OpenAI hat das Modell GPT-6 Astra vorgestellt und es als das intelligenteste und am besten abgestimmte System bezeichnet, das das Unternehmen je veröffentlicht hat. Das Unternehmen setzt dabei vor allem auf drei Schwerpunkte: Computersteuerung, professionelle Büroarbeit und Programmierung. Hinzu kommen Ergebnisse, die noch vor einem Jahr unwahrscheinlich geklungen hätten, etwa eine hundertprozentige Punktzahl in einem Test zur Erstellung von Angriffscode oder ein Fortschritt bei einem mathematischen Problem, über das sich Menschen seit mehr als achtzig Jahren den Kopf zerbrechen. Das Modell wird innerhalb weniger Tage allen Abonnenten von ChatGPT Plus, Pro, Business und Enterprise zur Verfügung stehen.
Computersteuerung
Astra soll an Ihrer Stelle klicken, Formulare ausfüllen und suchen. OpenAI beschreibt alltägliche Aufgaben wie das Ausfüllen eines Formulars, das Eintragen in eine betriebliche Kundendatenbank oder das Aufräumen des Kalenders, doch das ist noch nicht alles. Das Modell kann das Web durchsuchen, eine Zusammenfassung direkt in einer E-Mail verfassen, wissenschaftliche Daten verarbeiten, daraus Diagramme erstellen oder eine fertige Website darauf testen, ob alles funktioniert.
Im Test OSWorld 2.0 erreichte Astra 72,6 Prozent gegenüber 65,7 Prozent beim Vorgängermodell GPT-5.6 Sol. Vor allem bewältigte es die Aufgaben etwa 47 Prozent schneller, ungefähr in 40 Minuten pro Aufgabe statt in 75. Zusammen mit der verbesserten Codex-Umgebung lassen sich Aufgaben laut OpenAI bis zu 1,9-mal schneller als bisher abschließen. Der Unterschied zeigt sich auch im Test ScreenSpot-Pro, in dem Astra 92,7 Prozent gegenüber 76,9 Prozent bei Sol erzielte.
Auch die Art und Weise, wie das Modell mit Aufgabenstellungen umgeht, hat sich geändert. Wenn die Anweisungen Interpretationsspielraum lassen, ergänzt Astra kleinere Details selbstständig und fragt nur dort nach, wo die Antwort das Ergebnis beeinflusst. In Codex kann es zudem eine Frage stellen und in der Zwischenzeit an den Teilen weiterarbeiten, die nicht von der Antwort abhängen. Reagiert der Benutzer nicht, fährt das Modell bei unwichtigen Entscheidungen einfach fort und wartet bei schwerwiegenden Entscheidungen ab.
Büroarbeit und Programmierung
OpenAI legt großen Wert darauf, dass Astra Vorlagen einhält. Präsentationen, Dokumente und Tabellen sollen dem Unternehmensstil entsprechen und nicht mit Füllmaterial aufgebläht werden, da das Modell darauf trainiert wurde, nur das in die Ausgabe aufzunehmen, was zur jeweiligen Aufgabe gehört. Im Test BenchCAD, bei dem das System dreidimensionale Objekte mithilfe von Code rekonstruiert, erreichte Astra 95,9 Prozent gegenüber 83,3 Prozent bei Sol, und das bei schätzungsweise rund 43 Prozent niedrigeren Kosten.
Beim Programmieren ist der Fortschritt am deutlichsten. Im Test Terminal-Bench 4.0. erzielte Astra 57,9 Prozent, während Sol auf 37,3 Prozent und Claude Fable 5.1 auf genau 55,8 Prozent kamen. Entwickler dürfte jedoch möglicherweise eine andere Neuerung mehr erfreuen. Wenn das Kontextfenster voll war, fassten Modelle die bisherige Arbeit bislang zu einem Ganzen zusammen und verloren dabei Details darüber, warum etwas nicht funktioniert hatte. Astra führt in Codex stattdessen fensterübergreifend Notizen, während der ältere Teil der Konversation durchsuchbar bleibt, sodass das Modell auch Informationen wiederfinden kann, die es nicht notiert hat. Vorerst handelt es sich um eine optionale Funktion in der Konfiguration, bald soll sie für Astra jedoch standardmäßig aktiviert sein.
Wissenschaft
Auch in der Mathematik erzielt das Modell hervorragende Ergebnisse. Astra half dabei, die Grenze für kleine Abstände zwischen Primzahlen zu verschieben. Mehr als zehn Jahre lang galt, dass unendlich viele Primzahlpaare höchstens den Abstand 246 voneinander haben. Kürzlich gelang es, diese Grenze auf 240 zu senken, und mithilfe des Modells fiel sie auf 186. Das zweite Ergebnis betrifft ungewöhnlich große Abstände zwischen Primzahlen, bei denen Astra einen Term in einer Schätzung verbesserte, der sich seit mehr als achtzig Jahren nicht verändert hatte.
In wissenschaftlichen Tests setzt das Modell diesen Trend fort. Im Test Terminal-Bench Science 0.1 stieg die Erfolgsquote auf 64,6 Prozent gegenüber 22,4 Prozent bei Sol, GPQA Diamond weist 96 Prozent aus. Astra kann außerdem direkt mit wissenschaftlicher Software arbeiten, beurteilen, wie gut DNA ausgelesen wurde, und Unterschiede zwischen Genen visualisieren, sodass Forschende erkennen können, worauf sie sich als Nächstes konzentrieren sollten.
Nicht alles fiel hervorragend aus. Beim Humanity's Last Exam erzielte Astra unter Einsatz von Werkzeugen 57,2 Prozent, während Claude Fable 5.1 auf 65 Prozent kommt. Im Gesamtindex von Artificial Analysis führt Fable 5.1 mit 65,7 Punkten gegenüber 61,2 Punkten für Astra. Das neue Modell von OpenAI ist somit nicht in allem das intelligenteste, sondern vielmehr in den Bereichen am besten, für die das Unternehmen es gezielt trainiert hat.
Cybersicherheit
Als erstes Modell von OpenAI hat Astra im Bereich der Cybersicherheit eine Grenze überschritten, die das Unternehmen selbst als kritisch eingestuft hat. Ohne Schutzmaßnahmen bewältigte es den Test ExploitBench zu hundert Prozent, während Sol 78,5 Prozent erreichte. Im Test ExploitGym stieg die Erfolgsquote von ursprünglich 30,3 Prozent auf 42,4 Prozent, und das bei einem deutlich geringeren Verbrauch an Ausgabe-Token.
Da sich einwenden lässt, dass das Modell alte Schwachstellen aus den Trainingsdaten gekannt haben könnte, erstellte OpenAI einen eigenen Test mit Fehlern, die zwischen Juni und August 2026 entdeckt wurden. Dabei handelt es sich um zwanzig schwerwiegende Schwachstellen im V8-Kern in dreizehn Versionen des Chrome-Browsers. Astra war dabei in 39 Prozent der Fälle erfolgreich, gegenüber 11,5 Prozent bei Sol, und fand und nutzte darüber hinaus selbstständig zwei bislang unbekannte Fehler aus. Im Test SRE-Bench, der das Reverse Engineering von Programmen ohne Quellcode misst, löste Astra 88 Prozent der Aufgaben beim ersten Versuch und 99,2 Prozent innerhalb von vier Versuchen.
Die heute eingeführte Version weigert sich daher, beispielhaften Angriffscode zu erstellen. Verteidiger können damit ihren eigenen Code überprüfen und patchen lassen, zu fortgeschritteneren Aufgaben erhalten sie vorerst jedoch keinen Zugang. OpenAI will einen weniger restriktiven Zugang schrittweise über das Programm Daybreak ermöglichen.
Bessere Befolgung von Anweisungen
OpenAI nutzte einen tatsächlichen Vorfall aus der Vergangenheit im Zusammenhang mit der Plattform Hugging Face und entwickelte daraus einen Test. Dieser untersucht, ob das Modell bei einer nicht erfüllbaren Aufgabe die Grenzen dessen überschreitet, was ihm erlaubt ist. Sol machte ohne Schutzmaßnahmen in 48 Prozent der Fälle Fehler, Astra kein einziges Mal. Ähnlich fiel ein interner Test zur Umgehung automatischer Kontrollen in Codex aus. Dabei unternahm Astra keinen einzigen Versuch, die Regeln zu verletzen, obwohl die Kontrolle absichtlich so eingerichtet war, dass sie sich umgehen ließ, und die Aufgabe andernfalls nicht zu erfüllen war.
Ein Zugeständnis macht OpenAI jedoch. Die schriftlichen Gedankengänge von Astra lassen sich schwerer nachvollziehen als die von Sol, da das Modell einfachere Aufgaben mit weniger niedergeschriebenen Schritten löst und eine stärkere Kontrolle über den Text hat. Bei komplexen Aufgaben gelingt es bislang nicht, die Gedankengänge zu verbergen. Das Unternehmen nimmt diesen Rückgang dennoch ernst und setzt in der Produktionsumgebung für Modelle der Astra-Klasse eine Überwachung auf unangemessenes Verhalten ein. Die Kontrollen können legitime Arbeit verlangsamen oder stoppen. In ChatGPT und Codex bestätigt der Benutzer die Aktion, in der Entwicklerschnittstelle wird die Aufgabe sofort beendet.
Preis und Verfügbarkeit
Astra wird auf die bestehenden Abonnementlimits angerechnet. Benutzer, die eine höhere Kapazität benötigen, können zusätzliche Guthaben erwerben. Die Tarife Pro, Business und Enterprise erhalten außerdem Zugriff auf die Version GPT-6 Astra Pro. Unternehmensadministratoren müssen diesen Zugriff manuell aktivieren, da er standardmäßig deaktiviert ist. Entwickler finden das Modell unter der Bezeichnung gpt-6-astra sowie auf der Plattform Amazon Bedrock. Der Standardpreis beträgt zehn Dollar pro Million Eingabe-Token und fünfzig Dollar pro Million Ausgabe-Token. Der schnelle Modus arbeitet für den doppelten Preis bis zu zweimal schneller.
