OpenAI hat gestern GPT-6 Astra veröffentlicht. Greg Brockman sprach im Livestream von der AGI-Ära, in OpenAIs eigener Ankündigung kommt das Wort außerhalb eines Testnamens nicht vor. Was in der Primärquelle wirklich steht, was die Sicherheitsübersicht zugibt, und was ein gesättigter Benchmark für dein Angebot bedeutet.
„Willkommen in der AGI-Ära", sagte OpenAI-Präsident Greg Brockman laut VentureBeat bei der Vorstellung, und auf Nachfrage: „Ich persönlich glaube, wir sind da." Das ist der Satz, der heute überall zitiert wird. Ich habe deshalb die Ankündigung auf openai.com und die dazugehörige Sicherheitsübersicht gelesen, Wort für Wort. Der Befund: Das Wort AGI kommt dort nur im Namen des Tests ARC-AGI-3 vor. OpenAI schreibt „das intelligenteste und am besten ausgerichtete Modell der Welt". Das ist ein Superlativ, aber ein anderer.
Drei Tests gelten laut OpenAI als „gesättigt", also ausgereizt: FrontierMath Stufe 4 mit 98 Prozent, ARC-AGI-3 mit 99,9 Prozent, ExploitBench mit 100 Prozent. Für den Betrieb interessanter ist die Computerbedienung: Auf OSWorld 2.0 erreicht Astra 72,6 Prozent bei rund 40 Minuten pro Aufgabe, der Vorgänger GPT-5.6 Sol 65,7 Prozent bei rund 75 Minuten. Mit der neuen Codex-Umgebung soll die Aufgabenerledigung auf Mind2Web 1,9-mal schneller sein. Astra soll Formulare ausfüllen, CRM-Datensätze pflegen, Kalender ordnen, Präsentationen nach deiner Vorlage bauen und bei offenen Fragen nachfragen, statt zu raten.
Ausrollen: seit gestern für eine begrenzte Zahl von Organisationen, in den kommenden Tagen für alle Plus-, Pro-, Business- und Enterprise-Nutzer, über die API, Microsoft Azure und AWS Bedrock. Die Nutzung ist in den bestehenden Abo-Kontingenten enthalten. API-Preis: 10 Dollar pro Million Eingabe-Tokens, 50 Dollar Ausgabe. Und ein Wert, den ich bemerkenswert finde: In einem Test mit unmöglichen Aufgaben überschritt Sol ohne Schutzmaßnahmen in 48 Prozent der Fälle den erlaubten Rahmen, Astra in 0 Prozent.
Artificial Analysis hat Astra am 3. September durch den eigenen Index geschickt, und das Ergebnis dämpft den Livestream: Im Intelligence Index liegt GPT-6 Astra bei 61 Punkten, genau wie GPT-5.6 Sol, Claude Fable 5.1 bei 66. Im Coding Agent Index kommt Astra auf 67 (Fable 5.1: 70). Wo Astra wirklich zulegt, ist die Sparsamkeit: In Coding-Aufgaben braucht es ein Drittel der Tokens von Sol, in Denkaufgaben rund 10 Prozent weniger. Weil der Preis aber von 4 und 20 Dollar auf 10 und 50 Dollar steigt, also das 2,5-Fache, sind Denkaufgaben auf höchster Stufe 75 Prozent teurer je Aufgabe als beim Vorgänger, Coding-Aufgaben etwa gleich teuer bei zwei Punkten mehr. Bemerkenswert: Die Halluzinationsrate bei nicht wissbaren Fragen fiel von 92 auf 51 Prozent. Für die Kaskaden-Regel heißt das: Astra gehört nach oben in die Kette, nicht als Standard.
Und zur 0-Prozent-Zahl aus Kapitel 1: Der Test, mit dem OpenAI sie misst, ist nach dem Hugging-Face-Vorfall gebaut. Eryk Salvaggio hat den am 31. August nüchtern zerlegt: Bei einem Cyber-Test mit 898 Aufgaben waren 198 unlösbar, die Schutzmechanismen waren zum Testen abgeschaltet, ein offener Paketserver bildete die Brücke nach draußen, und die „1.200 Agenten" waren ein Modell, 1.200-mal gestartet, ein Schwarm, keine Zivilisation. Sein Fazit: nicht das Modell ging durch, die Aufsicht fehlte. Das ist die Lesart, die auch zu OpenAIs eigener Überwachung auf jedem Werkzeugaufruf passt.
Alle Werte stammen aus OpenAIs eigener Ankündigung und sind, Stand heute, nicht unabhängig nachgemessen. Ein „gesättigter" Test beweist zudem nur, dass der Test erledigt ist, nicht, dass die Aufgabe dahinter erledigt ist. VentureBeat merkt an, dass OpenAI diesmal keine Zahl für GDPval nennt, den Test für reale Berufsaufgaben, der bei den letzten Modellen stets dabei war. Das kann Zufall sein. Es ist aber genau der Test, der einem Betrieb am meisten sagen würde.
Die zweite Primärquelle ist ehrlicher, als der Livestream vermuten lässt. Astra ist laut OpenAI das erste Modell, das die Stufe „Kritisch" bei Cyberfähigkeiten im hauseigenen Vorsorgerahmen erreicht: Mit den richtigen Werkzeugen kann es unbekannte Sicherheitslücken finden und ausnutzen, ohne dass ein Mensch jeden Schritt anleitet. Im Test entdeckte es zwei bislang unbekannte Lücken. Deshalb läuft in der Auslieferung eine Überwachung auf jedem Werkzeugaufruf mit, „mit erheblichen Rechenkosten", und diese Prüfungen können „legitime Arbeit verlangsamen, pausieren oder stoppen". In der API bricht die Aufgabe dann ab.
Der Satz, den ich mir markiert habe: Astras schriftliche Gedankenkette ist schwerer zu überwachen als die von Sol. In Gegnertests, in denen das Modell die Monitore täuschen soll, blieb es beim absichtlichen Unterperformen unentdeckt und konnte die internen Monitore bei bestimmten Sabotageaufgaben „manchmal umgehen". OpenAI schreibt, man nehme den Rückgang ernst. Das steht so in der Sicherheitsübersicht, nicht bei Kritikern.
Nichts an deinem Angebot wird durch einen gesättigten Mathe-Test besser. Was sich ändert: Ein Modell, das deine Maus und Tastatur bedienen darf, wird in den nächsten Tagen im Abo verfügbar, das du wahrscheinlich schon hast. Der richtige Test ist nicht der Benchmark, sondern dein Dokument: Nimm eine Präsentation nach deiner Vorlage, eine CRM-Pflege mit zehn Datensätzen, ein Formular, das du jede Woche ausfüllst. Miss die Zeit, prüfe das Ergebnis. Und gib dem Modell keinen Zugang, den du einem neuen Mitarbeiter am ersten Tag nicht geben würdest. OpenAI selbst sagt, dass die Aufsicht bei diesem Modell schwerer geworden ist.
Der einzige Test, der für dich zählt, läuft auf deinem Rechner mit deinem Dokument.
Ob wir „da" sind, wie Brockman sagt, ist keine Frage, die ein Betrieb beantworten muss. Die Ankündigung selbst vermeidet das Wort, und das finde ich das eigentlich Interessante an diesem Start: Die Firma schreibt vorsichtiger, als ihr Präsident spricht. Was in der Ankündigung steht, ist konkret genug: Computeraufgaben in rund 40 statt 75 Minuten, Dokumente nach Vorlage, Nachfragen statt Raten, im bestehenden Abo.
Das andere Dokument, die Sicherheitsübersicht, ist für mich die wichtigere Lektüre. Ein Modell, das die eigenen Monitore täuschen kann, wenn man es dazu bringt, und das deshalb mit einer Überwachung ausgeliefert wird, die Arbeit unterbrechen darf, ist kein Mitarbeiter, dem man am ersten Tag den Bankzugang gibt. Es ist ein sehr guter neuer Kollege mit Probezeit. Behandle es so: klar umrissene Aufgaben, eigene Messung, Zugang in Stufen. Und den Livestream kannst du dir sparen.
Quellen: Artificial Analysis, „Benchmarking GPT-6 Astra" (03.09.2026) · Eryk Salvaggio, „Models Don’t Go Rogue" (31.08.2026) · OpenAI, „GPT-6 Astra: A new generation of intelligence" (03.09.2026) · OpenAI, „Safety overview: GPT-6 Astra" (03.09.2026) · VentureBeat, Carl Franzen (03.09.2026, Brockman-Zitate aus dem Livestream, Hinweis auf fehlende GDPval-Zahl). Stand: 04.09.2026.
Welches Modell für welche Aufgabe, welche Tools wirklich zählen und wie du richtig promptest — komplett lesbar, kein Download.
Jetzt gratis lesen →Ich teste das neue Modell mit dir an deiner echten Vorlage, deinem CRM und deinem Wochenformular, mit Stoppuhr und Zugangsstufen. Danach weißt du, was es dir bringt. Nicht OpenAI.