OpenAI Astra: Alles, was wir über das Modell wissen, das nicht GPT-6 ist

Das, was Sie heute herunterladen können, ist kein Modell. Es sind zehn Dateien mit Lean-Code. Am 1. August 2026 veröffentlichte OpenAI einen Forschungsbeitrag über Mathematik, und darin versteckt fand sich die erste Bestätigung des Namens seines nächsten Frontier-Systems: Astra. Es gibt keine Modellkarte, keine Preisseite, keinen API-Endpunkt und kein Datum. Das aktuelle Flaggschiff, das Sie tatsächlich aufrufen können, ist weiterhin GPT-5.6 Sol, zu 5 $ pro Million Eingabe-Tokens und 30 $ pro Million Ausgabe-Tokens, genau wie seit dem 9. Juli.

Falls Sie nach GPT-6 gesucht haben, hier ist die Kurzfassung: OpenAI hat nie ein Modell mit diesem Namen angekündigt, und bis heute hat es nicht entschieden, ob Astra als GPT-6, als GPT-5-Punkt-Release wie GPT-5.7 oder als vierte Stufe neben Sol, Terra und Luna ausgeliefert wird. Diese Namensuneindeutigkeit ist keine Pressescheu. Es ist eine interne offene Frage, berichtet von The Information am 31. Juli und seitdem nicht geklärt.

Im Folgenden werden drei Dinge voneinander getrennt, die die meisten Berichterstattungen zu dieser Geschichte vermischen: was OpenAI selbst erklärt hat, was glaubwürdige Berichte ergänzen und was ohne Quellenangabe kursiert. Die Beweise sind echte Artefakte, die man kompilieren kann. Die Zahl von 10 Billionen Parametern ist eine Zahl, die jemand im Internet getippt hat. Diese verdienen ein sehr unterschiedliches Gewicht.

Was OpenAI tatsächlich sagte — und die viel längere Liste dessen, was es nicht sagte

Die Ankündigung kam nicht als Produkteinführung daher. Sie kam als Paper. OpenAIs Beitrag beschrieb Ergebnisse, die von „einer internen Version von Astra, unserem nächsten großen Modell“ erzielt wurden, bei Problemen, die in seiner Darstellung beim Hauptergebnis seit mindestens einem Jahrzehnt keine Fortschritte gesehen hatten. Astra wurde als ein System beschrieben, das für langwierige Arbeiten gebaut wurde: mehrere Agenten, die über längere Zeiträume hinweg an verschiedenen Teilen eines großen Problems koordiniert arbeiten, anstatt in einem einzigen Durchgang zu antworten.

Das kommt der gesamten offiziellen technischen Beschreibung nahe. Demgegenüber ist die Liste der Fehlstellen auffällig:

• Bestätigt von OpenAI — der Name Astra; dass es sich um das „nächste große Modell“ handelt; dass eine interne Version zehn Ergebnisse erzielte; die Entwurfsabsicht für Multi-Agenten und einen langen Zeithorizont; ein 249-seitiges Manuskript; Lean-4-Zertifikate in einem öffentlichen Repository; eine Token-Kostenschätzung, die mit den Sätzen von GPT-5.6 Sol angegeben wird.

• Von OpenAI nicht angegeben — Veröffentlichungsdatum; Preis; Kontextfenster; Parameteranzahl; etwaige Benchmark-Ergebnisse; die Modellkarte; ob es in ChatGPT verfügbar ist oder nur über die API; wie viele Agenten liefen, wie lange, auf welcher Hardware; die Prompts; die Erfolgsquote; der finale Produktname.

Glaubwürdige Berichterstattung füllt ein wenig auf. The Information berichtete, dass Sam Altman Ende Juli politischen Entscheidungsträgern in Washington Astra vorführte — ein Briefing, an dem laut dieser Berichterstattung die Senatoren Raphael Warnock, Bernie Moreno und Mark Warner teilnahmen, wobei auch Finanzminister Scott Bessent und Handelsminister Howard Lutnick anwesend waren. Die Modellfamilie wird als bereits in der Erprobung beschrieben, wobei „Astra“ selbst noch eine vorläufige Bezeichnung ist.

Niemand außerhalb von OpenAI hat dieses Modell auf irgendetwas ausgeführt. Jede im Umlauf befindliche Fähigkeitsbehauptung geht entweder auf die zehn veröffentlichten Beweise oder auf eine Demo zurück, die die Öffentlichkeit nicht gesehen hat.

Die zehn Beweise: ungewöhnlich überprüfbar und immer noch nicht geklärt

Genau hier ist die Ankündigung tatsächlich stärker als eine typische Benchmark-Veröffentlichung, und es lohnt sich, präzise zu erklären, warum. OpenAI hat keinen Score veröffentlicht und darum gebeten, ihm zu glauben. Es veröffentlichte maschinell überprüfbare Artefakte unter Apache 2.0 im Repository openai/ten-proofs — eine Lean-Datei pro Ergebnis, festgelegt auf Lean 4.32.0 mit einer mathlib-Abhängigkeit, zusammen mit einem ComparatorChallenges-Verzeichnis für die unabhängige Überprüfung. Das Repository wurde am 1. August als einzelner Commit eingespielt und hat seitdem mehrere hundert Sterne und Dutzende Forks erhalten.

Die zehn Ergebnisse, wie das Repository sie nennt, erstrecken sich über eine ungewöhnlich breite Spanne von Feldern:

• Gruppentheorie — die Konstruktion einer nicht-sofischen Gruppe, die eine seit 1999 offene Frage negativ beantwortet. Sofizität ist eine Eigenschaft, die fast jede Gruppe, mit der Mathematiker arbeiten, erfüllt; ob jede abzählbare diskrete Gruppe sie erfüllen muss, stand 27 Jahre lang offen.

• Operatoralgebren — ein Gegenbeispiel zur Starrheitsvermutung von Connes, die der Fields-Medaillengewinner Alain Connes 1980 aufgestellt hat.

• Hochdimensionale Geometrie — eine Verbesserung der Kugelpackungsmethode, die als erste ihrer Art seit 1978 berichtet wurde — sowie eine scharfe Form der Ehrhart'schen Volumenungleichung.

• Codierungstheorie — neue Schranken für binäre und sphärische Codes.

• Komplexität — eine arithmetische Schaltkreis-Untergrenze für die Permanente und ein exponentielles Parallel-Wiederholungs-Ergebnis für verschränkte Spiele.

• Gitterkryptografie — fest-polynomiale Härte für das Problem des nächsten Vektors.

• Extremale Kombinatorik — die Wachstumsskala der mehrfarbigen Dreiecks-Ramsey-Zahlen und Gegenbeispiele in der extremalen Graphentheorie, einschließlich Arbeiten zu mehreren katalogisierten Erdős-Problemen.

Die Reaktionen von Mathematikern waren eher interessiert denn abweisend. Thomas Bloom, der die Erdős-Probleme-Datenbank pflegt, nannte die Ergebnisse eine große Neuigkeit und stufte sie höher ein als das Gegenbeispiel zur Unit-Distance-Vermutung vom Mai. OpenAIs Noam Brown lieferte die nützliche Ernüchterung von innen: „Leider (noch) keine Millennium-Probleme."

Was ein Lean-Zertifikat entscheidet, und was es offen lässt

Ein Lean-Beweis, der die Typprüfung besteht, ist konstruktionsbedingt gültig. Sie müssen weder OpenAIs Bewertungsmethode, noch deren Wahl der Baselines, noch deren Interpretation der eigenen Ergebnisse vertrauen – Sie können die Dateien kompilieren. Für eine Branche, in der „wir haben 94,1 % erreicht“ das Standardmaß für Evidenz ist, ist das eine bedeutende Verbesserung der Falsifizierbarkeit.

Es ist auch enger, als die Schlagzeilen vermuten lassen, und zwar in vier spezifischen Punkten. Lean prüft, dass der Beweis einer formalen Aussage stichhaltig ist. Es prüft nicht, dass die formale Aussage der Satz ist, den der Text behauptet. Es prüft nicht, dass die kodierten Definitionen dem entsprechen, was das Fachgebiet unter diesen Wörtern versteht. Es prüft nicht die informellen Reduktionen, die die formalen Endpunkte mit dem Ergebnis der Schlagzeile verbinden. Und es sagt nichts über Neuheit aus — ob ein Ergebnis neu ist oder bereits unter einem anderen Namen bekannt.

Alle vier davon sind Fragen menschlicher Urteilskraft, und zum Zeitpunkt der Ankündigung war keine davon einem begutachteten Review unterzogen worden. Das Manuskript erwähnt Konsultationen mit Fachleuten; Danksagungen sind keine Bestätigung jeder Behauptung. Ein veröffentlichter Teilaufbau des Repositoriums kompilierte 8.820 von 9.007 Jobs, was wie eine große reale Formalisierung mitten in der Verifikation aussieht und nicht wie eine abgeschlossene Prüfung. Der ehrliche Status heute ist: zehn ernsthafte, formal kodierte Forschungsaussagen – nicht zehn abgeschlossene Einträge im mathematischen Kanon.

Es gibt eine zweite, leisere Grenze: Der Entdeckungsprozess ist für niemanden außerhalb von OpenAI reproduzierbar. Die Beweise sind öffentlich; das Suchsystem, die Prompts, Checkpoints und die Ausführungsumgebung jedoch nicht. Man kann das Ziel verifizieren. Man kann die Reise nicht erneut durchlaufen.

Die 2.000-Dollar-Zahl und warum man dafür weniger bekommt, als es den Anschein hat.

Die am weitesten verbreitete Zahl war die Kostenangabe. OpenAI bezifferte die Token-Ausgaben für die zehn Lösungen auf etwa 2.000 $, berechnet zu GPT-5.6-Sol-Preisen — also etwa 200 $ pro seit einem Jahrzehnt offenes Problem, bei der gängigsten Lesart des Wortlauts. Einige Berichte lasen denselben Satz als unter 2.000 $ pro Problem, ein zehnfacher Unterschied; der OpenAI-Post ist so knapp, dass beide Lesarten Eingang in die Presse fanden, und wir haben nicht gesehen, dass das Unternehmen dies klargestellt hätte.

Nimmt man die Gesamtsumme und rechnet sie durch. Sol berechnet 5 $ pro Million Eingabe-Token und 30 $ pro Million Ausgabe-Token, wobei Reasoning-Token als Ausgabe abgerechnet werden. Wenn das gesamte Budget für die Ausgabe verwendet würde, erhält man für 2.000 $ höchstens etwa 67 Millionen Ausgabe-Token — also ungefähr 6,7 Millionen pro Problem. Das ist eine Menge Denken, und es ist keine absurde Menge an Denken. Es ist die Art von Budget, das eine gut finanzierte Forschungsgruppe bereits für eine einzige schwierige Frage ausgeben könnte.

Drei Einschränkungen sind wichtiger als die Schlagzeile:

• Es ist ein kontrafaktischer Preis, kein Preis. Astra ist unveröffentlicht und ohne Preis. Die 2.000 $ beschreiben: Diese Token würden bei den Preisen eines anderen Modells kosten. Ein Frontier-System, das für stundenlange Multi-Agenten-Läufe gebaut wurde, hat keinen offensichtlichen Grund, so bepreist zu sein wie Sol, und jeden Grund, höher bepreist zu sein als Sol.

• Es zählt nur die Siege. Es wurde keine Erfolgsquote veröffentlicht. Wir wissen nicht, wie viele Probleme Astra vorgelegt bekam und nicht knacken konnte, oder was diese Versuche kosteten. Eine ohne Erfolgsquote veröffentlichte Kosten-pro-Erfolg-Zahl ist keine Kosten-pro-Ergebnis-Zahl, und der Unterschied könnte eine Größenordnung in beide Richtungen betragen.

• Die Tokens sind der günstige Teil. Menschen haben die Probleme formuliert, die Manuskripte vorbereitet und die Formalisierung vorangetrieben. Diese Arbeit ist nicht in den 2.000 $ enthalten.

Der einzige Teil davon, den Sie heute bepreisen können, ist die Baseline. Da OrcaRouter die Listenpreise der Anbieter ohne Aufschlag (0 %) direkt durchreicht, kostet GPT-5.6 Sol in unserer API genauso $5/$30 wie bei OpenAI. Wenn Sie also die Rechnung anhand Ihrer eigenen Arbeitslast gegenprüfen möchten: Der in der Ankündigung genannte Satz ist der Satz, den Sie tatsächlich zahlen würden. Was noch niemand bepreisen kann, ist Astra selbst – und jeder Anbieter, der Ihnen etwas anderes erzählt, rät nur.

Das Veröffentlichungsdatum wird durch eine 30-Tage-Frist bestimmt, nicht durch ein Leak.

Der Großteil der „Wann kommt GPT-6?"-Berichterstattung ist Gerüchtearithmetik. Es gibt eine konkretere Randbedingung, die offen zutage liegt – und sie wurde bisher kaum mit dieser Frage in Verbindung gebracht.

Ein am 2. Juni 2026 unterzeichneter Präsidialerlass wies die Bundesbehörden an, ein freiwilliges Überprüfungsverfahren einzurichten, bei dem Entwickler von Frontier-Modellen ihre Modelle bis zu 30 Tage vor der öffentlichen Veröffentlichung zur behördlichen Prüfung einreichen. Das Rahmenwerk sollte am 1. August offiziell in Kraft treten – am selben Tag, an dem der Astra-Post veröffentlicht wurde. Berichten zufolge wird erwartet, dass Astra das erste Modell sein wird, das dieses Verfahren durchläuft.

„Freiwillig“ leistet in diesem Satz durchaus etwas Arbeit. In der Praxis hat die Regierung zuvor schon auf den Veröffentlichungszeitpunkt gedrängt, und OpenAIs eigenes jüngstes Verhalten wirkt wie eine Generalprobe: GPT-5.6 wurde vom 26. Juni an rund zwanzig geprüften Organisationen zugänglich gemacht, bevor am 9. Juli der breite Zugang freigegeben wurde – eine gestaffelte Einführung von etwa zwei Wochen.

Nimmt man diese beiden Fakten zusammen, erhält man eher eine grobe Untergrenze als eine Vorhersage. Wenn Astra eine 30-tägige Vorab-Überprüfung durchläuft und dann dem Muster von GPT-5.6 folgt, liegt die allgemeine Verfügbarkeit etwa sechs Wochen nach der Einreichung. Und genau das Einreichungsdatum kennen wir nicht. Deshalb sollten sichere August-Termine mit Vorsicht betrachtet werden: Der entscheidende Schritt ist ein Prozess mit bekannter Dauer, und die Uhr ist offensichtlich noch nicht angelaufen.

Die Prognosemärkte haben sich genau in diese Richtung entwickelt. Gelesen am 5. August 2026 stand die „GPT-6 veröffentlicht bis“-Leiter von Polymarket bei 1 % für den 7. August, 3 % für den 14. August, 13 % für den 21. August, 25 % für den 31. August, 68 % für den 30. September und 89 % für den 31. Dezember, bei einem Volumen von fast einer Million Dollar. Behandeln Sie das als aggregierte Vermutung der Menge, nicht als Quelle – aber beachten Sie, dass die Menge ihr Gewicht auf Q4 verlagert hat.

Es hilft auch, sich die bisherige Bilanz vor Augen zu führen. Jede Behauptung „GPT-6 startet nächste Woche“ der letzten zwölf Monate war falsch. Ein unbestätigtes Leak bezifferte den 14. April 2026 als Veröffentlichungstag; was tatsächlich neun Tage später erschien, war GPT-5.5.

Die Gerüchte, bewertet

Sortiert danach, wie viel Gewicht jede tatsächlich trägt:

• Namensgebung noch unentschieden (GPT-6 / GPT-5.7 / eine separate Klasse). Quelle: The Information. Die zuverlässigste Nicht-OpenAI-Aussage in dieser Geschichte und diejenige, die die Erwartungen zurücksetzen sollte — ein System, das über ein Mathematik-Papier angekündigt wird, wird möglicherweise überhaupt nicht als Generationssprung vermarktet.

• Codenamen „Zinc“ und „Magnesium“ in der Design Arena gesichtet. Community-Sichtung, Einträge angeblich deaktiviert, von OpenAI nicht bestätigt. Zu lesen als: Ein GPT-5.x-Punktrelease könnte durchaus landen vor Astra, was niemandes Erwartungen an GPT-6 erfüllen würde, während es den Nachrichtenzyklus absorbiert.

• Ungefähr 2× GPT-5.6 Sol im Umfang; der Preis liegt in der Nähe des GPT-5.6-Bereichs. Umlaufendes Gerücht. Der Leaker dahinter gab zu, das Modell nicht getestet zu haben. Klingt plausibel und ist völlig unbelegt.

• Ein Kontextfenster mit 1,5 Millionen Tokens. Erscheint in Leak-Übersichten ohne genannte Quelle. Bemerkenswert ist, dass Sol bereits 1.050.000 Tokens ausliefert, das wäre also eine Steigerung, kein Sprung — ein Grund, es als „Leak“ in der Schlagzeile mit Skepsis zu betrachten.

• Ungefähr 10 Billionen Parameter. Keine Quellenangabe, die wir irgendwo finden konnten. Die am häufigsten wiederholte und am wenigsten belegte Zahl in der gesamten Geschichte.

• Speicher und Personalisierung als prägende Richtung. Gestützt auf Altmans eigene öffentliche Äußerungen aus einem Interview vom August 2025 – real, aber ein Jahr alt und allgemein über die Post-GPT-5-Richtung, nicht speziell über Astra.

Was man zwischen jetzt und dem Versand tatsächlich tun sollte

Der falsche Schritt ist, die Architektur für ein Modell ohne Model Card umzubauen. Der richtige Schritt ist, zu erkennen, welche deiner Probleme ein langfristig angelegtes Multi-Agenten-System verändern würde, denn das sind die Teile deines Stacks, die heute unterentwickelt sind, egal was OpenAI herausbringt.

Drei davon lohnen sich gerade jetzt, gegen GPT-5.6 Sol zu bauen:

• Kostenobergrenzen pro Aufgabe, nicht pro Aufruf. Wenn ein einzelner Job stundenlang laufen und sechs oder sieben Millionen Output-Tokens verbrauchen kann, sind Sie durch Begrenzungen pro Anfrage nicht mehr geschützt. Sie brauchen ein Budget, das eine gesamte Aufgabe erbt, und einen harten Stopp.

• Checkpointing und Wiederaufnahmefähigkeit. Ein einmaliger Aufruf gibt entweder zurück oder schlägt fehl. Eine stundenlange Agent-Ausführung, die in der 90. Minute stirbt, ohne dass etwas Dauerhaftes geschrieben wurde, ist eine Kategorie teuren Scheiterns, mit der die meisten Codebasen nie umgehen mussten.

• Eine Bewertung, der Sie vertrauen können, bei Problemen ohne Referenzantwort. Die zehn Beweise sind unter anderem deshalb interessant, weil Lean ein Orakel liefert. Fast nichts in der Produktion tut das. Wenn Sie einen guten sechsstündigen Lauf nicht von einem schlechten unterscheiden können, der plausibel aussieht, wird Ihnen mehr Rechenleistung nicht helfen.

Zur Frage des Wechsels: Astra ist nicht auf OrcaRouter verfügbar, weil es nirgendwo verfügbar ist. Was wir sagen können, ist, dass das Versions-Churn-Problem auf unserer Seite weitgehend gelöst ist. Mit einem einzigen Schlüssel sind 200+ Modelle erreichbar. Ob das nun als GPT-6, GPT-5.7 oder als vierte GPT-5.6-Stufe ausgeliefert wird – die Übernahme ist eine Änderung des Modell-Strings und keine Migration: kein zweiter Vertrag, kein neues SDK. Und speziell bei einem unerprobten Frontier-Modell ist automatisches Failover der Unterschied zwischen der Evaluierung in einer realen Workload und dem Risiko, einen Produktionspfad auf ein System zu setzen, das niemand außerhalb des Labors einem Stresstest unterzogen hat. Man leitet einen Teil des Traffics dorthin, behält Sol als Fallback darunter und findet es heraus.

Beantwortenswerte Fragen

Ist Astra dasselbe wie GPT-6?

Nicht unbedingt, und das ist die folgenschwerste Unbekannte in dieser Geschichte. OpenAI hat Astra als nächstes großes Modell bestätigt, aber sich noch nicht für einen Veröffentlichungsnamen entschieden; Berichten zufolge sind GPT-6, GPT-5.7 und eine separate Klasse neben Sol, Terra und Luna allesamt im Gespräch. Es ist durchaus möglich, dass ein Modell namens GPT-6 nie erscheint, und dass der Fähigkeitssprung, auf den die Leute gewartet haben, unter einem Namen kommt, den niemand auf dem Schirm hatte.

Kann ich Astra heute in irgendeiner Form nutzen?

Nein — nicht in ChatGPT, nicht über die API, nicht über irgendeinen Router oder Wiederverkäufer. Was öffentlich existiert, sind das Paper, die Reasoning-Walkthroughs und das Lean-Repository. Wenn ein Dienst behauptet, Astra-Zugriff anzubieten, verkauft er entweder etwas anderes oder er lügt. Das Einzige, was man mit der Veröffentlichung derzeit wirklich Nützliches tun kann, ist, die Beweise selbst zu kompilieren.

Hat Astra wirklich Probleme gelöst, die menschliche Mathematiker nicht lösen konnten?

Es erzeugte formal verifizierte Beweise für Aussagen, die mindestens ein Jahrzehnt lang offen waren, was ein echtes und ungewöhnliches Ergebnis ist – und die Verifizierung übertrifft die Branchennorm um eine Stufe. Aber „Lean-checked“ ist nicht „peer-reviewed“, und die übergeordnete Frage, ob jede formale Aussage das titelgebende Problem erfasst, ist genau der Teil, den Lean nicht beantworten kann. Fachleute, die die Manuskripte gelesen haben, haben sich positiv geäußert; keines davon hat ein begutachtetes Review durchlaufen. Erwarten Sie, dass sich die Einschätzung im Laufe der Monate festigt – in die eine oder andere Richtung.

Bedeutet die Zahl von 2.000 Dollar, dass Spitzenforschung jetzt billig ist?

Es bedeutet, dass die gewinnenden Token-Läufe günstig waren, zu den Preisen eines anderen Modells, ohne die Fehlschläge und ohne die Menschen. Jede dieser drei Ausgrenzungen könnte groß sein. Die ehrliche Lesart ist, dass die Grenzkosten einer erfolgreichen automatisierten Beweissuche weit genug gesunken sind, um interessant zu sein, nicht dass zehn offene Probleme jetzt den Preis eines Laptops kosten.

Was würde das tatsächlich klären?

Drei konkrete Dinge, von denen keines ein Gerücht ist und die alle überprüfbar sind, wenn sie eintreten.

Eine Modellkarte und eine Preisseite. Das ist der Moment, in dem Astra aufhört, ein Forschungsartefakt zu sein, und zu etwas wird, gegen das man planen kann — und der Moment, in dem sich die Namensfrage von selbst löst.

Ein unabhängiger Neuaufbau des Lean-Repositorys durch Spezialisten, die die Definitionen und die informellen Reduktionen prüfen, nicht nur die Typprüfung. Das Verzeichnis „ComparatorChallenges“ deutet darauf hin, dass OpenAI dies erwartet. Wenn die formalen Aussagen dieser Prüfung standhalten, werden die Ergebnisse deutlich schwerer von der Hand zu weisen sein; wenn sich in auch nur einem der zehn Fälle eine Diskrepanz zeigt, wird jede Behauptung in der Sammlung erneut auf den Prüfstand gestellt.

Der Beleg, dass die bundesbehördliche Prüfungsfrist begonnen hat. Innerhalb eines 30-tägigen Vorabveröffentlichungsfensters ist diese Einreichung das früheste zuverlässige Signal für ein Erscheinungsdatum – deutlich aussagekräftiger als der nächste Screenshot eines deaktivierten Eintrags in einer Arena-Rangliste.

Bis dahin ist die zutreffende Aussage eng und es lohnt sich, daran festzuhalten: Das nächste Flaggschiff von OpenAI hat einen Namen, zehn maschinell überprüfbare Beweise, eine Demo in Washington und sonst nichts. Wer Ihnen ein Datum nennt, rät. Wer Ihnen eine Parameterzahl nennt, erfindet sie.