Release und Verfügbarkeit: GPT-6 Astra startete am 3. September 2026
OpenAI kündigte GPT-6 Astra am 3. September 2026 an. Zum Start war der Zugang auf wenige Organisationen begrenzt; die Ausweitung auf kostenpflichtige ChatGPT-Pläne und die API wurde für die folgenden Tage angekündigt. Reuters und Microsoft bestätigen den gestaffelten Einführung. [1][7][8]
Technische Daten: 1,05M Kontext und 128K Ausgabe
| Parameter | GPT-6 Astra |
|---|---|
| Kontextfenster | 1,050,000 tokens |
| Max. Ausgabe | 128,000 tokens |
| Knowledge Cutoff | Apr 30, 2026 |
| Eingabe | text + images |
| Ausgabe | text |
| Reasoning | low / medium / high / xhigh / max |
Die API-Dokumentation nennt 1.050.000 Kontext-Token, maximal 128.000 Ausgabe-Token und einen Knowledge Cutoff vom 30. April 2026. Text und Bilder sind als Eingabe möglich, der Ausgabe ist Text. [2][11]
API-Preis: $10 Eingabe, $50 Ausgabe und die wichtige 272K-Grenze
| Parameter | Preis / MTok |
|---|---|
| Eingabe | $10.00 |
| Zwischengespeicherte Eingabe | $1.00 |
| Cache-Schreibvorgang | $12.50 |
| Ausgabe | $50.00 |
| >272K Eingabe | 2× Eingabe/cache; 1.5× Ausgabe |
| Batch / Flex | 50% of Standard |
| Fast | 2× applicable rates |
Standard kostet $10/MTok Eingabe, $1/MTok Zwischengespeicherte Eingabe, $12.50/MTok Cache-Schreibvorgang und $50/MTok Ausgabe. Oberhalb von 272K Eingabe-Token wird der gesamte Anfrage mit 2× Eingabe/Cache und 1,5× Ausgabe abgerechnet. Batch und Flex kosten 50% von Standard, Fast 2×. [2]
Stufen des Denkaufwands: low, medium, high, xhigh und max
`reasoning.effort` unterstützt `low`, `medium`, `high`, `xhigh` und `max`. Astra unterstützt `none` nicht; bei einer Migration von `none` oder `minimal` empfiehlt OpenAI, mit `low` zu beginnen und die Ergebnisse zu vergleichen. [2][3]
Migration von GPT-5.6: mehr als nur eine neue Model-ID
Die Model-ID lautet `gpt-6-astra`, doch Werkzeugaufrufe erfordert mit Astra die Responses API. Außerdem sollen nicht unterstützte Parameter wie `temperature`, `top_p` und `top_logprobs` entfernt werden; bei Chat Completions auch `logprobs`. [3]
- Model-ID auf `gpt-6-astra` setzen.
- Für Werkzeugaufrufe die Responses API verwenden.
- `temperature`, `top_p`, `top_logprobs` entfernen; bei Chat Completions auch `logprobs`.
- Bei `none` oder `minimal` mit `low` testen.
- Fast mode separat prüfen: mit EU Data Residency ist er für Astra nicht verfügbar.
Computernutzung: Agents’ Last Exam, OSWorld und ScreenSpot-Pro
OpenAI meldet 59,3% bei Agents’ Last Exam, 72,6% bei OSWorld 2.0 offline partial und 92,7% bei ScreenSpot-Pro ohne Tools. In OSWorld-Simulationen erreichte Astra zudem eine höhere Leistung bei rund 47% weniger Zeit pro Aufgabe als GPT-5.6 Sol. [1]
Professionelle Arbeit: AutomationBench, BenchCAD und BrowseComp
| Benchmark | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| Agents' Last Exam | 59.3% | 53.6% | — | 55.5% |
| OSWorld 2.0 offline partial | 72.6% | 65.7% | — | 70.2% |
| AutomationBench | 41.4% | 18.1% | 31.4% | 26.9% |
| BenchCAD | 95.9% | 83.3% | 84.3% | 82.1% |
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 52.3% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 73.7% |
| Terminal-Bench Science 0.1 | 64.6% | 22.4% | 52.6% | 30.0% |
| FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 73.2% |
| GPQA Diamond | 96.0% | 94.6% | 93.7% | 93.7% |
| HLE with tools | 57.2% | — | 65.0% | 63.6% |
Bei AutomationBench erreicht Astra 41,4% gegenüber 18,1% für GPT-5.6 Sol und 31,4% für Claude Fable 5.1. BenchCAD liegt bei 95,9%, BrowseComp bei 91,5%. Es handelt sich um von OpenAI veröffentlichte Einführung-Konfigurationen. [1]
Programmierung: Terminal-Bench 4.0, DeepSWE und FrontierCode
Terminal-Bench 4.0: 57,9%, DeepSWE v1.1: 74,1%, FrontierCode 1.1 Extended: 64,5%. Der Abstand ist je nach Programmierung-Test unterschiedlich; einzelne Konkurrenzmodelle liegen weiterhin nahe oder darüber. [1]
Wissenschaft und Mathematik: sehr starke, aber nicht dominante Ergebnisse
Astra erzielt 64,6% bei Terminal-Bench Science 0.1, 97,6% bei FrontierMath Tier 4 (v2) und 96,0% bei GPQA Diamond. Bei Humanity’s Last Exam mit Tools liegt Astra jedoch bei 57,2%, Fable 5.1 bei 65,0% und Opus 5 bei 63,6%. [1]
Long Context: MRCR bis 1M Token
OpenAI MRCR v2 zeigt 100,0% für 256K–512K und 96,3% für 512K–1M. Für produktive Long-Context-Einsatzszenarios muss der Preisaufschlag oberhalb von 272K Eingabe-Token berücksichtigt werden. [1][2]
ARC-AGI-3: warum 99,9% methodischen Kontext brauchen
Die 99,9% bei ARC-AGI-3 wurden mit einem Provider Adapter erzielt, der Reasoning-State erhält und Compaction unterstützt. ARC Prize meldet 62,7% im Standard-Harness und 99,9% mit Provider Adapter; Astra benötigte auf 96% der Levels weniger Aktionen als der Median der getesteten Menschen. [1][5]
Artificial Analysis: stärkeres Programmierung, hoher Preis
Artificial Analysis bewertet Astra bei `max` mit 61 Punkten im Intelligence Index und mit 67 im Coding Agent Index. Der unabhängige Test zeigt eine deutliche Token-Effizienz bei der Programmierung, aber wegen der höheren Tokenpreise höhere Kosten pro Aufgabe als bei GPT-5.6 Sol im allgemeinen Intelligence Index bei maximalem Denkaufwand. [6]
Cybersecurity: OpenAIs erstes Modell auf Critical-Niveau
OpenAI stuft Astra als erstes eigenes Modell auf der Critical-Stufe für Cybersecurity ein. Ohne Produktions-Schutzmechanismen erzielte es 100% bei ExploitBench, 42,4% bei ExploitGym und 88,0% bei SRE-Bench im ersten Versuch; die System Card beschreibt zudem fortgeschrittene Zero-Day-Fähigkeiten. [1][4]
Sicherheit und Monitorierbarkeit: besseres Verhalten, schwerer zu überwachendes Reasoning
Die System Card zeigt ein gemischtes Bild: Astra ist insgesamt besser abgestimmt, sein schriftlicher Denkprozess ist in gezielten Tests zur Umgehung der Überwachung aber schwerer zu beobachten als bei GPT-5.6 Sol. OpenAI betont den bewusst feindseligen Charakter dieser Tests. [4]
Robustheit gegen eingeschleuste Anweisungen und Einhaltung der Aufgabengrenzen
OpenAI berichtet höhere Robustheit gegen eingeschleuste Anweisungen und bessere Einhaltung autorisierter Aufgabengrenzen. In einer Simulation mit mehr als 54.000 internen Codex-Aufgaben erhielt Astra etwa halb so viele Markierungen für schwerwiegendere Fehlanpassungen wie GPT-5.6 Sol. [4]
Neue API-Funktionen: asynchrone Tools und Mid-turn Steering
Neu sind async Werkzeugaufrufe, mid-turn steering und Änderungen des Reasoning-Levels über `configuration_update`, ohne den ursprünglichen Prompt-Präfix umzuschreiben. Das ist besonders für lang laufende Agenten mit langsamen Tools relevant. [3]
Codex und Arbeitsgedächtnis über Kontextfenster hinweg
In Codex testet OpenAI persistente Notizen über mehrere Kontextfenster. Frühere Fenster bleiben durchsuchbar, sodass Anforderungen oder Testergebnisse wiedergefunden werden können, auch wenn sie nicht in einer Kompakt-Zusammenfassung stehen. [1]
Datenaufbewahrung: ZDR und Private Safety Processing
Astra unterstützt Zero Data Retention für berechtigte API-Kunden. Zusätzlich testet OpenAI Private Safety Processing, das Safety-Muster über zusammenhängende Interaktionen erkennen soll, ohne zugrunde liegende Kundendaten dem OpenAI-Personal offenzulegen. [1][9]
Einführung in ChatGPT, API, Azure und Bedrock
Astra ist für Plus, Pro, Business und Enterprise sowie API, Microsoft Azure und Amazon Bedrock angekündigt. Astra Pro soll für Pro, Business und Enterprise folgen; ein separates öffentliches API-Modell oder ein eigener API-Preis wurde zum Einführung nicht veröffentlicht. [1][8]
GPT-6 Astra vs. GPT-5.6 Sol und Claude: wo der Vorsprung real ist
Die größten Vorteile gegenüber GPT-5.6 Sol zeigen sich in agentischen Aufgaben, Computernutzung, Terminal-Bench Science und mehreren professionellen Tests. Gegen Claude gibt es keine vollständige Dominanz; Fable 5.1 liegt etwa bei HLE mit Tools und im von OpenAI gezeigten Artificial Analysis Intelligence Index höher. [1][6]
Was hat sich gegenüber GPT-5.6 Sol wirklich geändert?
Astra verändert gegenüber GPT-5.6 Sol nicht nur die Qualität: andere Stufen des Denkaufwands, höhere Tokenpreise, asynchrone Tools, Mid-turn Steering, stärkere Long-Context-Leistung und ein deutlich höheres Cyber-Capability-Niveau. Eine Migration braucht deshalb neue Tests für Prompting, Tools, Kosten und Sicherheit. [2][3][4][11]
