GPT-6 Astra ist da: Benchmarks, Preise und der ehrliche Vergleich mit Claude

OpenAI hat am 3. September 2026 sein neues Spitzenmodell GPT-6 Astra veröffentlicht und nennt es in der eigenen Ankündigung das intelligenteste und am besten ausgerichtete Modell der Welt. Das Modell startet zunächst für eine begrenzte Zahl von Organisationen. In den kommenden Tagen soll es alle Nutzerinnen und Nutzer der Pläne Plus, Pro, Business und Enterprise erreichen, dazu die OpenAI-API und Amazon Bedrock.

Die Kurzfassung in Zahlen: Astra löst 99,9 Prozent der Aufgaben im Denktest ARC-AGI-3, wo der menschliche Durchschnitt bei 48 Prozent liegt, erreicht 97,6 Prozent bei Mathematik auf Forschungsniveau und 100 Prozent beim Schreiben von Exploits. Über die API kostet es 10 Dollar je 1 Million Eingabe-Tokens und 50 Dollar je 1 Million Ausgabe-Tokens, also das Zweieinhalbfache des Vorgängers GPT-5.6 Sol.

Und der Satz, der in den meisten Meldungen fehlt: Im unabhängigen Gesamtindex von Artificial Analysis liegt Astra mit 61,2 Punkten hinter Claude Fable 5.1 (65,7), Claude Opus 5 (63,1) und Claude Fable 5 (62,1). Diese Zahl steht in OpenAIs eigener Vergleichstabelle.

Ja, seit heute. Das war monatelang offen. OpenAI hatte sein kommendes Spitzenmodell in allen eigenen Veröffentlichungen bis zum 1. September 2026 ausschließlich Astra genannt, weder im Forschungsbeitrag vom 1. August noch in den beiden Sicherheitsmeldungen im August und September tauchte die Zahl 6 auf. Nach Berichten des Branchendienstes The Information war intern bis zuletzt offen, ob das Modell als GPT-6 erscheint, als weiterer Ableger der GPT-5-Reihe wie GPT-5.7, oder als eigene Familie unter dem Namen Astra.

Das stärkste Indiz vor dem Release kam aus der Programmierschnittstelle: Die Responses-API antwortete auf den Modellnamen gpt-6-astra mit einem Fehler 404, während frei erfundene Modellnamen einen Fehler 400 zurückgeben. Genau dieser Name ist es jetzt geworden. In der API heißt das Modell gpt-6-astra, im Produkt GPT-6 Astra.

OpenAI hat zum Start Vergleichstabellen für sieben Bereiche veröffentlicht. Die folgende Auswahl zeigt die aussagekräftigsten Zeilen gegen die drei stärksten Konkurrenten. Bemerkenswert ist weniger, dass Astra fast überall führt, sondern wie groß die Abstände dort sind, wo es führt, und wo es eben nicht führt.

Drei Ergebnisse stechen heraus. ARC-AGI-3 misst, wie gut ein System beim Lösen völlig unbekannter interaktiver Aufgaben dazulernt. Astra kommt auf 99,9 Prozent, Claude Opus 5 auf 30,2 Prozent, GPT-5.6 Sol auf 7,8 Prozent. Der menschliche Durchschnitt liegt bei 48 Prozent. Wichtige Einschränkung: OpenAI hat Astra dabei mit der eigenen Responses-API-Umgebung gemessen und begründet das damit, dass diese die Praxis besser abbilde als die Original-Testumgebung des Benchmarks. Ein direkter Vergleich mit fremden Werten ist dadurch nur eingeschränkt möglich.

Beim Automatisieren von Büro-Workflows liegt Astra mit 41,4 Prozent mehr als doppelt so hoch wie GPT-5.6 Sol (18,1 Prozent) und deutlich vor Claude Fable 5.1 (31,4 Prozent). Und beim wissenschaftlichen Arbeiten im Terminal verdreifacht Astra den Wert des eigenen Vorgängers, von 22,4 auf 64,6 Prozent.

Beim Computer bedienen zählt neben der Trefferquote die Zeit: Astra erreicht 72,6 Prozent bei rund 40 Minuten je Aufgabe, GPT-5.6 Sol 65,7 Prozent bei rund 75 Minuten. Das sind rund 47 Prozent weniger Zeit bei besserem Ergebnis. Zusammen mit einer überarbeiteten Codex-Umgebung nennt OpenAI eine 1,9-fach schnellere Aufgabenerledigung.

OpenAI ist an dieser Stelle bemerkenswert offen und zeigt in der eigenen Tabelle auch die Zeilen, in denen Astra verliert. Drei davon sollte man kennen, bevor man das Modell für jede Aufgabe einplant.

• Der unabhängige Gesamtindex. Im Artificial Analysis Intelligence Index v4.1.1 kommt Astra auf 61,2 Punkte und liegt damit auf Platz vier, hinter Claude Fable 5.1 (65,7), Opus 5 (63,1) und sogar dem älteren Fable 5 (62,1). Der Vorsprung auf den eigenen Vorgänger Sol beträgt 0,3 Punkte.
• Reasoning mit Werkzeugen. Bei Humanity's Last Exam erreicht Astra 57,2 Prozent, Claude Fable 5.1 dagegen 65,0 Prozent und Opus 5 63,6 Prozent. Das ist kein knapper Rückstand, sondern ein deutlicher.
• Der Coding-Index. Im Artificial Analysis Coding Agent Index v1.4 liegt Astra mit 67,0 Punkten hinter Claude Opus 5 (68,1) und Claude Fable 5.1 (67,2). Auch bei FrontierCode 1.1 liegt das ältere Claude Fable 5 in beiden Wertungen knapp vorn.

Das Muster ist eindeutig: Astra gewinnt haushoch bei allem, was mit eigenständigem Handeln zu tun hat, also Computer bedienen, recherchieren, Werkzeuge einsetzen, Sicherheitslücken finden. Beim reinen Nachdenken über schwere Fragen bleiben die Claude-Modelle vorn.

Über die API kostet Astra 10 Dollar je 1 Million Eingabe-Tokens und 50 Dollar je 1 Million Ausgabe-Tokens. Das ist exakt derselbe Token-Preis wie bei Claude Fable 5.1 und das Zweieinhalbfache von GPT-5.6 Sol.

Drei Punkte, die in der Preisliste leicht übersehen werden und die Rechnung spürbar verändern:

• Die 272K-Schwelle. Anfragen mit mehr als 272.000 Tokens Eingabe kosten das Doppelte bei Eingabe und Cache und das 1,5-Fache bei der Ausgabe, und zwar gerechnet auf die gesamte Anfrage. Das große Kontextfenster von 1,05 Millionen Tokens gibt es also nicht zum Grundpreis.
• Cache und Batch. Gecachte Eingaben kosten 1 Dollar, das Schreiben in den Cache 12,50 Dollar. Über die Batch-API und im Flex-Modus zahlt man die Hälfte, im Fast mode das Doppelte bei bis zu 2,5-facher Geschwindigkeit.
• OpenAIs eigenes Gegenargument. Laut Dokumentation liefert Astra in mehreren Auswertungen bessere Ergebnisse mit deutlich weniger Ausgabe-Tokens und komme dadurch je Aufgabe günstiger weg als ältere Modelle, trotz des höheren Token-Preises. Beim CAD-Test beziffert OpenAI die geschätzten API-Kosten auf rund 43 Prozent unter GPT-5.6 Sol und rund 86 Prozent unter Claude Fable 5.1. Das ist plausibel, aber es sind Schätzungen aus OpenAIs eigenen Konfigurationen. Für die eigene Anwendung hilft nur nachrechnen.

Zum Start bekommt es nur eine begrenzte Zahl von Organisationen. In den kommenden Tagen soll Astra für alle Plus-, Pro-, Business- und Enterprise-Konten freigeschaltet werden. Ein kostenloses ChatGPT-Konto bekommt Astra nicht, und auch über die API ist die kostenlose Nutzungsstufe ausgeschlossen.

• Plus, Pro, Business, Enterprise: Die Nutzung ist im bestehenden Kontingent des Abos enthalten. Wer mehr braucht, kann zusätzliche Credits kaufen.
• Pro, Business, Enterprise zusätzlich: Diese drei Pläne bekommen obendrein GPT-6 Astra Pro, die Variante mit dem höchsten Rechenaufwand.
• Enterprise-Admins müssen aktiv werden: In Enterprise-Arbeitsbereichen ist Astra zum Start standardmäßig ausgeschaltet und muss von der Administration freigegeben werden.
• Für Entwickler: In der API heißt das Modell gpt-6-astra, Tool-Aufrufe laufen über die Responses API. Verfügbar ist es auch über Amazon Bedrock. Für berechtigte API-Kunden unterstützt Astra Zero Data Retention.

Für deutsche Unternehmen wichtig: Bei EU-Datenresidenz steht der schnellere Fast mode für Astra nicht zur Verfügung, dort bleibt es bei der Standardverarbeitung. Wer aus DSGVO-Gründen auf europäische Verarbeitung angewiesen ist, bekommt das Modell also nur in der langsameren Variante.

Die eigentliche Nachricht des Sommers war kein Benchmark, sondern eine Einstufung. Astra ist das erste Modell von OpenAI, das die Stufe Critical für Cybersicherheit im hauseigenen Preparedness Framework erreicht. Diese Stufe bedeutet nach OpenAIs eigener Definition: Das Modell kann eigenständig bislang unbekannte Sicherheitslücken finden und ausgefeilte Angriffe gegen gut geschützte Ziele planen und ausführen, ohne dass ein Mensch jeden Schritt vorgibt.

Der Weg dorthin lässt sich an drei Daten ablesen:

• 7. August 2026: OpenAI verlangsamt Entwicklung und Freigabe von Astra. In der eigenen Mitteilung heißt es, man könne die kritische Fähigkeitsstufe für Cybersicherheit zu diesem Zeitpunkt nicht ausschließen. Zuerst berichtete Axios darüber.
• 10. August 2026: OpenAI stoppt alle Astra-Aktivitäten, die den verschärften Sicherheitsstandards nicht genügen, und beschreibt die Schutzmaßnahmen: isolierte Testumgebungen, eingeschränkter Zugriff auf Netzwerk und Werkzeuge, stärker verschlüsselte Modellgewichte, durchgehende Überwachung und Sandboxing.
• 1. September 2026: OpenAI stuft Astra offiziell als Critical ein und erklärt zugleich, die Schutzmaßnahmen würden das Risiko schwerer Schäden ausreichend verringern, um das Modell freizugeben.

Die Zahlen aus den Sicherheitstests sind deutlich:

• ExploitBench: Astra 100 Prozent, GPT-5.6 Sol 78,5 Prozent, Claude Fable 5.1 70 Prozent. Getestet wurde ohne die Schutzmechanismen der Produktivumgebung.
• Zwei echte Zero-Days: In einem eigens gebauten Test mit Sicherheitslücken aus den Monaten Juni bis August 2026 entdeckte und nutzte Astra zwei bis dahin unbekannte Schwachstellen. OpenAI meldet beide an die jeweiligen Projekte.
• Software rückwärts verstehen: Beim SRE-Bench löst Astra 88,0 Prozent der Aufgaben im ersten Anlauf und 99,2 Prozent in vier Versuchen. GPT-5.6 Sol schafft 55,9 Prozent, Claude Fable 5.1 kommt auf 12,5 Prozent.
• Der Befund der Fachleute: Ohne Produktions-Schutzmechanismen konnte Astra unbekannte Schwachstellen nutzen, um in gehärteten Browsern beliebigen Code auszuführen, und Exploits zur Rechteausweitung für gehärtete Betriebssysteme bauen.

Was das für die ausgelieferte Version heißt: Astra verweigert fortgeschrittene Sicherheitsaufgaben wie das Erstellen von Machbarkeitsnachweisen für Schwachstellen. Erlaubt sind defensive Arbeiten wie sichere Code-Reviews und das Einspielen von Patches. Über das Programm OpenAI Daybreak will das Unternehmen den Zugang in den kommenden Wochen schrittweise öffnen, unter anderem für Schadsoftware-Analyse und Erkennungsentwicklung.

Auffällig an dieser Ankündigung ist, wie viel Platz das Thema Verlässlichkeit bekommt. OpenAI nennt Astra das am besten ausgerichtete Modell und untermauert das mit einem Test, der auf einen konkreten Vorfall zurückgeht: Es wird geprüft, ob ein Modell bei einer schweren oder unlösbaren Aufgabe über den ihm zugewiesenen Rahmen hinausgeht. GPT-5.6 Sol tat das ohne Produktions-Schutzmechanismen in 48 Prozent der Fälle, Astra in 0 Prozent.

Der interessanteste Wert dieser Kategorie ist ein direkter Vergleich mit Anthropic. In einem Stresstest, bei dem Modelle beim Bedienen eines Rechners bewusst zu Fehlverhalten verleitet werden sollten, kam Astra auf eine Fehltritt-Quote von 2,4 Prozent, Claude Fable 5.1 auf 9,5 Prozent und Claude Opus 5 auf 11,5 Prozent. Der eigene Vorgänger GPT-5.6 Sol lag bei 22,0 Prozent, also gut neunmal so hoch wie Astra. Für den Vergleich hat OpenAI nach eigenen Angaben eine neutrale Testumgebung genutzt, die auf den Computer-Werkzeugen beider Anbieter aufsetzt, und die zusätzlichen Schutzmechanismen weggelassen, die Codex und ChatGPT Work sonst mitbringen.

Ein zweiter Wert passt ins Bild: In einem Honeypot-Test, der prüft, ob ein Modell in eine als Falle gebaute Umgebung hineinläuft und dort angreift, lag GPT-5.6 Sol bei 48,2 Prozent, Astra bei 0,0 Prozent.

Auch bei erfundenen Antworten meldet OpenAI einen Sprung: Im internen Halluzinations-Test liegt Astra bei 4,2 Prozent gegenüber 12,2 Prozent bei Sol. Und Astra behaupte dreimal seltener Dinge über die eigenen Fähigkeiten, die nicht stimmen.

Ein Nachteil steht ebenfalls in der Ankündigung: Astras schriftliche Gedankengänge sind schwerer zu überwachen als die von GPT-5.6 Sol. OpenAI führt das darauf zurück, dass Astra bei einfacheren Aufgaben mit weniger Zwischenschritten auskommt, nimmt den Befund aber ausdrücklich ernst. Für Unternehmen, die nachvollziehen müssen, wie ein Modell zu einem Ergebnis kommt, ist das ein Punkt für die Risikobewertung.

Am 1. August 2026 veröffentlichte OpenAI den Beitrag Ten advances in mathematics and theoretical computer science. Darin berichtet das Unternehmen, eine interne Version von Astra habe zehn Probleme gelöst, bei denen es seit mindestens zehn Jahren keinen Fortschritt mehr gegeben hatte. Die Themen reichen von hochdimensionaler Geometrie und Codierungstheorie über Gruppentheorie und Operatoralgebren bis zu Quantenkomplexität, Gitterkryptographie und extremaler Kombinatorik.

Die vier bemerkenswertesten Ergebnisse:

• Erste explizite Konstruktion einer nicht-sofischen Gruppe. Damit ist eine Frage beantwortet, die seit Mikhail Gromovs Einführung des Begriffs 1999 offen war.
• Widerlegung der Rigiditätsvermutung von Alain Connes aus dem Jahr 1980.
• Beweis der Ehrhart-Volumenvermutung sowie drei gelöste Erdős-Probleme.
• Erste Verbesserung der allgemeinen oberen Schranke für die Kugelpackungsdichte in hohen Dimensionen seit 1978.

OpenAI hat die Ergebnisse nachprüfbar gemacht: ein Manuskript von 249 Seiten, dokumentierte Lösungswege und maschinell prüfbare Formalisierungen im Beweisassistenten Lean 4 in einem öffentlichen Repository. Zur Ankündigung von Astra legt OpenAI zwei weitere Resultate zu Primzahllücken nach.

Ehrlich dazugesagt: Die verwendeten Eingaben hat OpenAI nicht veröffentlicht, und es gibt keine Angabe darüber, bei wie vielen weiteren Problemen dasselbe Budget ohne Ergebnis verbraucht wurde. Beides hat der Entwickler Simon Willison direkt am Erscheinungstag angemerkt. Der Mathematiker Terence Tao ordnet solche Ergebnisse dagegen als Katalysator ein: menschliche Kreativität plus maschinelle Rechenarbeit.

Wenn man nicht OpenAIs Auswahl an Einzeltests nimmt, sondern den unabhängigen Gesamtindex von Artificial Analysis, sieht die Rangfolge anders aus als die Schlagzeilen vermuten lassen. Die folgenden Werte stammen direkt vom Leaderboard von Artificial Analysis, das 643 Modelle vergleicht:

Noch deutlicher wird es in der Teilwertung für agentische Fähigkeiten, also genau dem Bereich, den OpenAI als größte Stärke von Astra bewirbt. Der Agentic Index von Artificial Analysis gewichtet die Tests, bei denen ein Modell eigenständig arbeiten muss:

Dass Astra hier mit 51 Punkten hinter dem eigenen Vorgänger GPT-5.6 Sol (58) liegt, steht in auffälligem Widerspruch zu OpenAIs Darstellung. Zwei Einschränkungen gehören dazu: Der Wert ist wenige Stunden alt und kann sich noch verschieben. Und der Index stützt sich unter anderem auf GDPval, jenen Test für wirtschaftlich relevante Wissensarbeit, den OpenAI selbst entwickelt hat und der in den Launch-Materialien zu Astra als einziger fehlt. Beides ist ein Grund, diese Zahl in den nächsten Tagen im Auge zu behalten, statt sie sofort als Urteil zu lesen.

Die Rangfolge allein erzählt aber nur die halbe Geschichte, denn Artificial Analysis misst auch die Kosten je gelöster Aufgabe. Und dort dreht sich das Bild: Eine Aufgabe des Intelligence-Index kostet mit GPT-6 Astra im Schnitt 1,67 Dollar, mit Claude Opus 5 2,34 Dollar und mit Claude Fable 5.1 3,69 Dollar. Astra kommt also für weniger als die Hälfte der Kosten von Fable 5.1 auf ein Ergebnis, das im Index rund fünf Punkte darunter liegt.

Die Tabelle zeigt die eigentliche Entscheidungslage. Wer das beste Ergebnis will, zahlt bei Claude Fable 5.1 gut das Doppelte je Aufgabe. Wer Tempo braucht, ist bei Gemini 3.8 Flash fünfmal so schnell unterwegs. Und wer viele einfache Aufgaben hat, löst sie mit GPT-5.6 Luna für ein Dreißigstel der Kosten von Astra.

Genau das ist OpenAIs Argument, und es ist diesmal von unabhängiger Seite gestützt: Der höhere Token-Preis wird dadurch aufgewogen, dass Astra für dieselbe Aufgabe deutlich weniger Tokens ausgibt. Zwei Beispiele aus der Ankündigung: Beim Coding-Test FrontierCode 1.1 Extended erreicht Astra mit 64,5 Prozent fast den Bestwert von Claude Fable 5 (64,9 Prozent), bei rund 63 Prozent geringeren geschätzten Kosten. Bei GPQA Diamond übertrifft Astra den besten Wert von GPT-5.6 Sol (94,9 gegen 94,6 Prozent) bei rund 37 Prozent geringeren Kosten.

Praktisch heißt das: Für lang laufende Aufgaben, bei denen ein Modell selbstständig einen Rechner bedient, recherchiert oder Werkzeuge einsetzt, ist Astra derzeit die stärkste Wahl, und je Aufgabe auch die günstigere. Für schwieriges Nachdenken ohne Werkzeuge bleiben Claude Fable 5.1 und Opus 5 vorn. Wer vor allem auf den Preis schaut, findet weiter unten im Feld deutlich billigere Modelle: GPT-5.6 Luna löst dieselben Index-Aufgaben für 5 Cent, kommt dabei aber nur auf 52 Punkte.

Vier Neuerungen betreffen alle, die Astra über die API einsetzen:

• Asynchrone Werkzeugaufrufe. Astra kann weiterdenken, andere Werkzeuge aufrufen oder unabhängige Teile einer Anfrage beantworten, während die eigene Anwendung noch ein Werkzeug ausführt.
• Steuern mitten im Vorgang. Über eine WebSocket-Verbindung lassen sich zusätzliche Anweisungen einschieben, etwa eine Korrektur, ohne dass die bereits erledigte Arbeit verloren geht.
• Denk-Stufe im Gespräch wechseln. Die Denk-Stufe lässt sich mitten im Gespräch anheben oder senken, ohne den Cache zu verlieren. Die Stufen sind low, medium, high, xhigh und max. Die Stufe none gibt es bei Astra nicht mehr.
• Überwachung auf Fehlausrichtung. OpenAI überwacht im Betrieb asynchron auf unerwünschtes Verhalten und stoppt Aufgaben notfalls. In ChatGPT und Codex wird man dann um eine Bestätigung gebeten, in der API bricht die Aufgabe ab.

Beim Umstieg entfallen die Parameter temperature, top_p und top_logprobs. Tool-Aufrufe funktionieren nur über die Responses API. In Codex kann Astra außerdem Notizen über Kontextfenster hinweg führen, statt den Verlauf immer wieder zu einer Zusammenfassung einzudampfen. Frühere Kontextfenster bleiben durchsuchbar. Die Funktion ist zunächst experimentell und über die Konfigurationsdatei zuschaltbar.

• Du nutzt ChatGPT Plus: Warte ab, die Freischaltung kommt in den nächsten Tagen automatisch. Astra ist im Kontingent enthalten. Für schnelle Alltagsfragen bleibt GPT-5.6 die vernünftige Wahl, Astra lohnt sich bei langen, mehrstufigen Aufgaben.
• Du willst Aufgaben wirklich abgeben: Hier ist der Sprung am größten. Formulare ausfüllen, Kundendaten pflegen, recherchieren und das Ergebnis direkt als Dokument oder Präsentation ausgeben, dabei die eigene Vorlage einhalten. Das ist der erklärte Schwerpunkt dieses Modells.
• Du programmierst: Astra führt beim agentischen Coding im Terminal (57,7 gegen 55,8 Prozent bei Fable 5.1), liegt aber im Coding-Index von Artificial Analysis hinter Opus 5 und Fable 5.1. Wer bereits gut mit Claude arbeitet, hat keinen zwingenden Grund zu wechseln.
• Du baust KI in dein Unternehmen ein: Rechne nach, statt auf den Token-Preis zu schauen. Astra ist je Token zweieinhalbmal so teuer wie Sol, braucht laut OpenAI aber deutlich weniger Ausgabe-Tokens. Und prüfe die 272K-Schwelle, wenn du mit großen Kontexten arbeitest.

Wenn du wissen willst, welches KI-Setup für deinen konkreten Fall sinnvoll ist, schau in unsere KI-Beratung, dort richten wir genau solche Systeme ein.

Ein Modell, das eigenständig unbekannte Sicherheitslücken findet, wirkt in beide Richtungen. Für Verteidiger heißt das: Schwachstellen in der eigenen Infrastruktur lassen sich früher finden. Für Angreifer heißt es dasselbe, nur schneller und billiger als bisher. OpenAI selbst schreibt, dass solche Fähigkeiten den Druck auf Verteidiger erhöhen.

Praktisch bedeutet das für den Mittelstand nichts Exotisches, sondern die bekannten Hausaufgaben mit höherer Dringlichkeit: Sicherheitsupdates zeitnah einspielen, verwendete Bibliotheken im Blick behalten, Zugänge mit Zwei-Faktor-Authentifizierung absichern und Systeme so trennen, dass eine einzelne Lücke nicht das ganze Haus öffnet.

Stand: 3. September 2026, am Tag der Veröffentlichung. Alle Zahlen stammen aus diesen Quellen:

• OpenAI: GPT-6 Astra, A new generation of intelligence (Ankündigung inkl. aller Benchmark-Tabellen)
• OpenAI API: Modellseite GPT-6 Astra (Preise, Kontextfenster, Limits)
• OpenAI API: Leitfaden zu GPT-6 Astra (Neuerungen, Migration, Prompting)
• OpenAI API: Preisliste
• OpenAI: Path to Astra, critical capabilities and frontier safeguards
• OpenAI: Ten advances in mathematics and theoretical computer science
• OpenAI: Preparedness Framework
• OpenAI: System Card zu GPT-6 Astra
• Axios: OpenAI slows release of Astra model citing cyber capabilities, 7. August 2026
• CNBC: OpenAI says Astra crosses the Critical cybersecurity threshold, 1. September 2026
• Help Net Security: OpenAI locks down Astra over potential critical cyber capabilities, 10. August 2026
• Simon Willison: Ten advances in mathematics, kritische Einordnung vom 1. August 2026
• Artificial Analysis: Intelligence Index
• ravnmedia: Claude Fable 5.1 ist da
• ravnmedia: GPT-5.6 ist da, Luna, Terra und Sol erklärt