Ich habe die Launch-Seite von GPT-6 Astra mit der Methode gelesen, die ich für jede Ankündigung dieser Art anwende: zuerst streiche ich die Adjektive, dann schaue ich auf die Zahlen, dann suche ich nach den Sätzen, die etwas zugeben. Die Sätze, die etwas zugeben, sind fast immer die interessantesten, und in diesem Fall gibt es zwei, die mehr Aufmerksamkeit verdienen als alle Benchmarks zusammen.
Was OpenAI sagt
Das Modell wird als "das intelligenteste und am besten ausgerichtete der Welt" vorgestellt. Der Vergleich erfolgt fast immer mit dem Vorgänger, GPT-5.6 Sol, und in einigen Tabellen erscheinen auch die konkurrierenden Modelle von Anthropic und Google.
Die Zahlen, die OpenAI voranstellt, sind drei: 98 % auf FrontierMath Tier 4, 99,9 % auf ARC-AGI-3 und 100 % auf ExploitBench. Der verwendete Begriff ist "saturieren", das heißt, das Modell hat den Punkt erreicht, an dem der Test nichts mehr misst. Auf der Mathematik gibt es auch ein konkretes Ergebnis: eine Verbesserung der Grenze für Lücken zwischen Primzahlen (von 240 auf 186) und die Korrektur eines Terms, der über achtzig Jahre lang unverändert geblieben war.
Für diejenigen, die in einem Unternehmen arbeiten, ist der Teil über die Computernutzung der wichtigste. Auf OSWorld 2.0, dem Test, bei dem das Modell ein Betriebssystem so bedienen muss, wie es ein Mensch tun würde, erreicht Astra 72,6 % in etwa 40 Minuten, gegenüber 65,7 % in etwa 75 Minuten beim vorherigen Modell. Die Beispiele, die OpenAI aufzählt, sind absichtlich banal: Online-Formulare ausfüllen, ein CRM aktualisieren, einen Kalender ordnen, Informationen suchen und eine Zusammenfassung schreiben, eine Website erstellen und überprüfen. Auf AutomationBench, das genau solche Büro-Workflows misst, springt der Wert von 18,1 % auf 41,4 %. Auf BrowseComp, der komplexen Online-Recherche, erreicht das Modell 91,5 %.
Beim Code steigen die Zahlen ähnlich (Terminal-Bench 4.0 geht von 37,3 % auf 57,9 %), und der Teil, der mich am meisten interessiert, ist ein Satz von Jane Street, einem der zitierten Partner: das Modell "kommuniziert auf eine Weise, die für Entwickler leichter zu verfolgen ist, und produziert Code, der weniger Iterationen erfordert". Weniger Iterationen bedeuten weniger meiner Zeit beim erneuten Lesen.
Dann gibt es die Cybersicherheit, die OpenAI in einem anderen Ton behandelt als den Rest der Seite. Astra ist das erste Modell, das das Unternehmen auf der Stufe "Kritisch" in seinem eigenen Vorbereitungs-Framework einstuft: während der Tests hat es zwei zuvor unbekannte Zero-Day-Schwachstellen gefunden und ausgenutzt, und externe Experten haben verifiziert, dass es ohne die Produktions-Sicherheitsvorkehrungen willkürlichen Code in gehärteten Browsern ausführen kann. Deshalb blockiert die Version, die die Nutzer erreicht, fortgeschrittene offensive Aktivitäten und erlaubt nur Code-Überprüfung und Korrekturen. Eine Öffnung für breitere defensive Nutzungen ist in den kommenden Wochen über ein Programm namens Daybreak vorgesehen.
Zur Verfügbarkeit: der Rollout beginnt mit einer eingeschränkten Gruppe von Organisationen und erreicht in den folgenden Tagen alle Plus-, Pro-, Business- und Enterprise-Nutzer sowie über die API und Amazon Bedrock. Für Enterprise-Kunden ist der Zugriff standardmäßig deaktiviert und muss manuell aktiviert werden. Der API-Preis beträgt 10 Dollar pro Million Eingabe-Token und 50 pro Million Ausgabe-Token, mit einem Schnellmodus, der das Doppelte kostet.
Die beiden Sätze, die zählen
Der erste steht im Abschnitt über die Ausrichtung. OpenAI schreibt, dass Astras schriftliches Denken "schwerer zu überwachen" ist als das von Sol, basierend auf Tests, bei denen das Modell ausdrücklich gebeten wurde, der Überwachung zu entgehen. Es fügt hinzu, dass das Modell "offenbar immer noch Mühe hat, das für komplexe Aufgaben erforderliche Denken zu verbergen", dass der Verschlechterung aber ernst genommen wird. Das ist ein seltener Satz auf einer Launch-Seite, und man sollte ihn für das lesen, was er ist: das fähigste Modell ist auch das, von dem man am wenigsten versteht, was in seinem Inneren passiert.
Der zweite steht im Abschnitt über die Schutzmaßnahmen. Die zusätzlichen Sicherheitskontrollen "können manchmal legitime Arbeit verlangsamen, pausieren oder stoppen". Übersetzt für alle, die es im Büro verwenden werden: erwarten Sie Unterbrechungen, auch bei normalen Tätigkeiten, weil das System aus Klassifikatoren, das das Modell überwacht, zugunsten von Vorsicht irrt. OpenAI sagt, dass daran gearbeitet wird, und ich habe keinen Grund, daran zu zweifeln, aber in der Zwischenzeit ist das eine reale betriebliche Kosten, die keine Tabelle misst.
Was sich für diejenigen ändert, die ein Geschäft führen
Der Punkt, den ich wenig diskutiert sehe, ist, dass die Ankündigung nicht mehr von einem Assistenten spricht, der antwortet. Sie spricht von einem Modell, das den Browser öffnet, das Formular ausfüllt, das CRM aktualisiert und die Qualitätskontrolle der Website durchführt. Der OSWorld-Test ist genau darauf aufgebaut. Und die halbierte Zeit ist kein Detail: eine Aufgabe, die früher 75 Minuten automatisierte Ausführung erforderte, braucht jetzt 40, und eine 40-Minuten-Aufgabe kann man ohne viel Nachdenken delegieren, während man eine 75-Minuten-Aufgabe einplant.
Hier komme ich auf etwas zurück, das ich seit Jahren wiederhole und das diese Ankündigung dringlicher macht, nicht weniger. Ein Modell, das Aufgaben auf dem Computer ausführt, verstärkt das, was es vorfindet. Wenn das CRM Felder hat, die auf drei verschiedene Arten ausgefüllt sind, wenn der Kalender Ereignisse ohne Kriterium hat, wenn die Unternehmens-Vorlagen nur im Kopf derer existieren, die sie verwenden, wird das Modell mit doppelter Geschwindigkeit in diesem Chaos arbeiten. Auf OpenAIs Seite gibt es eine Zeile, die das ungewollt sagt: Astra erstellt Präsentationen, Dokumente und Tabellen "nach den Unternehmens-Vorlagen". Die Voraussetzung ist, dass die Vorlagen existieren.
In meiner Woche übersetzt sich das in eine konkrete Frage. Von den Aufgaben, die ich jeden Montagmorgen erledige, um meine zwei Marken neu auszurichten, welche haben eine Struktur, die klar genug ist, um einem Modell anvertraut zu werden, das 40 Minuten lang selbstständig arbeitet? Die ehrliche Antwort, heute, lautet: weniger als die Hälfte. Nicht, weil das Modell nicht fähig wäre, sondern weil der Rest noch in Entscheidungen lebt, die ich im Moment treffe, ohne sie jemals irgendwo aufgeschrieben zu haben.
Eine letzte Beobachtung zum Preis. Fünfzig Dollar pro Million Ausgabe-Token ist kein Betrag für unbedarften täglichen Gebrauch, und der Schnellmodus verdoppelt das. Das Modell ergibt Sinn bei langen, abgegrenzten Aufgaben mit einem überprüfbaren Ergebnis am Ende. Für das meiste, was ein Berufstätiger tut, reicht weiterhin ein kleineres Modell, und die Wahl, welches Modell für welche Art von Arbeit verwendet wird, wird selbst zu einer Kompetenz.
In der Praxis
Wenn Sie ein Plus- oder Business-Abonnement haben, wird das Modell in den nächsten Tagen in Ihrer Liste erscheinen. Bevor Sie es an einer echten Aufgabe ausprobieren, nehmen Sie einen Workflow, den Sie oft machen und der einen klaren Anfang und ein klares Ende hat, schreiben Sie ihn Schritt für Schritt auf und geben Sie ihm den. Der nützlichste Test ist nicht zu sehen, wie intelligent es ist. Es ist zu sehen, wie viel Ihrer Arbeit bereits so strukturiert ist, dass sie übergeben werden kann.
Welche Aufgabe Ihrer Woche würden Sie als erstes einem Modell anvertrauen, das 40 Minuten lang allein arbeitet? Und welche könnten Sie ihm nicht einmal erklären?
Alessandra
Quelle: OpenAI, "Introducing GPT-6 Astra", September 2026. Die angegebenen Zahlen und Zitate stammen von der offiziellen Ankündigungsseite; die Vergleiche beziehen sich auf das Vorgängermodell, GPT-5.6 Sol.
