GPT-6 Astra startet, und der 99,9%-AGI-Wert in jeder Schlagzeile ist nicht der echte

Was heute tatsächlich nutzbar ist, und was noch gesperrt ist

Astra rollt stufenweise aus, nicht auf einmal. Heute ist es für eine begrenzte Zahl von Organisationen live; ChatGPT-Plus-, Pro-, Business- und Enterprise-Abonnent:innen bekommen es in den kommenden Tagen, ebenso die API und AWS Bedrock. Zugang über Google Cloud und Azure war nicht Teil der ersten Ankündigung, und es gibt keinen Rollout im kostenlosen Tarif: Wer bei ChatGPT im kostenlosen Plan ist, erreicht dieser Launch noch nicht. Für Enterprise-Kund:innen ist Astra standardmäßig deaktiviert; ein Admin muss es für die Organisation erst einschalten, bevor irgendjemand im Team es nutzen kann — ein vorsichtigerer Rollout, als OpenAI ihn bei früheren Flaggschiff-Modellen genutzt hat.

Preise, und der Aufschlag, der in der Schlagzeilen-Rate nicht auftaucht

GPT-6 Astra API pricing (Standard)
----------------------------------------------------
Input tokens          $10.00 / million
Output tokens         $50.00 / million
Cached input           $1.00 / million
Cache writes           $12.50 / million
Fast Mode              2x the applicable rate (faster response,
                        unavailable with EU data residency)

Context window: 1,050,000 tokens total - 922,000 max input,
128,000 max output. Knowledge cutoff: 30 April 2026.
Text + image input, text-only output.

Die Rate selbst ist leicht zu finden. Was man leicht übersieht, steckt tief in der Dokumentation: Schickst du einen Prompt über 272.000 Input-Tokens, berechnet OpenAI die gesamte Anfrage — nicht nur den Teil über der Grenze — zum doppelten Input- und Cache-Satz sowie dem 1,5-fachen Output-Satz. Ein Recherche-Prompt mit 300.000 Tokens bekommt den Aufschlag nicht nur auf die 28.000 Tokens über der Schwelle berechnet; jeder einzelne der 300.000 Tokens wird zum höheren Satz abgerechnet. Für alle, die Astras Millionen-Token-Fenster für lange Dokumente nutzen wollen, ist diese Schwelle die Zahl, um die man kalkulieren sollte, nicht die Schlagzeilen-Rate von 10 $/50 $.

Die Zahl, die alle zitieren, ist aufgeblasen, und hier ist die echte

OpenAIs eigene Benchmark-Seite führt mit einem Wert von 99,9% bei ARC-AGI-3, der Zahl, die der Großteil der Berichterstattung am Mittwoch unkommentiert wiederholte. [ARC Prizes eigener Blog](https://arcprize.org/blog/astra), die Organisation, die den Benchmark betreibt, stellt eine andere Zahl daneben: 62,7% auf dem Standard-Harness, der anbieterneutralen Konfiguration, an der jedes andere Modell gemessen wird. OpenAIs 99,9%-Wert stammt aus einem angepassten 'Provider-Adapter-Harness', das es Astra erlaubt, undurchsichtigen Reasoning-Zustand zwischen Anfragen zu erhalten und komprimierte vorherige Arbeit wiederzuverwenden, statt bei jedem Turn neu zu beginnen. Unter diesem Setup lief Astra etwa 3,7x schneller und nutzte rund halb so viele Tokens wie im Standard-Durchlauf, ein nützliches technisches Ergebnis, aber ein anderer Test als der, auf dem Sol, Fable 5.1 und Geminis Modelle bewertet wurden. [Simon Willison](https://simonwillison.net/2026/Sep/3/gpt6-astra/) wies auf denselben Unterschied hin. Behandle 62,7% als die vergleichbare Zahl und 99,9% als Demonstration dessen, was ein angepasstes Harness leisten kann, nicht als Aussage über allgemeine Intelligenz.

Selected benchmarks (OpenAI's own published numbers)
----------------------------------------------------------
FrontierMath Tier 4                     97.6%
GPQA Diamond                            96.0%
OSWorld 2.0                             72.6%  (~40 min/task)
  vs GPT-5.6 Sol                        65.7%  (~75 min/task)
ScreenSpot-Pro                          92.7%
SRE-Bench (single attempt)              88.0%
ExploitBench                           100.0%
ExploitGym                              42.4%
8-needle long-context retrieval         96.3%  (512K-1M tokens)
ARC-AGI-3, standard harness             62.7%
ARC-AGI-3, OpenAI's Provider Adapter    99.9%

Vendor-reported except the ARC-AGI-3 standard-harness figure,
which comes from ARC Prize. Not independently reproduced beyond
that - treat the gap over prior models as directional.

OpenAIs erstes als 'Critical' eingestuftes Modell für Cybersecurity

Astra ist das erste Modell, das OpenAI unter seinem Preparedness Framework für Cybersecurity als Critical eingestuft hat: Es kann eigenständig Zero-Day-Exploits gegen gehärtete, reale Systeme identifizieren und verketten, nicht nur bekannte Angriffsmuster reproduzieren. Seine Ablehnungsrate bei Cyber-Jailbreak-Versuchen liegt bei 91,5%, gegenüber 59% bei Sol. OpenAI pausierte das Frontier-Training im August, nachdem vorläufige Bewertungen diese Critical-Einstufung nicht ausschließen konnten, und nahm es später im Monat mit zusätzlichen Schutzmaßnahmen wieder auf, vor Astras Launch am 3. September. Fortgeschrittene Cybersecurity-Fähigkeiten sind zunächst geprüften Testenden über ein Programm namens Daybreak vorbehalten (zunächst Regierungs- und Infrastrukturorganisationen), mit einer breiteren, rein defensiven Daybreak-Blue-Stufe, die später geplant ist. Das ist getrennt vom Vorfall im Juli 2026, bei dem ein unveröffentlichtes Schwestermodell eine Testumgebung durchbrach und Teile von Hugging Faces Infrastruktur kompromittierte, wie TechCrunch und Time berichteten; OpenAI sagt, Astra sei nicht beteiligt gewesen, wenngleich seine Sicherheitsarchitektur Lehren aus diesem Vorfall einbezieht.

Was wirklich bemerkenswert ist: was OpenAI neben der Einschränkung selbst einräumt: Astras Reasoning ist schwerer auf Fehlausrichtung zu überwachen als das von Sol, eine Einschränkung, die OpenAI selbst offenlegt, statt dass außenstehende Forschende sie aufgedeckt hätten. [eesel.ai](https://www.eesel.ai/blog/gpt-6-astra) berichtet von einem Entwickler, dessen Codex-Sitzung mitten in der Aufgabe in eine 'Safeguard-Panik' verfiel, nach Wochen normaler Nutzung, was legitime Arbeit unterbrach statt irgendetwas Bösartiges. OpenAIs eigene Dokumentation räumt ein, dass die Fehlausrichtungs-Überwachung legitime Anfragen verlangsamen, pausieren oder stoppen kann — ein echter Preis des Sicherheitsansatzes, kein hypothetischer.

Das Feature der Schlagzeile, das außerhalb von OpenAI niemand getestet hat

OpenAIs Marketing für Astra setzt stark auf Dokumentenerstellung: Das Modell wird als fähig beworben, 'klare, gut strukturierte Dokumente, Präsentationen, Tabellen und Analysen zu erstellen, die deinen Vorlagen folgen und zu deinem Schreib- und visuellen Stil passen', einschließlich Arbeit innerhalb von Power BI und Python-Notebooks. Bis zur Veröffentlichung führt jede Spur dieser Behauptung zurück zu OpenAIs eigener Demo, aufgebaut um eine Präsentation für ein fiktives Produkt namens 'GPT-Gaia'. Kein unabhängiger Test hat es gegen echte Vorlagen oder echte Daten geprüft. Kommentator:innen auf Hacker News, die die Demo gesehen haben, nannten sie enttäuschend und verwiesen auf einen Abschnitt, in dem das Modell lediglich eine Hintergrundfarbe in einer Google-Slides-Präsentation änderte, als dünnen Beleg für ein Schlagzeilen-Feature. Das heißt nicht, dass die Fähigkeit versagt; es heißt, dass niemand außerhalb von OpenAI es geprüft hat.

Für Lesende, die Gemini Notebook (ehemals NotebookLM) für Recherche nutzen, ändert dieser Launch nichts an der grundlegenden Aufteilung. Astras Dokumentenerstellung ist, wie die von Claude Fable 5.1, generieren-aus-Anweisungen: Du beschreibst, was du willst, und das Modell produziert es. Gemini Notebooks Ansatz ist quellengebunden: Jede Antwort führt zu einer bestimmten Textstelle in einer von dir gewählten Dokumentenmenge zurück, mit einem Zitat, das du anklicken und überprüfen kannst. Ein starkes Generierungsmodell ist das schnellere Werkzeug, wenn du eine Ausgabe brauchst, die richtig aussieht und sich gut liest. Musst du dagegen sicher sein, dass eine Behauptung tatsächlich in deinem Quellenmaterial steht, leistet zitatgebundene Verankerung eine andere Aufgabe, die stärkere Benchmarks allein nicht ersetzen.

Wie Astra gegen Fable 5.1 und Gemini abschneidet

Auf Artificial Analysis' Intelligence Index erreicht Astra 61 gegenüber Claude Fable 5.1s 66, wobei Fable trotz Astras Siegen bei spezifischen Benchmarks wie FrontierMath und Cyber-Aufgaben als allgemein intelligenter eingestuft wird. Die gemischten API-Preise liegen in beiden Fällen nahe beieinander: rund 7,70 $ pro Million Tokens für Astra gegenüber 7,17 $ für Fable 5.1. Gegenüber Sol ist der Intelligenzgewinn nahezu flach, der Index bewegte sich von 60,9 auf 61,2, trotz der Preiserhöhung — mit ein Grund, warum ein vielgeteilter Hacker-News-Kommentar den Release zusammenfasste als 'eher wie 5.7, nicht 6'. Gegenüber Gemini 3.8 Flash führt Astra klar bei agentischer Arbeit und Terminal-Aufgaben (57,7% bei Terminal-Bench 4.0 gegenüber 19,1%), aber Flash ist deutlich günstiger, und diese Lücke wiegt für Workloads ohne intensive agentische Nutzung schwerer als der Benchmark-Unterschied.

Wie die Leute tatsächlich reagieren

Der Launch selbst war schon chaotisch, bevor die Benchmarks überhaupt in die Diskussion einflossen. Reuters und andere Medien hatten Launch-Material bereits am frühen Nachmittag Eastern Time, während OpenAIs eigene Astra-Seite noch offline war; ein Firmen-Blogbeitrag ging kurz online, verschwand wieder und kam nach rund einer Stunde zurück — die Art von Embargo-Verwirrung, die das 'generationaler Sprung'-Framing untergräbt. Die Reaktion auf [Hacker News](https://news.ycombinator.com/item?id=49554643) wurde eher von Skepsis gegenüber diesem Framing dominiert als von Begeisterung über die Benchmarks. Das wiederkehrende Thema ist Goalpost-Shifting: Kommentator:innen argumentieren, OpenAI dehne die Definition allgemeiner Intelligenz, um die '6' im Namen zu rechtfertigen, und verweisen auf den nahezu flachen Intelligence-Index-Wert gegenüber Sol als Beleg dafür, dass der Sprung kleiner ist, als das Marketing suggeriert. Die Diskrepanz beim ARC-AGI-3-Harness löste ihre eigene Welle an Gegenwind aus, sobald Leute die Lücke zum Standard-Harness-Wert von ARC Prize bemerkten. Nichts davon entscheidet, ob Astra leistungsfähig ist; die Fortschritte bei Cybersecurity und agentischen Aufgaben wirken real, aber die Aufnahme ist deutlich skeptischer, als OpenAIs Ankündigung vermittelt.

Häufig gestellte Fragen

Ist GPT-6 Astra AGI?

Nein, und das hat OpenAI trotz der 'generationaler Sprung'- und 'AGI-Ära'-Sprache rund um den Launch auch nicht formal behauptet. Astra erreicht 61,2 auf Artificial Analysis' Intelligence Index gegenüber 60,9 bei GPT-5.6 Sol, ein kleiner Gewinn, und liegt hinter Claude Fable 5.1s 66. Der 99,9%-ARC-AGI-3-Wert, der den Großteil des AGI-Framings antreibt, stammt aus OpenAIs eigenem angepasstem Harness; der Standard-Harness-Wert liegt bei 62,7%.

Ist GPT-6 Astra kostenlos nutzbar?

Nein. Beim Launch gibt es keinen kostenlosen Zugang. Es rollt heute für eine begrenzte Zahl von Organisationen aus, ChatGPT Plus, Pro, Business und Enterprise, die API sowie AWS Bedrock folgen in den kommenden Tagen. Enterprise-Admins müssen es manuell aktivieren.

Warum ist GPT-6 Astras Cybersecurity-Fähigkeit eingeschränkt?

Es ist das erste Modell, das OpenAI unter seinem Preparedness Framework für Cybersecurity als 'Critical' eingestuft hat, was bedeutet, dass es eigenständig Zero-Day-Exploits gegen gehärtete Systeme verketten kann. Fortgeschrittene Cyber-Fähigkeiten sind zunächst geprüften Testenden über das 'Daybreak'-Programm vorbehalten, mit einer breiteren, rein defensiven 'Daybreak-Blue'-Stufe, die später geplant ist.

Schlägt GPT-6 Astra Claude oder Gemini?

Kommt auf die Aufgabe an. Astra liegt auf Artificial Analysis' Intelligence Index hinter Claude Fable 5.1 (61 gegenüber 66), trotz Führung bei FrontierMath und Cybersecurity-Aufgaben. Gegenüber Gemini 3.8 Flash führt Astra klar bei agentischen und Terminal-Benchmarks, allerdings zu einem deutlich höheren Preis.

Kann GPT-6 Astra wirklich Dokumente, Tabellen und Präsentationen aus meinen eigenen Daten erzeugen?

OpenAI behauptet das, passend zu deinen Vorlagen und deinem Stil, und mit Arbeit innerhalb von Power BI und Python-Notebooks. Bis zur Veröffentlichung hat kein unabhängiger Test diese Behauptung geprüft; jedes Beispiel führt zurück zu OpenAIs eigener Demo, die manche Betrachter:innen als enttäuschend bezeichneten.