. Erstens: Wo Ihr Transkript liegt, zählt genauso viel wie die Wahl des Modells – dieselbe Aufgabe kostet je nachdem, ob sie die 272K-Schwelle überschreitet, ungefähr doppelt so viel, was Kontextdisziplin (die richtigen 100K abrufen, statt 600K mitzuführen) zu einer Kostenkontrolltechnik bei diesem Modell macht, nicht nur zu einer Leistungstechnik. Zweitens: Caching ist mehr wert, als der Rabatt vermuten lässt: Ohne jegliche Cache-Treffer umfasst das erste Szenario $600.00 an Input statt $168.00, und der Durchlauf kostet etwa $620 statt $188. Schalten Sie Caching ein, bevor Sie den Reasoning-Aufwand erhöhen.

Für die Baseline ergibt dieselbe Token-Mischung auf GPT-5.6 Sol zu den Tarifen, die Ope​nAIs Preisseite am 16. September zeigte – 4,00 $ Input, 0,40 $ gecachter Input, 20,00 $ Output bei kurzem Kontext – ungefähr 75,20 $, und bei Sols Langkontext-Zeile (8,00 $ / 0,80 $ / 30,00 $) ungefähr 146,40 $. Damit liegt dieser Durchlauf bei rund 2,5x in beiden Bändern. Zwei Einschränkungen zu diesem Faktor, denn er hat anderswo bereits für Verwirrung gesorgt: Sols Zahl ist ein Aktionspreis – Ope​nAI zufolge ist die Aktion mindestens bis zum 21. November 2026 verfügbar –, während Astmas eine Listenpreisangabe ist; der Faktor vergleicht also die beiden heutigen Preiskarten und keine stabile Eigenschaft der Modelle, und er verringert sich, wenn die Aktion ausläuft. Und die ältere „2,5x“, die für Astra kursiert, wird manchmal gegen Sols Voraktions-Listenpreis von 5,00 $/30,00 $ berechnet, was 2x beim Input und etwa 1,67x beim Output ergibt. Nennen Sie, welchen Sol-Tarif Sie meinen, sonst ist die Zahl wertlos.

Noch eine Zeile: Der Batch-Tarif halbiert all das, womit der erste Durchlauf bei rund 94 $ landet. Ob Sie ihn nutzen können, hängt vom nächsten Abschnitt ab.

Zero Data Retention und der Rabatt, der sich selbst disqualifiziert

OpenAI erklärt, dass Zero Data Retention für berechtigte API-Kunden an unterstützten Endpunkten verfügbar ist, vorbehaltlich einer Genehmigung – und beide Hälften dieses Satzes haben echte Bedeutung. Es ist kein Selbstbedienungs-Schalter: Die Berechtigung setzt die vorherige Genehmigung durch OpenAI und die Akzeptanz zusätzlicher Anforderungen voraus, und Sie starten es, indem Sie mit dem Vertrieb sprechen. Nach der Genehmigung wird es auf Organisations- oder Projektebene unter Einstellungen → Organisation → Datenkontrollen auf dem Tab Datenaufbewahrung konfiguriert, wo ein Projekt den Organisationsstandard erben, ZDR explizit festlegen, Modified Abuse Monitoring auswählen oder beides deaktivieren kann.

Was sich in der Praxis ändert: ZDR schließt Kundeninhalte von Missbrauchsüberwachungsprotokollen aus, wodurch die standardmäßige Aufbewahrung von bis zu 30 Tagen ersetzt wird, und der store-Parameter bei /v1/responses und /v1/chat/completions wird als false behandelt, selbst wenn eine Anfrage versucht, ihn auf true zu setzen.

Das Detail, das auf einer Seite über Kosten am meisten zählt: /v1/batches steht nicht auf der Liste der für ZDR geeigneten Endpunkte. Ope​nAIs Seite zu den Datenkontrollen führt ihn als nicht geeignet auf, wobei der Anwendungsstatus bis zur Löschung beibehalten wird. Auf GPT-6 Astra schließen sich der 50%-Rabatt der Batch-Stufe und Zero Data Retention daher gegenseitig aus – eine compliance-gebundene Workload, die ZDR benötigt, sollte mit dem Standard-Tarif kalkulieren, nicht mit dem Batch-Tarif, und der oben genannte Betrag von 94 $ steht ihr nicht zur Verfügung.

Drei weitere Vorbehalte, klar ausgesprochen, weil eine Seite, die ZDR überverkauft, schlechter ist als eine, die es auslässt. ZDR ist nicht absolut: Unter „Eyes Off“ behält sich OpenAI das Recht vor, Modelle für bestimmte Kunden von ZDR auszunehmen, mit vorheriger schriftlicher Benachrichtigung, und unter „Safety Retention“ können Inhalte aufbewahrt und von Menschen überprüft werden, wenn Klassifikatoren ein schwerwiegendes Risiko melden. Bild- und Dateieingaben, die wegen möglicher CSAM gekennzeichnet werden, werden auch unter ZDR für die manuelle Prüfung aufbewahrt. Und ZDR endet an OpenAIs Grenze – wenn Ihr Agent einen entfernten MCP-Server oder die API eines anderen Anbieters aufruft, unterliegt dieser Datenverkehr der Aufbewahrungsrichtlinie jener Partei, nicht dieser hier. Separat betrachtet ist Datenresidenz eine andere Kontrolle als ZDR, erfordert eine eigene Genehmigung und außerhalb der Vereinigten Staaten eine Änderungsvereinbarung zu Modified Retention und bringt den oben genannten Aufschlag von 10 % mit sich. Wenn Sie sich unter ZDR auf Caching verlassen, lesen Sie auf OpenAIs Seite zu Datenkontrollen nach, was Caching aufbewahrt; wir werden keine Aufbewahrungszahl dafür abdrucken, die wir dort nicht selbst lesen konnten.

Rate-Limits wie dokumentiert, und das, was zuerst zuschlägt

Die Modellseite von OpenAI veröffentlicht diese Limits je Tarifstufe für GPT-6 Astra – Anfragen und Tokens pro Minute, dann das Batch-Warteschlangenlimit:

• Stufe 1 — 500 RPM, 500.000 TPM, Batch-Warteschlange 1.500.000

• Stufe 2 — 5.000 U/min, 1.000.000 TPM, Batch-Warteschlange 3.000.000

• Stufe 3 — 5.000 RPM, 2.000.000 TPM, Batch-Warteschlange 100.000.000

• Stufe 4 — 10.000 U/min, 4.000.000 Transaktionen pro Minute, Stapelwarteschlange 200.000.000

• Stufe 5 — 15.000 U/min, 40.000.000 TPM, Batch-Warteschlange 15.000.000.000

Zwei Limits, die wir als nicht dokumentiert benennen, statt sie zu ergänzen: Es gibt kein veröffentlichtes Free-Tier-Limit, weil GPT-6 Astra überhaupt nicht im Free-Tier enthalten ist; und wir haben keine veröffentlichte Obergrenze oberhalb von Tier 5 und keine separate Limit-Tabelle für Fast mode gefunden. Wenn ein Anbieter kein Limit veröffentlicht hat, behandle das Fehlen als ungeklärt — gehe nicht davon aus, dass es unbegrenzt ist.

Die Zahl, die bei einer Agent-Workload zuerst zuschlägt, ist die 500.000-TPM-Grenze von Tier 1. Ein einzelner Aufruf dieses Modells kann ein Transkript mit 500.000 Tokens umfassen, was bedeutet, dass eine Anfrage auf der Einstiegsstufe eine ganze Minute Ihres Tokenbudgets verbrauchen kann. Ein Kontextfenster mit einer Million Tokens nützt einem Agenten wenig, der über 120 Turns hinweg auf demselben Transkript hockt, wenn die Stufe die Tokens nicht liefern kann. Dimensionieren Sie die Stufe anhand des Token-Volumens aus dem obigen Rechenbeispiel, nicht anhand der Anzahl der Anfragen – und beachten Sie, dass der Stufenaufstieg von Ausgaben und Kontohistorie abhängt; es lohnt sich daher, ihn vor einer Deadline zu erreichen statt während einer.

Azure und AWS Bedrock, jeweils eine Zeile

• Microsoft Azure — GPT-6 Astra ist in Microsoft Foundry unter derselben gpt-6-astra-ID bereitstellbar, wobei die Foundry-Berichterstattung die allgemeine Verfügbarkeit auf Anfang September 2026 datiert und Bereitstellungen in Global Standard und US Data Zone meldet, kein EU Data Zone zum Start, und Preise auf oder nahe der OpenAI-Liste mit einer Langkontext-Zeile. Wir haben das aus der Foundry-Berichterstattung und nicht von Microsofts eigener Katalogseite, die wir heute nicht erreichen konnten — überprüfen Sie die aktuelle Bereitstellungsliste, den Regionsumfang und den Tarif in Microsofts eigener Dokumentation, bevor Sie eine Bereitstellung darauf planen.

• AWS Bedrock — aufgeführt als openai.gpt-6-astra, verfügbar über unterstützte Bedrock-APIs und bestätigt im wöchentlichen Roundup von AWS vom 15. September 2026, mit Bedrocks eigenem Governance-Perimeter (VPC-Endpunkt-Isolierung, KMS-Verschlüsselung, Guardrails) und der Aussage von AWS, dass Inferenzdaten nicht für das Modelltraining verwendet werden. Die gemeldete In-Region- und geografische Cross-Region-Inferenz auf Bedrock wird 10 % über den Grundtarifen abgerechnet; diese Angabe ist in unserer Lesart aus zweiter Hand, prüfen Sie daher die eigene Preisseite von AWS.

Keiner der beiden Wege ändert das Modell. Beide ändern die Beschaffung, und für einen Enterprise-Leser ist genau das der eigentliche Punkt: Eine Foundry- oder Bedrock-Bereitstellung kann in einem bestehenden Cloud-Commitment sitzen, dessen IAM-, Logging- und Netzwerkgrenzen erben und auf einer Rechnung landen, die die Finanzabteilung bereits genehmigt hat – häufig der Unterschied zwischen einem Pilotprojekt und etwas, das tatsächlich ausgeliefert wird. Der Kompromiss besteht darin, dass man den Modell-Lebenszyklus der Cloud und den Tarif der Cloud übernimmt, und beide Clouds liegen Berichten zufolge auf oder über dem Listenpreis von Ope​nAI, nicht darunter.

Wo ein Router passt, einschließlich der Punkte, die dagegen sprechen

GPT-6 Astra ist im OrcaRouter-Katalog als openai/gpt-6-astra gelistet, und OrcaRouter gibt den Listenpreis des Anbieters mit 0 % Aufschlag weiter — der Preis des Anbieters ist unser Preis, und eine Preisänderung des Anbieters schlägt noch am selben Tag auf Ihrer Rechnung nieder, nicht erst bei der Verlängerung. Bei einem Modell zu diesem Preis ist das keine Behauptung, die auf Rundungsfehler hinausläuft: Die obige Rechnung ist dieselbe Rechnung, die Sie direkt bezahlen würden.

Das ehrliche Argument für Routing ist hier nicht der Preis, sondern die Umkehrbarkeit. Astra kostet etwa 2,5-mal so viel wie das Modell darunter, und seine Kosten schwanken an einer Schwelle, die Ihre Architektur steuert, deshalb wollen die meisten Teams es an einem Ausschnitt echten Traffics ausprobieren, bevor sie sich auf einen Produktionspfad festlegen. Mit einem einzigen Schlüssel können Sie es hinter denselben Endpunkt stellen wie die Modelle, die Sie bereits betreiben, ihm einen Teil des Traffics zuführen und automatisch auf etwas Günstigeres ausweichen, wenn es den Aufpreis nicht einspielt — eine Konfigurationsänderung statt einer Migration, wobei eine API über 200 Modelle abdeckt, eine Routing-DSL mehrere Modelle zu einem einzigen Aufruf zusammenfügt und Modell-Fusion zum Einsatz kommt, wenn Sie möchten, dass ein Panel gemeinsam antwortet.

Die Gegenargumente, so klar wie möglich formuliert. Ein Router ist ein zusätzlicher Hop im Anfragepfad und eine weitere Partei im Datenfluss – und in diesem Modell ist das nicht hypothetisch, denn ZDR wird bei OpenAI pro Organisation genehmigt, und eine geroutete Anfrage ist nicht automatisch durch Ihre ZDR-Genehmigung abgedeckt. Wenn Sie regulierte Daten senden, prüfen Sie die Datenbedingungen der Route, bevor Sie sie senden, und seien Sie darauf vorbereitet, sich für diesen Workload direkt an den Anbieter zu wenden. Routing fügt außerdem eine Komponente hinzu, die ausfallen oder Latenz verursachen kann, und es macht den Austausch von Modellen so einfach, dass es möglich ist, zu ändern, was Ihren Nutzern antwortet, ohne es zu prüfen. Nichts davon überwiegt für die meisten Teams das Argument der Erprobung und Umkehrbarkeit; all das ist wissenswert, bevor Sie entscheiden, dass der Router kostenlos ist. Wir haben die Routing-Plattformen in einem separaten Artikel gegeneinander antreten lassen, statt den Vergleich hier zu wiederholen.

Drei Fragen, die keine Ein-Satz-Antworten sind

Kann ich GPT-6 Astra fine-tunen oder es mit der Assistants API verwenden? Nein, in beiden Punkten, und das ist eine Design-Grenze und nicht etwa eine Konfiguration, die Sie übersehen haben. Auf der Modellseite von Ope​nAI sind Chat Completions, Responses und Batch als unterstützte Endpunkte aufgeführt, und Fine-tuning und Assistants werden ausdrücklich als nicht unterstützt genannt; außerdem gibt es in der Fine-Tuning-Preistabelle von Ope​nAI keine Zeile für GPT-6 Astra. Wenn Ihre Architektur von einem feinabgestimmten Flaggschiff abhängt, muss Astra stattdessen über Prompts gesteuert werden, wodurch sich die Kosten vom Training auf die Eingabe-Tokens verlagern — und bei 10,00 $ pro Million bei einem großen System-Prompt ist das eine echte Budgetposition und keine Fußnote.

Wird das Modell Sicherheitsarbeit ablehnen, für die ich autorisiert bin?Manchmal ja – und das sollte man wissen, bevor man etwas baut. GPT-6 Astra ist das erste OpenAI-Modell, das im Preparedness Framework des Unternehmens die Schwelle für kritische Cybersicherheitsfähigkeiten erreicht, und im Auslieferungszustand verweigert es fortgeschrittene Cyber-Aufgaben wie das Schreiben von Proof-of-Concept-Exploits. OpenAI erklärt, den Zugang über sein Daybreak-Programm mit weniger restriktiven Schutzmaßnahmen erweitern zu wollen. Für einen Verteidiger zeigt sich das als Verweigerung, die weder ein Rate Limit noch ein Bug ist – rechnen Sie in Ihrer Fehlerbehandlung damit, statt weiter darauf zu wiederholen.

Brauche ich eine spezielle Genehmigung, um dieses Modell aufzurufen? Nicht für den Standard-Endpunkt – es gibt keine Warteliste und keinen Genehmigungsschritt, um gpt-6-astra aufzurufen, nur ein Konto mit Abrechnung. Was Sie möglicherweise genehmigen lassen müssen, ist alles drumherum: Zero Data Retention, das antragsgebunden ist; Datenresidenz außerhalb der Vereinigten Staaten, die eine eigene Zusatzvereinbarung erfordert; und eine Höherstufung der Stufe, wenn Sie Token-Volumen im Agentenmaßstab über ein Konto der Stufe 1 schicken wollen. Das Modell ist der einfache Teil der Beschaffung.

Worauf man achten sollte – und wer jetzt handeln sollte

Wenn Sie auf diesem Modell aufbauen, sind die vier Dinge, die es zu überwachen gilt, alle anbieterseitig und alle datiert. Ob Ope​nAI einen datierten Snapshot für gpt-6-astra veröffentlicht – was die bloße ID zu einem beweglichen Ziel machen und Pinning erst sinnvoll machen würde. Ob sich die 272.000-Token-Schwelle verschiebt, denn diese einzelne Zeile ist für Ihre Rechnung mehr wert als jeder Benchmark auf der Seite. Ob sich die Tarife von Bedrock und Foundry Ope​nAIs Listenpreis annähern oder darüber bleiben, denn das entscheidet die Beschaffungsroute ebenso wie das Modell. Und ob das Daybreak-Programm daran etwas ändert, was der Endpunkt verweigern wird – was für Sicherheitsteams den Unterschied zwischen einem nutzbaren Werkzeug und einer Demo ausmacht.

Was die Frage betrifft, wer handeln sollte: Die Aufteilung ist eindeutig. Wenn Sie bereits zu Aktionspreisen für GPT-5.6 Sol für Agentenarbeit mit langem Horizont bezahlen, ist der Faktor 2,5 real, und die Frage ist eng umrissen: Übersteigt die Aufgabenabschlussquote in Ihrer eigenen Arbeitslast den Preisunterschied? Lassen Sie es auf einem Ausschnitt echten Traffics laufen und finden Sie es heraus – das obige durchgerechnete Beispiel zeigt Ihnen, was der Ausschnitt kostet, bevor Sie beginnen. Wenn Ihre Arbeit aus Chat mit kurzem Kontext oder Klassifizierung mit hohem Volumen besteht, ist das nicht Ihr Modell; die Neubepreisung für langen Kontext und der Ausgabetarif von 50,00 $ machen es zu einem teuren Weg, etwas zu tun, was GPT-5.6 Luna für einen Bruchteil des Preises erledigt. Und wenn Sie ein Unternehmen mit Compliance-Anforderung sind, beginnen Sie zuerst mit dem ZDR-Gespräch, denn es bestimmt den Batch-Rabatt, den Residenz-Aufschlag und Ihre Wahl der Route – und nichts davon ist eine Entscheidung, die Sie an dem Tag treffen können, an dem Sie sie brauchen.