Ein Modell legt in KiCad eine Leiterplatte aus, baut in FreeCAD und Blender ein animiertes Autogetriebe und erstellt aus einer Lohnabrechnung einen Entwurf der Steuererklärung. Mit diesen Demos stellt OpenAI das Modell GPT-6-Astra vor, und sie zeigen den Anspruch: nicht kleine Handgriffe, sondern ganze Projekte. Ein Erfahrungsbericht aus der Praxis nimmt diesen Anspruch auseinander, und die Einordnung fällt differenzierter aus als das Marketing.
Der Autor beschreibt Astra als starkes Modell, warnt aber davor, daraus eine pauschale Überlegenheit abzuleiten. Vier Punkte sind interessant: wo Astra wirklich in einer eigenen Liga spielt, wo Fable 5.1 vorn bleibt, was die Benchmarks hergeben und was der Spaß pro Token kostet. Daneben läuft die Frage mit, ob ein solches Modell schon AGI ist. Der Autor hat dazu eine klare, aber zurückhaltende Position.
Der Sprung von Sol zu Astra ist größer als der von Fable 5 zu Fable 5.1
Nach Einschätzung des Autors ist Astra das beste Modell für das, was man grob ambitionierte Projekte nennen kann, und dürfte den höchsten Rohintelligenz-Faktor aller bisherigen Modelle haben. Den Wechsel von Sol zu Astra beschreibt er als größeren Schritt als den von Fable 5 zu Fable 5.1, was in dieser Größenordnung selten ist. Deutlich fallen die Fortschritte bei allem aus, was mit 3D zu tun hat, bei Spielen, bei der Steuerung eines Computers und bei der Koordination mehrerer Subagenten. Wo Astra gut ist, spielt es laut Bericht in einer eigenen Liga.
Eine Werkstatt mit zwei sehr unterschiedlichen Maschinen ist ein brauchbares Bild. Die eine Maschine ist schwer, laut und für große Werkstücke gebaut, die andere arbeitet fein, leise und präzise im Dialog. Du brauchst beide, wenn du nicht jede Aufgabe durch dieselbe Öffnung pressen willst. Genau so liest sich die Empfehlung des Autors: nicht ersetzen, sondern aufteilen.
Astra gegen Fable 5.1: der Vergleich endet nicht mit einem klaren Sieger
Wer erwartet, dass Astra Fable 5.1 schlicht ablöst, wird von dem Bericht korrigiert. Astra ist und bleibt ein GPT-Modell, Fable 5.1 bleibt ein Claude, und wer eine grundsätzliche Vorliebe für eine der beiden Entwicklungslinien hat, wird sie behalten. Für viele Zwecke, besonders für Diskussionen mit Rede und Gegenrede, bleibt Fable 5.1 die erste Wahl des Autors, und er nutzt es weiterhin als seinen Hauptlektor. Seine Empfehlung: schwierige Fragen beiden Modellen stellen und selbst herausfinden, welches welche Aufgabe besser löst.
Beim gewöhnlichen Programmieren ist der Sprung dagegen weniger spektakulär. Der Autor beschreibt Coding als zunehmend weniger stark im Fokus, Astra sei dort kein Quantensprung, aber weiterhin sehr gut und besser als Sol. Hier zeigt sich der Unterschied zwischen einem Modell, das überall ordentlich abliefert, und einem, das in einzelnen Disziplinen davonzieht. Die praktische Konsequenz ist unspektakulär, aber wirksam: ein zweites Werkzeug auf dem Tisch, nicht ein ausgetauschtes.
Benchmarks, Prüfstände und ein Diagramm mit Schönheitsfehlern
Offiziell nennt OpenAI 98 Prozent auf FrontierMath Tier 4, 99,9 Prozent auf ARC-AGI 3 und 100 Prozent auf ExploitBench. Solche Werte sind Prüfstände: Sie sagen etwas über fest definierte Aufgaben aus, nicht über dein Projekt. Der Autor hält die Ergebnisse teils für beeindruckend, kritisiert aber ein veröffentlichtes Diagramm als irreführend, weil dort Werte aus unterschiedlichen Testaufbauten nebeneinandergestellt werden. Astra erreiche mit dem standardmäßigen Aufbau selbst sehr starke 62,7 Prozent, während Sol mit demselben Astra-Aufbau vermutlich bei rund 30 Prozent landen würde. Umgekehrt zitiert der Autor eine Schätzung von Fable, wonach Opus mit einem vergleichbaren Aufbau bei etwa 80 Prozent liegen könnte, und regt an, das nachzuprüfen.
Der ExploitBench-Wert von 100 Prozent ist nach seiner Einschätzung kein Ruhmesblatt. Wer dort alles löst, hat aus seiner Sicht geschummelt, mindestens liegt Datenkontamination vor, also ein Durchsickern von Testinhalten in die Trainingsdaten. Dass OpenAI das in den begleitenden Unterlagen einräumt, macht die Zahl nicht besser, sondern nur ehrlicher. Für dich heißt das: Einzelscores sind Wegweiser, keine Geländer. Verlass dich auf eigene Tests mit deinen echten Aufgaben, bevor du deinen Arbeitsablauf umstellst.
Computer Use, Subagenten und die Arbeit an mehreren Fronten
Computer Use war lange eine Technik, die langsam lief und oft nicht zuverlässig genug war. Mark Chen von OpenAI erklärt, man solle dem Ansatz noch einmal eine Chance geben, seit Operator habe sich viel getan, und inzwischen funktioniere es einfach. Die gezeigten Beispiele reichen vom Ausfüllen eines Steuerformulars über den Sieg beim Financial Modeling World Cup bis zu Tabellenarbeit in etwa vierfacher Geschwindigkeit eines Menschen. Das ist die schwere Maschine in der Werkstatt: viel Material, klare Arbeitsschritte, wenig Zwischenrufe.
Dazu kommt die Koordination von Subagenten. Das Modell zerlegt eine größere Aufgabe und verteilt die Teilstücke an Unteragenten, die parallel arbeiten, während du am Ende das Ergebnis prüfst. Damit verschiebt sich deine Rolle vom Ausführen zum Steuern, und dort liegt laut Bericht die eigentliche Stärke von Astra. Mark Chen betont zugleich, dass Agenten transparent denken und auf Aufsicht reagieren müssen, wenn sie in deinem Namen handeln, und dass die Überwachung unautorisierter Aktionen Teil der Freigabe war. Alignment bleibt damit ein offenes Forschungsfeld, nicht ein erledigter Posten auf einer Liste.
Was Astra kostet und warum die Token-Effizienz entscheidet
Der Listenpreis liegt bei 10 Dollar pro Million Eingabe-Token und 50 Dollar pro Million Ausgabe-Token. Schreibvorgänge in den Zwischenspeicher kosten 12,50 Dollar, gelesene Cache-Daten nur 1 Dollar, und ab mehr als 272.000 Eingabe-Token verdoppelt sich der Eingabepreis, während die Ausgabe um 50 Prozent teurer wird. Der schnelle Modus kostet das Doppelte. Fable 5.1 hat denselben Listenpreis, verlangt aber nur 0,25 Dollar für Cache-Lesevorgänge, was bei langen Kontexten ins Gewicht fällt.
Für den Alltag ist jedoch nicht der Listenpreis entscheidend, sondern wie viele Token ein Modell für dieselbe Arbeit verbraucht. Das Analysehaus Artificial Analysis kommt laut Bericht zu dem Ergebnis, dass Astra in der Praxis nur etwa 60 Prozent teurer ist als Sol und deutlich günstiger als Fable 5.1, wobei letzteres im Max-Modus gemessen wurde, der für viele Aufgaben die falsche Einstellung ist. Das ist Betriebskostenrechnung, keine Poesie: Die schwere Maschine darf mehr Sprit brauchen, solange sie in weniger Durchgängen fertig wird.
Die AGI-Debatte und ein Nachfolger, der schon in der Halle steht
Greg Brockman begrüßt in seiner Ankündigung die AGI-Ära, und Jensen Huang nennt ohnehin fast alles AGI. Der Autor hält die Debatte diesmal für die erste, die nicht albern wirkt, glaubt selbst aber nicht, dass Astra AGI ist, und warnt davor, das Etikett zu früh zu verwenden, ohne jemandem zu widersprechen, der es anders sieht. Dazu passt eine Randnotiz von roon aus dem OpenAI-Team, der am 3. September 2026 erklärte, er habe die Grenzen von Astra noch nicht erreicht und rechne mit Obsoleszenz in der Größenordnung von Wochen. Am 9. September 2026 stellte er fest, es habe nicht einmal eine Woche gedauert.
OpenAI hat intern bereits ein Modell oberhalb von Astra angekündigt, das öffentlich nur angedeutet wurde. Gleichzeitig verweist der Autor auf Dario Amodeis Essay über ein bewusst getaktetes Vorgehen an der Forschungsgrenze, der eingebettete externe Evaluatoren vorschlägt, dazu koordinierte Sicherheitsstandards innerhalb demokratischer Staaten und, soweit möglich, Absprachen darüber hinaus. Bemerkenswert ist, dass Anthropic sich zum ersten Schritt einseitig verpflichtet hat, also nicht auf alle anderen wartet. Das ist der Rahmen, in dem die Fähigkeiten von Astra zu lesen sind: nicht als reine Produktmeldung, sondern als Beschleunigung in einem Umfeld, das mit dem Tempo erst noch umgehen lernen muss.
Für dich bleibt eine nüchterne Regel. Nutze Astra dort, wo große, zusammenhängende Arbeit anfällt: 3D-Szenen, Spiele, Automatisierung am Rechner, Aufgaben, die sich in Unteragenten zerlegen lassen. Für Gespräche, Feinabstimmung an Texten und alles, was vom Hin und Her lebt, bleibt Fable 5.1 eine gute Wahl, jedenfalls nach Einschätzung des zitierten Autors. Probiere beide an deinen drei schwierigsten Aufgaben aus, und entscheide nach Ergebnis und Rechnung, nicht nach Rangliste. Die Werkstatt wird nicht dadurch besser, dass du eine Maschine wegwirfst, sondern dadurch, dass du weißt, welche du wann einschaltest.
Quelle: thezvi.substack.com
