OpenAI Astra: Alles wat we weten over het model dat geen GPT-6 is

Wat je vandaag kunt downloaden is geen model. Het zijn tien bestanden met Lean-code. Op 1 augustus 2026 publiceerde OpenAI een onderzoeksbericht over wiskunde, en daarin verborgen zat de eerste bevestiging van de naam van zijn volgende frontier-systeem: Astra. Er is geen modelkaart, geen prijspagina, geen API-endpoint en geen datum. Het huidige vlaggenschip dat je daadwerkelijk kunt aanroepen is nog steeds GPT-5.6 Sol, voor $5 per miljoen invoertokens en $30 per miljoen uitvoertokens, precies zoals dat sinds 9 juli het geval is.

Als je zocht naar GPT-6, hier is de korte versie: OpenAI heeft nooit een model met die naam aangekondigd, en tot op heden heeft het nog niet besloten of Astra wordt uitgebracht als GPT-6, als een GPT-5-puntrelease zoals GPT-5.7, of als een vierde niveau naast Sol, Terra en Luna. Die naamgevingsambiguïteit is geen terughoudendheid tegenover de pers. Het is een actuele interne vraag, gemeld door The Information op 31 juli en sindsdien niet opgelost.

Wat volgt scheidt drie dingen die de meeste berichtgeving over dit verhaal door elkaar haalt: wat OpenAI zelf heeft verklaard, wat geloofwaardige verslaggeving toevoegt, en wat circuleert zonder bronvermelding. De bewijzen zijn echte artefacten die je kunt compileren. Het cijfer van 10 biljoen parameters is een getal dat iemand op internet heeft getypt. Die verdienen heel verschillend gewicht.

Wat OpenAI eigenlijk zei — en de veel langere lijst van wat het niet zei

De aankondiging kwam niet als een productlancering. Het kwam als een paper. OpenAI's bericht beschreef resultaten die waren behaald door "een interne versie van Astra, ons volgende grote model," bij problemen die volgens de framing al minstens tien jaar geen vooruitgang hadden geboekt op het belangrijkste resultaat. Astra werd gekarakteriseerd als een systeem dat is gebouwd voor langdurig werk: meerdere agents die coördineren over verschillende onderdelen van één groot probleem over langere perioden, in plaats van in één keer antwoord te geven.

Dat ligt dicht bij de volledige officiële technische beschrijving. Daartegenover is de lijst van ontbrekingen treffend:

• Bevestigd door OpenAI — de naam Astra; dat het het "volgende grote model" is; dat een interne versie tien resultaten produceerde; de multi-agent- en long-horizon-ontwerpintentie; een manuscript van 249 pagina's; Lean 4-certificaten in een openbare repository; een schatting van de tokenkosten tegen GPT-5.6 Sol-tarieven.

• Niet vermeld door OpenAI — releasedatum; prijs; contextvenster; aantal parameters; eventuele benchmarkscore; de modelkaart; of het beschikbaar is in ChatGPT of alleen via de API; hoeveel agents er draaiden, hoe lang, op welke hardware; de prompts; het succespercentage; de uiteindelijke productnaam.

Geloofwaardige berichtgeving vult een en ander aan. The Information meldde dat Sam Altman Astra eind juli in Washington demonstreerde aan beleidsmakers — een briefing die, volgens die berichtgeving, de senatoren Raphael Warnock, Bernie Moreno en Mark Warner omvatte, waarbij ook minister van Financiën Scott Bessent en minister van Handel Howard Lutnick aanwezig waren. De modelfamilie wordt beschreven als al in testfase, waarbij "Astra" zelf nog een voorlopige naam is.

Niemand buiten OpenAI heeft dit model ergens op gedraaid. Elke claim over mogelijkheden die in omloop is, is terug te voeren op de tien gepubliceerde bewijzen of op een demo die het publiek niet te zien kreeg.

De tien bewijzen: opmerkelijk controleerbaar, en nog steeds niet beslecht

Dit is waar de aankondiging daadwerkelijk sterker is dan een typische benchmarkdaling, en het is de moeite waard om precies te zijn over waarom. OpenAI heeft geen score gepubliceerd en gevraagd om geloofd te worden. Het publiceerde machine-controleerbare artefacten onder Apache 2.0 in de openai/ten-proofs-repository — één Lean-bestand per resultaat, vastgezet op Lean 4.32.0 met een mathlib-afhankelijkheid, naast een ComparatorChallenges-map voor onafhankelijke controle. De repository verscheen als een enkele commit op 1 augustus en heeft sindsdien enkele honderden sterren en tientallen forks opgeleverd.

De tien resultaten, zoals de repository ze noemt, bestrijken een ongewoon breed scala aan vakgebieden:

• Groepentheorie — de constructie van een niet-sofische groep, die een sinds 1999 openstaande vraag negatief beantwoordt. Soficiteit is een eigenschap waaraan bijna elke groep waarmee wiskundigen werken voldoet; of elke aftelbare discrete groep eraan moet voldoen, was 27 jaar lang open gebleven.

• Operatoralgebra's — een tegenvoorbeeld dat betrekking heeft op het rigiditeitsvermoeden van Connes, dat in 1980 werd geopperd door Fieldsmedaillewinnaar Alain Connes.

• Hoogdimensionale meetkunde — een verbetering van de bollenstapelmethode, gerapporteerd als de eerste in zijn soort sinds 1978 — plus een scherpe vorm van Ehrharts volume-ongelijkheid.

• Coderingstheorie — nieuwe grenzen voor binaire en sferische codes.

• Complexiteit — een ondergrens voor rekenkundige circuits voor de permanent, en een exponentieel parallel-herhalingsresultaat voor verstrengelde spelen.

• Roostercryptografie — vast-polynomiale hardheid voor het dichtstbijzijnde vectorprobleem.

• Extremale combinatoriek — de groeischaal van meerkleurige driehoeks-Ramseygetallen, en tegenvoorbeelden in de extremale grafentheorie, waaronder werk aan verschillende gecatalogiseerde Erdős-problemen.

Reacties van wiskundigen waren eerder geïnteresseerd dan afwijzend. Thomas Bloom, die de database van Erdős-problemen beheert, noemde de resultaten groot nieuws en stelde ze boven het tegenvoorbeeld van het eenheidsafstandsvermoeden van mei. OpenAI's Noam Brown bood de nuttige relativering van binnenuit: "Helaas, geen Millennium Prize Problems (vooralsnog)."

Wat een Lean-certificaat vastlegt, en wat het openlaat

Een Lean-bewijs dat type-checkt is per constructie geldig. Je hoeft OpenAI's evaluatiemethodologie, de keuze van de baselines of de interpretatie van de eigen resultaten niet te vertrouwen — je kunt de bestanden compileren. Voor een industrie waarin "we scoorden 94,1%" de standaardeenheid van bewijs is, is dat een betekenisvolle verbetering van de falsificeerbaarheid.

Het is ook beperkter dan de krantenkoppen doen vermoeden, op vier specifieke punten. Lean controleert dat het bewijs van een formele bewering klopt. Het controleert niet dat de formele bewering de stelling is die de tekst beweert. Het controleert niet dat de gecodeerde definities overeenkomen met wat het vakgebied onder die woorden verstaat. Het controleert niet de informele reducties die de formele eindpunten verbinden met het hoofdresultaat. En het zegt niets over nieuwheid — of een resultaat nieuw is, of al bekend is onder een andere naam.

Alle vier zijn dat kwesties van menselijk oordeel, en op het moment van de aankondiging was geen ervan door peer review gegaan. Het manuscript vermeldt overleg met specialisten; dankbetuigingen zijn geen goedkeuring van elke bewering. Een gepubliceerde gedeeltelijke build van de repository compileerde 8.820 van de 9.007 taken, wat eruitziet als een grote echte formalisering midden in de verificatie, in plaats van een afgeronde audit. De eerlijke status vandaag is tien serieuze, formeel gecodeerde onderzoeksclaims — geen tien vaststaande vermeldingen in de wiskundige canon.

Er is een tweede, subtielere beperking: het ontdekkingsproces is door niemand buiten OpenAI te reproduceren. De bewijzen zijn openbaar; het zoeksysteem, de prompts, checkpoints en de uitvoeringsomgeving niet. Je kunt de bestemming verifiëren. Je kunt de reis niet opnieuw uitvoeren.

Het bedrag van $2.000, en waarom het minder oplevert dan het lijkt.

Het getal dat het verst reisde, waren de kosten. OpenAI schatte de tokenuitgaven achter de tien oplossingen op ruwweg $2,000, geprijsd tegen GPT-5.6 Sol-tarieven — ongeveer $200 per decenniumoud open probleem, bij de meest gangbare lezing van de formulering. Sommige berichtgeving las dezelfde zin als minder dan $2,000 perprobleem, een tienvoudig verschil; het bericht van OpenAI is beknopt genoeg dat beide lezingen de drukpers haalden, en we hebben het bedrijf dit niet zien verduidelijken.

Neem het gemeten totaal en reken het door. Sol factureert $5 per miljoen invoertokens en $30 per miljoen uitvoertokens, waarbij redeneertokens als uitvoer worden gefactureerd. Als het bedrag volledig aan uitvoer zou worden besteed, levert $2.000 hooguit ongeveer 67 miljoen uitvoertokens op — ruwweg 6,7 miljoen per probleem. Dat is veel denkwerk, en het is geen absurde hoeveelheid denkwerk. Het is het soort budget dat een goed gefinancierde onderzoeksgroep al aan een enkele moeilijke vraag zou kunnen besteden.

Drie kanttekeningen zijn belangrijker dan de kop:

• Het is een contrafeitelijke prijs, geen prijs. Astra is niet uitgebracht en heeft geen prijs. De $2,000 beschrijft wat die tokens zouden kosten tegen de tarieven van een ander model. Een grensverleggend systeem dat is gebouwd voor urenlange multi-agent-runs heeft geen voor de hand liggende reden om geprijsd te worden zoals Sol, en alle reden om erboven geprijsd te worden.

• Het telt alleen de successen. Er is geen succespercentage gepubliceerd. We weten niet hoeveel problemen Astra voorgelegd kreeg en niet wist te kraken, of wat die pogingen kostten. Een kostprijs per succes die zonder succespercentage wordt gepubliceerd, is geen kostprijs per resultaat, en het verschil kan in beide richtingen een orde van grootte bedragen.

• De tokens zijn het goedkope onderdeel. Mensen formuleerden de problemen, bereidden de manuscripten voor en dreven de formalisering aan. Die arbeid zit niet in de $2.000.

Het enige deel hiervan dat u vandaag kunt prijzen is de basislijn. Omdat OrcaRouter de catalogusprijs van de provider rechtstreeks doorgeeft zonder opslag, kost GPT-5.6 Sol op onze API hetzelfde $5/$30 als op die van OpenAI — dus als u de berekening wilt controleren aan de hand van uw eigen werklast, is het tarief in de aankondiging het tarief dat u daadwerkelijk betaalt. Wat nog niemand kan prijzen is Astra zelf, en elke leverancier die u iets anders vertelt, gokt.

De releasedatum wordt bepaald door een termijn van 30 dagen, niet door een lek.

Het meeste bericht over "wanneer komt GPT-6" is geruchtenrekenwerk. Er is een concretere beperking die openlijk voorhanden ligt, en er is nauwelijks een verband gelegd met de vraag.

Een uitvoeringsbesluit dat op 2 juni 2026 werd ondertekend, droeg federale agentschappen op om een vrijwillig beoordelingsproces op te zetten waarbij grensverleggende ontwikkelaars modellen ter beoordeling aan de overheid voorleggen tot 30 dagen vóór de openbare release. Het raamwerk zou formeel in werking treden op 1 augustus — dezelfde dag dat het Astra-bericht verscheen. Volgens berichten zal Astra naar verwachting het eerste model zijn dat dit proces doorloopt.

"Vrijwillig" doet nogal wat werk in die zin. In de praktijk heeft de regering eerder druk uitgeoefend op het tijdstip van release, en het recente gedrag van OpenAI lijkt op een generale repetitie: GPT-5.6 werd van 26 juni tot ongeveer twintig gevalideerde organisaties beperkt voordat er op 9 juli brede toegang kwam — een gefaseerde uitrol van ongeveer twee weken.

Stapel die twee feiten op elkaar en je krijgt een ruwe ondergrens in plaats van een voorspelling. Als Astra een pre-releasebeoordeling van 30 dagen doorloopt en vervolgens het GPT-5.6-patroon herhaalt, komt brede beschikbaarheid uit op ongeveer zes weken na indiening. En de indieningsdatum is precies wat we niet weten. Daarom moeten zelfverzekerde augustusdatums worden gerelativeerd: de poortstap is een proces met een gepubliceerde duur, en de klok is niet zichtbaar gestart.

De voorspellingsmarkten zijn precies die kant op gedreven. Op 5 augustus 2026 stond Polymarket's "GPT-6 released by"-ladder op 1% voor 7 augustus, 3% voor 14 augustus, 13% voor 21 augustus, 25% voor 31 augustus, 68% voor 30 september en 89% voor 31 december, bij bijna een miljoen dollar aan volume. Beschouw dat als een geaggregeerde gok van de menigte, niet als een bron — maar merk op dat de menigte zijn gewicht naar Q4 heeft verplaatst.

Het helpt ook om het track record in gedachten te houden. Elke bewering van de afgelopen twaalf maanden dat 'GPT-6 volgende week uitkomt', is onjuist gebleken. Een niet-geverifieerd lek wees 14 april 2026 aan als lanceringsdag; wat negen dagen later daadwerkelijk uitkwam, was GPT-5.5.

De geruchten, beoordeeld

Gesorteerd op hoeveel gewicht elk daadwerkelijk draagt:

• Naamgeving nog onbeslist (GPT-6 / GPT-5.7 / een aparte klasse). Afkomstig van The Information. De meest betrouwbare niet-OpenAI-claim in dit verhaal, en degene die de verwachtingen zou moeten bijstellen — een systeem dat via een wiskundepaper wordt aangekondigd, wordt mogelijk helemaal niet als een generatiesprong gepresenteerd.

• Codenamen "Zinc" en "Magnesium" gespot in Design Arena. Community-waarneming, inzendingen naar verluidt uitgeschakeld, niet bevestigd door OpenAI. Lees: een puntrelease van GPT-5.x zou wel eens kunnen verschijnen vóór Astra, wat niemands GPT-6-verwachtingen zou vervullen terwijl het de nieuwscyclus opslokt.

• Ongeveer 2× de omvang van GPT-5.6 Sol; prijzen rond het GPT-5.6-niveau. Rondgaand gerucht. De leaker erachter gaf toe het model niet te hebben getest. Klinkt aannemelijk, maar is volledig ongefundeerd.

• Een contextvenster van 1,5 miljoen tokens. Verschijnt in lekoverzichten zonder genoemde bron. Het is vermeldenswaard dat Sol al 1.050.000 tokens levert, dus dit zou een toename zijn, geen sprong — wat een reden is om het als een 'lek' in de koppen te wantrouwen.

• Ongeveer 10 biljoen parameters. Nergens een bronvermelding die we konden traceren. Het meest herhaalde en minst onderbouwde getal in het hele verhaal.

• Geheugen en personalisatie als de bepalende richting. Gebaseerd op Altmans eigen publieke opmerkingen uit een interview van augustus 2025 — echt, maar een jaar oud en over de post-GPT-5-richting in het algemeen, niet specifiek over Astra.

Wat je daadwerkelijk moet doen tussen nu en wanneer het uitkomt

De verkeerde zet is om te herarchitectureren voor een model dat geen kaart heeft. De juiste zet is om op te merken welke van je problemen een multi-agent systeem met een lange horizon zou veranderen, omdat dat de delen van je stack zijn die vandaag de dag ondergebouwd zijn, ongeacht wat OpenAI uitbrengt.

Drie ervan zijn op dit moment de moeite waard om tegen GPT-5.6 Sol te bouwen:

• Kostenplafonds per taak, niet per aanroep. Als één enkele taak urenlang kan draaien en zes of zeven miljoen outputtokens verbruiken, beschermen limieten per verzoek je niet meer. Je hebt een budget nodig dat de hele taak dekt, en een harde stop.

• Checkpointing en hervatbaarheid. Een eenmalige aanroep retourneert of faalt. Een urenlange agentrun die na minuut 90 crasht zonder dat er iets persistents is weggeschreven, is een categorie kostbare fouten die de meeste codebases nooit hebben hoeven afhandelen.

• Evaluatie waarop u kunt vertrouwen voor problemen zonder referentieantwoord. De tien bewijzen zijn interessant, deels omdat Lean een orakel levert. Bijna niets in productie doet dat. Als u een goede zes uur durende run niet kunt onderscheiden van een plausibel ogende slechte, zal meer rekenkracht u niet helpen.

Over de wisselvraag: {{1}}Astra is niet beschikbaar op OrcaRouter, omdat het nergens beschikbaar is.{{/1}} {{2}}Wat we wel kunnen zeggen, is dat het probleem van de voortdurende versiewisselingen aan onze kant grotendeels is opgelost. Eén sleutel dekt 200+ modellen, dus of dit nu uitkomt als GPT-6, GPT-5.7 of een vierde GPT-5.6-laag, het adopteren ervan is een wijziging van de modelstring in plaats van een migratie — geen tweede contract, geen nieuwe SDK.{{/2}} {{3}}En juist voor een onbewezen frontier-model is automatische failover het verschil tussen het evalueren ervan in een echte workload en het inzetten van een productiepad op een systeem dat niemand buiten het lab onder stress heeft getest. Je routeert een deel van het verkeer ernaartoe, houdt Sol eronder als fallback, en zo kom je erachter.{{/3}}

Vragen die het beantwoorden waard zijn

Is Astra hetzelfde als GPT-6?

Niet per se, en dat is de belangrijkste onbekende in dit verhaal. OpenAI heeft Astra bevestigd als zijn volgende grote model, maar heeft nog niet besloten onder welke naam het wordt uitgebracht; volgens berichten liggen GPT-6, GPT-5.7 en een aparte klasse, naast Sol, Terra en Luna, allemaal op tafel. Het is heel goed mogelijk dat een model met de naam GPT-6 nooit verschijnt, en dat de capaciteitssprong waar mensen op wachten komt onder een naam die niemand in de gaten had.

Kan ik vandaag op welke manier dan ook toegang krijgen tot Astra?

Nee — niet in ChatGPT, niet via de API, niet via een router of reseller. Wat er publiekelijk bestaat, is het paper, de redenerings-walkthroughs en de Lean-repository. Als een dienst beweert toegang tot Astra te bieden, is het ofwel doorverkoop van iets anders, ofwel liegen. Het enige werkelijk nuttige dat je nu met de release kunt doen, is de bewijzen zelf compileren.

Lost Astra echt problemen op die menselijke wiskundigen niet konden oplossen?

Het produceerde formeel geverifieerde bewijzen van stellingen die al minstens een decennium openstonden, wat een echt en ongebruikelijk resultaat is — en de verificatie steekt een stap boven de industrienorm uit. Maar "Lean-checked" is niet "peer-reviewed", en de kernvraag of elke formele stelling de hoofdclaim correct weergeeft, is precies het deel dat Lean niet kan beantwoorden. Specialisten die de manuscripten lezen, hebben zich positief uitgelaten; geen ervan is door collegiale toetsing gegaan. Verwachting: de beoordeling zal in de komende maanden duidelijker worden, in beide richtingen.

Betekent het bedrag van $2.000 dat grensonderzoek nu goedkoop is?

Het betekent dat de winnende tokenruns goedkoop waren, tegen de prijzen van een ander model, exclusief de mislukkingen en exclusief de mensen. Elk van die drie uitsluitingen kan groot zijn. De eerlijke lezing is dat de marginale kosten van een succesvolle geautomatiseerde bewijszoektocht ver genoeg zijn gedaald om interessant te zijn, niet dat tien open problemen nu de prijs van een laptop kosten.

Wat zou dit daadwerkelijk oplossen

Drie specifieke dingen, waarvan geen enkele een gerucht is, en die allemaal te controleren zijn wanneer ze gebeuren.

Een modelkaart en een prijspagina. Dat is het moment waarop Astra geen onderzoeksartefact meer is, maar iets wordt waar je plannen op kunt baseren — en het moment waarop de naamgevingsvraag zichzelf oplost.

Een onafhankelijke herbouw van de Lean-repository door specialisten die de definities en de informele reducties controleren, niet alleen de typecontrole. De ComparatorChallenges-directory suggereert dat OpenAI dit verwacht. Als de formele beweringen standhouden onder die controle, worden de resultaten veel moeilijker te weerleggen; als er in zelfs maar één van de tien een tegenstrijdigheid naar boven komt, wordt elke claim in de set opnieuw gelezen.

Bewijs dat de federale beoordelingsklok is gestart. Binnen een pre-releasevenster van 30 dagen is die indiening het vroegste betrouwbare signaal van een releasedatum — aanzienlijk informatiever dan de volgende screenshot van een uitgeschakelde vermelding in een arena-ranglijst.

Tot die tijd is de juiste uitspraak beperkt en de moeite waard om vast te houden: OpenAI's volgende vlaggenschip heeft een naam, tien machine-controleerbare bewijzen, een Washington-demo en niets anders. Iedereen die je een datum geeft, gokt, en iedereen die je een aantal parameters geeft, verzint het.