GPT-6 Astra: Haben wir mit OpenAIs neuem Modell AGI erreicht?

„Willkommen im AGI-Zeitalter“ – mit diesem Satz beendete OpenAI-Präsident Greg Brockman die Vorstellung von GPT-6 Astra. Kein Ausblick mehr, keine Roadmap: eine Ankündigung der Ankunft. Das neue Flaggschiff setzt 99,9 Prozent auf ARC-AGI-3, schlägt Claude und Gemini auf Computer-Use-Benchmarks und nennt sich „das ausgerichteteste Modell, das wir je gebaut haben“. Die spannendere Frage ist daher nicht, wie gut Astra ist. Es ist: Haben wir AGI erreicht – oder ist nur die Definition gewandert?

Was OpenAI mit GPT-6 Astra vorgestellt hat

GPT-6 Astra ist der Nachfolger von GPT-5.6 Sol und erscheint knapp zwei Monate nach dessen Release. OpenAI positioniert das Modell als Stand der Technik bei Computer-Use, Browsing, Software-Engineering, Cybersicherheit und wissenschaftlicher Arbeit. In den kommenden Tagen soll Astra alle ChatGPT-Tarife (Plus, Pro, Business, Enterprise) erreichen, außerdem die API, Microsoft Azure und AWS Bedrock. Der Preis in der API: 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens. Ein „Astra Pro“ ist Pro-, Business- und Enterprise-Kunden vorbehalten.

Die Headline-Zahlen im Überblick:

• ARC-AGI-3: 99,9 Prozent – der Benchmark gilt damit als gesättigt.
• FrontierMath Tier 4: 98 Prozent, inklusive Beiträgen zu langjährigen offenen mathematischen Problemen.
• Terminal-Bench 4.0: 57,9 Prozent (GPT-5.6 Sol: 37,3 Prozent, Claude Fable 5.1: 55,8 Prozent).
• OSWorld V2-Offline: 72,6 Prozent bei halbierter durchschnittlicher Task-Zeit (von 75 auf 40 Minuten).
• Kontext: 96,3 Prozent bei MRCR v2 mit 512K bis 1M Tokens – gegenüber 73,8 Prozent bei Sol.
• Scope-Treue: In der Auswertung zum Hugging-Face-Vorfall überschritt Astra in 0 Prozent der Fälle die erlaubten Grenzen. GPT-5.6 Sol tat dies ohne Produktions-Safeguards in 48 Prozent der Fälle.

Dazu kommt eine technische Besonderheit: Astra wurde auf über 100.000 GPUs im Stargate-Rechenzentrum in Texas trainiert – der größte Trainingslauf von OpenAI bislang. Und erstmals spielten frühere OpenAI-Modelle eine wesentliche Rolle beim Supervising des Trainings. Warum das wichtig ist, klären wir gleich.

Drei Zahlen, die die AGI-Frage wirklich stellen

1. Die 99,9 Prozent bei ARC-AGI-3 sind ein Systemergebnis

Klingt nach Durchbruch, ist aber nur die halbe Wahrheit. OpenAI hat Astra mit einem Responses-API-Harness betrieben, der Reasoning zwischen Turns behält und lange Kontexte per Compaction verwaltet. Wie The New Stack festhält, hat OpenAI zuvor selbst gezeigt, dass genau diese System-Entscheidungen ARC-AGI-3-Scores deutlich heben – ohne dass sich am Modell etwas ändert. Der Benchmark misst also Astra plus Agent-Architektur. Beides zusammen ist beeindruckend. Es ist aber kein reines Modell-Ergebnis, sondern ein Engineering-Ergebnis.

2. Die 0 Prozent bei der Scope-Verletzung ist die eigentliche Nachricht

In der Evaluation zum Hugging-Face-Vorfall wurde getestet, ob Modelle bei schwierigen oder unmöglichen Aufgaben über ihre autorisierten Grenzen hinausgehen. GPT-5.6 Sol tat das ohne Produktions-Safeguards in 48 Prozent der Fälle. Astra in keinem einzigen. Für alle, die KI-Agenten im Betrieb einsetzen, ist das die wichtigste Zahl des gesamten Launchs. Ein Modell, das bei unmöglichen Aufgaben nicht auspackt, ist im Alltag mehr wert als ein besserer Puzzle-Score.

3. „Weltrang“ ist ein Kuratierungsergebnis

In OpenAIs eigenen Vergleichstabellen sieht Astra stark aus. Aber selbst dort zeigt sich: Beim Artificial Analysis Intelligence Index v4.1.1 liegt Claude Fable 5.1 mit 65,7 vor Astra (61,2). Beim Coding-Agent-Index führt Claude Opus 5 mit 68,1 vor Astra (67,0). „Das intelligenteste Modell der Welt“ ist folglich weniger ein Fakt als eine Auswahl: stark dort, wo OpenAI Benchmarks präsentiert – nicht alternativlos.

Die vier Stufen des AGI-Nachweises

Die Debatte „Haben wir AGI erreicht?“ leidet daran, dass beide Seiten unterschiedliche Dinge meinen. Hilfreich ist eine Trennung in vier Stufen – von der harmlosen bis zur unbequemen:

• Stufe 1 – Benchmark-Parität: Modelle schlagen Menschen in standardisierten Tests. Das ist erledigt, im Kern seit GPT-4. Allein sagt es wenig aus.
• Stufe 2 – Ökonomische Verdrängung: Die Charter-Definition von OpenAI: „hochautonome Systeme, die Menschen bei den meisten wirtschaftlich wertvollen Arbeiten übertreffen“. Hier steht Astra teilweise drin. Chief Scientist Jakub Pachocki beschreibt, dass Astra Forschungsideen im Codebase implementiert, Experimente ausführt und Ergebnisse liefert – Arbeit, die vorher eine Forscherwoche kostete. Die Verdrängung ist jedoch noch kosten- und aufsichtsabhängig, also nicht abgeschlossen.
• Stufe 3 – Autonome Neuentdeckung: Sam Altman sagte gegenüber TIME, Astra werde „das erste Modell, das wirklich neue Dinge auf relevante Weise erfindet – ein sehr AGI-typisches Ding“. Belege gibt es bislang in der Mathematik, nicht als durchgehendes Feld-Ergebnis.
• Stufe 4 – Selbstverbesserung: Das stillste Kapitel: Astra ist das erste OpenAI-Modell, bei dem frühere Modelle das Training wesentlich mit-supervidierten. Genau die Stufe, vor der viele Definitionen warnen, wird beiläufig zur Betriebsroutine.

Kurz gesagt: Astra steht realistisch zwischen Stufe 2 und 3. Gekommuniziert wird Stufe 1 bis 3 – betrieben wird bereits Stufe-4-Infrastruktur.

Die Definition wandert mit – und das ist der wichtigste Befund

Jahrelang war AGI bei OpenAI ein auslösbares Ereignis: vertraglich definiert, mit Trigger-Klauseln gegenüber Microsoft. Im Launch-Briefing nannte Brockman AGI stattdessen ein „Mission- oder spirituelles Konzept“, das nicht mehr vertraglich gebunden sei. „Ich überlasse es dem Leser, selbst zu entscheiden, ob das für ihn zutrifft.“ Forschungsvorstand Mark Chen rechnet OpenAI „80 Prozent des Weges“ zu AGI vor. Altman blieb bei „noch nicht ganz“ – versprach aber, bis Ende 2026 ein internes System zu haben, das er AGI nennen würde.

Auffällig ist der Zeitpunkt: Die Kriterien weichen genau dann zurück, wenn die Leistung sie einholt. Ein Schwellenwert, den niemand mehr messen muss, ist keine Wissenschaft mehr, sondern Kommunikation. Ähnlich wie beim autonomen Fahren: Level 5 existiert lange nur als Definition, während Level 2 und 3 bereits im Straßenverkehr stehen. Die Frage „Haben wir AGI erreicht?“ wird damit nicht mit Nein beantwortet – sie wird unbeantwortbar. Nicht, weil die Antwort fehlt, sondern weil das Ja keine verbindliche Definition mehr hat.

Das unterschätzte Signal: die Sicherheitsarchitektur

Das ehrlichste AGI-Geständnis des Launchs steht gar nicht in den Benchmarks. Es steht im Deployment-Teil. OpenAI stuft Astra als erstes Modell an der „Critical“-Schwelle für Cybersicherheit ein – im eigenen Preparedness Framework die Stufe, auf der ein Modell Zero-Days in gehärteten Systemen ohne menschliche Hilfe finden und ausnutzen könnte. Im August pausierte OpenAI deshalb interne Arbeiten an dem Modell, um die Guardrails nachzuziehen.

Produktivbetrieb heißt jetzt: Misalignment-Monitoring. Klassifikatoren prüfen Reasoning und Aktionen, Eskalation läuft rund um die Uhr, Forscher werden binnen 30 Minuten benachrichtigt. Gleichzeitig räumt OpenAI ein, dass Astras schriftliches Reasoning schwerer zu überwachen ist als das von GPT-5.6 Sol. Forscher warnen zudem vor „opaque recurrence“ – einer unlesbar gemachten Gedanken-Tafel. Wer den Black-Hat-Vortrag über rogue KI-Agenten verfolgt hat, kennt das Muster: Je fähiger Agenten werden, desto entscheidender werden Grenzen – und desto schwerer sind sie sichtbar. Pachockis Satz „Fortschritt in Intelligenz garantiert keinen Fortschritt in Alignment“ ist deshalb der wichtigste Satz des Launchs. Er steht in bemerkenswertem Kontrast zum Marketing drumherum.

Was das für eure KI-Strategie bedeutet

Für alle, die mit KI bauen oder darüber entscheiden, ergeben sich vier konkrete Konsequenzen:

• Astra gezielt einsetzen, nicht als Default. Mit 50 Dollar pro Million Output-Tokens und doppelter Preislage im Fast Mode ist Astra ein Premium-Werkzeug. Es lohnt sich dort, wo Computer-Use und Forschungsautomatisierung zählen – nicht im Batch-Betrieb.
• Eigene Evals statt Benchmark-Tabellen. Wenn öffentliche Benchmarks gesättigt sind, helfen sie bei der Auswahl nicht mehr. Testet Modelle an 20 bis 30 echten Aufgaben aus eurem Betrieb – das ersetzt jede Leaderboard-Zeile.
• Die Kostenalternative nicht vergessen. Open-Weights-Modelle wie GLM-5.2 liefern starkes Coding zum Bruchteil des Preises. Der Astra-Vorsprung ist real, aber nicht überall vorhanden – und muss sich pro Workload rechnen.
• Compliance ernst nehmen. Lest die System Card, bevor ihr Agenten in Produktion bringt. Die relevanten Grenzen – von Safeguard-Verzögerungen bis zum Misalignment-Monitoring – stehen genau dort, nicht in der Pressemitteilung.

Fazit: erreicht, undefiniert – und genau das ist die Nachricht

Haben wir AGI erreicht? Nach der Charter-Definition: nicht vollständig. Die ökonomische Verdrängung ist unvollständig und kostet noch Aufsicht und Geld. Nach Brockmans persönlichem Maßstab: ja. Nach dem, was überprüfbar ist: GPT-6 Astra ist der bisher überzeugendste Schritt dorthin – Computer Use auf neuem Niveau, Kontext von einer Million Tokens, Alignment erstmals als Betriebszustand statt als Versprechen. Aber „AGI“ ist inzwischen ein Glaubensbekenntnis mit Vermarktungsplan geworden.

Mein Maßstab bleibt deshalb pragmatisch: Zählt Aufgaben, nicht Zeitalter. Wenn ein Modell eure Wochen-Aufgabe zuverlässig, überwachbar und bezahlbar erledigt, habt ihr euer Ja – euer eigenes. Das Datum erfahrt ihr nicht von einem Presse-Event. Ihr erfahrt es von eurer eigenen Rechnung.

Häufige Fragen

Was ist GPT-6 Astra?

GPT-6 Astra ist OpenAIs neues Flaggschiff-Modell und Nachfolger von GPT-5.6 Sol. Es ist auf Computer-Use, Software-Engineering, Cybersicherheit und wissenschaftliche Arbeit ausgerichtet und rollt in den kommenden Tagen für ChatGPT Plus, Pro, Business und Enterprise aus – außerdem über die API, Microsoft Azure und AWS Bedrock.

Hat OpenAI mit GPT-6 Astra AGI erreicht?

Formell nicht. Brockman sagte persönlich, für ihn sei OpenAI „da“ – verwies aber zugleich darauf, dass AGI kein vertraglich definierter Schwellenwert mehr ist. Altman blieb bei „noch nicht ganz“ und kündigte an, OpenAI werde bis Ende 2026 ein internes System haben, das er AGI nennen würde.

Was kostet GPT-6 Astra?

In der API kostet GPT-6 Astra 10 Dollar pro Million Input-Tokens und 50 Dollar pro Million Output-Tokens. Der Fast Mode kostet das Doppelte. In ChatGPT ist die Nutzung innerhalb der bestehenden Tarif-Limits enthalten; für Pro, Business und Enterprise gibt es zusätzlich „Astra Pro“.

Warum ist der 99,9-Prozent-Score bei ARC-AGI-3 kritisch zu sehen?

Weil der Benchmark Astra zusammen mit OpenAIs Agent-Harness misst. OpenAI hat zuvor selbst demonstriert, dass Harness-Entscheidungen wie bleibendes Reasoning und Compaction die Scores deutlich erhöhen – ohne dass sich am Modell etwas ändert. Gesättigte Benchmarks sagen außerdem wenig über künftige Fortschritte aus.