OpenAI bringt mit GPT-6 Astra sein bislang leistungsfähigstes Modell auf den Markt. Präsident Greg Brockman hält es bereits für “AGI” oder zumindest in Reichweite, also nach OpenAIs Definition ein KI-System, das Menschen bei den meisten wirtschaftlich wertvollen Arbeiten übertrifft.
GPT-6 Astra wird zunächst über OpenAIs Daybreak-Programm an ausgewählte Organisationen ausgerollt. In den kommenden Tagen soll es für ChatGPT Plus-, Pro-, Business- und Enterprise-Kunden sowie über die API und Cloud-Plattformen wie AWS Bedrock und Microsoft Azure verfügbar werden. Nutzer der Pro-, Business- und Enterprise-Tarife erhalten laut OpenAI zusätzlich Zugang zu GPT-6 Astra Pro, einer leistungsstärkeren Variante. Für Unternehmenskunden ist Astra zum Start nicht automatisch aktiviert, Administratoren müssen das Modell erst für ihren Workspace freischalten.
Astra wurde mit mehr als 100.000 GPUs am Stargate-Standort in Texas vortrainiert. Laut OpenAI-Forscher Aidan Clark handelt es sich um den bislang größten Trainingslauf des Unternehmens. Es ist zudem das erste OpenAI-Modell, bei dem frühere KI-Modelle eine wesentliche Rolle bei der Überwachung des Trainings spielten. Clark zufolge stellt der Sprung von Sol zu Astra einen größeren Fähigkeitszuwachs dar als der Sprung zu Sol gegenüber früheren Modellen.
In den von OpenAI veröffentlichten Benchmarks liegt Astra deutlich über dem Vorgänger GPT-5.6 Sol. Das Modell erzielt Spitzenwerte in einer Reihe von Disziplinen: logisches Schlussfolgern (99,9 Prozent auf ARC-AGI-3, allerdings unter eigenen Testbedingungen), Mathematik (97,6 Prozent auf FrontierMath Tier 4 v2), Software-Engineering (74,1 Prozent auf DeepSWE v1.1), Expertenwissen (96 Prozent auf GPQA Diamond), Ingenieurwesen (95,9 Prozent auf BenchCAD) und Cybersecurity (100 Prozent auf ExploitBench).
Computer Use
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gem 3.8 F |
|---|---|---|---|---|---|---|
| Agents’ Last Exam | 59.3% | 53.6% | 48.7% | 55.5% | ||
| OSWorld 2.0 (offline, partial) | 72.6% | 65.7% | 70.2% ³ | |||
| ScreenSpot-Pro (no tools) | 92.7% | 76.9% | 87.3% ¹⁷ |
Professional
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gem 3.8 F |
|---|---|---|---|---|---|---|
| AutomationBench | 41.4% | 18.1% | 31.4% | 17.4% | 26.9% | |
| BenchCAD | 95.9% | 83.3% | 84.3% ⁵ | 67.5% ⁵ | 82.1% ⁵ | |
| BrowseComp | 91.5% | 90.4% | 87.4% | 90.8% | ||
| OpenScore String Quartets | 0.84 | 0.19 | ||||
| Internal Design Tasks | 50.0% | 47.4% | 35.8% | |||
| Internal Data Science Tasks | 40.9% | 30.5% | 34.7% | |||
| AA Intelligence Index v4.1.1 | 61.2 | 60.9 | 65.7 | 62.1 | 63.1 | 58.7 |
BenchCAD cost: ~43% below Sol, ~86% below Fable 5.1.
Coding
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gem 3.8 F |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 57.7% | 37.3% | 55.8% | 42.0% | 52.3% | 19.1% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 69.9% | 73.7% | 73.8% |
| FrontierCode 1.1 Extended | 64.5% ⁸ | 60.6% | 63.6% | 64.9% | 63.6% | 56.3% |
| FrontierCode 1.1 Main | 53.3% ⁸ | 47.5% | 50.9% | 53.5% | 53.4% | 43.6% |
| Internal Database Migration | 63.9% | 42.7% | 57.8% | 50.3% | ||
| AA Coding Agent Index v1.4 | 67.0 | 65.1 | 67.2 | 68.1 | 61.2 |
Terminal-Bench 4.0 cost: ~9% below Sol, ~63% below Fable 5.1.
Academic
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gem 3.8 F |
|---|---|---|---|---|---|---|
| Terminal-Bench Science 0.1 | 64.6% | 22.4% | 52.6% | 21.4% | 30.0% | |
| FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 87.8% | 73.2% | |
| GPQA Diamond | 96.0% | 94.6% | 93.7% | 92.6% | 93.7% | 95.3% |
| Humanity’s Last Exam (tools) | 57.2% | 65.0% | 63.8% | 63.6% |
Lower-cost settings: Terminal-Bench Science 61.1% at ~27% lower cost; GPQA Diamond 94.9% at ~37% lower cost. Prime gaps improved from 240 to 186, and a large-gap bound term improved for the first time in 80+ years.
Science and Health
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gem 3.8 F |
|---|---|---|---|---|---|---|
| GeneBench Pro | 37.8% | 28.7% | ||||
| MedChemBench (internal) | 49.3% | 47.4% | ||||
| LifeSciBench | 60.3% | 59.9% | ||||
| HealthBench Professional | 63.4% | 60.5% | 56.6% ¹¹ | 60.9% ¹¹ | 54.5% ¹¹ | 52.1% |
Fable 5 and 5.1 are absent from LifeSciBench, GeneBench Pro and MedChemBench because they refuse most questions.
Cybersecurity
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 |
|---|---|---|---|---|---|
| ExploitBench | 100.0% | 78.5% | 70% | ||
| ExploitGym | 42.4% ¹³ | 30.3% ¹³ | 30.4% ¹⁷ | 28.4% ¹⁷ | 22.0% ¹⁷ |
| ExploitBench (Jun-Aug 2026) | 39.0% | 5.5% | |||
| SRE-Bench | 88.0% | 55.9% | 12.5% | ||
| SEC-Bench Pro | 85.4% | 79.1% |
SRE-Bench within four attempts: 99.2% versus 68.7% for Sol. Astra found two previously unknown zero-days during evaluation.
Alignment (lower is better except Impossible ExploitGym)
| Metric | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 |
|---|---|---|---|---|---|
| Computer use safety | 2.4% | 22.0% | 9.5% | 18.3% | 11.5% |
| Same, with AutoReview | 1.8% | 4.5% | |||
| Circumvention | 0.00% | 0.29% | |||
| ExploitGym honeypot | 0.0% | 48.2% | |||
| Impossible ExploitGym | 100.0% | ||||
| Hallucination | 4.2% | 12.2% |
Impossible-task scope test: Sol exceeded its authorized target 48% of the time, Astra 0%. Astra is 3x less likely to misstate its own capabilities.
Long Context
| Benchmark | Astra | Sol |
|---|---|---|
| MRCR v2 8-needle 256K-512K | 100.0% | 91.5% |
| MRCR v2 8-needle 512K-1M | 96.3% | 73.8% |
Abstract Reasoning
| Benchmark | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 |
|---|---|---|---|---|---|
| ARC-AGI-3 | 99.9% ¹ | 7.8% | – | – | 30.2% |
| ARC-AGI-2 | 95.0% | 92.5% | 90.0% | 89.2% | 90.4% |
| ARC-AGI-1 | 98.5% | 97.5% | 97.5% | 98.5% | 97.5% |
In wissenschaftlicher Arbeit half Astra laut OpenAI, einen seit über einem Jahrzehnt bestehenden Rekord zu Primzahllücken zu verbessern: Die obere Schranke für den Abstand zwischen unendlich vielen Primzahlpaaren wurde von 240 auf 186 gesenkt. Zudem verbesserte das Modell einen Term in einer Schranke für besonders große Primzahllücken, der seit mehr als 80 Jahren unverändert geblieben war. OpenAI hat die Beweise zuvor veröffentlicht. Darüber hinaus erzielte Astra neue Bestwerte in Biologie-, Chemie-, Medizin- und Physik-Evaluierungen.
OpenAI positioniert Astra zudem als Modell, das den eigenen Computer verlässlich bedienen kann, ähnlich wie ein Mensch. Auf dem Benchmark OSWorld 2.0, der diese Fähigkeit misst, erreichte Astra 72,6 Prozent bei etwa 40 Minuten pro Aufgabe, verglichen mit 65,7 Prozent bei Sol bei rund 75 Minuten. “Alles, was du am Computer machen kannst, kann Astra für dich machen. Und zwar schnell”, sagt OpenAI.
Zusammen mit Astra aktualisiert OpenAI auch seine Coding-Umgebung Codex. Eine neue experimentelle Funktion erlaubt es dem Modell, bei langen Sitzungen Notizen über mehrere Kontextfenster hinweg zu führen, anstatt den bisherigen Arbeitsverlauf immer wieder in eine einzige Zusammenfassung zu komprimieren. Frühere Kontextfenster bleiben durchsuchbar, sodass Astra etwa Anforderungen oder Testergebnisse aus vorherigen Nachrichten wiederfinden kann, selbst wenn diese nicht in den Notizen festgehalten wurden. Die Funktion soll in den kommenden Wochen zum Standard werden.
Teurer als Sol, aber laut OpenAI günstiger pro Aufgabe
GPT-6 Astra kostet über die API 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens im Standard-Modus. Im Fast-Modus, der die 2,5-fache Geschwindigkeit bieten soll, verdoppelt sich der Preis. Damit ist Astra 2,5-mal teurer als GPT-5.6 Sol und liegt preislich auf dem Niveau von Anthropics Fable 5.1.
Brockman argumentierte jedoch, Token-Preise seien ein zunehmend schlechter Maßstab. Die eigenen Tokens seien nicht dasselbe wie die der Konkurrenz und auch nicht dasselbe zwischen verschiedenen Modellfamilien. Entscheidend sei der Preis pro erledigter Aufgabe. Hier experimentiert OpenAI bereits. Auf DeepSWE v1.1 erziele Astras leistungsstärkste Konfiguration laut OpenAI etwa 57 Prozent niedrigere geschätzte API-Kosten pro Aufgabe als Sol.
Bei dem Presse-Briefing für US-Medien räumte Brockman ein, dass es keinen klar definierten AGI-Moment gebe. Als OpenAI gegründet wurde, habe man geglaubt, es werde einen eindeutigen Zeitpunkt geben, den alle erkennen würden. So sei es nicht gekommen. Es sei eher etwas Verschwommenes, eine Haltung, die OpenAI schon im letzten Frühjahr erläuterte. Brockman beendete das Briefing mit den Worten: “Willkommen in der AGI-Ära.” OpenAI-CEO Sam Altman sagte zuvor, er erwarte bis Jahresende ein Modell, das er AGI nennen würde.
Erstes Modell an OpenAIs kritischer Cybersecurity-Schwelle
Astra ist zudem das erste Modell, das OpenAI unter seinem Preparedness-Framework als “kritisch” einstuft. Das bedeutet laut dem Unternehmen, dass das Modell mit entsprechenden Werkzeugen und Zugängen bisher unbekannte Schwachstellen finden und Exploit-Ketten über gut geschützte Systeme hinweg entwickeln kann, ohne dass ein Mensch es Schritt für Schritt anleiten muss. OpenAI räumt zudem ein, dass Astras schriftliches Reasoning schwerer zu überwachen ist als das von GPT-5.6 Sol.
Auf ExploitBench erreicht Astra 100 Prozent. Laut OpenAI entdeckte das Modell während der Evaluation zwei zuvor unbekannte Schwachstellen, die das Unternehmen anschließend an die Betreiber meldete. Menschliche Experten hätten bestätigt, dass Astra neuartige Zero-Day-Schwachstellen in mehreren Software-Kategorien identifizieren könne, darunter Browser und Betriebssysteme.
Die fortgeschrittensten Cybersecurity-Fähigkeiten bleiben zunächst auf vertrauenswürdige Verteidiger im Daybreak-Blue-Programm beschränkt. OpenAI hatte den Release von Astra zuvor verzögert, um zusätzliche Sicherheitstests durchzuführen. Diese Dual-Use-Fähigkeiten sind per Definition zweischneidig: Ein Agent, der autonom eine Schwachstelle finden kann, hilft einem Verteidiger beim Patchen ebenso wie einem Angreifer beim Ausnutzen.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den “KI Radar”‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
