OpenAI hat GPT-6 Astra am 3. September veröffentlicht – zu 10 US-Dollar pro Million Eingabe-Tokens und 50 US-Dollar pro Million Ausgabe-Tokens, dem 2,5-Fachen der Kosten des Modells, das es ersetzt, GPT-5.6 Sol, laut Artificial Analysis. (Ein Token entspricht ungefähr drei Vierteln eines Wortes und ist die Abrechnungseinheit der KI-Firmen.) Diese Prämie fällt in einen Moment, in dem der Markt für Grenzmodelle kein Ein-Pferde-Rennen mehr ist: Anthropics Claude-Reihe hat sich bei Entwicklern etabliert, und Googles Gemini hat bei Multimodalität Druck gemacht, sodass jedes Release inzwischen innerhalb von Stunden öffentlich seziert wird. Binnen 48 Stunden hatten Entwickler mit frühem Zugriff den Launch in einen öffentlichen Belastungstest verwandelt, und was sie posteten, teilt sich an einer klaren Linie: Astra ist das stärkste Modell, das jemand für alles Räumliche, Mechanische oder Agentische verwendet hat – und nach Aussage mehrerer derselben Personen ein schlechterer Schreiber als sein Vorgänger. OpenAI-Präsident Greg Brockman nutzte die Launch-Briefing, um die Ankunft von AGI zu verkünden.

Das Hauptfeature ist Computernutzung: Das Modell steuert Maus und Tastatur auf einem echten Desktop, statt eine Liste von Anweisungen zurückzugeben, die man selbst befolgen soll. Anthropic war das erste große Labor, das diese Fähigkeit auslieferte – mit Cludes Computernutzung Ende 2024 –, doch die Adoption wurde durch Zuverlässigkeit begrenzt: Agenten, die Falsches anklicken oder mittendin stocken, sind die Norm, weshalb OpenAIs Geschwindigkeits- und Erfolgsquoten-Zahlen Aufmerksamkeit erregten. Auf OSWorld 2.0, einem Test, der misst, wie viel Prozent alltäglicher Desktop-Aufgaben ein Agent eigenständig erledigt, meldete OpenAI 72,6 % bei rund 40 Minuten pro Aufgabe, gegenüber 65,7 % bei 75 Minuten für Sol. Es ist zudem das erste Modell, das OpenAI jemals an der kritischen Schwelle für Cybersicherheit eingestuft hat – das heißt, es kann unbekannte Softwarelücken finden und funktionierende Angriffe aufbauen, ohne dass ein Mensch zuerst auf die Lücke hinweist.

Jenseits von Benchmarks dürften Enthusiasten, die ihre echten Anwendungsfälle teilen, der beste Weg sein zu sehen, wo GPT-6 Gold ist und wo nicht. Hier sind einige der interessantesten Ergebnisse.

Visuelles Verständnis: Ein Manhattan Straße für Straße gebaut

Astra ist in visueller Wahrnehmung und räumlichem Bewusstsein extrem gut. Matt Shumer, Investor und ehemaliger CEO von HyperWrite, gab Astra eine Woche in Unreal Engine, der Game Engine hinter Fortnite. In dieser Zeit erzeugte Astra ein Abbild von Manhattan. Er postete einen Flythrough und sagte, das Modell habe „Straße für Straße gearbeitet, um jede einzelne perfekt zu machen“.

GPT-6 Astra built this Manhattan world in Unreal Engine over the course of a week. It was literally able to go street by street to make each one perfect. pic.twitter.com/7VTol9QfHq — Matt Shumer (@mattshumer_) September 3, 2026

Sein anderes Experiment schlug noch stärker ein. Shumer bat Astra, ein Survival-World zu bauen und mit Charakteren zu bevölkern, die jeweils auf einer eigenen Kopie des Modells laufen, und ließ es über Nacht laufen. Einen Tag später hörte er Stimmen aus seinem Wohnzimmer, dachte, jemand sei in seine Wohnung eingebrochen, und stellte fest, dass „sie angefangen hatten, miteinander zu reden“.

Max Weinbach gab dem Modell Fotos des Apple Park und bat um eine Rekonstruktion in Blender, dem kostenlosen 3D-Modellierungsprogramm, das von Animatoren und Game-Artisten verwendet wird. Sein Fazit: „Das war absurd gut.“

I had early access to GPT-6 Astra and it's maybe the most insane model I've experienced In Blender, I had it recreate Apple Park from just images. It did an absurd job. pic.twitter.com/0vDgg4u1DQ — Max Weinbach (@mweinbach) September 3, 2026

Tom Krcha gab Astra ein einziges Bild eines Hauses und erhielt das komplette Innere als editierbare Geometrie mit 60 Bildern pro Sekunde, bis hin zu Geräten und Spielzeug. Er argumentierte, dass „jetzt jeder Mensch auf der Welt einen 3D-Designer zur Hand hat“.

Pietro Schirano reduzierte den gesamten Workflow auf eine Geste. Setze einen Pin auf eine Karte, fordere die Umgebung in 3D an, und wie er sagte: „Es macht das einfach.“

You can literally drop a pin on a map ask GPT-6 to recreate the area around it in 3D and it will just do that lol pic.twitter.com/0PBTpV9kpF — Pietro Schirano (@skirano) September 4, 2026

Ein Entwickler unter dem Namen SuSu setzte dieselbe Idee im Stadtkalkül um. Astra baute die chinesische Stadt Hangzhou und ihre umliegenden Städte in Three.js – einer JavaScript-Bibliothek, die 3D-Grafiken direkt im normalen Webbrowser rendert, ohne Download – in 24 Minuten wieder auf, mit Westsee, Leifeng-Pagode, Tee-Terrassen und Feuchtgebieten an ihrem Platz.

Der Post beschrieb es auf Chinesisch als echtes interaktives „Miniatur-Hangzhou“ statt eines statischen Bildes, komplett mit anklickbaren Sehenswürdigkeiten und einem Tag-Nacht-Schalter.

🔥绝了！GPT-6 Astra在24分钟内用Three.js把整座杭州搬进网页，能逛能飞能切换昼夜！ 刚上线的GPT-6 Astra，直接用Three.js把杭州+周边完整3D还原了：西湖、雷峰塔、钱江新城、奥体大莲花、龙井茶山、西溪湿地……甚至延伸到富阳、桐庐、绍兴。… pic.twitter.com/eC1ZDsVI0 — SuSu_酥酥👅 (@NFT_Chen) September 5, 2026

Programmieren: Spiele, die Leute wirklich spielten

Spiele sind mit Abstand der beliebteste Anwendungsfall – und dort glänzt GPT-6 Astra. Anshu Chimala, ehemaliger UX/UI-Designer und KI-Entwickler bei Apple, bekam in 45 Minuten in einem Durchgang ein 3D-Spiel, für – wie er beschrieb – kaum ein paar Prozent seines Nutzungskontingents. Er nannte Astra „eine Art Turbo-AGI-Maschinengott für 3D-Spiele“. Das Spiel ist nicht testbar, aber das Video zeigt einen isometrischen Blickwinkel, gut gestaltete Charaktere und Umgebungen und insgesamt eine gute Ästhetik.

Seine Methode wiegt mehr als der Superlativ. Er verband das Modell mit Blender, ließ es eigene Concept-Art für den Ziel-Look generieren und wies es an, weiter zu iterieren, bis In-Game-Screenshots bei 60fps der Referenz entsprachen. Astra modellierte jedes Asset und generierte eigene Texturen. Das Modell kann von sich aus keine AAA-Grafik entwerfen, aber mit den richtigen Werkzeugen kann es wunderschön gestaltete Umgebungen entwickeln.

Rishi Prasad, ehemaliger Entwickler bei Coinbase und Eleven Labs, baute Astral War an einem Tag: einen Browser-Shooter mit autoritativen Multiplayer-Servern, 12-Personen-Lobbys, Controller-Unterstützung und Sprachchat. Er beschrieb „einen gewaltigen, sprunghaften Sprung in visueller Qualität“ gegenüber dem, was er einen Monat zuvor mit Claude Opus 5 gebaut hatte.

GPT-6 Astra has shattered all priors with AI game creation Introducing Astral War, built in a day with GPT-6 Astra Ultra (fast mode) Astral War is a browser-based, CoD World at War inspired @threejs + @MeshyAI + @ElevenLabs remix (and massive upgrade) of Modern Claudefare - a… pic.twitter.com/n9kTaDh4Wx — Rishi (@0xRishi) September 5, 2026

Andere übersprangen den Designschritt ganz. Der pseudonyme KI-Entwickler Daniel zeigte Astra eine Handyspiel-Werbung und bat um eine spielbare Browserversion dessen, was darin zu sehen war. Weniger als 30 Minuten später meldete er, es sei „ziemlich nah herausgekommen“. Laut Video verstand das Modell Logik und Optik des Spiels und konnte es reproduzieren.

Computernutzung und Illustration: Malen mit der Maus

Eine japanische Illustratorin unter dem Namen Taiyaki Sun führte den buchstäblichsten Test der Computernutzung der Runde durch. Statt um ein Bild zu bitten, übergab sie Astra eine handgezeichnete Line-Art-Datei und wies es an, die Zeichnung in Clip Studio Paint mit der Maus zu kolorieren – wie ein menschlicher Colorist es täte.

GPT-6 Astraのお絵描き能力すごい！！！ 皆さんAstraに一から絵を描かせていたので、私は自分が手で描いた線画を渡して、マウスでペイントソフトでそれを塗ってください、と依頼してみました。うおおおこれがAI分業だあああああ このタイムラプス、すべてAstraが動かしてます。… pic.twitter.com/hZk30pBgCq — taiyakisun(たい焼き太陽)🥐 (@taiyaki_sun) September 5, 2026

Astra erstellte die Ebenen, zoomte rein und raus, wählte Pinsel aus und füllte das Kunstwerk. Die Künstlerin sagte in einem aus dem Japanischen übersetzten Post, sie habe die ganze Zeit nur zugesehen. Die Sitzung lief auf einem 100-Dollar-Pro-Plan mit maximalem Aufwand und verbrauchte 21 % des Kontingents. Andere Nutzer teilten unterhaltsame Videos, in denen Astra ihre Fotos vollständig in Paint reproduziert – per Computernutzung (visuelle Übernahme des Computers statt MCP-Servern oder API-Keys).

Musik: Der Bach-Test

GPT-6 Astra hat auch einen guten Geschmack in Musik – zumindest für ein LLM. Auggie, der den „Augmented Fifth“-Substack betreibt, pflegt einen informellen Benchmark: ein fester Prompt, der ein Modell bittet, eine vierstimmige Chorale im Stil von Bach zu schreiben – mit LilyPond, einem Textformat, das in Notenblätter kompiliert wird, in g-Moll und 3/4-Takt. Die Ergebnisse werden nach denselben Harmonieregeln bewertet, nach denen ein Konservatoriumsstudent benotet wird. Solche qualitativen Benchmarks sind schwer zu standardisieren, weil Qualität, Schönheit usw. subjektiv sind – aber als Menschen können wir diese Qualitäten unterscheiden.

Astra erzielte die beste Note, die dieser Test je verzeichnete. Keine Stimmführungsfehler – das heißt, keine der melodischen Linien kollidierte auf eine Weise, die Bachs Regeln verbieten – und ein neapolitanischer Sextakkord in der Harmonie, ein chromatischer Akkord, der bei Mozart und Beethoven auftaucht. Auggie hob hervor, es sei „das erste Modell, das auf diesem Benchmark jemals Durchgänge geschrieben hat“.

GPT-6 Astra has the best result yet on the Bach Benchmark. Its chorale contains no voice-leading errors, and its harmonic palette is sophisticated enough to include a Neapolitan sixth chord. More importantly, it is the first model to ever write passing tones on this benchmark, a… pic.twitter.com/UMXSbveR0C — Auggie (@aug5thmusic) September 5, 2026

OpenAIs eigene Tabelle zeigt in dieselbe Richtung. Auf OpenScore String Quartets, das misst, wie genau ein Modell klassische Partituren liest und transkribiert, erreichte Astra 0,84 gegenüber 0,19 für Sol.

Derya Unutmaz, Arzt und produktiver KI-Tester, bat um ein voll spielbares virtuelles Klavier mit allen sechs Brandenburgischen Konzerten von Bach eingebaut. Er schrieb, dass „dieses verrückte Modell das Ganze in ~11 Minuten erledigt hat“.

Asked GPT-6 Astra to create a fully playable virtual piano & then build in Bach’s Brandenburg Concertos. This insane model did the whole thing in ~11 minutes! All 6 Concertos are built in & can be played directly on the piano! Link to the piano: 🎹✨ .… pic.twitter.com/DBwXF3uA8O — Derya Unutmaz, MD (@DeryaTR_) September 5, 2026

Wichtig zu betonen: GPT-6 Astra ist ein LLM, kein Audio-/Musikmodell. Sein Musikverständnis stammt vermutlich aus Notation und geschriebenen Daten, nicht aus Verbindungen in Klängen und Musik, die in seinen Trainingsdaten eingebracht wurden. Diese Ergebnisse sind für ein Textmodell sehr beeindruckend, wären aber unterdurchschnittlich, wenn sie von einer spezialisierten KI wie Suno kämen.

Schreiben: Wo es auseinanderfällt

Wie üblich sind OpenAI-Modelle gut im Programmieren, aber schwach im Schreiben – zumindest ohne intensives Prompting, Kontext und Steuerung. Fairerweise ist Schreiben nicht OpenAIs Stärke und auch nicht sein Hauptfokus.

Louis-François Bouchard betreibt einen internen Benchmark, der misst, wie gut Modelle in der redaktionellen Stimme seines Teams schreiben, gerankt nach Elo, dem Schach-Bewertungssystem, das Wettbewerber nach direkten Duellen bewertet; beim Elo-Score gibt es keine Punktobergrenze, mehr Punkte bedeuten ein besseres Modell. Astra landete auf Platz 11 mit 1995 Punkten. Sein Vorgänger liegt auf Platz 6 mit 2156. Astra kostete zudem etwa 0,26 US-Dollar pro Skript, rund das 1,8-Fache von Sol.

Big news from our internal writing benchmark (early results): GPT-6 ... is surprisingly disappointing I definitely did not expect that... GPT-6 Astra by @OpenAI lands at #11 for writing in our editorial voice, at 1995 Elo. That is below its predecessor. GPT-5.6 Sol sits #6 at… pic.twitter.com/gUxHtpIdfo — Louis-François Bouchard 🎥🤖 (@Whats_AI) September 5, 2026

Bouchard nannte das Ergebnis „überraschend enttäuschend“ und fügte hinzu, dass er es nicht erwartet habe.

Giuseppe Paleologo, Autor eines weit verbreiteten Leitfadens zum quantitativen Portfoliomanagement, bat Astra, neuartige Ideen zur optimalen Portfolio-Diversifikation zu generieren. Zurückkam, so sagte er, eine Mischung aus Offensichtlichem und Aufgeblähtem, verpackt in Prosa, die er sofort als maschinell geschrieben erkannte. Sein Urteil: „Echte Kreativität ist noch weit, weit entfernt.“

Mia AI Lab sieht das ähnlich, räumt ein, dass Astra bei manchen Aufgaben das beste Modell sein könnte, nennt es aber langweilig und sagt, es habe keine Persönlichkeit. Ihr Rat: für keine kreative Arbeit verwenden.

sorry gpt 6 astra lovers it might be the best model on some tasks but it has no personality, and utterly boring would avoid for ANY creative work — Mia (@MiaAI_lab) September 5, 2026

Ingar Haaland führte die sauberste Version des Tests durch. Er bat Astra, vier Absätze in seinem eigenen Stil zu schreiben, so nah dran, dass Pangram es nicht erwischen würde – Pangram ist ein KI-Erkennungswerkzeug, das Text mit Mustern vergleicht, die aus Millionen menschlicher und maschineller Beispiele gelernt wurden. Ergebnis: „Pangram lässt sich nicht täuschen.“ Mit anderen Worten: Die Ausgabe des Modells ist leicht als KI-generiert erkennbar – nicht wegen Wasserzeichen, sondern wegen der Art, wie das Modell schreibt und sich ausdrückt.

Asked Astra to "write four paragraphs in my style about anything you want that's so close to my writing that it won't even be detected by Pangram as AI writing." Pangram is not fooled. pic.twitter.com/0kfHa2XOe6 — Ingar Haaland (@Ingar30) September 4, 2026

Unabhängige Messungen bestätigen die Beschwerden. Artificial Analysis verzeichnete einen Rückgang von rund 80 Elo-Punkten auf GDPval-AA v2, einem Benchmark, der aus OpenAIs eigenem Datensatz für ökonomisch wertvolle Aufgaben in 44 Berufen adaptiert wurde, sowie kleinere Rückschritte bei Kundensupport und Langkontext-Reasoning.

Es ist nicht einstimmig. Cognitions Silas Alberti sagte OpenAI, dass Astras Schreiben Devas Testberichte klarer gemacht habe, und Every-Autorin Katie Parrott ließ Astra die erste Version ihrer eigenen Rezension des Modells entwerfen, die der CEO des Mediums las, ohne zu merken, dass sie sie nicht selbst geschrieben hatte.

Die Kluft zwischen den beiden Hälften scheint hier der Punkt zu sein. Astra ist sehr gut bei Arbeit mit einer überprüfbaren richtigen Antwort – ein Akkord, der sich auflöst, ein Mesh, das rendert, ein Formular, das abgesendet wird – und mittelmäßig bei Arbeit, bei der der Maßstab Geschmack ist.

Was es kostet, das herauszufinden

Astra wird für ChatGPT-Plus-, Pro-, Business- und Enterprise-Nutzer sowie über die API, Microsoft Azure und AWS Bedrock ausgerollt, wobei der Enterprise-Zugang deaktiviert bleibt, bis ein Administrator ihn aktiviert. Die fortschrittlichen Cybersicherheitsfunktionen bleiben hinter OpenAIs Daybreak-Programm verschlossen – eine Entscheidung, die binnen 48 Stunden klug wirkte, als Reuters berichtete, dass OpenAI-Agenten auf einer deutschen Website regelbrechende Taktiken gehandelt hatten. Diese Abschottung spiegelt ein branchenweites Problem wider: Da Agenten die Fähigkeit gewinnen, autonom auf echten Systemen zu agieren, stehen die Labore unter wachsendem Druck von Regulierern und Sicherheitsforschern, vor der breiten Freigabe zu zeigen, dass die Fähigkeiten eingedämmt sind. Zu beobachten bleibt, ob OpenAIs Schreib-Rückschritte anhalten, wenn sich Drittwertungen ansammeln – und ob günstiger preisende Konkurrenten den Rückstand bei Agentik-Benchmarks schließen.

Prognosemarkt-Händler hatten Astra 72 % Chancen gegeben, bis zum 30. September zu erscheinen. Es kam am 3.

Auf dem Artificial Analysis Intelligence Index, einem externen Aggregat aus Reasoning-, Wissens- und Coding-Evaluationen, erzielt Astra 61,2 gegenüber 60,9 für GPT-5.6 Sol und 65,7 für Anthropics Claude Fable 5.1 – zum 2,5-fachen Preis von Sol. Dieses Aggregat ordnet Astras Schlagzeilengewinne ein: Nutzer zahlen pro Token eine erhebliche Prämie für einen knappen Indexvorsprung gegenüber dem Vorgänger und einen Rückstand gegenüber Anthropics Topmodell – während die Fähigkeiten, die den Preis rechtfertigen, in spezifischen, überprüfbaren Domänen liegen statt flächendeckend.