GPT-6 Astra: alle Zahlen, Links und der Haken

OpenAI hat GPT-6 Astra am 03.09.2026 veröffentlicht, zwei Tage nach Claude Fable 5.1. Der Pitch ist nicht Chat, sondern Computer-Use: Das Modell soll deinen Rechner bedienen wie ein Mensch, also klicken, tippen, scrollen, Formulare ausfüllen.

Hier stehen alle Zahlen aus der Ankündigung, die Stellen, an denen die Zahlen anders aussehen als in der Überschrift, und alle Links an einem Ort.

Was Astra ist

Ein Reasoning-Modell mit Schwerpunkt auf Aufgaben, die über viele Schritte laufen. OpenAI nennt als Einsatzgebiete komplexes Reasoning, Coding, Computer-Use, Recherche und das Erstellen von Dokumenten.

Greg Brockman auf dem Presse-Briefing: Das Modell kann durch Tabellen fliegen, Formulare ausfüllen und über Webseiten navigieren, oft mit übermenschlicher Geschwindigkeit. Auf OSWorld 2.0, dem Benchmark genau dafür, kommt Astra auf 72,6 Prozent bei rund 40 Minuten pro Aufgabe. Der Vorgänger GPT-5.6 Sol schafft 65,7 Prozent und braucht rund 75 Minuten.

Astra ist außerdem das erste Modell, das OpenAI in seinem Preparedness Framework als kritisch in der Kategorie Cybersecurity einstuft. Es findet unbekannte Sicherheitslücken und baut Exploit-Ketten ohne menschliche Führung. Deshalb sind die vollen Cyber-Fähigkeiten nur für geprüfte Partner im Daybreak-Programm freigeschaltet.

Astra gegen Claude Fable 5.1

Das sind die Benchmarks aus OpenAIs Ankündigung, in denen beide Modelle stehen. Alle Zahlen stammen von OpenAI, getestet mit OpenAIs Setup.

Die letzten beiden Zeilen sind die interessanten. Bei Humanity’s Last Exam liegt Fable 5.1 fast acht Punkte vor Astra, und im Intelligence Index von Artificial Analysis liegen sowohl Fable 5.1 als auch Opus 5 vor Astra. Die stehen in derselben Tabelle wie der Rest, nur nicht in den Charts oben auf der Seite.

Zwei Zahlen ohne Fable-Vergleich, weil Anthropic dort nicht gelistet ist: ExploitBench 100 Prozent und ScreenSpot-Pro 92,7 Prozent.

Die 99,9 Prozent auf ARC-AGI-3

Das ist die Zahl, über die gerade alle reden. ARC-AGI-3 testet, wie schnell ein Agent in einer völlig unbekannten interaktiven Umgebung die Regeln versteht und ein Ziel erreicht, ohne dass ihm jemand sagt, was er tun soll.

Im Chart auf OpenAIs Seite steht als Fußnote: Der durchschnittliche menschliche Tester kam auf 48 Prozent.

ARC Prize hat selbst nachgemessen und beide Werte veröffentlicht. Der Unterschied liegt am Harness, also an der Werkzeugschicht zwischen Modell und Aufgabe:

Der Provider Adapter darf den internen Reasoning-Zustand zwischen zwei Anfragen behalten. Der Standard-Harness darf das nicht, dort muss das Modell selbst entscheiden, was es sich in sichtbaren Notizen merkt. Beide Werte sind laut ARC Prize State of the Art.

Die Zahl, die ich fast spannender finde: Mit dem Provider Adapter hat Astra auf 96 Prozent der Level weniger Aktionen gebraucht als der mittlere menschliche Spieler, im Schnitt 51,7 Prozent weniger.

Was Brockman wirklich gesagt hat

Die Headline, die überall läuft, ist „Welcome to the AGI era”. Mit dem Satz hat Brockman das Presse-Briefing beendet, und Axios hat ihn als Überschrift genommen.

Sein ausformuliertes Zitat ist vorsichtiger. In der Fortune-Fassung sagt er, AGI sei nicht in einem großen Moment gekommen, sondern in Stücken, und dann:

It’s not unreasonable to feel that we are now in the AGI era, and I think that if you want to say this [model is] the first one, I think it’s reasonable.

Also: nicht unvernünftig, so zu empfinden. Das ist ein anderer Satz als die Headline.

Das Launchvideo und die Szene von 1979

Das Ankündigungsvideo fängt nicht mit einer Produktdemo an, sondern mit 47 Jahre altem Archivmaterial. Ein Mann sitzt im Sessel, trägt einen magnetischen Sensor am Handgelenk, zeigt auf eine wandgroße Leinwand und sagt „Put that there”. Der Kreis rutscht rüber.

Das war 1979 am MIT, gebaut von Richard Bolt, Chris Schmandt und Eric Hulteen in der Architecture Machine Group, aus der 1985 das MIT Media Lab wurde. Das System hat Sprache und Geste in Echtzeit zusammengeführt und daraus aufgelöst, was „das” und was „dahin” bedeutet.

Bei 0:09 kommt der Match Cut: gleicher Bildaufbau, gleicher Sessel, 2026. Nur spricht jetzt jemand mit Astra, lässt aus dem Kreis eine Rakete bauen, dreht sie per Geste und macht daraus ein 3D-Modell. Danach Präsentationen, Analytics-Dashboards und ein eBay-Listing.

OpenAI hat den Clip direkt dem MIT Media Lab, Chris Schmandt und Eric Hulteen zugeschrieben. Das MIT hat einen eigenen Post dazu veröffentlicht, Link unten.

Wo du Astra bekommst

Pro, Business und Enterprise bekommen zusätzlich GPT-6 Astra Pro, die stärkere Variante. In Enterprise-Workspaces muss ein Admin das Modell erst freischalten.

curl -X POST \
  -H "Authorization: Bearer $KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": { "effort": "high" },
    "input": "Was kannst du?"
  }' \
  https://api.openai.com/v1/responses

Preise und der Rollout-Bonus

Aus der offiziellen Modellkarte, pro eine Million Token:

Das ist 2,5 mal so teuer wie GPT-5.6 Sol und liegt ungefähr auf dem Niveau von Claude Fable 5.1. Zwei Aufschläge, die in der Übersicht leicht untergehen: Ab 272.000 Token im Prompt springt der Preis auf 20 $ und 75 $, und der Fast-Modus mit 2,5 facher Geschwindigkeit kostet das Doppelte. Batch läuft zum halben Preis.

Der Rollout am Launchtag lief schlecht. Viele zahlende Nutzer haben Astra tagelang nicht im Modell-Dropdown gesehen. Tibo Sottiaux von OpenAI hat am 04.09.2026 angekündigt: Für jeden Tag, an dem du auf deinem bezahlten ChatGPT-Plan keinen Zugriff auf Astra hattest, bekommst du einen gutgeschriebenen Limit-Reset. Den kannst du einlösen, wann du willst.

Heißt für dich: Wenn du in den letzten Tagen gewartet hast, liegen da wahrscheinlich mehrere Resets. Nimm dir einen Nachmittag und teste das Ding an einer echten Aufgabe, statt sie einzeln zu verbrauchen.

Der Haken

• Die 99,9 Prozent gelten nur mit OpenAIs eigenem Harness. Mit dem anbieterneutralen Standard-Harness von ARC Prize sind es 62,7 Prozent. Beide Zahlen stehen im ARC-Prize-Blogpost, die 99,9 stehen im OpenAI-Chart.
• ARC Prize sagt selbst, dass das kein AGI-Beweis ist. Ein gesättigter Benchmark misst genau eine eng gefasste Fähigkeit, nicht die offene Welt.
• Claude Fable 5.1 ist auf ARC-AGI-3 gar nicht gelistet. Der Vergleich im Chart läuft gegen Claude Opus 5. Wer „Astra schlägt Fable auf ARC-AGI-3” sagt, vergleicht mit einem anderen Modell.
• Astra verliert zwei Vergleiche. Humanity’s Last Exam mit Tools: 57,2 gegen 65,0 Prozent für Fable 5.1. AA Intelligence Index v4.1.1: 61,2 gegen 65,7. Beides steht in OpenAIs eigener Tabelle, nur nicht in den Charts.
• Alle Zahlen sind OpenAIs Auswahl und OpenAIs Testbedingungen. Kein unabhängiger Test, außer bei ARC-AGI-3.
• Teuer bei langem Kontext. Über 272.000 Prompt-Token verdoppelt sich der Input-Preis, der Output steigt um 50 Prozent. Der 1-Million-Kontext klingt gut, kostet aber.
• Die Cyber-Fähigkeiten sind gegated. Die öffentliche Version verweigert fortgeschrittene Cybersecurity-Aufgaben. OpenAI schreibt außerdem selbst, dass Astras Reasoning schwerer zu überwachen ist als das von Sol.
• Stand 05.09.2026. Rollout, Preise und Verfügbarkeit ändern sich gerade schnell. Wenn hier etwas nicht mehr stimmt, schreib mir.