OpenAI veröffentlicht GPT-6 Astra und stuft es erstmals als kritisch für Cybersicherheit ein
GPT-6 Astra ist da: 10 und 50 Dollar je Million Token, Spitzenwerte bei Computer Use und Exploits, erste Kritisch-Einstufung im Preparedness Framework.
OpenAI hat am 3. September 2026 GPT-6 Astra veröffentlicht. Das Modell löst GPT-5.6 Sol an der Spitze der Produktpalette ab und geht zunächst nur an einen begrenzten Kundenkreis: an Organisationen im Daybreak-Programm, das sich an Verteidiger in der IT-Sicherheit richtet. Für ChatGPT Plus, Pro, Business und Enterprise sowie für die API und Amazon Web Services kündigt OpenAI den Zugang in den kommenden Tagen an.
Der Name war seit Anfang August bekannt. Damals hatte OpenAI die Existenz der Modellfamilie Astra bestätigt, nachdem eine interne Version zehn seit Jahrzehnten offene Probleme aus Mathematik und theoretischer Informatik gelöst hatte. Jetzt gibt es ein Produkt dazu, einen Preis und Benchmarkwerte.
Preise: 2,5-fach über dem Vorgänger
Die API kostet 10 US-Dollar je Million Eingabe-Token und 50 US-Dollar je Million Ausgabe-Token. Das ist das 2,5-Fache der Sätze von GPT-5.6 Sol und liegt genau auf dem Niveau, das Anthropic für Claude Fable 5.1 verlangt.
OpenAI setzt dagegen das Argument der Kosten je erledigter Aufgabe: Weil Astra weniger Anläufe und weniger Denkschritte für dasselbe Ergebnis brauche, fielen die geschätzten Kosten pro erfolgreich abgeschlossener Coding-Aufgabe in der leistungsfähigsten Konfiguration um rund 57 Prozent. Diese Rechnung stammt vom Hersteller und hängt an der Aufgabenart. Bei Aufgaben, die schon Sol im ersten Durchlauf löst, bleibt der höhere Tokenpreis ein höherer Tokenpreis.
Ein zweiter Wert gehört zu dieser Rechnung: Bei der Bedienung von Computern braucht Astra für Aufgaben nach Angaben von OpenAI etwa 40 Minuten, wo Sol 75 Minuten benötigte.
Wo Astra vorn liegt und wo nicht
Die veröffentlichten Zahlen zeigen den größten Abstand dort, wo es um selbstständiges Arbeiten an Systemen geht.
- ExploitBench (Auffinden und Ausnutzen von Schwachstellen): 100 Prozent, gegenüber 78,5 Prozent für Sol und 70 Prozent für Claude Opus 5
- SRE-Bench (Betrieb und Störungsbehebung): 88 Prozent, gegenüber 12,5 Prozent für Opus 5
- ScreenSpot-Pro (Bedienelemente auf dem Bildschirm finden): 92,7 Prozent, gegenüber 76,9 Prozent für Sol
- OSWorld 2.0 (Aufgaben im Betriebssystem): 72,6 Prozent, gegenüber 65,7 Prozent für Sol und 70,2 Prozent für Opus 5
- FrontierMath Tier 4: 97,6 Prozent, gegenüber 87,8 Prozent für Claude Fable 5.1
- DeepSWE v1.1 (Software-Engineering): 74,1 Prozent, dicht gefolgt von Gemini 3.8 Flash mit 73,8 Prozent
- Terminal-Bench 4.0: 57,7 Prozent, gegenüber 55,8 Prozent für Fable 5.1
Nicht überall steht Astra oben. Bei Humanity's Last Exam liegt Claude Fable 5.1 mit 65,0 gegen 57,2 Prozent vorn, im AI Index v4.1.1 mit 65,7 gegen 61,2 Prozent. Der Vorsprung ist also kein flächiger, sondern einer bei agentischer Arbeit, Mathematik und Sicherheitsaufgaben.
Erstmals Stufe kritisch im Preparedness Framework
Astra ist das erste Modell, das OpenAI im eigenen Preparedness Framework als kritisch für den Bereich Cybersicherheit einstuft. Die Einstufung bedeutet nach der Definition des Unternehmens, dass das Modell mit passenden Werkzeugen und Zugängen bislang unbekannte Schwachstellen in gut geschützten Systemen finden und Angriffsketten dafür entwickeln kann, ohne dass ein Mensch jeden Schritt vorgibt.
Das ist keine theoretische Zuschreibung. Während der Erprobung gegen aktuelle Fehler in der JavaScript-Engine V8 fand das Modell zwei zuvor unbekannte Schwachstellen.
Aus der Einstufung folgen zwei getrennte Auslieferungswege. Die offensiven Fähigkeiten bleiben nach Darstellung von OpenAI in einer eigenen Umgebung namens Daybreak Blue. Die allgemein verfügbare Fassung ist in mehrere Schichten eingebettet: trainiertes Modellverhalten, Klassifikatoren, Sicherheitsprüfungen und laufende Überwachung im Betrieb.
Die AGI-Aussage
OpenAI-Präsident Greg Brockman nannte Astra einen Sprung zwischen Generationen und sagte, er halte es für möglich, dass mit diesem Modell allgemeine künstliche Intelligenz erreicht sei. Sein Satz zum Start lautete: Willkommen in der AGI-Ära.
Brockman räumte im selben Zusammenhang ein, dass der Begriff nicht klar definiert ist und er den Übergang eher als graduell versteht denn als einzelnen Moment. Eine zweite Aussage von ihm ist für den praktischen Einsatz relevanter: Die schriftlichen Gedankengänge des Modells seien schwerer nachzuvollziehen als bei den Vorgängern. Wer Ergebnisse prüfen will, kann sich also weniger darauf verlassen, den Weg dorthin mitzulesen.
Was das für Ihr Unternehmen heißt
- Rechnen Sie in Kosten pro Aufgabe, nicht in Tokenpreisen. Bei 50 Dollar je Million Ausgabe-Token entscheidet die Trefferquote im ersten Durchlauf über den Preis. Das lässt sich nur mit eigenen Aufgaben messen, nicht aus der Preisliste ablesen.
- Setzen Sie das teuerste Modell nicht überall ein. Für Zusammenfassungen, Klassifizierung und einfache Textarbeit bleiben kleinere Modelle sinnvoll. Ein sauber getrenntes Routing zwischen Modellklassen spart mehr als jede Preissenkung.
- Prüfen Sie Ihre Angriffsfläche mit neuen Annahmen. Wenn ein allgemein verfügbares Modell unbekannte Schwachstellen finden kann, sinkt der Aufwand für Angreifer. Bekannte Lücken zeitnah zu schließen und Zugänge zu begrenzen, wird damit wichtiger als Erkennung im Nachhinein.
- Klären Sie die Freigaben für agentische Läufe. Ein Modell, das Systeme selbstständig bedient, braucht klar umrissene Rechte. Legen Sie fest, welche Systeme es lesen darf, wo es schreiben darf und an welcher Stelle ein Mensch bestätigen muss.
- Planen Sie die Prüfung der Ergebnisse ein. Wenn die Begründungen des Modells schwerer nachvollziehbar sind, muss die Kontrolle am Ergebnis ansetzen: Tests, Vier-Augen-Prinzip bei kritischen Änderungen, Protokolle über das, was der Agent getan hat.
Einordnung für die Praxis
Für den Alltag ändert der Start zunächst wenig, weil der Zugang gestaffelt läuft und die meisten Anwendungen weiter auf den bisherigen Modellen aufsetzen. Interessant sind zwei Punkte, die über dieses Modell hinausreichen.
Der erste ist der Preis. Die Spitze des Marktes liegt jetzt bei 10 und 50 Dollar je Million Token, bei OpenAI wie bei Anthropic. Der Wettbewerb um die niedrigsten Preise findet eine Etage tiefer statt, bei den mittleren und kleinen Modellen.
Der zweite ist die Sicherheitsfrage. Mit der Einstufung als kritisch beschreibt ein Anbieter erstmals offiziell ein Modell, dessen Fähigkeiten für Angriffe auf IT-Systeme ausreichen. Dass diese Fähigkeiten bei einem Anbieter in einer abgeschirmten Umgebung bleiben, sagt nichts darüber, ob das bei anderen ebenso bleibt.
Wenn Sie einschätzen möchten, welches Modell für Ihre Abläufe wirtschaftlich sinnvoll ist und welche Freigaben agentische Zugriffe in Ihrer Umgebung brauchen, sehen wir uns das gern gemeinsam an.
