GPT-6 Astra: Die neue Ära der KI beginnt mit einem Auftrag.

Die spannendste Zahl ist keine Prozentzahl

OpenAI hat Astra am 3. September 2026 vorgestellt. Die Ankündigung liefert reichlich Rekordmaterial: 57,9 Prozent auf Terminal‑Bench 4.0 gegenüber 37,3 beim Vorgänger GPT‑5.6 Sol, 97,6 Prozent auf FrontierMath Tier 4. [1] Beeindruckend. Doch die spannendere Geschichte beginnt dort, wo eine KI merkt: Für diese Aufgabe fehlt mir ein Werkzeug.

Im untersuchten Labyrinth schrieb Astra Programme für Navigation und Patrouillen und überprüfte seine Vorhersagen am tatsächlichen Spielzustand. In anderen Durchläufen hielt es Regeln und Pläne in einer selbst entwickelten algebraischen Kurzschrift fest. Diese Werkzeugversuche liefen in einer zusätzlichen Umgebung mit Code-Ausführung. [2]

Das ist ein starkes Bild für die Zukunft der Arbeit. Ein guter Mitarbeiter bleibt bei einem wiederkehrenden Problem nicht jedes Mal von vorne hängen. Er baut sich eine Tabelle, ein Skript, eine Checkliste. Seine nächste Entscheidung profitiert von der vorherigen. Genau diese Arbeitsweise macht Astra interessant: Es organisiert den Weg zum Ergebnis.

99,95 Prozent – und das Geheimnis dahinter

ARC‑AGI‑3 stellt unbekannte interaktive Aufgaben. Astra erreicht im Standardaufbau bei „high“ 54,82 Prozent. Mit dem Provider Adapter werden daraus 99,95 Prozent, bei gleichem Reasoning-Aufwand. Die beiden Bestwerte über alle Stufen liegen bei 62,71 und 99,95 Prozent. [3] Der Unterschied steckt darin, wie der Denkzustand zwischen Aufrufen erhalten und langer Kontext verdichtet wird. [2]

Für Unternehmen ist das vielleicht die wertvollste Nachricht des Launches. Wer eine KI nach jeder Teilaufgabe praktisch wieder an den Anfang setzt, verschenkt ihre Arbeit. Stellen Sie sich einen Entwickler vor, der morgens sein eigenes Fehlerprotokoll wegwerfen muss. Ein besserer Rechner löst dieses Problem kaum. Ein brauchbares Gedächtnis schon.

Auch die Effizienz überrascht: Bei den jeweils von beiden Aufbauten gelösten Spiel-Reasoning-Paaren benötigte der Adapter insgesamt 49 Prozent weniger Tokens. Bei maximalem Reasoning unterbot Astra auf 96 Prozent der Level die menschliche Vergleichsbasis bei der Zahl benötigter Aktionen. AGI beweist das nicht; die Testwelt bleibt geschlossen. [2] Es zeigt aber, wie stark Leistung davon abhängt, ob ein System seine bisherigen Erkenntnisse weiterverwenden kann.

Astra, Sol, Claude und Gemini: Wo der Sprung wirklich liegt

Wie groß ist der Vorsprung? Die Tabelle zeigt ausgewählte Ergebnisse aus OpenAIs Launch-Vergleich. Höher ist besser; fett markiert ist der beste Wert der jeweiligen Zeile. Die Modellversionen stehen ausdrücklich dabei – „Claude“ oder „Gemini“ allein wäre zu ungenau.

Terminal‑Bench prüft praktische Arbeit über die Kommandozeile. DeepSWE bewertet Softwareentwicklung; es ist nicht SWE‑Bench Pro. FrontierMath verlangt anspruchsvolle Mathematik, GPQA Diamond wissenschaftliches Fachwissen. OSWorld untersucht die Bedienung von Computeroberflächen; hier zählt die Offline-Variante mit Teilpunkten.

Die Pointe: Gegenüber Sol gewinnt Astra bei Terminal‑Bench 20,6 Prozentpunkte, bei DeepSWE nur 1,4. Gemini liegt dort gerade einmal 0,3 Punkte zurück. Das ist kein pauschaler Qualitätsabstand für jede Aufgabe. Die Werte stammen aus Testumgebungen, deren Werkzeuge und Einstellungen vom Produktalltag abweichen können.

Für Ihren Versuch heißt das: Lassen Sie die Modelle dieselbe kleine Aufgabe bearbeiten. Prüfen Sie das Ergebnis, die nötigen Korrekturen und den Aufwand bis zur brauchbaren Version. Genau dort wird aus einer Rangliste eine Entscheidung.

10.000 Planeten brauchen mehr als einen schönen Prompt

Wie sich das außerhalb eines Puzzles anfühlt, zeigt Entwickler Thomas Ricouard in OpenAIs Bericht über „Void Explorer“. Das Weltraumspiel umfasst 2.048 Sternsysteme und mehr als 10.000 prozedural erzeugte Planeten. Man kann einen Stern ansteuern, in eine Atmosphäre eintauchen, landen und aussteigen. [4] Das ist eine ambitionierte Vorstellung davon, was aus einer Idee werden kann.

Der aufschlussreiche Teil liegt unter der Oberfläche: Astra schlug die technische Architektur vor. Später wurde die Darstellung auf WebGPU umgestellt, während Universum und Navigation erhalten blieben. Automatisierte Tests prüften Koordinaten und Weltgenerierung; Browsertests prüften das Spiel. Ricouard beurteilte fortlaufend, wie es sich anfühlte. [4]

Genau darin steckt ein brauchbares Arbeitsmodell. Sie bestimmen, welches Erlebnis entstehen soll. Die KI kümmert sich um einen wachsenden Teil der technischen Umsetzung. Anschließend spielen Sie die nächste Version und sagen konkret, was fehlt: Die Landung ist langweilig. Das Schiff reagiert zu träge. Ich finde den Startknopf nicht.

Die Demo stammt vom Hersteller, aus einem Prozess mit mehreren Iterationen. Ihr eigentlicher Reiz liegt für uns darin, dass man eine Idee früh anfassen kann. Aus „Wir könnten irgendwann“ wird eine Version, an der sich das nächste Gespräch entzündet.

Das Haus, in dem zunächst noch niemand wohnen konnte

Ein zweites Entwicklerbeispiel erzählt das besonders schön. Astra erzeugte in Blender ein Haus samt Möbeln, Pflanzen, Materialien und Beleuchtung. Es begutachtete Vorschauen und korrigierte selbst Details. Das erste Ergebnis sah bereits überzeugend aus. Der private Gebäudeflügel war allerdings zunächst nur ein äußeres Volumen. [5]

Dieses Detail macht die Geschichte besser. Ein schönes Rendering beantwortet noch nicht, ob ein Familiengrundriss funktioniert. Im weiteren Verlauf ließ der Autor deshalb zuerst einen größeren Grundriss entwickeln. Für den Wald kamen vorhandene Pflanzen- und Felsobjekte von Poly Haven zum Einsatz. [5] Die Arbeit bestand also auch aus Auswahl, Anordnung und Überarbeitung.

Übertragen auf einen Unternehmensauftritt heißt das: Eine glänzende Startseite ist ein guter Anfang. Ob Besucher das Angebot verstehen und den richtigen Ansprechpartner finden, entscheidet sich beim Benutzen. Astra kann solche Entwürfe schneller greifbar machen. Die interessante Rolle für Gestalter wird dabei größer: Entscheiden, welche Version eine Idee wirklich trägt, und die nächste Verbesserung präzise benennen.

Der kleine Codex-Schalter mit der großen Idee

Wer längere Projekte mit KI bearbeitet, kennt diesen Moment: Eine wichtige Entscheidung von vorhin ist plötzlich verschwunden. Man erklärt sie erneut. Dann erneut. Codex dokumentiert für Astra ein experimentelles Kontextmanagement mit Notizen über Kontextfenster hinweg und durchsuchbarer früherer Arbeit. Es ist standardmäßig ausgeschaltet und setzt laut Referenz eine ChatGPT-Anmeldung mit Plus, Pro oder Pro Lite voraus. [6]

In der persönlichen ~/.codex/config.toml lässt es sich so aktivieren; eine vorhandene Tabelle entsprechend ergänzen:

[features.context_management]
experimental_mode = true

Für unseren gedachten Spieleauftrag wäre das entscheidend: Die Steuerung soll auf dem Handy funktionieren, der Neustart darf den Rekord nicht löschen, und eine verworfene Lösung soll nicht wieder eingebaut werden. Solche Entscheidungen sind das Projekt. Wenn sie erhalten bleiben, wird längere Zusammenarbeit überhaupt erst angenehm.

Auf API-Ebene verdichtet Compaction längere Verläufe in einen weiterverwendbaren Zustand. Asynchrone Werkzeuge erlauben unabhängige Arbeit während einer laufenden Tool-Aufgabe. Per Mid-turn Steering über WebSockets können neue Anforderungen noch während einer Antwort ankommen. [7] [8] [9] Zusammengenommen entsteht daraus ein Arbeitsfluss, in dem man eingreifen kann, ohne jedes Mal das ganze Vorhaben neu zu erklären.

Unser Rechencheck: Ein Token kann fast drei Dollar kosten

Die Standardpreise der API liegen bei 10 Dollar je Million Eingabetokens und 50 Dollar je Million Ausgabetokens. Cache-Lesen kostet 1 Dollar, Cache-Schreiben 12,50 Dollar. Oberhalb von 272.000 Eingabetokens steigen die Eingabe- und Cache-Sätze auf das Doppelte, die Ausgabesätze auf das 1,5-Fache – für die komplette Anfrage. [10]

Wir haben diese Schwelle nachgerechnet. Zwei gedachte Anfragen liefern jeweils 10.000 Ausgabetokens, ohne Cache oder Zusatzgebühren. Mit 272.000 Eingabetokens kostet die Anfrage 3,22 Dollar. Mit 272.001 Eingabetokens sind es rund 6,19 Dollar. Ein zusätzliches Token erhöht hier die Rechnung um etwa 92 Prozent. Das ist eine Tarifrechnung, kein ausgeführter Modelltest.

Die Konsequenz ist sehr praktisch: Einen langen Verlauf ungeprüft mitzuschleppen kann teuer werden. Vor dem nächsten großen Schritt lohnt es sich, irrelevante Altlasten auszusortieren und wichtige Entscheidungen zu bewahren. Ein Auftrag braucht ein Budget und einen sinnvollen Endpunkt. „Verbessere das endlos“ ist auch bei einer Maschine ein schlechter Arbeitsvertrag. Für die Nutzung im Codex-Abonnement gelten eigene Kontingente; diese Beispielrechnung betrifft die API.

Die mächtigere KI braucht einen klaren Auftrag

Astra ist OpenAIs erstes Modell mit der Einstufung „Critical“ bei Cybersecurity im Preparedness Framework. [12] Bei einer zusätzlichen Evaluation neuerer Schwachstellen entdeckte es laut OpenAI zwei zuvor unbekannte Zero-Days. [1] Das erklärt, weshalb der Launch auch eine Geschichte über Zugriffsrechte und Kontrolle ist.

Ein weniger werbewirksames Detail steht in der System Card: Astras schriftliche Denkschritte sind für Überwachungssysteme teilweise schlechter auszuwerten als die früherer Modelle. Die Sicherheitsbewertung betrachtet deshalb auch Aktionen und Ergebnisse. [11] Eine überzeugende Erklärung allein ist kein ausreichender Qualitätsnachweis.

Das lässt sich ohne große Sicherheitsdebatte in den Alltag übersetzen. Geben Sie dem ersten Versuch einen eigenen Projektordner, Beispieldaten und einen klaren Abschluss. Lassen Sie sich das Ergebnis zeigen und probieren Sie es selbst aus. Wer einen Auftrag gut abgrenzt, kann innerhalb dieser Grenze großzügig delegieren. So wird aus berechtigter Vorsicht eine Arbeitsweise, die Tempo erlaubt.

Ihr erster Auftrag: Ein Spiel, das jemand spielen will

Unser Vorschlag für den Einstieg ist ein kleines Browser-Spiel. Es liefert sofort Rückmeldung: Die Steuerung funktioniert oder sie nervt. Der Neustart klappt oder er hängt. Und nach einer Minute wissen Sie, ob Sie noch eine Runde wollen. Nutzen Sie dafür Codex mit Astra, sobald das Modell in Ihrem Konto verfügbar ist, und einen leeren Projektordner.

Baue ein kleines Browser-Rennspiel mit einer Strecke, drei Runden, Rundenzeit und Neustart. Es soll mit Tastatur und auf dem Handy bedienbar sein. Arbeite mit einfachen Formen. Öffne das Spiel im Browser und prüfe Start, Steuerung, Kollisionen, Rundenwertung und Neustart. Verbessere anschließend die zwei größten Probleme, die du gefunden hast. Zeige mir die spielbare Version und sage konkret, was du geprüft hast.

Das ist unser Beispielauftrag. Er verlangt etwas, das Sie tatsächlich beurteilen können. Nehmen Sie sich anschließend fünf Minuten: Fahren Sie absichtlich gegen die Begrenzung. Starten Sie mitten im Rennen neu. Probieren Sie eine zweite Runde auf dem Handy. Notieren Sie, wo das Spiel überrascht und wo es scheitert.

Dann kommt der spannendere Auftrag: „Behalte alles Funktionierende. Mach die Steuerung angenehmer und erkläre mir danach in zwei Sätzen, was du verändert hast.“ Jetzt zeigt sich, ob aus der ersten Version eine Zusammenarbeit wird. Dasselbe Vorgehen passt zu einem Konfigurator, einer interaktiven Produktdemo oder einem Werkzeug für Ihren eigenen Arbeitsalltag.

Die neue Ära beginnt mit einem Auftrag

Unser Urteil: Astra macht es lohnend, größer zu denken. Wer KI bislang vor allem für Antworten genutzt hat, sollte ihr jetzt ein kleines vollständiges Vorhaben geben. Mit Ergebnis, Spielraum und einer echten Prüfung am Ende.

Die AGI-Frage darf weiter die Schlagzeilen bestimmen. Für die eigene Arbeit ist der nächste Schritt schon konkret: Eine Idee auswählen, eine erste Version bauen lassen, ausprobieren, verbessern. Dabei lernt man mehr über den Wert dieser Technik als beim Vergleich der nächsten zehn Ranglisten.

Astra eröffnet die Ära der KI als Projektpartner. Was daraus wird, entscheidet sich auch daran, welche Aufgaben wir ihr zutrauen. Bringen Sie Ihre Idee mit. Mit nVisions.de machen wir daraus einen Prototyp, den Sie ausprobieren können.