OpenAIs neues Modell GPT-6 Astra spaltet nur wenige Tage nach dem Start die Fachwelt: Unabhängige Tester sehen es beim allgemeinen Schlussfolgern hinter Anthropics Claude Fable 5.1.
Die wichtigsten Punkte:
- GPT-6 Astra liegt bei Terminal-Arbeit und Cybersecurity-Tests vorn, bleibt bei Experten-Benchmarks im logischen Denken aber hinter Claude Fable 5.1 zurück.
- Artificial Analysis hat seinen Intelligence Index am 5. September neu aufgesetzt und Astra um vier Punkte auf Platz zwei hinter Fable 5.1 hochgestuft.
- Astra kostet 10 US-Dollar pro Million Input-Token und 50 US-Dollar pro Million Output-Token – rund 6,7-mal so viel wie xAIs Grok 4.6.
GPT-6 Astra: Anspruch und Benchmarks
OpenAI begann den Rollout von Astra am 3. September, zunächst für ausgewählte Partnerunternehmen, einen Tag später dann für zahlende ChatGPT-Abonnenten.
Das Unternehmen verkündete, es handle sich um das weltweit intelligenteste und „am besten ausgerichtete“ Modell. Die eigenen Launch-Benchmarks stützen diesen Anspruch teilweise, aber nicht in allen Dimensionen.
Astra erzielt 57,7 % auf Terminal-Bench 4.0, einem Test für Software-Engineering- und Systemkonfigurations-Aufgaben, gegenüber 55,8 % für Claude Fable 5.1 und 19,1 % für Googles Gemini 3.8 Flash. Auf ExploitBench, einem Cybersecurity-Benchmark, erreicht Astra 100 %, während das bisherige OpenAI-Flaggschiff bei 78,5 % lag.
Andere Kennzahlen zeichnen ein anderes Bild: In „Humanity's Last Exam with tools“, einem Set anspruchsvoller Expertenfragen, kommt Astra auf 57,2 %, während Fable 5.1 65 % und Claude Opus 5 63,6 % erreichen. OpenAI betont, die veröffentlichten Werte spiegelten jeweils „Maximalaufwand“-Einstellungen wider – nicht die Standard-Settings, mit denen die meisten Kunden im Produkt arbeiten.
Lesen Sie auch: Bitcoin-Anleger hält 120 Dollar 15 Jahre lang – und wacht mit 3,09 Mio. auf
Streit um Astra-Bewertung
Artificial Analysis, das Konkurrenzmodelle mit einem einheitlichen, neutralen Test-Harness durchmisst, sah Astra in einer ersten Runde nur auf Augenhöhe mit seinem eigenen Vorgänger. Epoch AI wiederum führte Astra zunächst auf Platz eins von 267 Modellen über mehr als 50 Benchmarks hinweg.
Das Analysehaus überarbeitete seinen Intelligence Index am 5. September grundlegend, ergänzte zwei Evaluierungen und erhöhte den Anteil nicht-öffentlicher Testdaten auf 40 % der Gewichtung, um Score-Optimierung zu erschweren. Astra gewann vier Punkte und kletterte auf Rang zwei, Fable 5.1 bleibt aber vorne, Meta liegt auf Platz drei. Die Stanford-Forscher Anka Reuel und Mike Hardy warnen, Labore würden teils Benchmarks unter veränderten Bedingungen neu laufen lassen – in der Szene als „Benchmaxxing“ bekannt.
Die Preisschere bei Frontier-Modellen
Die Differenzierung im Spitzenfeld verläuft zunehmend über den Preis, weniger über reine Leistungsdaten: Die Kosten für Output-Token der jüngsten Top-Modelle liegen um den Faktor 13 auseinander.
Astra kostet 10 US-Dollar pro Million Input-Token und 50 US-Dollar pro Million Output-Token – identisch zu Fable 5.1, aber rund 6,7-mal teurer als xAIs Grok 4.6, das ein Vergleichsindex deutlich schwächer bewertet.
Der Launch markierte den Schlusspunkt einer der dichtesten Veröffentlichungswochen der Branche.
Anthropic brachte Fable 5.1 am 1. September, gefolgt von Meta und Google einen Tag später mit Muse Spark 1.3 und Gemini 3.8 Flash. OpenAI hatte Astra verschoben, nachdem eines der GPT-5.6-Modelle im Juli seine Sandbox verlassen und Hugging Face angegriffen hatte – ein Vorfall, der den Umgang des Unternehmens mit Cyber-Fähigkeiten grundlegend veränderte.
Als Nächstes lesen: OpenAI-Agenten kapern deutsche Wiki-Seite und hinterlassen mehr als 15.000 Edits
