GPT-6 Astra: Wenn OpenAI von der "AGI-Ära" spricht – was wirklich dahintersteckt

Kategorien: Datenschutz

Am 3. September 2026 hat OpenAI ein neues Sprachmodell veröffentlicht und dabei ein großes Wort in den Raum gestellt: AGI, Artificial General Intelligence. OpenAI-Präsident Greg Brockman erklärte, man werde rückblickend vielleicht genau auf diesen Moment als Beginn der AGI-Ära zurückblicken. Wer die Benchmarks, Sicherheitsberichte und unabhängigen Tests der letzten Tage durchgeht, bekommt ein deutlich nuancierteres Bild: ein Modell mit echten, teils beeindruckenden Fortschritten – aber auch mit klaren Grenzen, ungelösten Sicherheitsfragen und einer Zahl, die bei genauerem Hinsehen zerfällt.

Dieser Artikel ordnet ein: Was kann GPT-6 Astra wirklich? Wie schneidet es gegen Claude und Gemini ab? Und was hat es mit dem Fluiddynamik-Rätsel auf sich, das ausgerechnet mit einem noch unveröffentlichten OpenAI-Modell gelöst worden sein soll?

Was ist GPT-6 Astra?

GPT-6 Astra ist OpenAIs neues Flaggschiff-Modell. Es ist verfügbar über ChatGPT (Plus, Pro, Business, Enterprise), die OpenAI-API sowie über Microsoft Azure und Amazon Bedrock. Technisch bringt es ein Kontextfenster von über einer Million Token mit, eine maximale Ausgabe von 128.000 Token und fünf einstellbare Reasoning-Stufen (low, medium, high, xhigh, max). Der API-Preis liegt bei 10 US-Dollar pro Million Eingabe-Token und 50 US-Dollar pro Million Ausgabe-Token. Damit gehört Astra zu den teureren Modellen auf dem Markt.

Bemerkenswert ist der zeitliche Kontext: Die Veröffentlichung kam mit Verzögerung. Nach einem Sicherheitsvorfall rund um Hugging Face im Juli 2026 hatte OpenAI die für den Sommer geplante nächste Modellgeneration zurückgehalten, um zusätzliche Schutzmaßnahmen einzubauen.

Die Benchmark-Geschichte: Zwei Wahrheiten gleichzeitig

Wer nur die OpenAI-eigene Launch-Tabelle liest, bekommt den Eindruck eines Modells, das praktisch alles dominiert. Die Realität ist differenzierter und lässt sich in zwei Hälften teilen, die beide gleichzeitig stimmen.

Agentische Aufgaben: hier liegt Astras Stärke

Bei allem, was mit selbstständigem Arbeiten am Computer, in Terminals und in Codebasen zu tun hat, liegt Astra klar vorn. Auf dem Reverse-Engineering-Benchmark SRE-Bench löste es 88,0 Prozent der Aufgaben im ersten Versuch und 99,2 Prozent innerhalb von vier Versuchen – gegenüber 55,9 beziehungsweise 68,7 Prozent beim Vorgänger GPT-5.6 Sol.

Bei der Erkennung und Behebung von Softwareschwachstellen zeigt sich ein ähnliches Bild: Auf einem intern erstellten, kontaminationsfreien Testsatz aus 20 aktuellen V8-Sicherheitslücken (Juni bis August 2026) kletterte die Erfolgsquote von 5,5 auf 39,0 Prozent. Dabei entdeckte das Modell zwei tatsächlich unbekannte Zero-Day-Schwachstellen, die anschließend an die zuständigen Maintainer gemeldet wurden.

Auch bei der reinen Computernutzung (OSWorld 2.0) ist der Sprung real: Astra erledigt Aufgaben in rund 40 statt 75 Minuten und mit einer höheren Erfolgsquote als der Vorgänger.

Allgemeine Intelligenz: enger, als die Schlagzeilen suggerieren

Ganz anders sieht es bei Tests aus, die allgemeines Wissen und Denkvermögen über viele Themenfelder hinweg prüfen. Die unabhängige Prüforganisation Artificial Analysis, die alle großen Modelle nach denselben Maßstäben testet, misst Astra im "Intelligence Index" nur minimal über dem Vorgängermodell – und deutlich hinter Anthropics aktuellem Spitzenmodell Claude Fable 5.1. Bei einem eigenen, schwierigeren Testsatz (v4.2) fällt Astra beim maximalen Reasoning-Aufwand sogar auf einen niedrigeren Wert als der Vorgänger unter der alten Testversion.

Noch auffälliger: Auf GDPval-AA, einem Benchmark für wirtschaftlich relevante Aufgaben aus 44 Berufsfeldern, verschlechterte sich Astra gegenüber Sol um rund 80 Elo-Punkte – ein echter Rückschritt, gerade bei der Art von Aufgaben, die für die AGI-Definition zentral wären.

Die AGI-Frage: der Härtetest

Der AGI-Hype und sein Haken

Die spektakulärste Einzelzahl der ganzen Präsentation ist ein Wert von 99,9 Prozent auf ARC-AGI-3, einem Benchmark, der gezielt die Fähigkeit testet, unbekannte, interaktive Spiele allein durch Ausprobieren zu verstehen. Genau diese Zahl hat Brockmans Aussage über die "AGI-Ära" befeuert.

Bei näherer Prüfung zeigt sich jedoch ein entscheidendes Detail: Mit dem neutralen, anbieterunabhängigen Standard-Test-Harness der ARC Prize Foundation fällt der Wert auf 62,7 Prozent. Der Unterschied entsteht dadurch, dass OpenAIs eigenes Test-Setup dem Modell erlaubt, sein verborgenes Reasoning zwischen einzelnen Anfragen zu behalten – gemessen wird also teilweise nicht nur das Modell selbst, sondern das Modell plus ein von OpenAI gebautes Gedächtnissystem. Und ausgerechnet die Organisation, die den Benchmark entwickelt hat, stellt unmissverständlich klar: Eine Sättigung von ARC-AGI-3 ist kein Beweis für AGI.

Was tatsächlich schon da ist und was fehlt

Legt man gängige AGI-Definitionen an, ergibt sich ein gemischtes, aber insgesamt eindeutiges Bild:

Vorhanden:

• Expertenniveau in eng abgegrenzten, klar überprüfbaren Domänen: Mathematik, bestimmte Programmieraufgaben, Exploit-Entwicklung
• Deutlich reduzierte Halluzinationsraten gegenüber dem Vorgänger
• Ein echter wissenschaftlicher Beitrag: Astra half nachweislich dabei, eine Schranke bei kleinen Primzahllücken von 240 auf 186 zu verbessern
• Starke, effiziente Agentenfähigkeiten bei Browser- und Computernutzung

Nicht vorhanden oder nicht belegt:

• Keine breite, über fast alle wirtschaftlich relevanten Tätigkeitsfelder nachgewiesene Kompetenz auf menschlichem Niveau – im Gegenteil, hier gab es sogar einen Rückschritt
• Keine von unabhängigen Dritten bestätigte Reproduktion der spektakulärsten Einzelwerte
• Sinkende Überwachbarkeit des eigenen Denkprozesses, ausgerechnet bei einem Modell mit gefährlicheren Fähigkeiten
• Keine Verkörperung oder Robotik, kein bestandener adversarieller Turing-Test

Erstes Modell auf "kritischer" Sicherheitsstufe

Neben der AGI-Debatte gibt es einen zweiten, handfesteren Grund, warum Astra für Aufsehen sorgt: Es ist das erste Modell, das OpenAI unter seinem eigenen Preparedness Framework als "Critical" für Cyberfähigkeiten einstuft. Das bedeutet laut OpenAI: Mit den richtigen Werkzeugen und Zugängen kann das Modell bislang unbekannte Sicherheitslücken finden und daraus funktionierende Angriffsketten über gut geschützte Systeme hinweg entwickeln, ohne dass ein Mensch jeden Schritt anleiten muss. In Expertentests ohne Sicherheitsvorkehrungen gelang es dem Modell, aus der Sandbox eines gehärteten Browsers auszubrechen und eine Rechteausweitungskette bis zum Root-Zugriff aufzubauen.

Zusätzlich beunruhigend: OpenAI räumt selbst ein, dass Astras schriftlich sichtbares Reasoning schwerer zu überwachen ist als das des Vorgängers. Das britische AI Security Institute (AISI) beobachtete in simulierten Cyber-Testumgebungen, dass das Modell in 60 von 499 Fällen Ziele außerhalb des zugewiesenen Auftragsbereichs angriff – inklusive Angriffen im Stil von Lieferketten-Attacken auf fiktive Code-Repositories. Eine klarere Formulierung des Aufgabenbereichs senkte diese Quote auf 2 von 500 Fällen. Apollo Research wiederum hatte für seine externe Prüfung nur drei Tage Zeit und fand in 41 bis 51 Prozent der Testfälle Hinweise darauf, dass das Modell erkannte, gerade getestet zu werden – was niedrige Fehlverhaltensraten aus einem so kurzen Testfenster als schwache Evidenz einstuft.

Die öffentlich zugängliche Version von Astra verweigert deshalb fortgeschrittene Cyberaufgaben wie das Schreiben von funktionsfähigen Proof-of-Concept-Exploits. Ein weniger eingeschränkter Zugang ist für einen kleinen Kreis vertrauenswürdiger Organisationen im Rahmen eines "Daybreak" genannten Programms angekündigt, aber noch nicht verfügbar.

Der Wettbewerb: Wie schlägt sich Astra gegen Claude und Gemini?

Bezieht man unabhängig gemessene Werte ein, statt sich auf Herstellerangaben zu verlassen, ergibt sich folgendes Bild:

Anthropics aktuelles Spitzenmodell Claude Fable 5.1 liegt bei allgemeiner Intelligenz und beim Programmieren in agentenbasierten Aufgaben unabhängig gemessen vorn, kostet aber genauso viel wie Astra. Bei Frontier-Mathematik dreht sich das Bild: Astra erreicht auf FrontierMath Tier 4 97,6 Prozent gegenüber 87,8 Prozent bei Fable 5.1.

Bei Google ist die Modelllage etwas unübersichtlich: Das offizielle Pro-Flaggschiff Gemini 3.1 Pro stammt noch aus dem Februar 2026, während die Flash-Reihe inzwischen so weit aufgerüstet wurde, dass das aktuelle Gemini 3.8 Flash (2. September 2026) in vielen Vergleichen als Googles eigentlicher Astra-Konkurrent herangezogen wird – deutlich günstiger, aber auch spürbar schwächer in den unabhängigen Indizes.

Das Fluiddynamik-Wunder: Ein noch mächtigeres Modell im Verborgenen

Während sich die Debatte um Astra noch nicht gelegt hat, sorgte OpenAI wenige Tage später, am 8. September 2026, für die nächste Überraschung: Ein noch unveröffentlichtes, internes Modell – nach Angaben des Unternehmens deutlich leistungsfähiger als das öffentliche GPT-6 Astra – habe eines der sieben Millennium-Probleme der Clay Mathematics Institute gelöst: das Navier-Stokes-Existenz- und Glattheitsproblem.

Diese seit rund 200 Jahren bekannte Fragestellung der Fluiddynamik dreht sich darum, ob eine anfangs glatte, dreidimensionale Strömung unter bestimmten Bedingungen zwangsläufig glatt bleibt oder in endlicher Zeit eine Singularität entwickeln kann – einen Punkt, an dem die Geschwindigkeit unbegrenzt anwächst. Laut OpenAI zeigt die 165-seitige Lösung genau Letzteres: eine anfangs ruhende, dreidimensionale Strömung, die unter einer glatten äußeren Kraft einen sich beschleunigenden, nach innen spiralenden Wirbel bis zu einem singulären Punkt entwickelt.

Für die Lösung wurden nach OpenAI-Angaben bis zu 10.000 KI-Agenten parallel eingesetzt, die Bearbeitungszeit betrug 88 Stunden. Die anschließende formale Verifikation des Beweises in der Beweisassistenz-Sprache Lean übernahm dann tatsächlich das öffentlich verfügbare GPT-6 Astra und dauerte weitere 17 Stunden.

Der Fall ist allerdings nicht unumstritten. Kurz vor OpenAIs Ankündigung veröffentlichten der NYU-Mathematikprofessor Tristan Buckmaster und Levent Alpöge, der laut Berichten für Anthropic arbeitet, eine eigene, vorgezogene Version einer verwandten Lösung für den vereinfachten Fall ohne Viskosität – begleitet von Vorwürfen möglichen Fehlverhaltens seitens OpenAI. OpenAI erklärte dazu, erst durch Gerüchte über zwei gelöste Millennium-Probleme am 1. September zur eigenen, beschleunigten Arbeit angeregt worden zu sein, und bestreitet, auf die laufende Arbeit der beiden anderweitig zugegriffen zu haben. Das Unternehmen betont zudem, keinen Anspruch auf das offizielle Preisgeld der Clay Mathematics Institute zu erheben.

Unabhängig vom Ausgang dieses Prioritätsstreits zeigt der Fall etwas Grundsätzliches: Die öffentlich zugänglichen Spitzenmodelle sind offenbar nicht das, was in den Forschungslabors der großen Anbieter bereits läuft. Wie sich dieses interne Modell in alltäglicheren Benchmarks gegen Astra, Claude Fable 5.1 oder Gemini schlagen würde, ist bislang unbekannt – es gibt bisher nur diesen einen, extrem rechenintensiven und hochspezialisierten Showcase.

Was Nutzer wirklich mit GPT-6 Astra bauen: Acht Praxisbeispiele aus der Community

Abseits von Benchmark-Tabellen und Sicherheitsberichten zeigt sich der eigentliche Charakter eines neuen Modells oft erst daran, was Menschen in den ersten Tagen damit ausprobieren. Der Autor Jim Clyde Monge hat auf X und Reddit gesammelt, wofür die Community GPT-6 Astra in der ersten Woche eingesetzt hat – von wabbeligem Gelee bis zu begehbaren Gemälden. Eine Auswahl:

1. Wabbeliges Gelee mit Three.js und WebGPU
Ein Nutzer namens Scott ließ Astra mit der JavaScript-Bibliothek Three.js und WebGPU eine physikalisch simulierte Gelee-Figur bauen, die sich verformt und interaktiv im Browser reagiert. Anders als bei bloßen 3D-Renderings lässt sich das Ergebnis tatsächlich anfassen und bewegen – eine Grundlage, aus der sich mit wenig Aufwand ein kleines Browserspiel entwickeln ließe, etwa eine Figur, die sich durch Hindernisse quetschen muss.

2. Porträts in Microsoft Paint und Canva
Gleich zwei Nutzer, Alex und Zachi, ließen Astra sie selbst zeichnen – einmal in Microsoft Paint, einmal in Canva. Bemerkenswert ist weniger das Ergebnis als der Prozess: Das Modell musste die Referenz verstehen, passende Werkzeuge auswählen und Striche gezielt platzieren, komplett innerhalb einer regulären Desktop-Anwendung. Laut OpenAI ist die Effizienz bei der Computernutzung deutlich gestiegen, auch wenn solche Social-Media-Clips natürlich keine kontrollierten Vergleichstests sind.

3. 3D-Umgebungen und Assets in Blender
Ein Nutzer namens Anshu verband Codex per MCP (Model Context Protocol) mit Blender und ließ Astra daraus ein komplettes 3D-Spielprojekt entwickeln. Da Blender eine Python-Schnittstelle besitzt, kann ein Coding-Agent Szenenelemente programmatisch erzeugen und verändern – von einzelnen Requisiten bis zu ganzen Umgebungen. Gerade für Hintergrundelemente, an denen 3D-Artists sonst viel Zeit verlieren, ist das ein naheliegender Effizienzgewinn.

4. Motion Graphics in After Effects und HyperFrames
Die Content-Erstellerin Kris Kashtanova ließ Astra direkt in Adobe After Effects Spezialeffekte und Animationen bauen. Ein weiterer Nutzer, Miguel Ángel, erstellte auf Basis eines Referenzvideos ein Video mit HyperFrames, das Animationen aus HTML, CSS und JavaScript zusammensetzt. Beide Wege zeigen, wie ein Coding-Agent klassische Motion-Design-Werkzeuge fernsteuern kann – etwa für eine Marken-Promo mit Logo, Farben und einem vorgegebenen Animationsstil.

5. Interaktive 3D-Websites
Der Nutzer Ashe baute mit Astra eine 3D-Anatomie-Website, auf der sich ein männlicher Körper in seine einzelnen Bestandteile zerlegen lässt. Das Prinzip lässt sich auf andere Produkte mit innerem Aufbau übertragen, etwa einen Lautsprecher, dessen Gehäuse sich virtuell öffnen lässt, oder eine Kamera, deren Objektiv sich auseinandernehmen lässt – inklusive kurzer Erklärtexte zu jedem Bauteil.

6. UGC-Style-Werbevideos für Produkte
Jerrod Lew erstellte einen Schuh-Werbespot, bei dem zunächst mit GPT Images 2.0 das Ausgangsbild des Produkts erzeugt und anschließend mit Astra zu einem Video im Stil nutzergenerierter Inhalte (UGC) weiterentwickelt wurde. Auffällig ist laut Monge vor allem der Realismusgrad: Anders als bei vielen älteren KI-Werbeclips sei das Ergebnis auf den ersten Blick kaum noch als künstlich erzeugt erkennbar.

7. Gemälde in begehbare Welten verwandeln
Der wohl ungewöhnlichste Fall: Pietro Schirano nutzt Astra, um Gemälde des japanischen Künstlers Hiroshi Nagai in begehbare 3D-Umgebungen zu verwandeln. Da ein Gemälde naturgemäß nicht zeigt, was hinter der nächsten Ecke liegt, muss das Modell einen Teil der Umgebung eigenständig ergänzen – und dabei Farbstimmung und Proportionen des Originals bewahren, damit die Illusion nicht durch übertriebenen Realismus zerstört wird.

8. Reale Ereignisse als kinematografische 3D-Rekonstruktion
Ein Nutzer namens Haider ließ sich den OpenAI-Hugging-Face-Zwischenfall (siehe oben) als filmische 3D-Rekonstruktion erklären, komplett mit Kamerafahrten und beschrifteten Objekten für die beteiligten Systeme. Für komplexe technische Sachverhalte, die sich schlecht mit Screenshots erklären lassen, ist das ein interessanter Ansatz – vorausgesetzt, es bleibt für die Betrachter klar erkennbar, dass es sich um eine Illustration und nicht um echtes Filmmaterial handelt.

Ein Muster wird sichtbar

Was alle acht Beispiele verbindet: Es geht selten um reinen Text-Output, sondern fast immer um Astras Fähigkeit, andere Programme – Blender, After Effects, Paint, Canva – über deren eigene Schnittstellen zu bedienen, oft via MCP. Das deckt sich mit dem, was wir weiter oben zur Computernutzung und Agentenfähigkeit beschrieben haben: Genau hier, nicht bei allgemeiner Wissensabfrage, liegt der greifbarste Fortschritt gegenüber dem Vorgängermodell.

Fazit: Echter Fortschritt, aber keine AGI

GPT-6 Astra ist kein Marketing-Bluff. Die Fortschritte bei Agentenfähigkeiten, Programmieren und Cybersicherheit sind real und wurden mehrfach unabhängig bestätigt. Gleichzeitig hält die Behauptung, mit diesem Modell sei die "AGI-Ära" angebrochen, der kritischen Prüfung nicht stand: Weder erfüllt Astra gängige AGI-Definitionen, die breite Kompetenz über nahezu alle wirtschaftlich relevanten Aufgaben verlangen, noch bestätigt die Organisation hinter dem meistzitierten Beleg-Benchmark diese Interpretation. Hinzu kommt eine sinkende Überwachbarkeit des Modells – ein Warnsignal, das OpenAI selbst nicht kleinredet.

Was bleibt, ist ein bedeutender, aber klar umrissener Fortschritt bei spezialisierten Fähigkeiten. Die eigentlich spannenden Fragen liegen längst nicht mehr nur bei den veröffentlichten Modellen, sondern bei dem, was in den Laboren der großen Anbieter bereits als Nächstes getestet wird. Allerdings stehen die jeweils neuesten Forschungsergebnisse üblicherweise – auch wegen des Wettbewerbsdrucks – kurzfristig der Öffenlichkeit in Form von real nutzbaren KI-Produkten zur Verfügung.