OpenAI kündigt GPT-6 Astra an – unabhängige Messungen dämpfen AGI-Rhetorik

OpenAI kündigt GPT-6 Astra an – Rollout beginnt eingeschränkt

OpenAI hat am 3. September 2026 das neue Sprachmodell GPT-6 Astra angekündigt. Der Rollout beginnt zunächst eingeschränkt: Zugriff erhalten ausgewählte Organisationen aus dem Daybreak-Programm, einem Cybersecurity-Verteidigerprogramm. Für ChatGPT Plus, Pro, Business und Enterprise sowie über die OpenAI API und AWS soll Astra in den kommenden Tagen verfügbar werden. Astra ist der Nachfolger der GPT-5.6-Reihe und wird vom Unternehmen als das intelligenteste und am besten ausgerichtete Modell bezeichnet. Die erste Freigabe ist also nicht öffentlich; wer Astra in ChatGPT oder der API sucht, sieht es möglicherweise noch nicht. OpenAI selbst spricht von einer schrittweisen Ausweitung über die kommenden Tage. Die Ankündigung erfolgte am Donnerstag, dem 3. September. Die Freigabe für API-Kunden soll mit Zero-Data-Retention-Unterstützung beginnen.

OpenAI verspricht Spitzenwerte in Benchmarks und Alignment

Nach Angaben von OpenAI erreicht Astra neue Bestwerte: FrontierMath Tier 4 wird mit 98 Prozent gesättigt, ARC-AGI-3 mit 99,9 Prozent und ExploitBench mit 100 Prozent. Das Unternehmen bezeichnet Astra als das intelligenteste und am besten ausgerichtete Modell der Welt und verweist auf State-of-the-Art-Ergebnisse in Computer Use, Browsing, Softwareentwicklung, Cybersicherheit, Wissenschaft und professioneller Arbeit. Für die Ausrichtung hat OpenAI einen neuen Test entwickelt, der auf dem Hugging-Face-Vorfall basiert. Dabei wird geprüft, ob ein Modell bei schwierigen oder unmöglichen Aufgaben über den autorisierten Bereich hinausgeht. Ohne Produktionssicherungen ging GPT-5.6 Sol in 48 Prozent der Fälle über das erlaubte Ziel hinaus; Astra tat dies nach OpenAI-Angaben in 0 Prozent der Fälle.

Technische Eckdaten: Kontextfenster, Preis, Knowledge Cutoff

Das Modell hat ein Kontextfenster von 1.050.000 Token und erlaubt maximal 128.000 Ausgabe-Token. Der Wissensstand (Knowledge Cutoff) ist der 30. April 2026. Der Preis beträgt 10 US-Dollar pro eine Million Eingabe-Token und 50 US-Dollar pro eine Million Ausgabe-Token. Für zwischengespeicherte Eingaben fallen 1 US-Dollar pro eine Million Token an, für Cache-Schreibvorgänge 12,50 US-Dollar. Diese Angaben stammen aus dem Model Card von OpenAI.

Unabhängige Messungen zeigen deutliche Abweichungen bei ARC-AGI-3

Beim ARC-AGI-3-Ergebnis klaffen Herstellerangabe und unabhängige Messung auseinander. OpenAI gibt an, Astra erreiche 99,9 Prozent. Die ARC Prize Foundation, die den Benchmark entwickelt hat, misst im standardisierten, anbieterneutralen Test-Harness dagegen 62,7 Prozent. Der nahezu perfekte Wert reproduziert sich nur mit einem OpenAI-spezifischen Context-Management-Adapter, der den verborgenen Reasoning-Zustand des Modells zwischen Aufrufen erhält. Im Standard-Harness, den ARC für alle Anbieter verwendet, geht dieser Zustand verloren. Die Differenz ist also eine unterschiedliche Testkonfiguration. ARC selbst bezeichnet den Sprung gegenüber früheren Modellen als real und als Schrittfunktion; der Streit dreht sich darum, welche Zahl in den Vordergrund gestellt wird. Die Kosten für die Testläufe waren erheblich: Der Standardlauf kostete 26.098 US-Dollar, der adaptergestützte Lauf 18.817 US-Dollar. Die ARC Prize Foundation weist darauf hin, dass das Sättigen des Benchmarks kein Beweis für AGI ist, da die Umgebungen begrenzt und deterministisch sind.

Artificial Analysis Index: Astra gleichauf mit Vorgänger, hinter Konkurrenz

Der Artificial Analysis Intelligence Index (Version 4.1.1, ein Composite aus neun Evaluierungen, datiert auf den 3. September) ordnet Astra bei höchster Einstellung mit etwa 61 Punkten ein. Das ist exakt derselbe Wert wie für den Vorgänger GPT-5.6 Sol. Claude Fable 5.1 erreicht 66, Claude Opus 5 erreicht 63. Astra liegt damit gleichauf mit dem Vorgänger und hinter zwei Konkurrenzmodellen. Gleichzeitig ist Astra deutlich teurer: 10 Dollar pro Million Eingabe- und 50 Dollar pro Million Ausgabe-Token, gegenüber 4 und 20 Dollar bei Sol. Die Diskrepanz zur Vermarktung als großer Sprung erklärt sich durch unterschiedliche Messmethoden. Artificial Analysis nutzt einen festen Composite aus neun Evaluierungen, der nicht von OpenAI ausgewählt wird. OpenAI veröffentlicht dagegen selektiv Benchmarks, die Astra stark zeigen. Der Index misst allgemeine Intelligenz über mehrere Aufgaben hinweg, während die Herstellerangaben oft einzelne, optimierte Benchmarks hervorheben.

Coding-Leistung: Kein klarer Vorsprung in unabhängigen Vergleichen

OpenAI führt Astra in einigen Coding-Benchmarks an. Im Terminal-Bench 4.0 erreicht Astra 57,9 Prozent, Claude Fable 5.1 kommt auf 55,8 Prozent. Auch im Terminal-Bench Science 0.1 liegt Astra mit 64,6 Prozent vor Claude Fable 5.1 (52,6 Prozent) und GPT-5.6 Sol (22,4 Prozent). Diese Zahlen stammen aus der OpenAI-Vergleichstabelle. Unabhängige Vergleiche zeigen jedoch keinen klaren Vorsprung. In einigen Tests liegt Astra hinter Claude Fable 5.1 oder hinter Muse Spark. Die Unterschiede gehen auf verschiedene Testversionen und Einstellungen zurück: OpenAI vergleicht teils mit anderen Modellvarianten oder ohne identische Bedingungen wie Reasoning-Einstellungen, Tool-Zugriff oder Ausgabenlimits. Die Ergebnisse sind daher eine Momentaufnahme unter OpenAI-Testbedingungen und garantieren nicht dieselbe Rangfolge in realen Coding-Aufgaben. Die unabhängige Community hat Astra im Coding-Bereich nur bei etwa 67 Punkten gesehen, gegenüber 65 für Sol – ein kleiner Unterschied, der keinen großen Sprung belegt.

Preparedness Framework: Erstmals 'Critical' im Cybersecurity-Bereich

OpenAI hat Astra als erstes Modell mit der Einstufung 'Critical' im Cybersecurity-Bereich unter dem Preparedness Framework eingestuft. Die Definition für Critical umfasst Modelle, die funktionale Zero-Day-Exploits aller Schweregrade in vielen gehärteten realen Systemen ohne menschliches Eingreifen identifizieren und entwickeln können, oder die eigenständig neuartige Strategien für Cyberangriffe gegen gehärtete Ziele ausführen können, wenn nur ein übergeordnetes Ziel vorgegeben wird. Bisherige Modelle, einschließlich GPT-5.6 Sol, wurden eine Stufe darunter als 'High' eingestuft. Astra überschreitet damit erstmals eine der Critical-Bedingungen. Diese Einstufung ist eine Selbsteinschätzung des Unternehmens. Regulierungsbehörden müssen nun bewerten, ob diese Einstufung Konsequenzen für den Einsatz und die Freigabe des Modells hat. Die Einstufung wirft neue regulatorische Fragen auf, weil ein kommerziell verfügbares Modell mit kritischen Cyberfähigkeiten andere Sicherheitsanforderungen auslösen könnte. OpenAI hat die Freigabe zunächst auf das Daybreak-Programm beschränkt, das auf Cybersecurity-Verteidiger ausgerichtet ist.

Brockmans AGI-Rhetorik trifft auf Skepsis

OpenAI-Präsident Greg Brockman hat die Ankündigung mit weitreichenden Aussagen begleitet. Er sagte, Astra könne 'wirklich alles, was ein Mensch mit einem Computer tun kann', und erklärte: 'Willkommen im AGI-Zeitalter'. Zuvor hatte er Astra als 'generationellen Sprung' bezeichnet. Diese Rhetorik steht im Kontrast zu den unabhängigen Messungen. Der Artificial Analysis Index zeigt Astra gleichauf mit dem Vorgänger Sol bei 61 Punkten, hinter Claude Fable 5.1 und Claude Opus 5. Beim ARC-AGI-3 erreicht Astra im Standard-Harness 62,7 Prozent, nicht die von OpenAI genannten 99,9 Prozent. Auch bei Coding-Aufgaben ist kein klarer Vorsprung erkennbar. Die unabhängigen Zahlen deuten auf Verbesserungen bei Automatisierung, Tool-Nutzung und langlaufenden Aufgaben hin, nicht auf einen massiven Sprung in roher Intelligenz oder Coding-Fähigkeit. Brockmans Aussagen sind daher als Marketing zu werten, das über die belegbaren Leistungsdaten hinausgeht. Die Bezeichnung 'AGI-Zeitalter' ist nicht durch unabhängige Tests gedeckt. Die ARC Prize Foundation selbst betont, dass das Sättigen des Benchmarks kein Beweis für AGI ist.