OpenAI hat GPT-6 Astra vorgestellt und verbindet das Modell mit einer seiner bislang kühnsten Produktaussagen: „Alles, was man an einem Computer tun kann, kann Astra für einen erledigen.“ Entscheidend ist dabei nicht, dass GPT-6 Fragen besser beantwortet. Astra soll Software bedienen, Websites aufrufen, Code schreiben und testen, Dateien bearbeiten und mehrstufige berufliche Aufgaben selbst erledigen, statt einem Menschen lediglich zu erklären, wie er dabei vorgehen soll.
Die offizielle Ankündigung von GPT-6 Astra untermauert diese Positionierung durch deutliche Verbesserungen bei Computer-Use-Benchmarks, Programmieraufgaben und professionellen Arbeitsabläufen. Gleichzeitig zeigt sie aber auch die Einschränkung hinter der Schlagzeile: Selbst OpenAIs stärkste Ergebnisse bei der Computersteuerung sind noch weit davon entfernt zu beweisen, dass Astra zuverlässig jede Aufgabe übernehmen kann, die ein Mensch am Computer erledigt.
| GPT-6 Astra im Detail | Was OpenAI angibt | Was das in der Praxis bedeutet |
|---|---|---|
| Computersteuerung | 72,6 % bei OSWorld 2.0 | Ein deutlicher Fortschritt, aber autonome Computerarbeit muss weiterhin kontrolliert werden |
| Geschwindigkeit | Rund 47 % weniger Zeit pro OSWorld-Aufgabe als GPT-5.6 Sol | Lange Agenten-Workflows werden wirtschaftlich realistischer |
| Professionelle Automatisierung | 41,4 % bei AutomationBench gegenüber 18,1 % für GPT-5.6 Sol | Der Fortschritt ist besonders bei mehrstufigen Arbeitsabläufen gross und nicht nur bei einfachen Chat-Aufgaben |
| Cybersicherheit | OpenAIs erstes Modell, das die Schwelle für kritische Cyberfähigkeiten erreicht | Nützlicher für defensive Sicherheitsarbeit, gleichzeitig werden Berechtigungen und Schutzmechanismen wichtiger |
| API-Preise | 10 US-Dollar pro Million Input-Tokens und 50 US-Dollar pro Million Output-Tokens | Fehlgeschlagene, lang laufende Agenten-Aufgaben können teuer werden |
| Verfügbarkeit | Schrittweise Einführung in kostenpflichtigen ChatGPT-Tarifen und über die API | Der tatsächliche Zugriff kann während des Rollouts noch variieren |
Was „alles am Computer erledigen“ tatsächlich bedeutet
Das wichtigste Wort in OpenAIs Aussage ist nicht „alles“. Es ist „erledigt“.
Bisherige Frontier-Modelle konnten häufig erklären, wie man ein CRM aktualisiert, eine Tabelle analysiert, Softwareprobleme behebt oder eine Website erstellt. Astra wird stärker darauf ausgerichtet, einen grösseren Teil dieser Aufgabenkette selbst zu übernehmen.
OpenAI nennt unter anderem das Ausfüllen von Onlineformularen, das Aktualisieren von Kundendaten, die Organisation von Kalendern, Online-Recherchen, das Erstellen von Dokumenten, die Analyse wissenschaftlicher Daten sowie das Installieren und Testen von Software.
Damit bewegt sich ChatGPT weiter von klassischer generativer KI in Richtung agentischer KI. Das Modell verfügt über Werkzeuge, eine Arbeitsumgebung und ausreichende Autonomie, um über mehrere Schritte hinweg ein bestimmtes Ergebnis zu erzielen.
Dadurch verändert sich auch, was darüber entscheidet, ob die KI tatsächlich nützlich ist. Gute Prompts bleiben relevant. Ebenso wichtig sind aber Berechtigungen, der aktuelle Browserzustand, die Kompatibilität mit Anwendungen, Bestätigungsregeln, die Zuverlässigkeit der verwendeten Tools und die Fähigkeit des Modells, zu erkennen, wenn der Bildschirm nicht mehr dem erwarteten Zustand entspricht.
Computersteuerung könnte wichtiger werden als der nächste Intelligenz-Benchmark
GPT-6 Astra erzielt auch bei anderen Benchmarks spektakuläre Ergebnisse. OpenAI nennt 97,6 % bei FrontierMath (Tier 4), 100 % bei ExploitBench und 95,9 % bei BenchCAD. Diese Zahlen dürften einen grossen Teil der Aufmerksamkeit auf sich ziehen.
Für den alltäglichen kommerziellen Einsatz könnte die Verbesserung bei OSWorld jedoch wichtiger sein. Astra erzielte dort 72,6 %, verglichen mit 65,7 % für GPT-5.6 Sol. In OpenAIs Latenzsimulation benötigte Astra für Aufgaben außerdem statt 75 Minuten nur noch etwa 40 Minuten.
Geschwindigkeit wirkt sich bei einem Agenten anders aus als bei einem Chatbot. Fünf Sekunden weniger Wartezeit auf eine einzelne Antwort sind angenehm. Bei einem Workflow mit Browser, Terminal, Dokumenten und mehreren Entscheidungen können eingesparte zehn oder zwanzig Minuten darüber entscheiden, ob sich die Delegation an einen Agenten wirtschaftlich überhaupt lohnt.
Genau deshalb sollte der Wert von 72,6 % trotz aller Begeisterung nicht übersehen werden. Er ist für einen Computer-Use-Benchmark sehr stark, aber eben nicht zu 100 %. Computeragenten stoßen auf Anmeldeaufforderungen, geänderte Benutzeroberflächen, mehrdeutige Schaltflächen, abgelaufene Sitzungen, unzuverlässig ladende Seiten und Aktionen, die sich nur schwer rückgängig machen lassen. Ein besseres Benchmark-Ergebnis beseitigt diese Probleme nicht.
Der eigentliche Fortschritt könnte darin liegen, dass Astra weniger Betreuung braucht
Erste Berichte von Menschen, die Astra bereits einsetzen, zeigen ein interessanteres Muster als die übliche Aussage, ein neues Modell fühle sich einfach „intelligenter“ an. Einige Nutzer berichten, dass Astra weniger Rückfragen stellt, mit mehrdeutigen Anweisungen sinnvoller umgeht und prägnantere Ergebnisse liefert. Berichte über die Arbeit mit grösseren Codebasen deuten zudem darauf hin, dass das Modell bei komplexen Aufgaben länger konsequent am Problem arbeiten kann.
Für einen Agenten ist diese Eigenschaft überproportional wertvoll. Wenn ein Chatbot einmal unnötig nachfragt, ist das etwas lästig. Wenn ein autonomer Workflow ständig unterbrochen wird und auf weitere Anweisungen wartet, verschwindet ein grosser Teil des Nutzens der Automatisierung.
Es gibt allerdings bereits Gegenbeispiele. Einige Nutzer berichten, dass ihre Nutzungskontingente schnell aufgebraucht werden. Andere sind bei legitimen Debugging-Arbeiten auf Sicherheitsbeschränkungen im Bereich der Cybersicherheit gestoßen. Die Erfahrungen unterscheiden sich zudem erheblich je nach Aufgabe und der verwendeten OpenAI-Oberfläche.
Die frühe Erkenntnis lautet deshalb nicht, dass Astra unbeaufsichtigt arbeiten kann. Interessanter ist, dass OpenAI möglicherweise den Umfang menschlicher Betreuung reduziert hat, der erforderlich ist, damit ein Agent praktisch nützlich wird. Das wäre eine deutlich wichtigere Schwelle.
GPT-6 Astras Cyberfähigkeiten schaffen neue Reibungspunkte
Astra ist außerdem das erste Modell von OpenAI, das nach Angaben des Unternehmens dessen Schwelle für kritische Cybersicherheitsfähigkeiten erreicht. OpenAI erklärt, dass das zugrunde liegende Modell mit den entsprechenden Werkzeugen und Zugriffsrechten bislang unbekannte Schwachstellen entdecken und Methoden entwickeln kann, um gut geschützte Systeme auszunutzen, ohne dass ein Mensch jeden einzelnen Schritt vorgeben muss.
Nach Angaben von OpenAI entdeckte Astra während eigener Evaluierungen zwei bislang unbekannte Zero-Day-Schwachstellen. Die Produktionsversion verfügt deshalb über strengere Einschränkungen für fortgeschrittene offensive Cybersicherheitsaufgaben.
Daraus entsteht ein schwieriger operativer Kompromiss. Ein Modell, das Software tief genug untersuchen kann, um echte Sicherheitslücken aufzuspüren, braucht gleichzeitig Schutzmechanismen, die gelegentlich legitime Sicherheitsforschung, Debugging oder Systemadministration behindern können.
Für Unternehmen, die Astra intern einsetzen, sollte sich deshalb auch die zentrale Governance-Frage verändern. Statt nur zu fragen: „Welche Prompts dürfen Mitarbeiter verwenden?“, sollte die wichtigere Frage lauten: „Welche Systeme darf der Agent bedienen und welche Aktionen benötigen eine menschliche Freigabe?“
Browserprofile, Zugangsdaten für Produktivsysteme, Zahlungssysteme, Kundendatenbanken und Deployment-Werkzeuge sollten nicht automatisch dieselben Berechtigungen erhalten, nur weil ein einzelner Agent technisch mit allen diesen Systemen interagieren kann.
Astra macht die Zuverlässigkeit von Agenten wichtiger als reine Modellintelligenz
Hier können Benchmark-Ranglisten schnell ein falsches Bild vermitteln. Ein Modell kann außergewöhnlich leistungsfähig sein und dennoch ein schlechter Produktionsagent sein, wenn eine fehlgeschlagene Aktion die Arbeitsumgebung in einem unerwünschten Zustand zurücklässt.
Ein Coding-Agent, der die falsche Funktion vorschlägt, lässt sich korrigieren. Ein Agent, der eine Produktionskonfiguration verändert, eine falsche Nachricht verschickt, ein Dokument überschreibt oder ein Formular zu früh absendet, verursacht eine andere Art von Problem.
OpenAI scheint sich dieses Risikos bewusst zu sein. Mit Astra führt das Unternehmen zusätzliche Überwachungsmechanismen ein, die Fälle erkennen sollen, in denen sich das Modell ausserhalb seiner vorgesehenen Aufgabe bewegt. Nach Angaben des Unternehmens schnitt Astra in internen Tests deutlich besser als GPT-5.6 Sol ab, wenn geprüft wurde, ob ein Modell den ihm zugewiesenen Handlungsspielraum überschreitet.
Langfristig könnte diese Eigenschaft genauso relevant werden wie Coding-Benchmarks. Unser Coding-Agent-Benchmark bewertet tatsächlich abgeschlossene Arbeit, statt reine Modellintelligenz als Ersatz für erfolgreiche Ausführung zu behandeln. Computer-Use-Agenten brauchen denselben Ansatz.
Die Kostenlogik von GPT-6 Astra unterscheidet sich von normaler ChatGPT-Nutzung
OpenAI nennt für die API einen Standardpreis von 10 US-Dollar pro Million Input-Tokens und 50 US-Dollar pro Million Output-Tokens. Die schnelle Verarbeitung kann mit bis zu doppelter Standardgeschwindigkeit erfolgen, kostet allerdings ebenfalls das Doppelte.
Dadurch wird Token-Effizienz bei Astra besonders wichtig. Ein Agent kann Dateien untersuchen, Screenshots verarbeiten, Tools aufrufen, fehlgeschlagene Aktionen neu bewerten und eine umfangreiche Arbeitshistorie führen, bevor das eigentliche Endergebnis entsteht. Ein Workflow, der nach seiner letzten Antwort günstig aussieht, kann deutlich teurer sein, wenn man den gesamten Ablauf berücksichtigt.
Einige frühe Nutzer berichten von einem niedrigeren Tokenverbrauch als bei konkurrierenden Frontier-Modellen. Andere stellen fest, dass Astra bezahlte Nutzungskontingente spürbar schneller verbraucht als GPT-5.6 Sol. Beide Beobachtungen können gleichzeitig stimmen, da die Kosten eines Agenten stark von der jeweiligen Aufgabe, der gewählten Reasoning-Einstellung und der Zahl fehlgeschlagener Aktionen abhängen.
Die entscheidende Kennzahl ist deshalb nicht der Preis pro Million Tokens. Interessanter sind die Kosten pro erfolgreich abgeschlossenem Workflow.
So würden wir Astra testen, bevor wir dem Modell echten Zugriff geben
Die schlechteste Methode zur Bewertung eines Computer-Use-Agenten besteht darin, einige beeindruckende Demo-Aufgaben auszuprobieren und ihn anschliessend direkt mit Produktivsystemen zu verbinden. Ein sinnvoller Test sollte gezielt die Situationen erzeugen, an denen autonome Workflows typischerweise scheitern.
- In einer entbehrlichen Umgebung beginnen. Testkonten, Beispieldokumente und ein Browserprofil ohne wertvolle gespeicherte Zugangsdaten verwenden.
- Eine mehrdeutige Anweisung geben. Prüfen, ob Astra eine vernünftige Annahme trifft, nachfragt oder selbstbewusst in die falsche Richtung arbeitet.
- Während der Aufgabe einen Fehler provozieren. Eine Datei verändern, eine Schaltfläche verschieben oder einen Tool-Aufruf scheitern lassen. Die Fähigkeit zur Wiederherstellung sagt mehr aus als ein perfekter erster Durchlauf.
- Berechtigungsgrenzen testen. Eine verlockende, aber nicht autorisierte Aktion zugänglich machen und prüfen, ob der Agent den ursprünglich definierten Handlungsspielraum respektiert.
- Den tatsächlichen Endzustand prüfen, nicht die Beschreibung des Agenten. Datenbank, Datei, Webseite oder Anwendung selbst überprüfen, statt sich darauf zu verlassen, dass Astra die Aufgabe als erfolgreich markiert.
- Gesamtkosten und Zahl der menschlichen Eingriffe erfassen. Eine Aufgabe, die erst nach vier Rettungsversuchen abgeschlossen wurde, ist nicht mit einer autonomen Ausführung gleichzusetzen.
GPT-6 Astra wird besonders wichtig, wenn auch langweilige Workflows funktionieren
Die eindrucksvollsten Astra-Demonstrationen drehen sich um Programmierung, wissenschaftliche Forschung, Cybersicherheit, CAD und komplexe professionelle Software. Diese Fähigkeiten verdienen Aufmerksamkeit. Sie werden aber möglicherweise nicht darüber entscheiden, wie schnell sich Computeragenten im Arbeitsalltag verbreiten.
Die grössere Veränderung entsteht, wenn Astra alltägliche Arbeitsketten zuverlässig erledigen kann: den richtigen Datensatz öffnen, Informationen aus mehreren Systemen zusammensuchen, das korrekte Dokument bearbeiten, das Ergebnis überprüfen und anschliessend selbstständig mit dem nächsten Schritt weitermachen, ohne alle zwei Minuten menschliche Hilfe zu benötigen.
Genau dort wird der Unterschied zwischen einem Chatbot und einem Agenten wirtschaftlich relevant.
OpenAIs Aussage, Astra könne alles erledigen, was ein Mensch an einem Computer tun kann, sollte weiterhin als Produktpositionierung verstanden werden und nicht als wörtliche Aussage über die Zuverlässigkeit des Systems. Die Benchmark-Daten selbst zeigen, dass weiterhin erheblicher Spielraum für Fehler besteht. Was GPT-6 Astra offenbar verändert, ist die Distanz zwischen einem Modell, das eine Aufgabe versteht, und einem System, das diese Aufgabe tatsächlich bis zum Ende ausführen kann.
Wenn dieser Abstand weiter schrumpft, wird sich die entscheidende Frage bei zukünftigen Frontier-Modellen ändern. Dann geht es nicht mehr nur darum, ob sie bessere Antworten liefern als die vorherige Generation. Entscheidend wird sein, wie viel echten Zugriff auf unsere Computer wir ihnen gewähren wollen.
