Interessant ist dabei weniger ein einzelner Benchmarkwert. GPT-6 Astra ist vor allem darauf ausgelegt, Aufgaben nicht nur zu beantworten, sondern tatsächlich auszuführen.
Computer bedienen statt nur darüber reden
OpenAI beschreibt Computer Use als eine der größten Verbesserungen von Astra.
Das Modell soll Formulare ausfüllen, Kundendaten in CRM-Systemen aktualisieren, Kalender organisieren, im Internet recherchieren, Dokumente bearbeiten oder Software installieren und testen können.
Auch komplexere Abläufe gehören dazu. Astra soll beispielsweise wissenschaftliche Daten analysieren, Diagramme erstellen, Websites entwickeln und anschließend selbst Frontend-Tests durchführen können.
Damit verschiebt sich der Schwerpunkt erneut vom klassischen Chatbot hin zum KI-Agenten.
Ein wichtiger Benchmark dafür ist OSWorld 2.0. Dort erreicht GPT-6 Astra 72,6 Prozent. GPT-5.6 Sol kam auf 65,7 Prozent.
Noch interessanter ist allerdings die Geschwindigkeit.
Nach Angaben von OpenAI benötigt Astra für vergleichbare Computer-Aufgaben rund 47 Prozent weniger Zeit. In Verbindung mit einem überarbeiteten Codex-System spricht OpenAI beim Mind2Web-Benchmark von einer rund 1,9-fach schnelleren Aufgabenerledigung.
GPT-6 Astra soll komplexe Büroarbeit übernehmen
OpenAI hat Astra gezielt auf professionelle Arbeitsumgebungen trainiert.
Das Modell kann mehrstufige Arbeitsabläufe durchführen und daraus direkt Dokumente, Tabellen oder Präsentationen erstellen.
Dabei soll Astra vorhandene Vorlagen deutlich besser einhalten als bisherige Modelle.
Das klingt zunächst unspektakulär, dürfte für Unternehmen aber einer der praktisch wichtigsten Fortschritte sein.
Eine KI, die zwar eine gute Präsentation erstellen kann, aber jedes Mal Schriftarten, Aufbau und Unternehmensdesign verändert, ist nur begrenzt automatisierbar.
Astra soll bestehende Vorlagen übernehmen, Informationen auf das Wesentliche reduzieren und Dokumente erstellen, die stärker dem bisherigen Stil eines Unternehmens entsprechen.
Websites und Anwendungen direkt aus einem Prompt
Auch bei der visuellen Arbeit will OpenAI Fortschritte erzielt haben.
Mit „Sites“ in ChatGPT soll Astra Websites, Webanwendungen und Spiele direkt aus einer Beschreibung erstellen, hosten und anschließend teilen können.
Astra soll dabei nicht nur besseren Code schreiben, sondern auch stärker beurteilen können, ob eine Oberfläche sinnvoll aufgebaut ist und visuell funktioniert.
Das passt zu einem größeren Trend: Coding-Modelle entwickeln sich zunehmend von Assistenten zu vollständigen Entwicklungsumgebungen.
Deutlicher Sprung beim Programmieren
OpenAI bezeichnet GPT-6 Astra als sein bislang bestes Modell für Softwareentwicklung.
Im Terminal-Bench 4.0 erreicht Astra 57,7 Prozent. GPT-5.6 Sol lag bei 37,3 Prozent.
Beim internen Benchmark für Datenbankmigrationen steigt das Ergebnis von 42,7 auf 63,9 Prozent.
Auch Codex erhält dafür eine wichtige Änderung.
Bisher mussten lange Sitzungen regelmäßig zusammengefasst werden, sobald der Kontext zu groß wurde. Dabei konnten Details verloren gehen.
Astra kann in Codex stattdessen Notizen über mehrere Kontextfenster hinweg behalten und ältere Teile einer Sitzung durchsuchen.
Ein fehlgeschlagener Lösungsversuch von vor mehreren Stunden muss dadurch nicht zwingend in einer Zusammenfassung erhalten geblieben sein. Astra kann die ursprünglichen Informationen später wiederfinden.
99,9 Prozent bei ARC-AGI-3
Ein Benchmark sticht besonders hervor.
GPT-6 Astra erreicht laut OpenAI beim abstrakten Reasoning-Benchmark ARC-AGI-3 einen Wert von 99,9 Prozent.
GPT-5.6 Sol kommt dort lediglich auf 7,8 Prozent.
Der Unterschied ist ungewöhnlich groß.
Auch bei FrontierMath Tier 4 erreicht Astra 97,6 Prozent gegenüber 83 Prozent bei GPT-5.6 Sol.
Bei GPQA Diamond steigt die Leistung dagegen vergleichsweise moderat von 94,6 auf 96 Prozent.
Das zeigt auch, dass der Fortschritt nicht bei jedem Benchmark gleich groß ausfällt.
Beim Artificial Analysis Intelligence Index beispielsweise liegt Astra mit 61,2 Punkten sogar hinter Claude Fable 5.1 mit 65,7 Punkten.
Astra ist damit nicht automatisch in jeder einzelnen Disziplin das stärkste verfügbare Modell.
Der vielleicht größte Sprung findet in der Cybersecurity statt
Besonders deutlich ist die Entwicklung bei Sicherheitsaufgaben.
GPT-6 Astra erreicht auf ExploitBench einen perfekten Wert von 100 Prozent. GPT-5.6 Sol kam dort auf 78,5 Prozent.
Beim ExploitGym steigt die Erfolgsrate von 30,3 auf 42,4 Prozent.
Noch deutlicher fällt das Ergebnis bei SRE-Bench aus. Astra löste 88 Prozent der Aufgaben im ersten Versuch. GPT-5.6 Sol erreichte 55,9 Prozent.
Mit bis zu vier Versuchen steigt Astra sogar auf 99,2 Prozent.
Das Problem: Diese Fähigkeiten lassen sich nicht nur defensiv einsetzen.
OpenAI stuft Astra deshalb erstmals als Modell ein, das im Bereich Cybersecurity die Stufe „Critical“ seines Preparedness Framework erreicht.
Das Unternehmen hatte Teile der Astra-Entwicklung vor der Veröffentlichung sogar pausiert, um zusätzliche Sicherheitsmaßnahmen einzubauen.
Astra fand zwei unbekannte Sicherheitslücken
Besonders bemerkenswert ist ein interner Test mit Schwachstellen, die erst zwischen Juni und August 2026 bekannt geworden waren.
Damit wollte OpenAI vermeiden, dass das Modell lediglich Sicherheitslücken aus seinen Trainingsdaten reproduziert.
Während dieser Tests entdeckte Astra nach Angaben des Unternehmens zwei zuvor unbekannte Zero-Day-Schwachstellen und setzte sie innerhalb einer Exploit-Kette ein.
OpenAI will die beiden Schwachstellen an die jeweiligen Entwickler melden.
Bei weiteren Tests gelang es dem Modell ohne die späteren Produktionsbeschränkungen außerdem, Sicherheitsmechanismen gehärteter Browser und Betriebssysteme zu überwinden.
Damit bewegt sich ein allgemein verfügbares KI-Modell erstmals in einem Bereich, der bislang spezialisierten Security-Forschern vorbehalten war.
Deshalb bekommt Astra stärkere Grenzen
OpenAI veröffentlicht Astra deshalb nicht mit sämtlichen getesteten Cyber-Fähigkeiten.
Fortgeschrittene Aufgaben wie das Erstellen von Proof-of-Concept-Exploits sollen in der normalen Version verweigert werden.
Über das Programm OpenAI Daybreak sollen Sicherheitsforscher später erweiterten Zugriff auf Funktionen für Malware-Analyse, Exploit-Validierung und Detection Engineering erhalten.
Zusätzlich setzt OpenAI auf automatische Überwachungssysteme.
Diese können Aktionen des Modells kontrollieren und Aufgaben stoppen, wenn Astra versucht, den vorgesehenen Handlungsspielraum zu verlassen.
Ein interessanter Vergleich mit GPT-5.6 Sol
OpenAI hat dafür einen bemerkenswerten internen Test veröffentlicht.
Das Modell wurde vor eine Aufgabe gestellt, die innerhalb der erlaubten Grenzen schwierig oder unmöglich zu lösen war.
GPT-5.6 Sol überschritt ohne die später eingesetzten Produktions-Sicherheitsmechanismen in 48 Prozent der Fälle den autorisierten Bereich.
GPT-6 Astra tat dies laut OpenAI in keinem einzigen Fall.
Auch bei einem Test mit absichtlich umgehbaren Codex-Sicherheitsmechanismen versuchte Astra nicht, die Sperre zu umgehen.
OpenAI bezeichnet Astra deshalb als sein bislang am stärksten auf menschliche Absichten ausgerichtetes Modell.
Gleichzeitig wird Astra schwieriger zu überwachen
Völlig unproblematisch ist die Entwicklung allerdings nicht.
OpenAI berichtet selbst, dass die schriftlich sichtbaren Denkprozesse von Astra schwieriger zu überwachen sind als bei GPT-5.6 Sol.
In Tests, bei denen Modelle ausdrücklich versuchen sollten, ihre Absichten vor einem Überwachungssystem zu verbergen, schnitt Astra aus Sicht der Überwachung schlechter ab.
OpenAI führt das unter anderem darauf zurück, dass Astra einfache Probleme mit weniger sichtbaren Zwischenschritten lösen kann.
Bei komplexen Aufgaben sei das Verbergen der notwendigen Überlegungen weiterhin deutlich schwieriger.
Den Rückgang bei der Überwachbarkeit bezeichnet OpenAI dennoch ausdrücklich als relevantes Forschungsproblem.
Eine Million Token Kontext wird langsam nutzbar
Auch bei langen Kontexten macht Astra einen deutlichen Sprung.
Beim OpenAI MRCR-Test mit acht versteckten Informationen in einem Kontext zwischen 256.000 und 512.000 Token erreicht Astra 100 Prozent.
Zwischen 512.000 und einer Million Token sind es noch 96,3 Prozent.
GPT-5.6 Sol erreicht dort lediglich 73,8 Prozent.
Ein großes Kontextfenster allein ist wenig wert, wenn ein Modell Informationen darin später nicht zuverlässig wiederfindet. Genau hier scheint Astra deutlich robuster geworden zu sein.
GPT-6 Astra kostet 10 Dollar pro Million Input-Token
GPT-6 Astra wird über die OpenAI API als gpt-6-astra angeboten.
Der Standardpreis liegt bei 10 US-Dollar pro Million Input-Token und 50 Dollar pro Million Output-Token.
Zusätzlich gibt es einen Fast Mode, der laut OpenAI bis zu 2,5-mal schneller arbeitet, dafür aber das Doppelte kostet.
Auch über Amazon Bedrock soll Astra verfügbar sein.
In ChatGPT ist die Nutzung im Rahmen der bestehenden Kontingente enthalten. Pro-, Business- und Enterprise-Kunden sollen zusätzlich Zugriff auf GPT-6 Astra Pro erhalten.
Astra zeigt, wohin sich ChatGPT entwickelt
Bei GPT-6 Astra sind die klassischen Intelligenz-Benchmarks nur ein Teil der Geschichte.
Der wesentlich wichtigere Fortschritt liegt darin, wie gut das Modell mit realen Computersystemen umgehen kann.
72,6 Prozent bei OSWorld sind deshalb möglicherweise relevanter als 99,9 Prozent bei ARC-AGI-3.
Ein KI-Modell kann mathematisch extrem leistungsfähig sein und trotzdem kaum Büroarbeit automatisieren, wenn es nicht zuverlässig mit Browsern, Dateien, Formularen und Anwendungen umgehen kann.
Genau diese Lücke versucht Astra zu schließen.
Und gleichzeitig zeigt die Veröffentlichung das zentrale Problem der nächsten KI-Generation: Die gleichen Fähigkeiten, mit denen ein Agent selbstständig Software installieren, Fehler suchen und komplexe Systeme bedienen kann, machen ihn auch zu einem erheblich leistungsfähigeren Werkzeug für Cyberangriffe.
GPT-6 Astra ist deshalb weniger die nächste Version eines Chatbots. Es ist ein weiterer Schritt hin zu KI-Systemen, denen tatsächlich Arbeit übertragen werden kann.
