Was kann GPT-6 Astra? Eine neue Auswertung von Artificial Analysis liefert Antworten. Wir gehen die Zahlen durch und erklären, was sie konkret bedeuten. Token-Effizienz und Kosten stehen für den Verbrauch, Benchmark-Scores für die Leistung.
Coding-Agent-Index: Gleichauf mit der Konkurrenz
Der Coding Agent Index von Artificial Analysis misst, wie gut Modelle autonom Code schreiben. GPT-6 Astra kommt auf 67 Punkte – gleichauf mit Claude Opus 5 und Fable 5 im Claude-Code-Modus sowie mit Muse Spark 1.3. Nur Fable 5.1 liegt mit 70 Punkten klar vorne.
Die Token-Effizienz sticht heraus. Astra verbraucht nur ein Drittel der Tokens von GPT-5.6 Sol im gleichen Setup. Gegenüber Claude Opus 5 auf hoher Denkstufe ist es sogar fünfmal sparsamer. Heißt: Für dieselbe Coding-Aufgabe produziert das Modell deutlich weniger Text – in großen Projekten spart das Zeit und Geld.
Auch die Kosten pro Aufgabe haben sich verschoben. Im Max-Effort-Modus kostet Astra ungefähr so viel wie GPT-5.6 Sol, schneidet im Index aber zwei Punkte besser ab. Gegenüber Claude Fable 5, das eine ähnliche Punktzahl erreicht, halbiert sich der Preis pro Coding-Aufgabe. Effizienz plus Wettbewerbspreis machen Astra zu einer ernsten Option für automatisierte Softwareentwicklung.
Intelligence Index: Effizienz teuer erkauft
Im Intelligence Index bleibt GPT-6 Astra auf dem Niveau des Vorgängers. 61 Punkte, genau wie GPT-5.6 Sol. Fünf Punkte hinter Claude Fable 5.1 (max mit Fallback) und auch hinter Meta Muse Spark 1.3. Die allgemeine Denkfähigkeit hat sich nicht messbar verbessert.
Verbessert hat sich die Token-Nutzung. Etwa zehn Prozent weniger Ausgabe-Tokens pro Aufgabe im Max-Effort-Modus gegenüber GPT-5.6 Sol. Dieser Effizienzgewinn geht aber in der Preiserhöhung unter. GPT-6 Astra ist in der Preisgestaltung 2,5-mal teurer – pro Aufgabe zahlst du am Ende rund 75 Prozent mehr als beim Vorgänger.
Die OpenAI-Preisliste erklärt den Sprung. Pro Million Eingabe-Tokens verlangt das Unternehmen zehn Dollar statt vier, für Ausgabe-Tokens fünfzig statt zwanzig Dollar. Cache-Reads behalten den Rabatt von 90 Prozent, Cache-Writes erhalten einen Aufschlag von 25 Prozent. Damit ist GPT-6 Astra deutlich teurer als GPT-5.6 Sol – der Token-Vorteil verpufft auf der Rechnung.
Halluzinationen halbiert: Die Omniscience-Wende
Im AA-Omniscience-Benchmark, der Wissen und Halluzinationsneigung testet, senkt GPT-6 Astra die Halluzinationsrate im Max-Effort-Modus von 92 Prozent (Vorgänger) auf 51 Prozent. Fast eine Halbierung.
Dabei leidet die Genauigkeit nicht. Die Accuracy steigt gleichzeitig um vier Punkte. Viele Modelle reduzieren Halluzinationen, indem sie häufiger ganz schweigen. Astra schafft beides – mehr Präzision und mehr Zurückhaltung bei Unsicherheit.
Für faktenkritische Anwendungen zählt das. Recherche oder Code-Dokumentation profitieren direkt von niedrigen Halluzinationsraten. Offen bleibt, ob das Ergebnis in der Praxis mit langen Kontexten stabil bleibt.
Langzeitaufgaben: Fortschritt mit Nebenwirkungen
Im AA-Briefcase-Benchmark, der mehrwöchige Projekte mit Tausenden Quelldateien simuliert, gewinnt GPT-6 Astra etwa 80 Elo-Punkte gegenüber GPT-5.6 Sol. Der Zuwachs liegt vor allem bei den Rubrik-Scores und der analytischen Qualität. Die Präsentationsqualität dagegen nimmt ab – hier führt weiterhin GPT-5.6 Sol.
Anderswo sieht es gemischt aus. Bei Humanity’s Last Exam (Mathematik, Naturwissenschaften, Geisteswissenschaften) legt Astra sechs Punkte zu. Dafür verliert es rund 80 Elo im GDPval-AA v2, einem Benchmark für wirtschaftlich relevante Aufgaben aus 44 Berufen. Auch bei τ³-Banking, SciCode und AA-LCR sinken die Werte um zwei bis drei Punkte.
Solche Regressionen sind bei neuen Modellgenerationen normal. Ein Bereich verbessert sich, ein anderer leidet. Entscheidend ist, ob die gemischten Resultate für deinen konkreten Einsatz relevant sind.
Was das für deine Projekte heißt
Der GPT-6 Astra Benchmark zeigt eine ungleiche Entwicklung. Codierung: dank hoher Token-Effizienz ein starkes Paket aus Preis und Leistung. Allgemeine Intelligenz: knapp hinter den Spitzenmodellen – und der höhere Preis frisst die Token-Ersparnis auf.
Der größte Fortschritt ist die Halluzinationsreduktion. Dass ein Modell gleichzeitig genauer wird, ist bei aktuellen Systemen keine Selbstverständlichkeit. Dieser Punkt wiegt schwerer als die kleinen Schwankungen in einzelnen Benchmark-Kategorien.
Für Entwickler und Power-User heißt das: Einsatz genau abwägen. Bei Agenten-Projekten mit Code-Ausführung ist Astra eine ernsthafte Alternative, besonders wenn die Kosten pro Aufgabe im Fokus stehen. Für reine Denkaufgaben oder Textgenerierung bleibt GPT-5.6 Sol wirtschaftlicher.
GPT-6 Astra glänzt nicht überall, aber an den richtigen Stellen. Damit ist es ein nützlicher Baustein im aktuellen KI-Ökosystem. Bleibt abzuwarten, wie OpenAI die Preise in den nächsten Monaten anpasst.
Quelle: artificialanalysis.ai
