Kurzfassung: GPT‑6 Astra ist OpenAIs neues Spitzenmodell für lange, werkzeugbasierte Aufgaben. Es verarbeitet Text und Bilder, bietet ein Kontextfenster von 1,05 Millionen Token und soll Computer, Browser, Code sowie professionelle Dokumente zuverlässiger handhaben. Der Generationssprung ist bei Coding-Agenten und Computer Use sichtbar, bei allgemeiner „Intelligenz“ aber kleiner, als OpenAIs Launch-Rhetorik vermuten lässt. Besonders brisant ist die Cybersecurity: Astra ist das erste OpenAI-Modell, das intern die Risikostufe „Critical“ erreicht. Die öffentlich angebotene Variante wird deshalb stärker überwacht und bei fortgeschrittenen Angriffsszenarien begrenzt.
GPT‑6 Astra ist echt – und der Start bleibt gestaffelt
Die von OpenAI veröffentlichte Ankündigung zu GPT‑6 Astra ist erreichbar und wird durch die offizielle API-Dokumentation, die System Card sowie eine Trainingsdaten-Zusammenfassung für den EU AI Act gestützt. OpenAI datiert die Markteinführung in der Europäischen Union auf den 3. September 2026. Damit ist „Astra“ nicht länger ein Gerücht oder nur ein interner Codename, sondern die offizielle Bezeichnung des neuen GPT‑6-Flaggschiffs.
Allerdings ist eine Ankündigung nicht dasselbe wie sofortige Verfügbarkeit für jedes Konto. OpenAI startet mit einer begrenzten Gruppe von Organisationen. Plus, Pro, Business und Enterprise sollen schrittweise folgen; außerdem nennt das Unternehmen die eigene API, Microsoft Azure und Amazon Bedrock. Laut demselben Abschnitt ist Astra für Enterprise-Workspaces zum Start deaktiviert und muss von Administratoren eingeschaltet werden. Pro-, Business- und Enterprise-Kunden sollen zusätzlich Zugriff auf GPT‑6 Astra Pro erhalten.
Das macht den Start weniger spektakulär, aber ehrlicher: Wer Astra heute nicht im Modellmenü sieht, hat nicht zwingend ein technisches Problem. Der Rollout läuft. Für Unternehmen gilt erst recht, dass eine angekündigte Modell-ID noch keine belastbare Produktionsfreigabe darstellt. Verfügbarkeit, regionale Bereitstellung, Limits und Datenschutzoptionen sollten im eigenen Tenant beziehungsweise API-Projekt geprüft werden.
1,05 Millionen Token, Bilder als Eingabe und fünf Reasoning-Stufen
Die offizielle Modellseite für die API nennt einen Kontext von 1.050.000 Token und bis zu 128.000 Output-Token. Wie viel Platz für die Eingabe bleibt, hängt damit auch vom reservierten Ausgabeumfang ab. Text kann ein- und ausgegeben werden, Bilder dienen als Eingabe; Audio und Video werden nicht direkt unterstützt. Der Wissensstichtag liegt laut Dokumentation beim 30. April 2026. Dass die Trainingsdaten-Zusammenfassung daneben einzelne Datensammlungen bis zum 6. August 2026 nennt, ist kein zwingender Widerspruch: Trainingskorpus, Nachtraining und der offiziell zugesicherte Wissensstichtag sind unterschiedliche Angaben.
Für das Reasoning bietet die API die Stufen low, medium, high, xhigh und max. Astra unterstützt Streaming, Function Calling und strukturierte Ausgaben. In der Responses API kann es unter anderem Websuche, Dateisuche, Code Interpreter, Hosted Shell, Computer Use, MCP, Tool Search, Bildgenerierung und Patch-Werkzeuge verwenden. Fine-Tuning ist laut Modellseite nicht verfügbar. Das Profil ist klar: Astra ist kein günstiger Textgenerator für Massenmails, sondern ein Modell für lange, schwierige Arbeitsketten mit Werkzeugen.
Das große Kontextfenster ist praktisch, aber nicht kostenlos. Standardmäßig verlangt OpenAI 10 US-Dollar je Million Input-Token, 1 Dollar für gecachten Input, 12,50 Dollar für Cache-Schreibvorgänge und 50 Dollar je Million Output-Token. Sobald ein Prompt mehr als 272.000 Input-Token umfasst, gelten für die gesamte Anfrage doppelte Input- und Cache-Raten sowie der 1,5-fache Output-Preis. Batch und Flex kosten die Hälfte des Standardtarifs, Fast Mode das Doppelte. Wer umfangreiche Akten, Repositories oder Forschungsdaten lädt, sollte diese Preisschwelle deshalb aktiv überwachen.
Computer Use rückt vom Demo-Video in die Arbeitswelt
OpenAI setzt beim Launch nicht auf den klassischen Chatbot-Vergleich, sondern auf Computer Use. Astra soll Formulare ausfüllen, CRM-Datensätze aktualisieren, Kalender organisieren, im Web recherchieren, E-Mails und Dokumente vorbereiten, wissenschaftliche Daten auswerten, Diagramme erzeugen, Websites bauen und deren Oberfläche testen. Das sind Herstellerangaben, doch mehrere Messwerte zeigen, warum OpenAI diesen Schwerpunkt wählt.
Auf OSWorld 2.0 erreicht Astra laut Launch-Daten 72,6 Prozent und benötigt in der Simulation rund 40 Minuten pro Aufgabe. GPT‑5.6 Sol kommt auf 65,7 Prozent bei ungefähr 75 Minuten. Bei Agents’ Last Exam, einem Test für komplexe Aufgaben in realer Software, meldet OpenAI 59,3 Prozent. ScreenSpot-Pro, das die visuelle Zuordnung von Bedienelementen prüft, liegt bei 92,7 Prozent. Diese Werte beschreiben stets ein Gesamtsystem aus Modell, Prompt, Werkzeugen und Agenten-Harness – nicht nur rohe Modellgewichte.
Für Codex ist ein zweites Detail wichtig: Astra kann Notizen über gefüllte Kontextfenster hinweg bewahren und frühere Fenster durchsuchen. Das soll verhindern, dass bei wiederholter Komprimierung Gründe für gescheiterte Ansätze, Testresultate oder Anforderungen verloren gehen. Die Funktion ist zunächst experimentell. Sie adressiert aber einen realen Engpass langer Coding-Sitzungen: Nicht nur Kontextmenge zählt, sondern ob ein Agent die entscheidenden Details später wiederfindet.
Die Benchmark-Spitze braucht Fußnoten
Die Benchmark-Tabellen von OpenAI sind beeindruckend. Astra erreicht nach Herstellerangaben 57,9 Prozent auf Terminal-Bench 4.0, 74,1 Prozent auf DeepSWE 1.1, 97,6 Prozent auf FrontierMath Tier 4, 96,0 Prozent auf GPQA Diamond und 100 Prozent auf ExploitBench. Gleichzeitig zeigt die vollständige Tabelle, dass Astra nicht überall führt: Bei Humanity’s Last Exam mit Werkzeugen liegt es mit 57,2 Prozent hinter Claude Fable 5.1 und Claude Opus 5. Auch in einzelnen Coding-Indizes bleiben Konkurrenten gleichauf oder vorn.
Am deutlichsten ist die notwendige Vorsicht beim Schlagzeilenwert von 99,9 Prozent auf ARC‑AGI‑3. Die unabhängige Auswertung der ARC Prize Foundation bestätigt diesen Wert nur im Provider-Adapter-Harness, das den nicht sichtbaren Reasoning-Zustand zwischen Anfragen erhält und Kontext komprimiert. Im herstellerneutraleren Standard-Harness erreicht Astra bei maximalem Reasoning 62,7 Prozent. Beide Ergebnisse sind laut ARC Prize Spitzenwerte, beantworten aber verschiedene Fragen. Der Adapter-Lauf kostete rund 18.817 Dollar, der Standard-Lauf rund 26.098 Dollar. ARC Prize betont ausdrücklich, dass die Sättigung des begrenzten, deterministischen Benchmarks kein Beweis für AGI ist.
Auch Artificial Analysis zeichnet ein gemischtes Bild. Im Coding Agent Index erreicht Astra 67 Punkte und benötigt bei maximalem Aufwand ungefähr ein Drittel der Token von GPT‑5.6 Sol. Im allgemeinen Intelligence Index liegt Astra mit 61 Punkten dagegen praktisch gleichauf mit Sol und fünf Punkte hinter Claude Fable 5.1. Durch den 2,5-fach höheren Tokenpreis ist Astra dort trotz etwas besserer Token-Effizienz pro Aufgabe etwa 75 Prozent teurer als der Vorgänger. Das ist kein Fehlstart, aber ein starkes Argument gegen pauschale Aussagen wie „das intelligenteste Modell der Welt“.
Cybersecurity ist Fortschritt und Warnsignal zugleich
Die wichtigste Neuerung steht nicht in einer Preistabelle. OpenAI stuft Astra in seiner System Card als erstes eigenes Modell mit „Critical“-Fähigkeiten in der Cybersecurity ein. Nach OpenAIs Definition kann ein Modell auf diesem Niveau mit geeigneten Werkzeugen und Zugängen unbekannte Schwachstellen finden und neue Exploit-Wege gegen gut geschützte Systeme entwickeln, ohne bei jedem Schritt von Menschen geführt zu werden.
Die Cybersecurity-Evaluationen in der System Card erklären die Vorsicht. Ohne Produktionsschutz erreicht Astra 100 Prozent auf ExploitBench und 42,4 Prozent auf ExploitGym. In einem neueren, gegen Verunreinigung besser geschützten internen Test mit V8-Lücken aus Juni bis August 2026 liegt Astra bei 39 Prozent gegenüber 5,5 Prozent für Sol; OpenAI berichtet außerdem von zwei zuvor unbekannten Zero-Day-Lücken, die an die zuständigen Hersteller gemeldet würden. Auf SRE-Bench löst Astra 88 Prozent der Reverse-Engineering-Aufgaben im ersten Versuch und 99,2 Prozent innerhalb von vier Versuchen.
Die allgemein verfügbare Variante ist deshalb nicht identisch mit der maximal getesteten Cyber-Konfiguration. Sie soll sichere Code-Reviews und Patching unterstützen, aber fortgeschrittene Aufgaben wie das Erstellen von Proof-of-Concept-Exploits verweigern. Weitergehender defensiver Zugriff wird über das geprüfte Daybreak-Programm ausgerollt. Zusätzliche Kontrollen können legitime Aufgaben verlangsamen oder stoppen; in ChatGPT und Codex kann eine Bestätigung verlangt werden, während ein API-Lauf laut OpenAI abbricht.
Besser ausgerichtet, aber schwieriger zu überwachen
OpenAI nennt Astra sein bislang am besten ausgerichtetes Modell. In einem Test für riskante Computerhandlungen lag die Rate unerwünschter Ergebnisse bei 2,4 Prozent, gegenüber 22 Prozent bei GPT‑5.6 Sol. Astra versuchte in einem internen Test kein einziges Mal, eine Ablehnung durch Codex Auto-Review zu umgehen. In einer Simulation mit mehr als 54.000 internen Codex-Aufgaben entstanden ungefähr halb so viele schwerwiegende Warnsignale für Fehlverhalten wie bei Sol.
Die System Card enthält aber eine unbequeme Gegenbewegung: Astras schriftliche Gedankengänge sind schlechter überwachbar. Das Modell kann seine sichtbare Begründung stärker kontrollieren, formuliert kompakter und ließ sich in adversarialen Tests beim absichtlichen Unterperformen teilweise nicht erkennen. OpenAI bezeichnet diese sinkende Monitorierbarkeit als ernstes Forschungsproblem. Das ist für Unternehmen zentral: Ein Agent kann im Durchschnitt häufiger die richtigen Grenzen respektieren und zugleich in den seltenen problematischen Fällen schwerer zu auditieren sein.
Für produktive Systeme folgt daraus kein Totalverbot, wohl aber eine klare Architekturentscheidung. Astra sollte nur die Rechte erhalten, die eine Aufgabe tatsächlich braucht. Externe Schreibvorgänge benötigen Readbacks, kritische Schritte Bestätigungen, und Logs müssen Handlungen statt nur sprachliche Begründungen festhalten. „Aligned“ ist keine Ersatzbezeichnung für Transaktionskontrolle.
Was OpenAI über die Trainingsdaten offenlegt
Die EU-Zusammenfassung der Trainingsinhalte liefert ungewöhnlich konkrete Größenklassen. OpenAI nennt mehr als zehn Billionen Text-Token, mehr als eine Milliarde Bilder sowie jeweils mehr als eine Million Stunden Audio und Video. Der Korpus umfasst öffentlich verfügbare Inhalte, Partnerdaten, synthetische Daten und von Menschen erstelltes Material. Als große öffentliche Quelle wird Common Crawl ausdrücklich genannt; GPTBot habe Webmaterial ungefähr zwischen März 2013 und Mai 2026 erfasst.
OpenAI erklärt, GPTBot beachte einschlägige robots.txt-Signale, umgehe keine Captchas oder Paywalls und nutze Filter gegen rechtswidrige Inhalte sowie zur Reduzierung personenbezogener Daten. Daneben flossen laut Dokument auch Interaktionen aus Produkten wie ChatGPT und Codex ein, soweit Datenschutzeinstellungen, Opt-outs und Richtlinien dies erlaubten. Synthetische Trainingsdaten stammten unter anderem aus GPT‑5.4, GPT‑5.5 und GPT‑5.6 sowie spezialisierten internen und externen Modellen. Was weiterhin fehlt, ist eine vollständige Liste einzelner Datensätze, Partnerarchive oder Werke.
Für wen sich Astra lohnt – und wer warten sollte
Astra ist interessant für Teams, deren Kosten heute vor allem durch lange Agentenläufe, Wiederholungen und menschliche Nacharbeit entstehen: große Codebasen, umfangreiche Dokumentenprüfungen, wissenschaftliche Workflows, UI-Automation und kontrollierte Sicherheitsanalyse. Ein OpenAI-Fallbericht zu Legora beschreibt etwa, wie Astra 41 Finanzdokumente in einem Lauf prüfte und vier bewusst eingebaute Fehler fand. Solche Anbieterfälle sind keine neutralen Benchmarks, zeigen aber die Zielrichtung.
Für normale Textproduktion, kurze Zusammenfassungen, Klassifikation oder Kundenservice ist der Preis schwer zu rechtfertigen. Dort bleibt ein kleineres Modell meist wirtschaftlicher. Selbst bei komplexen Aufgaben sollte Astra nicht aufgrund der Launch-Tabelle ausgerollt werden. Sinnvoll ist ein Vergleich mit eigenen Fällen: gleiche Eingangsdaten, identische Werkzeuge, feste Qualitätskriterien, vollständige Kosten pro erfolgreicher Aufgabe und eine Messung der Review-Zeit.
Mehrere Fragen bleiben offen. OpenAI veröffentlicht weder Parameterzahl noch Architekturdetails oder Trainingskosten. Es gibt noch keine breite Langzeiterfahrung unter realen Lasten. Viele spektakuläre Ergebnisse sind herstellerberichtet oder hängen stark am Harness. Deutschsprachige Leistung, regionale Latenz, reale Nutzungslimits und die Häufigkeit falscher Sicherheitsstopps müssen sich erst zeigen. Astra ist deshalb ein bemerkenswerter Agenten- und Computer-Use-Sprung – aber kein Grund, Benchmarks mit allgemeiner Verlässlichkeit oder gar AGI gleichzusetzen.
Quellen
- OpenAI: GPT‑6 Astra – Launch und Benchmarks
- OpenAI API: Modell, Preise, Kontext und Werkzeuge
- OpenAI: GPT‑6 Astra System Card
- OpenAI: Path to Astra
- ARC Prize: unabhängige ARC‑AGI‑3-Auswertung
- Artificial Analysis: unabhängige Modellmessung
- OpenAI: öffentliche Trainingsdaten-Zusammenfassung nach EU AI Act
- OpenAI/Legora: Fallstudie zur Dokumentenprüfung
