Ein Ingenieur öffnet in einer CAD-Anwendung ein einzelnes Bauteil, verändert dessen Position und prüft anschließend, wie sich die Belastung im gesamten Fahrwerk verändert. Genau solche Aufgaben soll GPT-6.2 Astra besser lösen als die Vorgängergeneration: nicht nur einzelne Dokumente erzeugen, sondern komplexe Arbeitsabläufe verstehen, Werkzeuge passend einsetzen und Ergebnisse prüfen. OpenAI stellt deshalb zwei neue Frontier-Modelle vor. Astra adressiert anspruchsvolle professionelle Arbeit, während Sol als vielseitiges Alltagsmodell für Teams, Entwickler und Unternehmen gedacht ist.
Beide Modelle sollen bessere Ergebnisse auf anspruchsvollen Aufgaben mit weniger Output-Token liefern. Das klingt zunächst nach einer technischen Optimierung, ist aber praktisch relevant, weil bei agentischen Workflows schnell viele Modellaufrufe, Zwischenschritte und Wiederholungen entstehen. Weniger Tokens bedeuten nicht automatisch eine günstigere Rechnung, doch bei vergleichbarer Qualität wächst der Spielraum für komplexere Abläufe innerhalb eines festen Nutzungslimits.
Die Modellnamen folgen einer erkennbaren Aufteilung. GPT-6.2 Astra ist das leistungsorientierte Modell für wissenschaftliche, technische und andere komplexe Vorhaben. GPT-6.2 Sol ist das effizientere Standardmodell für tägliche Aufgaben. Die Analogie eines Werkzeugkastens passt: Astra ist der spezialisierte Betrieb, mit dem anspruchsvolle Reparaturen und Konstruktionen entstehen. Sol ist das vielseitige Standardwerkzeug, das schnell einsatzbereit ist und trotzdem eine hohe Qualität liefert.
Astra und Sol im direkten Vergleich
GPT-6.2 Astra setzt den Schwerpunkt auf lange, mehrstufige Arbeitsabläufe. Laut OpenAI verbessert das Modell gegenüber GPT-6 Astra insbesondere die Erstellung von Folien, Tabellen, Dokumenten und Programmcode. Ergebnisse sollen weniger generisch wirken, stärker vorhandenen Vorlagen folgen und eher den Konventionen des jeweiligen Fachgebiets entsprechen. Gerade dieser letzte Punkt ist entscheidend. Ein technisch korrektes Dokument kann trotzdem unbrauchbar sein, wenn Aufbau, Terminologie und Format nicht zum erwarteten Publikum passen.
Für agentische Workflows meldet OpenAI auf dem „Agents’ Last Exam“ einen neuen Höchstwert. GPT-6.2 Astra liegt demnach 5,2 Punkte über GPT-6 Astra und 5,5 Punkte über Claude Fable 5.2. Der Kostenvergleich fällt zugunsten von Astra ebenfalls deutlich aus. Wichtig ist jedoch der Hinweis zur Methodik: Bei Fable 5.2 wurden neun Aufgaben nicht berücksichtigt, für die ein Fallback-Modell eingesetzt wurde. Benchmark-Werte sind daher immer eine Momentaufnahme und keine absolute Rangliste.
GPT-6.2 Sol richtet sich an den Normalfall. Das Modell soll gegenüber GPT-6.1 Sol intelligenter und effizienter sein, mehr Aufgaben innerhalb desselben bezahlten Plans bewältigen und bei mehrstufigen agentischen Abläufen zuverlässiger arbeiten. Im Codex-Benchmark FrontierCode 2.0 liegt Sol laut OpenAI nur 0,5 Punkte hinter Astra, benötigt aber ungefähr ein Fünftel der Kosten. Viele OpenAI-Mitarbeiter verwenden Sol nach Unternehmensangaben als Standardmodell für technische wie nichttechnische Aufgaben.
Auch bei Alltagsaufgaben soll Sol überzeugen. In der internen LifeVal-Evaluation erreicht es demnach ein besseres Ergebnis als GPT-6 Astra, allerdings zu etwa einem Siebtel der Kosten. Getestet werden dabei Aufgaben, die persönliche Randbedingungen berücksichtigen, etwa die Auswahl eines Kindergartens nach einem Umzug oder die Planung eines Budgets für eine Familie. Sol muss also nicht nur eine korrekte Antwort formulieren, sondern viele Bedingungen gleichzeitig im Blick behalten. Genau darin liegt der Unterschied zwischen einer einzelnen guten Antwort und einem belastbaren Alltagsworkflow.
Wissenschaftliche Arbeit mit Astra
OpenAI positioniert Astra ausdrücklich als das leistungsfähigste Modell für Wissenschaftler. Im Terminal-Bench-Science 0.1, der wissenschaftliche Forschungsabläufe über ein Terminal bewertet, erzielt das neue Modell neun Prozentpunkte mehr als GPT-6 Astra. Gleichzeitig soll es weniger als ein Drittel der Kosten verursachen. Der Vals Science Index testet das Interpretieren realer biologischer Daten und das Durchführen von Experimenten, um ein simuliertes System zu verstehen. Auch hier meldet OpenAI einen neuen Höchstwert.
Ein Modell wird in der Wissenschaft jedoch nicht allein nach einer Benchmarkzahl nützlich. Forschende müssen Quellen prüfen, Annahmen kontrollieren, Ergebnisse nachvollziehbar darstellen und Fehler erkennen. Astra soll präziser arbeiten, Aufgaben besser zerlegen und Werkzeuge gezielter einsetzen. Das ist mit einem sehr guten Assistenten vergleichbar, der nicht nur die Formel liefert, sondern auch prüft, ob die eingesetzten Annahmen zum gewünschten Ergebnis führen.
Die API-Preise wurden im Vergleich zu GPT-6 Astra um 20 Prozent gesenkt. Für GPT-6.2 Astra nennt OpenAI acht Dollar für eine Million Input-Token, 40 Cent für eine Million gecachte Input-Token und 40 Dollar für eine Million Output-Token. Sol behält dagegen die API-Preise von GPT-6.1 Sol. Für agentische Systeme ist der Output oft der teurere Teil, weil das Modell Zwischenergebnisse, Code, Analysen und Prüfungen erzeugt. Eine höhere Token-Effizienz wirkt sich daher unmittelbar auf die Betriebskosten aus.
Auch wenn diese Preise auf den ersten Blick attraktiv wirken, zählt in einem produktiven System die Gesamtrechnung. Dazu gehören Fehlversuche, zusätzliche Validierung, Integrationsaufwand und menschliche Kontrolle. Ein etwas günstigeres Modell kann langfristig teurer sein, wenn es öfter nachgebessert werden muss. Umgekehrt kann ein effizienteres Modell komplexere Aufgaben übernehmen, ohne dass die Qualität darunter leidet. Genau dieses Verhältnis versucht OpenAI mit den beiden Varianten gezielt zu optimieren.
Professionelle Deliverables in Tabellen und Dokumenten
Ein Consultant erhält von einem Modell Dutzende Seiten Tabellenmaterial, Berichte und Präsentationen, die anschließend in bestehende Prozesse passen müssen. OpenAI hat Astra deshalb besonders auf professionelle Arbeitsergebnisse in den Bereichen Recht, Vertrieb, Finanzen und Accounting vorbereitet. Die Texte sollen direkter und spezifischer sein, allgemeine Schlussfolgen und Füllmaterial reduzieren. Das klingt unspektakulär, ist in der Praxis aber einer der entscheidenden Unterschiede zwischen KI-Unterstützung und brauchbarer Lieferung.
Im legalen Benchmark Harvey LAB-AA v1.1 setzt Astra einen neuen Bestwert. Der Test verlangt, relevante Tatsachen in umfangreichen Quelldokumenten zu finden, sie auf ein detailliertes Briefing anzuwenden und ein Arbeitsergebnis zu erstellen, das sämtliche Vorgaben erfüllt. Die Passrate liegt laut OpenAI mehr als doppelt so hoch wie bei Claude Fable 5.2, bei etwa einem Sechstel der Kosten. Eine speziell für Juristen konfigurierte Variante, Astra for Law, erzielt noch bessere Ergebnisse.
Besonders streng ist der Bewertungsmodus. Die Hauptpunktzahl zählt nur, wenn ein Ergebnis jedes Kriterium erfüllt und keine materiellen Halluzinationen enthält. Das entspricht der Arbeitsweise eines erfahrenen Prüfers: Ein einziger falscher entscheidender Wert kann eine ansonsten gute Auswertung entwerten. Für Unternehmen ist das ein wichtiger Grund, die Qualität professioneller Deliverables nicht anhand eines einzelnen schönen Beispiels zu beurteilen, sondern vollständige Arbeitsabläufe und Fehlerfälle zu testen.
Der interne Benchmark GDPval v2 bewertet lange Wissensarbeitsabläufe aus echten Projekten in Beratung, Finanzen, Design und weiteren Branchen. Astra erreicht demnach den besten Wert der getesteten Modelle, 6,2 Prozentpunkte über GPT-6 Astra, und benötigt dabei 22 Prozent weniger Output-Token. Sol verbessert sich gegenüber GPT-6.1 Sol um 5,3 Punkte. Der Fortschritt zeigt sich also nicht nur in maximaler Qualität, sondern auch in der Fähigkeit, komplexe Aufgaben mit weniger Redundanz zu lösen.
Tabellen, Präsentationen und nachvollziehbare Ergebnisse
Bei der Arbeit mit Tabellen nennt OpenAI den AA-AnalystAgent. Eine Aufgabe verlangt, anhand von Ausgabenberichten des kalifornischen Medicaid-Programms zu berechnen, wie viel Geld für medizinischen Transport ausgegeben wurde. GPT-6.2 Astra beantwortet 62,5 Prozent der Fragen in allen fünf unabhängigen Versuchen richtig und erreicht damit einen neuen Höchstwert. Solche Tests sind näher an der Wirklichkeit als eine einzelne Rechenaufgabe, weil mehrere Dateien gelesen, Annahmen geprüft und die Antwort nachvollziehbar aufgebaut werden müssen.
In einem weiteren Beispiel erstellten die Modelle eine bearbeitbare Excel-Arbeitsmappe für ein fiktives Agrartechnologie-Unternehmen. Gefordert waren eine Umsatzprognose bis 2031, die Abstimmung von drei Finanzabschlüssen, eine Bewertung je verwässerter Aktie mit Discounted-Cashflow-Modell, eine Sensitivitätsanalyse und die Entwicklung eines Marktwerts, der den Referenzkurs rechtfertigt. Die Mappe ist dabei nicht nur ein Rechenergebnis. Sie muss zeigen, welche Geschäftsbereiche den Umsatzmix bestimmen und wie Enterprise Value, Liquidität, Investitionen und Aktienzahl zum Wert je Aktie führen.
GPT-6.2 Astra ordnet Revenues-Mix und Bewertungsbrücke unmittelbar neben der Sensitivitätstabelle an. GPT-6.6 Astra zeigt die Umsatzaufteilung dagegen auf einem separaten Tab und die Brücke weiter unten im Dokument. Keine der Varianten ist allein durch die Positionierung automatisch überlegen. Der Unterschied zeigt, wie unterschiedlich gut Modelle ein erklärungsbedürftiges Arbeitsergebnis strukturieren. Gerade die Nachvollziehbarkeit zählt, wenn später ein Mensch die Zahlen prüfen oder Annahmen verändern muss.
Bei Präsentationen kann Astra Layout, Farben, Typografie und sogar exakte Schriftgrößen einer bereitgestellten Vorlage übernehmen. Dasselbe gilt, wenn lediglich ein Screenshot als Referenz vorliegt. Der Schreibstil der Vorlage soll anschließend auf neue Folien übertragen werden. In einem Beispiel mit einer öffentlichen OpenAI-Folienvorlage entwickelte Astra ein illustriertes Feldführer-Konzept für Merchandise-Entwürfe von vier Teams. Dazu kamen alle acht Designs als Abzeichen, T-Shirts und gestickte Rucksackpatches sowie vektorbasierte Dateien, Abmessungen, Farbangaben und Hinweise zur Produktionsabnahme.
Computerbedienung, Webdesign und Code
GPT-6.2 Astra erweitert die Fähigkeiten zur Computerbedienung bis hin zu einzelnen Bauteilen und Verbindungen in CAD- und Simulationswerkzeugen. In einem Test erzeugte das Modell ein 3D-Fahrzeugmodell, schrieb einen Python-Löser für die Interaktion zwischen Reifen und Federung und animierte die Ergebnisse in Blender. Der Ablauf ähnelt einem digitalen Prüfstand: Entwurf, Berechnung und Visualisierung greifen ineinander, sodass Konstrukteure Varianten vergleichen können, bevor ein Prototyp gebaut wird.
Auch mechanische Systeme kann Astra Bauteil für Bauteil modellieren. Für ein ferngesteuertes Buggy mit Motor wurden Einzelkomponenten, eine animierte Montageanleitung und ein illustrierter Teilkatalog erzeugt. Das ist weniger ein statischer Entwurf als eine Form von lebendiger Dokumentation. Änderungen am System lassen sich in der Darstellung besser nachvollziehen, während die Produktentwicklung nicht allein vom Klartext abhängt.
OpenAI zeigt außerdem, wie aus den geschwungenen Balkonen der Marina-City-Türme in Chicago eine Papierlampe entsteht. Die Website wurde mit Astra erzeugt und führt von Referenzfotos über CAD-Überarbeitungen bis zur handgefertigten Lampe. Das Beispiel demonstriert die visuelle Reasoning-Fähigkeit des Modells, gleichzeitig aber auch seinen Wert für interaktive Projekte. Eine textliche Beschreibung wird nicht nur beschrieben, sondern in eine nutzbare Oberfläche mit gestalterischer Identität übersetzt.
Auch aus einer kurzen Vorgabe kann ein spielbares Browser-Erlebnis entstehen, etwa ein Flipperautomat oder eine räumlich erkundbare Nachbildung des Kolosseums. Im AA-3D-Test, bei dem menschliche Prüfer zwei verblindete Ergebnisse derselben Aufgabe vergleichen, belegt Astra mit 1.318 Elo den ersten Platz. Es folgen Claude Fable 5.2 mit 1.271 und Sol mit 1.259. Bei der Codeentwicklung verbessert Astra außerdem die Umsetzung und Tests komplexer Änderungen in bestehenden Repositories. Frühphasige Anwender berichten von saubererem Stil, gezielteren Tests und weniger Revisionsrunden.
Cybersicherheit und engere Schutzmechanismen
Mit größerer Cyberfähigkeit wächst auch das Missbrauchspotenzial. GPT-6.2 Astra und Sol sollen Schwachstellen effektiver finden und ausnutzen, sichereren Code schreiben sowie bessere Patches erstellen. Beide Modelle erreichen laut OpenAI unter dem Preparedness Framework die kritische Schwelle für Cybersicherheit. Aus diesem Grund starten sie mit strengeren Schutzmechanismen für besonders risikoreiche Unterstützung. Das reduziert das Missbrauchsrisiko, schränkt aber gleichzeitig legitime Sicherheitsforschung und autorisierte Prüfungen ein.
Diese Einschränkung ist kein Nebensatz. Wer Modelle in Red-Teaming, Schwachstellenanalyse oder defensive Security-Workflows integrieren will, muss mit zusätzlichen Einschränkungen und veränderten Ablehnungen rechnen. Über OpenAI Daybreak steht GPT-6 Sol derzeit auf Daybreak Blue mit reduzierten Cyber-Blockierungen zur Verfügung. Für fortgeschrittene, autorisierte Sicherheitstests gibt es GPT-6 Cyber auf Daybreak Red sowie eine Alpha-Version für GPT-6 Astra. Die neuen 6.2-Modelle sollen später ebenfalls Zugang erhalten.
Die vorgestellten Cybersecurity-Benchmarks wurden laut OpenAI mit deaktivierten Schutzmechanismen und Klassifikatoren getestet. Das ergibt ein genaueres Bild der tatsächlichen Modulfähigkeiten, beschreibt aber nicht uneingeschränkt die Bedingungen, unter denen API-Nutzer arbeiten. Für einen belastbaren Vergleich müssen deshalb sowohl die technische Leistung als auch die Einschränkungen im produktiven Betrieb berücksichtigt werden.
GPT-6.2 Astra und Sol markieren keinen bloßen Versionssprung. Astra erweitert die Grenzen professioneller und wissenschaftlicher Arbeit, insbesondere dort, wo Dokument, Code, Werkzeug und fachliche Prüfung miteinander verbunden sind. Sol setzt auf ein besseres Verhältnis von Qualität und Kosten für tägliche Aufgaben. Für Entwickler ist das eine Einladung, Modelle nicht isoliert nach Benchmark-Punkten, sondern nach vollständigen Workflows zu bewerten. Die praktische Frage lautet daher weniger, welches Modell in einer einzelnen Demo gewinnt. Entscheidend ist, welches zuverlässigere Ergebnisse liefert, weniger Korrekturen benötigt und in den eigenenlimits tatsächlich mehr abgeschlossene Arbeit ermöglicht.
Quelle: openai.com
