> ## Content Index > Fetch the complete content index at: https://t01.li/llms.txt > Use this file to discover other available public pages before exploring further. # ChatGPT-6 Astra: Mehr Agent als GPT-5.6 Sol - URL: https://t01.li/ki-news/gpt-6-astra-vs-gpt-5-6-sol/ - Published: 2026-09-04T08:13:00.000Z - Updated: 2026-09-04T08:47:55.000Z - Description: GPT-6 Astra löst GPT-5.6 Sol als OpenAIs Spitzenmodell ab. Der Sprung liegt bei Computer Use, langen Codex-Sessions und Cyber-Fähigkeiten – nicht im unabhängigen Intelligence Index. Die Tokenpreise steigen auf das 2,5-Fache, die Kosten pro Aufgabe nicht überall. - Author: Tobias Glawe - Tags: KI News OpenAI hat am 3\. September *GPT-6 Astra* vorgestellt. Der Rollout läuft zunächst über eine begrenzte Zahl von Organisationen, Plus, Pro, Business und Enterprise sollen in den kommenden Tagen folgen, dazu die OpenAI-API, Microsoft Azure und AWS Bedrock. Microsoft rollt Astra vorerst über das Foundry Limited Access Program an teilnehmende Kunden aus, für Amazon Bedrock kündigt OpenAI die Verfügbarkeit an, eine eigene AWS-Produktmeldung steht bislang aus. Bei mir ist noch nichts angekommen, daher ist das hier eine erste Einordnung der Daten und der [offiziellen Ankündigung](https://openai.com/index/gpt-6-astra/?ref=t01.li), die diesmal lang genug ist, um mehr als die übliche Benchmark-Parade herzugeben. *GPT-6 Astra* ist kein günstigeres, schnelleres [*GPT-5.6 Sol*](https://t01.li/ki-news/chatgpt-5-6-sol-terra-und-luna/), sondern ein LLM, das auf Computer Use, [Coding-Agenten](https://t01.li/glossar/#coding-agent) und kontrollierte Autonomie zugespitzt wurde. Am Preis lässt sich das ablesen. Während Sol zum aktuellen Aktionspreis 4 $ pro Million Input- und 20 $ pro Million Output-Tokens kostet, ruft OpenAI für Astra 10 beziehungsweise 50 $ auf, jeweils das 2,5-Fache. Diesen Sol-Preis garantiert OpenAI allerdings nur mindestens bis zum 21\. November 2026, auf dem alten Listenpreis von 5 und 30 $ läge der Faktor bei 2\. Für viele Standardaufgaben entscheidet das schon, bevor der erste Benchmark gelesen ist. ## TL;DR *GPT-6 Astra* setzt andere Prioritäten als *GPT-5.6 Sol*. Es geht weniger um einen allgemeinen Intelligenz-Sprung als um lange, autonome Arbeit am Rechner. - Artificial Analysis führt beide Modelle im Intelligence Index gerundet mit 61 Punkten, OpenAIs Tabelle weist für denselben Index 61,2 zu 60,9 aus. - Große Sprünge meldet OpenAI bei Computer Use, Coding, Cybersecurity und Safety – überwiegend aus eigenen Evals. - Bei Cyber-Fähigkeiten erreicht Astra die Critical-Schwelle des OpenAI-eigenen Preparedness Framework. - Die API kostet 10 statt 4 $ Input und 50 statt 20 $ Output pro Million Tokens. - Für *Codex* ist die neue Kontext-Persistenz die praktischste Neuerung, sofern sie hält, was OpenAI verspricht. ## Der unabhängige Index bleibt fast stehen Wen man auf die eine Zahl schaut, die nicht aus OpenAIs eigener Tabelle stammt, sieht man erst einmal keinen Erdrutsch. [Artificial Analysis](https://artificialanalysis.ai/models/gpt-6-astra?ref=t01.li) führt *GPT-6 Astra (max)* mit 61 Punkten im Intelligence Index, *GPT-5.6 Sol (max)* ebenfalls mit 61\. Hinter der Rundung steht ein kleiner Abstand, in OpenAIs Vergleichstabelle sind es 61,2 zu 60,9 Punkte. Ein Gegenbeweis gegen Fortschritt ist das aber nicht, und den Index gegen alles andere auszuspielen wäre unredlich. Auf ARC-AGI-3 springt Astra von 7,8 auf 99,9 %, wobei OpenAI das Modell dort mit einem angepassten Responses-API-Harness laufen ließ. Auf FrontierMath Tier 4 steigt der Wert von 83,0 auf 97,6 %. Wo einzelne Evals derart kippen, bügelt ein Composite aus neun Aufgabenfeldern das glatt. Als kleiner Dämpfer taugt der Index trotzdem – gegen die Überschrift von der neuen Generation der Intelligenz und gegen Greg Brockman, der das Presse-Briefing mit „Welcome to the AGI era“ beendet hat. Für allgemeines Reasoning ist Astra nach diesem Maß nicht in einer anderen Liga. Die Kostenrechnung dreht das Bild dann noch einmal. Artificial Analysis misst bei Astra im Intelligence Index rund zehn Prozent weniger Output-Tokens pro Aufgabe als bei Sol. Der gewichtete Preis steigt trotzdem von 0,95 auf 1,67 $ pro Index-Task, weil Astra pro Token 2,5-mal so teuer ist – rund 75 % mehr. Gemeint ist die gewichtete Kostenmetrik für die neun Evals dieser Suite, nicht der Preis eines beliebigen API-Tasks. ## Computer Use ist der eigentliche Sprung OpenAI setzt den Schwerpunkt auf Computer Use, also Browser bedienen, Formulare ausfüllen, Oberflächen prüfen, Software installieren, Websites testen. Auf OSWorld 2.0 meldet das Unternehmen 72,6 % für Astra gegenüber 65,7 % für Sol. Für den Alltag eines Agenten wiegt die zweite Zahl schwerer: Astra soll dieselben Aufgaben in der Latenz-Simulation in rund 40 statt 75 Minuten erledigt haben. Beides braucht das übliche Hersteller-Sternchen. Gemessen wird nicht der volle [Benchmark](https://t01.li/glossar/#benchmark), sondern das Offline-Subset mit Partial Score, Stand 8\. August 2026\. Die Laufzeiten stammen aus OpenAIs Demonstrationsläufen, und die veröffentlichten Clips sind laut Fußnote gekürzt. Die 1,9-fache Beschleunigung auf Mind2Web schreibt OpenAI selbst nicht dem Modell allein zu, sondern der Kombination aus Astra und einem aktualisierten *Codex*\-[Harness](https://t01.li/glossar/#harness). Für die Praxis ist genau das relevant. Wer einen Agenten nicht nur Text produzieren, sondern durch einen Browser, ein CRM oder ein Repo arbeiten lässt, kauft immer das System darum herum mit – Tools, Berechtigungen, [Guardrails](https://t01.li/glossar/#guardrails) und die Art, wie der Agent seinen Zustand hält. Der Fehler wäre nur, den Faktor 1,9 als reine Modellleistung weiterzuerzählen. ## Für Codex: Schluss mit Compaction-Amnesie? Wenn das [Kontextfenster](https://t01.li/glossar/#kontextfenster) voll läuft, soll Astra in *Codex* künftig Notizen über Fenstergrenzen hinweg behalten und ältere Fenster durchsuchen können. Bisher fasst ein Agent an dieser Stelle zusammen. Compaction spart Kontext und verliert gerne genau den gescheiterten Lösungsweg oder die Randbedingung, die drei Stunden später wieder wichtig wird. OpenAI verspricht keine magische Endlos-Konversation: das Kontextfenster von einer Million Tokens bleibt. Neu ist eine zweite Gedächtnisschicht aus Notizen für akkumulierte Details und einer Suche über frühere Nachrichten und Tool-Outputs. Bei Refactors, langen Debugging-Sessions und Frontend-Arbeit könnte das mehr verändern als ein paar Punkte auf Terminal-Bench. Feiern werde ich es aber erst, wenn ich einen echten mehrstündigen *Codex*\-Lauf daran brechen darf. Die Funktion ist zunächst experimentell, über die `config.toml` aktivierbar, und soll in den kommenden Wochen Standard für Astra werden. Wer *Codex* für längere Repo-Arbeit nutzt, sollte den Vergleich deshalb nicht auf „Astra oder Sol?“ verkürzen. Es geht auch um die neue Harness. ## Mehr Cyber-Fähigkeiten, engere Grenzen Der Absatz, der in vielen Zusammenfassungen untergeht, steht unter Cybersecurity. Astra erreicht dort die Critical-Schwelle des OpenAI-eigenen [Preparedness Framework](https://openai.com/index/updating-our-preparedness-framework/?ref=t01.li), die höhere der beiden definierten Fähigkeitsschwellen. Die Zahlen dahinter stammen aus Läufen ohne Produktionsschutz: ExploitBench 100 % gegen 78,5 % für Sol, SRE-Bench 88,0 % gegen 55,9 % im ersten Versuch. Während der Auswertung fand das Modell zwei bis dahin unbekannte Zero-Days und nutzte sie, OpenAI meldet beide an die Maintainer. Im Produkt heißt Critical erst einmal weniger, nicht mehr. Astra darf Secure Code Review und Patching, verweigert aber fortgeschrittene Aufgaben wie das Bauen von Proof-of-Concept-Exploits. Lockerere Safeguards soll es in den kommenden Wochen über OpenAI Daybreak geben. Wenn du defensiv arbeitest, wirst du also ausgebremst, bevor du überhaupt richtig anfängst. Auf der Verhaltensseite zeigt OpenAI strengere Scope-Treue. In einem eigens gebauten Test überschritt Astra nie das autorisierte Ziel, Sol tat das ohne Produktionsschutz in 48 % der Fälle. Ein internes [Halluzinations](https://t01.li/glossar/#halluzination)\-Eval liegt bei 4,2 % gegenüber 12,2 %, bei der Umgehung eines Auto-Review-Stopps meldet OpenAI null Fälle. Alles davon sind OpenAIs eigene Tests, teils gegen Konfigurationen ohne die Safeguards, die im Produkt aktiv sind. Und im selben Text steht der Satz, der es in keine Launch-Grafik geschafft hat: Astras schriftliches Reasoning ist schwerer zu überwachen als das von Sol, gemessen in Tests, die das Modell ausdrücklich zum Verstecken aufgefordert haben. OpenAI nennt das einen Rückgang, den man ernst nehme. Ein Modell, das seine Grenzen besser einhält und dabei schwerer zu kontrollieren ist, ergibt keinen reinen Fortschrittsbericht. Damit verschiebt sich der Trade-off. Astra darf offenbar mehr und wird enger überwacht, was für unkritische Recherche oder Copy keinen Vorteil bringt. Für Agenten mit Zugriff auf Browser, Infrastruktur oder Kundendaten ist es ein Produktmerkmal, das in der Benchmark-Headline untergeht. Dass die zusätzlichen Prüfungen legitime Arbeit verlangsamen, pausieren oder abbrechen können, schreibt OpenAI selbst. In ChatGPT und *Codex* wird dann eine Bestätigung fällig, in der API stoppt der Task. ## Coding: starke Herstellerwerte, unabhängig ein knapperes Bild Auf Terminal-Bench 4.0 springt Astra laut OpenAI von 37,3 % auf 57,9 %, auf DeepSWE dagegen nur von 72,7 % auf 74,1 %. Bei bestimmten Terminal- und Agentenaufgaben sieht der Sprung groß aus, bei anderen Coding-Evals eher kleiner. OpenAI legt offen, dass die eigenen Messungen in einer Research-Umgebung oder über die API laufen und deshalb von ChatGPT abweichen können. Für FrontierCode bekam Astra außerdem eine Developer Message, die der aus *Codex* ähnelt. Unredlich ist das nicht, bei Coding-Agenten gehören Harness und Arbeitsanweisung nun einmal zum Produkt. Ein neutraler A/B-Test im eigenen Repo sind diese Werte trotzdem nicht. Unabhängig gemessen wird es dann nüchterner. Artificial Analysis hat am Launch-Tag auch den Coding Agent Index aktualisiert. Astra kommt in *Codex* auf 67 Punkte und liegt damit etwa gleichauf mit [*Claude Opus 5*](https://t01.li/ki-news/claude-opus-5-fast-fable-niveau-halber-preis/) und *Fable 5*, während [*Fable 5.1*](https://t01.li/ki-news/claude-fable-5-1-mythos-5-1-safeguards/) in *Claude Code* mit 70 Punkten führt. Gegenüber Sol sind das zwei Punkte mehr, bei ungefähr gleichen Kosten pro Aufgabe – Astra braucht im Codex-Harness etwa ein Drittel der Tokens von *Sol* (max) und rund ein Fünftel von *Claude Opus 5* (xhigh). Was weiterhin fehlt, sind Tests mit echten Projekten, wiederholbaren Aufgaben und eigener Kostenmessung. ## Mein (vorläufiger) Take *GPT-6 Astra* ersetzt *GPT-5.6 Sol* nicht als pauschal bessere Modellwahl. Es ist das teurere Modell für die Klasse von Aufgaben, in der ein Agent lange am Rechner arbeitet, Kontext über viele Schritte hält und seine Grenzen respektieren soll. Zwischen den beiden liegt offenbar mehr als ein Versionssprung. Bei den Kosten lohnt sich dann aber der zweite Blick und zwar in beide Richtungen: Pro Token ist Astra 2,5-mal so teuer. Pro Aufgabe hängt es davon ab, wie viel das Modell redet: im Intelligence Index steigen die Kosten laut Artificial Analysis um rund 75 %, im Coding Agent Index landet Astra bei ungefähr demselben Preis pro Task wie Sol. Für Zusammenfassungen und normale Analysen rechne ich deshalb weiter mit Sol, bzw. Terra, das als Daily Driver in den meisten Fällen völlig ausreichend ist. Für einen langen *Codex*\-Refactor, Browser-QA oder einen kontrollierten Computer-Use-Workflow kann die Rechnung kippen. Zum ersten Eindruck von *GPT-5.6* passt der gleiche Vorbehalt wie damals, [der Zugang ist oft die eigentliche Geschichte](https://t01.li/ki-news/chatgpt-5-6-sol-terra-und-luna/). Diesmal kommt eine zweite Frage dazu. Nicht die größte Zahl in der Launch-Tabelle entscheidet, sondern ob das Zusammenspiel aus Modell, *Codex*\-Harness und Safety im eigenen Workflow weniger Schleifen produziert.