GPT-6 Astra ist da. Das neue ChatGPT kann Computer besser steuern und beim Hacken einen Sicherheitsexperten ersetzen.

GPT-6 Astra ist da – INHALT

1. Die Computersteuerung gehört zu den größten Verbesserungen
2. Ein Kontext von über einer Million Token hilft bei großen Projekten
3. Das Rekordergebnis von 99,9 % bei abstrakten Aufgaben hat einen wichtigen Haken
4. Viele Daten über das Modell selbst bleiben geheim
5. GPT-6 Astra macht weniger Fehler, höhere Fähigkeiten erhöhen jedoch die Risiken
6. Wann GPT-6 in ChatGPT erscheint

In der Praxis kann Astra das Web durchsuchen, mit Dateien arbeiten, Formulare ausfüllen, Daten analysieren, Dokumente vorbereiten oder Webseiten bearbeiten. Bei komplexeren Aufgaben kombiniert es dabei mehrere Werkzeuge, wertet die Ergebnisse kontinuierlich aus und passt das weitere Vorgehen entsprechend an, was genau die Arbeitsweise ist, auf der die aktuelle Generation sogenannter KI-Agenten basiert.

Gerade bei Aufgaben, die mehrere Minuten oder Dutzende von Minuten dauern, beginnt sich laut den veröffentlichten Ergebnissen der Unterschied zur vorherigen Generation am meisten zu zeigen. Anstelle eines Prompts und einer Antwort handelt es sich immer häufiger um einen längeren Prozess, während dessen das Modell plant, einzelne Schritte ausführt und überprüft, ob es tatsächlich zum gewünschten Ergebnis gelangt ist.

Die Computersteuerung gehört zu den größten Verbesserungen

Sehr gut ist der Fortschritt in Tests zu sehen, die auf die Arbeit mit grafischen Benutzeroberflächen ausgerichtet sind, wo Astra wesentlich bessere Ergebnisse erzielt als GPT-5.6 Sol. Im Benchmark OSWorld 2.0 erreichte es 72,6 % gegenüber 65,7 % beim Vorgänger, und im Test ScreenSpot-Pro, der die Orientierung in der Benutzeroberfläche prüft, stieg das Ergebnis von 76,9 auf 92,7 %.

Interessant ist auch die Angabe zur benötigten Zeit für den Abschluss von Aufgaben in OSWorld, da OpenAI etwa 40 Minuten bei Astra gegenüber rund 75 Minuten bei GPT-5.6 Sol angibt. Hierbei geht es jedoch nicht um die Geschwindigkeit einer normalen Antwort in ChatGPT, sondern um komplexe Arbeitsabläufe, die aus vielen Schritten und Interaktionen mit anderen Werkzeugen bestehen.

Ähnlich deutliche Verbesserungen zeigen sich bei der Programmierung und Systemverwaltung. Terminal-Bench 4.0 sprang von 37,3 auf 57,9 % und SRE-Bench von 55,9 auf 88 %, während bei einigen traditionellen Wissenstests der Spielraum für Wachstum wesentlich geringer war. In GPQA Diamond stieg das Ergebnis beispielsweise nur von 94,6 auf 96 %.

Aus diesen Ergebnissen lässt sich die Ausrichtung der gesamten neuen Generation relativ gut ablesen, da Astra den größten Vorsprung bei Aufgaben erlangt, die Planung, die Arbeit mit der Computerumgebung und die Nutzung mehrerer Werkzeuge erfordern. Bei einfachen Anfragen muss der Generationsunterschied daher bei Weitem nicht so auffällig sein.

Ein Kontext von über einer Million Token hilft bei großen Projekten

Bei der Arbeit mit umfangreichen Unterlagen kann auch das neue Kontextfenster mit einer Größe von 1,05 Millionen Token eine wichtige Rolle spielen. Dank diesem kann das Modell während einer einzigen Aufgabe mit sehr langen Dokumentationen, einer größeren Anzahl von Dateien oder umfangreichem Quellcode arbeiten, ohne dass alles in viele separate Konversationen aufgeteilt werden muss.

Die reine Größe des Kontexts würde jedoch nicht viel bedeuten, wenn sich das Modell in der riesigen Datenmenge allmählich verlieren würde. Im MRCR-Test für den Bereich von 512 Tausend bis einer Million Token erreichte Astra 96,3 %, während GPT-5.6 Sol bei 73,8 % landete, sodass gerade die Arbeit mit großen Projekten zu den Bereichen gehören könnte, in denen das neue Modell in der Praxis am überzeugendsten sein wird.

In der API kann GPT-6 Astra sowohl Text als auch Bilder empfangen und erhält über weitere Werkzeuge Zugriff beispielsweise auf die Websuche, Dateien, die Codeausführung, die Bildgenerierung oder die Computersteuerung. Das Modell selbst läuft weiterhin in der Cloud, und OpenAI bietet bisher keine öffentlich zugänglichen Gewichte für die lokale Ausführung auf einem Laptop oder Desktop-Computer an.

Das Rekordergebnis von 99,9 % bei abstrakten Aufgaben hat einen wichtigen Haken

Unter den am häufigsten zitierten Zahlen nach der Vorstellung von Astra tauchte das Ergebnis von 99,9 % im Benchmark ARC-AGI-3 auf, der die Fähigkeit testet, neue abstrakte Aufgaben zu lösen. Ein so hohes Ergebnis entstand jedoch bei der Verwendung eines speziellen OpenAI-Adapters, der zwischen den einzelnen Anfragen den Zustand der vorherigen Überlegungen beibehält und es dem System ermöglicht, bereits geleistete Arbeit wiederzuverwenden.

Bei der Standardtestmethode erreichte Astra 62,7 %, sodass beide Werte relativ unterschiedliche Bedingungen beschreiben. Gerade der Unterschied zwischen ihnen zeigt dabei gut, welch große Rolle heute neben dem Modell selbst der Speicher, die Orchestrierung und das Set an verfügbaren Werkzeugen spielen. Für die normale Nutzung ist dies vielleicht eine wesentlichere Information als der Rekord selbst, da ein KI-Agent im realen Einsatz ebenfalls nicht als isoliertes Modell funktioniert. Die resultierende Qualität hängt zunehmend davon ab, auf welche Daten er Zugriff hat, was er aus vorherigen Schritten beibehalten kann und welche Aktionen ihm die Anwendung auszuführen erlaubt.

Auch die Bezeichnung von Astra als das intelligenteste Modell von OpenAI muss in diesem Kontext gelesen werden. In einigen zusammenfassenden unabhängigen Benchmarks erzielen nämlich Konkurrenzmodelle von Anthropic weiterhin höhere Ergebnisse, sodass der absolute Gewinner der aktuellen KI nicht durch eine einzige Zahl bestimmt werden kann.

Viele Daten über das Modell selbst bleiben geheim

Obwohl OpenAI relativ detaillierte Testergebnisse und technische Parameter des Dienstes veröffentlicht hat, wissen wir immer noch wenig über den inneren Aufbau des neuronalen Netzwerks selbst. Das Unternehmen gibt weder die Anzahl der Parameter noch die Anzahl der Schichten an, noch ob Astra beispielsweise die Mixture-of-Experts-Architektur verwendet, sodass konkrete Schätzungen zur Größe des Modells Spekulation bleiben.

Öffentlich bekannt ist zumindest die Grenze des integrierten Wissens zum 30. April 2026, wobei das Modell aktuellere Informationen mithilfe der Websuche und anderer angebundener Quellen beziehen kann. OpenAI bestätigt auch die Nutzung von Reinforcement Learning und anderen Methoden, die auf Reasoning und sichereres Verhalten ausgerichtet sind, hat die genaue Rezeptur des Post-Trainings jedoch nicht veröffentlicht.

GPT-6 Astra macht weniger Fehler, höhere Fähigkeiten erhöhen jedoch die Risiken

Eines der erfreulicheren Ergebnisse der neuen Generation ist der Rückgang von Halluzinationen, der in einem internen Test von OpenAI von 12,2 % bei GPT-5.6 Sol auf 4,2 % bei Astra sank. Die höhere Zuverlässigkeit kann sich bei der normalen Arbeit mit Informationen bemerkbar machen, dennoch bleibt es wichtig, zwischen dem zu unterscheiden, was das Modell aus seinem Training weiß, und Daten, die sich kontinuierlich ändern.

Beispielsweise müssen die Lagerverfügbarkeit, der Warenpreis, der Bestellstatus oder der Liefertermin aus einer aktuellen Datenbank stammen, auf die die KI mithilfe von Werkzeugen zugreifen kann. Die Stärke von Astra liegt darin, dass es mit solchen Quellen besser arbeiten, sie kombinieren und die gewonnenen Informationen in ein verständliches Ergebnis überführen kann.

Mit der wachsenden Fähigkeit, tatsächliche Aktionen auszuführen, steigt jedoch auch die Bedeutung von Sicherheitseinschränkungen. GPT-6 Astra ist das erste Modell von OpenAI, das gemäß dem unternehmenseigenen Preparedness Framework im Bereich der Cyber-Fähigkeiten die Stufe Critical erreicht hat. Dieses Niveau bedeutet, dass das Modell nach Einschätzung der Entwickler bereits in der Lage ist, mit geeigneten Werkzeugen selbstständig nach bisher unbekannten Sicherheitslücken zu suchen und an Möglichkeiten zu deren Ausnutzung zu arbeiten, also Aufgaben zu bewältigen, die bisher hochqualifizierte Sicherheitsexperten erforderten.

Genau wegen dieser Fähigkeiten schränkt OpenAI einen Teil der erweiterten Funktionen in der allgemein verfügbaren Version ein und bietet Sicherheitsexperten über das Daybreak-Programm unter strengeren Bedingungen einen erweiterten Zugang. Je selbstständiger die KI also mit dem Computer arbeiten kann, desto wichtiger sind die Regeln, die festlegen, was sie automatisch tun darf und was bereits von einem Menschen bestätigt werden muss.

Wann GPT-6 in ChatGPT erscheint

Die Bereitstellung von GPT-6 Astra begann am 3. September zusammen mit der offiziellen Vorstellung und soll schrittweise auf Nutzer der Tarife ChatGPT Plus, Pro, Business und Enterprise ausgeweitet werden. Entwickler erhalten das Modell auch über die OpenAI API, Microsoft Foundry und AWS Bedrock. Da der Rollout in Etappen erfolgt, hatten am 4. September noch nicht alle Abonnenten das neue Modell zur Verfügung. OpenAI hat gleichzeitig keinen separaten Termin für Deutschland angekündigt, sodass das Fehlen von Astra im Modellangebot vorerst keine regionale Einschränkung oder ein Problem mit dem Konto bedeuten muss.

Für normale Nutzer hat das Unternehmen kein separates Abonnement vorgestellt, das nur für GPT-6 bestimmt ist, während Entwickler bereits den Preis der API kennen. Der Standardsatz beträgt 10 Dollar pro Million Eingabe- und 50 Dollar pro Million Ausgabe-Token, was deutlich mehr ist als die 1,25 und 10 Dollar beim grundlegenden GPT-5. Der höhere Preis wird wahrscheinlich dazu führen, dass Astra hauptsächlich bei komplexeren Aufgaben eingesetzt wird, bei denen es dank besserer Planung und der Arbeit mit Werkzeugen weitere Schritte oder menschliche Arbeit einsparen kann. Für einfache Anfragen und kurze Textaufgaben bleiben günstigere Modelle praktischer.

Fazit

Mit der Einführung von GPT-6 Astra verlagert sich der Schwerpunkt der weiteren Entwicklung von ChatGPT immer deutlicher auf Aufgaben, die längere selbstständige Arbeit erfordern. Die größten Verbesserungen sind bei der Computersteuerung, der Programmierung, der Arbeit mit umfangreichen Unterlagen und der Nutzung weiterer Werkzeuge zu sehen, also genau in den Bereichen, die für fähigere KI-Agenten erforderlich sind. Für den normalen Nutzer muss daher der größte Nutzen nicht ein weiteres Rekordergebnis in einem Benchmark sein, sondern die Situation, in der er anstelle einer Reihe von Ratschlägen direkt ein fertiges Ergebnis erhält. Gerade die Fähigkeit, von der Aufgabenstellung über mehrere aufeinanderfolgende Schritte bis hin zur abgeschlossenen Arbeit in der Rolle eines KI-Agenten zu gelangen, wird wahrscheinlich der Hauptunterschied zwischen den heutigen Chatbots und der nächsten Generation von Werkzeugen der künstlichen Intelligenz sein.

Peter Vnuk

Technologien sind für mich sowohl Beruf als auch Hobby – am meisten beschäftige ich mich mit Smartphones, Notebooks, Audiotechnik, künstlicher Intelligenz und allem, was hi-tech ist. Ich rezensiere gerne Neuheiten, verfolge futuristische Trends und versuche, die zukünftige Entwicklung von Technologien abzuschätzen. Science-Fiction und Visionen zukünftiger Welten faszinieren mich – sie sind oft auch eine Inspiration für reale technologische Fortschritte. Beruflich beschäftige ich mich zudem mit Videospielen und der Gaming-Branche. Und wenn ich mal nicht arbeite, entspanne ich gerne bei einem guten Spiel, einem qualitativ hochwertigen Bier oder beim Erstellen von Tech-Memes auf Facebook.