GPT-6 Astra Modell-Übersicht

GPT-6 Astra ist OpenAIs neue Flaggschiff-Generation und der Nachfolger von GPT-5.6 Sol, veröffentlicht am 4. September 2026. OpenAI positioniert es nicht als Chat-Modell, sondern als Computer-Use-System, das Browser, Terminals, Tabellen und Anwendungen selbst bedient. Neu sind ein Kontextfenster von 1.050.000 Token, zwei zusätzliche Reasoning-Stufen (xhigh und max) und persistente Notizen, die statt Context-Compaction in frühere Nachrichten und Tool-Ausgaben zurücksuchen. Dahinter steckt ein "recurrent depth"-Ansatz, der die Chain-of-Thought teilweise verbirgt. Das zahlt sich vor allem agentisch aus: 72,6 % in OSWorld V2-Offline gegenüber 65,7 % bei Sol und 91,5 % in BrowseComp, vor Kimi K3 (91,2 %) und Claude Opus 5 (90,8 %). Im Artificial Analysis Intelligence Index liegt Astra mit 61,2 Punkten vor Sol (58,9), aber hinter Claude Fable 5.1 (65,7). Mit $10 / $50 pro 1 Mio. Input-/Output-Token kostet Astra doppelt so viel wie Sol ($5 / $30) und genauso viel wie Fable 5.1. Ab 272K Input-Token verdoppelt sich die Input-Rate für den gesamten Request. Nach unserer Einschätzung ist Astra für Computer-Use und lange Agenten-Läufe ein echter Sprung, in der Breite aber kein neuer Spitzenreiter. Als erstes OpenAI-Modell mit der Preparedness-Einstufung "Critical" wird es zudem nur gestaffelt freigegeben und teils aktiv blockiert.

Playground API Dokumentation Blog

Features & Modalitäten

Nicht verfügbar

QuellenangabenFinetuning

Verfügbar

ReasoningToolsMultimodalitätWebsucheStrukturierte Ausgaben

Input:TextBild

Output:TextJson

Details zum Modell

1,05 Mio. Token

128k Token

10,00 $

50,00 $

Kosten berechnen Geschwindigkeit testen

GPT-6 Astra Benchmark Scores

Auf einen Blick

61,2 Pkt.Rang 3 von 27

Stärken

TopWissen & Sprache

TopLogik & Schlussfolgerung

Top 3Multimodalität

GPT-6 Astra Benchmark Übersicht

GPT-6 Astra Performance im Vergleich zu anderen KI-Modellen

Benchmark	GPT-6 Astra	GPT 5.6 Terra	Gemini 3.8 Flash	Qwen 3.8 Max	Claude Fable 5.1	Tencent Hy4	Qwen3.8 27B
AA-OmniscienceWissen & Sprache	43,4 Pkt.	-21,7 Pkt.	29,6 Pkt.	—	43,5 Pkt.	—	—
ARC-AGI-2Logik & Schlussfolgerung	95 %	37,5 %	—	—	90 %	—	—
ARC-AGI-3Logik & Schlussfolgerung	99,9 %	0,8 %	—	—	—	—	—
Artificial Analysis Intelligence IndexLogik & Schlussfolgerung	61,2 Pkt.	55 Pkt.	58,7 Pkt.	—	65,7 Pkt.	—	—
BrowseCompWissen & Sprache	91,5 %	87,5 %	—	—	—	—	—
GDPval-AAAgentische Aufgaben	56,5 ELO	1.593 ELO	1.545 ELO	—	1.853 ELO	1.678 ELO	—
GPQA DiamondWissen & Sprache	96 %	92,9 %	95,3 %	—	93,7 %	92,3 %	89,2 %
Humanity's Last ExamWissen & Sprache	57,2 %	41,8 %	47,8 %	—	60,9 %	43,4 %	30,8 %
MMMU-ProMultimodalität	86,9 %	80,7 %	—	82,7 %	—	—	—
Terminal-Bench 2.1Programmierung	88,4 %	87,4 %	89,4 %	—	91,4 %	85,4 %	73 %

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark AA-Omniscience. Der niedrigste Score im Benchmark ist -100 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	43,45 %
GPT-6 Astra	43,4 %
Gemini 3.1 Pro	33 %
Grok 4.6	30,48 %
Gemini 3.8 Flash	29,55 %
Grok 4.5	26,4 %
Gemini 3.6 Flash	23,5 %
Muse Spark 1.2	21,53 %
Nemotron 3.5 Lightning 30B	17,5 %
Gemini 3.5 Flash-Lite	6,9 %
GPT-5.4	6 %
Qwen3.8 2.4T A95B	3,4 %
Inkling	2,1 %
MiniMax M2.7	1 %
DeepSeek V4 Pro 0813	0,8 %
Claude Opus 5	0,49 %
Inkling-Small	-9 %
DeepSeek V4 Flash 0731	-15,7 %
GPT-5.6 Terra	-21,67 %
Muse Glimmer 30B	-32,85 %

Vergleich von LLMs im Benchmark AA-Omniscience. Der niedrigste Score im Benchmark ist -100 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark ARC-AGI-2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-6 Astra	95 %
Claude Opus 5	90,42 %
Claude Fable 5.1	90 %
GPT-5.5	85 %
Gemini 3.1 Pro	77,1 %
Gemini 3.5 Flash	72,1 %
Claude Opus 4.6	68,8 %
GPT-5.6 Sol	67,1 %
DeepSeek V4 Pro 0813	61,3 %
Claude Sonnet 4.6	58,3 %
GPT-5.2 Pro	54,2 %
GPT-5.2	52,9 %
Gemini 3 Deep Think	45,1 %
Muse Spark	42,5 %
Inkling-Small	40,1 %
Claude Opus 4.5	37,6 %
GPT-5.6 Terra	37,5 %
Gemini 3 Pro	31,1 %
Grok-4	15,9 %
GPT-5.6 Luna	7,4 %

Vergleich von LLMs im Benchmark ARC-AGI-2. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark ARC-AGI-3. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-6 Astra	99,9 %
Claude Opus 5	30,16 %
GPT-5.6 Sol	7,78 %
Claude Opus 4.8	1,5 %
GPT-5.6 Terra	0,8 %
Claude Opus 4.6	0,5 %
GPT-5.5	0,4 %
Gemini 3.1 Pro	0,4 %
Claude Opus 4.7	0,2 %
GPT-5.4	0,2 %
GPT-5.6 Luna	0,18 %

Vergleich von LLMs im Benchmark ARC-AGI-3. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	65,65 %
GPT-6 Astra	61,2 %
Claude Opus 5	61 %
Grok 4.6	60,92 %
GPT-5.6 Sol	58,9 %
Gemini 3.8 Flash	58,68 %
Qwen3.8 2.4T A95B	58,1 %
Kimi K3	57 %
GPT-5.6 Terra	55 %
Muse Spark 1.2	54,07 %
Grok 4.5	53,8 %
DeepSeek V4 Pro 0813	53 %
GPT-5.6 Luna	51,2 %
Gemini 3.6 Flash	50,1 %
DeepSeek V4 Flash 0731	49,9 %
Inkling	41 %
Inkling-Small	40 %
Gemini 3.5 Flash-Lite	36,5 %
Muse Glimmer 30B	35,06 %
Nemotron 3.5 Lightning 30B	24 %

Vergleich von LLMs im Benchmark Artificial Analysis Intelligence Index. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-6 Astra	91,5 %
Kimi K3	91,2 %
Claude Opus 5	90,8 %
GPT-5.6 Sol	90,4 %
GPT-5.6 Terra	87,5 %
Claude Sonnet 5	84,7 %
GPT-5.5	84,4 %
Claude Opus 4.8	84,3 %
Hy3	84,2 %
MiniMax-M3	83,52 %
DeepSeek-V4-Pro (Preview)	83,4 %
GPT-5.6 Luna	83,3 %
Kimi K2.6	83,2 %
Claude Opus 4.7	79,3 %
Inkling-Small	77,4 %
Inkling	77,1 %
MiniMax M2.7	76,3 %
DeepSeek V4 Flash	72,2 %
GLM-5.1	68 %
Nemotron 3.5 Lightning 30B	36,97 %

Vergleich von LLMs im Benchmark BrowseComp. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	1.861 %
Claude Fable 5.1	1.853 %
Grok 4.6	1.749,18 %
GPT-5.6 Sol	1.747,8 %
Tencent Hy4 Preview	1.678 %
Muse Spark 1.2	1.631 %
GPT-5.6 Terra	1.593 %
GPT-5.6 Luna	1.591,8 %
DeepSeek V4 Pro 0813	1.577 %
DeepSeek V4 Flash 0731	1.558,61 %
Gemini 3.8 Flash	1.545 %
Gemini 3.6 Flash	1.421 %
Muse Spark 1.1	1.381 %
Inkling-Small	1.269 %
Inkling	1.238 %
Gemini 3.5 Flash-Lite	1.140 %
Muse Glimmer 30B	953 %
Nemotron 3.5 Lightning 30B	824 %
Qwen3.8 2.4T A95B	61,85 %
GPT-6 Astra	56,5 %

Vergleich von LLMs im Benchmark GDPval-AA. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-6 Astra	96 %
Gemini 3.8 Flash	95,25 %
Grok 4.6	94,95 %
Claude Fable 5.1	93,7 %
Kimi K3	93,5 %
Claude Opus 5	93,43 %
DeepSeek V4 Pro 0813	92,8 %
Gemini 3.6 Flash	92,8 %
Qwen 3.8 Max	92,6 %
Qwen3.8 2.4T A95B	92,6 %
Tencent Hy4 Preview	92,3 %
GPT-5.6 Luna	92,3 %
DeepSeek V4 Flash 0731	90,8 %
Muse Spark 1.2	90,4 %
Inkling-Small	89,5 %
Qwen3.8 27B	89,2 %
Inkling	87,2 %
Gemini 3.5 Flash-Lite	83,8 %
Muse Glimmer 30B	83,5 %
Nemotron 3.5 Lightning 30B	75,44 %

Vergleich von LLMs im Benchmark GPQA Diamond. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	60,9 %
GPT-6 Astra	57,2 %
Claude Opus 5	56,3 %
Gemini 3.8 Flash	47,82 %
GPT-5.6 Sol	47,2 %
Muse Spark 1.2	43,93 %
Qwen 3.8 Max	43,6 %
Qwen3.8 2.4T A95B	43,6 %
Kimi K3	43,5 %
Tencent Hy4 Preview	43,4 %
Grok 4.6	42,91 %
DeepSeek V4 Pro 0813	42,7 %
Gemini 3.6 Flash	38,3 %
DeepSeek V4 Flash 0731	36,8 %
Inkling-Small	31,6 %
Qwen3.8 27B	30,8 %
Inkling	29,7 %
Muse Glimmer 30B	22 %
Gemini 3.5 Flash-Lite	17,5 %
Nemotron 3.5 Lightning 30B	11,72 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark MMMU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Opus 5	89,88 %
Claude Fable 5	89,31 %
GPT-6 Astra	86,9 %
Gemini 3.5 Flash	83,6 %
Gemini 3.6 Flash	83,2 %
GPT-5.6 Sol	83 %
Qwen3.8 Max 0902	82,7 %
Qwen3.8 2.4T A95B	82,31 %
Qwen 3.8 Max	82,3 %
Kimi K3	81,6 %
GPT-5.5	81,2 %
GPT-5.6 Terra	80,7 %
Grok 4.5	80,4 %
Kimi K2.6	79,4 %
Gemini 3.5 Flash-Lite	79 %
GPT-5.6 Luna	78,4 %
MiniMax-M3	78,1 %
Muse Glimmer 30B	74 %
Inkling-Small	74 %
Inkling	73,5 %

Vergleich von LLMs im Benchmark MMMU-Pro. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Fable 5.1	91,39 %
Gemini 3.8 Flash	89,4 %
GPT-6 Astra	88,4 %
Grok 4.6	88,39 %
Kimi K3	88,3 %
DeepSeek V4 Pro 0813	87,9 %
Qwen 3.8 Max	86,6 %
Qwen3.8 2.4T A95B	86,6 %
Tencent Hy4 Preview	85,4 %
Claude Opus 5	84,64 %
Muse Spark 1.2	82,9 %
DeepSeek V4 Flash 0731	82,7 %
Gemini 3.6 Flash	78 %
Qwen3.8 27B	73 %
Laguna S 2.1	70,2 %
Inkling-Small	64,7 %
Inkling	63,8 %
Gemini 3.5 Flash-Lite	54 %
Muse Glimmer 30B	51,7 %
Nemotron 3.5 Lightning 30B	24,58 %

Vergleich von LLMs im Benchmark Terminal-Bench 2.1. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Astra verarbeitet Text und Bild als Eingabe und gibt Text bzw. JSON aus, bei 1.050.000 Token Kontext und bis zu 128.000 Token Output; der Knowledge Cutoff liegt beim 30. April 2026. Die Reasoning-Tiefe steuerst du über reasoning.effort, das um die Stufen xhigh und max erweitert wurde. Über die Responses API stehen Web-Suche, File-Search, Code-Interpreter, Hosted Shell, Apply-Patch, Computer-Use und MCP als Tools bereit; Structured Outputs, Function Calling, Streaming und Prompt-Caching werden unterstützt, Fine-Tuning und Audio nicht. Architektur, Parameterzahl und Tokenizer legt OpenAI nicht offen; laut Anbieter entstand das Modell im bislang größten Trainingslauf des Unternehmens auf über 100.000 GPUs am Stargate-Standort in Texas.

Technische Spezifikationen

Architektur	Proprietärer Transformer mit Recurrent-Depth-Reasoning
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	128k
Tokenizer	Proprietärer Tokenizer

Besonderheiten

Computer Use	Bedient eigenständig Browser, Terminals, Tabellen und Desktop-Anwendungen.
Persistent Notes	Ersetzt Context-Compaction durch Notizen, die in frühere Nachrichten und Tool-Ausgaben zurücksuchen.
Reasoning-Stufen xhigh und max	Der Parameter reasoning.effort erhält zwei neue Stufen oberhalb von high.
Hosted Agent-Tools	Web-Suche, File-Search, Code-Interpreter, Hosted Shell, Apply-Patch, Computer-Use und MCP direkt über die Responses API.

Vorteile & Nachteile

Vorteile

Stark bei Computer-Use und Agentic Coding
Laut OpenAI 72,6 % in OSWorld V2-Offline (GPT-5.6 Sol: 65,7 %) und 74,1 % in DeepSWE v1.1 (72,7 %). Die Werte stammen vom Anbieter und sind unabhängig noch kaum überprüft.
Neue Bestwerte im Reasoning
96 % in GPQA Diamond, 95 % in ARC-AGI-2 bei maximalem Effort und ein gesättigtes ARC-AGI-3 (99,9 %). In ARC-AGI-2 liegt Astra damit vor Claude Opus 5 (90,4 %) und Claude Fable 5.1 (90,0 %).
Führend bei agentischer Websuche
Mit 91,5 % in BrowseComp setzt sich Astra knapp vor Kimi K3 (91,2 %) und Claude Opus 5 (90,8 %) und übernimmt damit die Spitze in diesem Benchmark.
Sehr großes Kontextfenster
Mit 1.050.000 Token, davon bis zu 922.000 Token für die Eingabe, passen ganze Codebases oder lange Agenten-Historien in einen Request – deutlich mehr als die 400K-Klasse vieler Wettbewerber.
Steuerbarer Reasoning-Aufwand
Über reasoning.effort dosierst du die Reasoning-Tiefe pro Anfrage – mit Astra zusätzlich in den Stufen xhigh und max. Schwere Aufgaben bekommen mehr Budget, einfache bleiben günstig.

Nachteile

Teuerstes OpenAI-Modell
Mit $10 / $50 pro 1 Mio. Input-/Output-Token kostet Astra doppelt so viel wie GPT-5.6 Sol ($5 / $30) und liegt auf dem Niveau von Claude Fable 5.1. Ab 272K Input-Token verdoppelt sich zusätzlich der Input- und steigt der Output-Preis um 50 %.
Zugang gestaffelt und teils blockiert
Astra ist das erste Modell, das OpenAI im Preparedness Framework als "Critical" einstuft; entsprechend wird der Zugang nur schrittweise freigegeben. Nutzer im Trusted-Access-Programm berichten von Verlangsamungen, Pausen und Blockaden auch bei unverfänglicher Arbeit.
Keine durchgängige Führung
Im Artificial Analysis Intelligence Index liegt Astra mit 61,2 Punkten hinter Claude Fable 5.1 (65,7), in Terminal-Bench 2.1 mit 88,4 % hinter dessen 91,4 %. Der Vorsprung konzentriert sich auf agentische Aufgaben.
Proprietär, keine Open Weights
Astra ist nicht lokal deploybar. Der Zugang läuft ausschließlich über die OpenAI-API, ChatGPT-Pläne und AWS; Fine-Tuning bietet OpenAI nicht an.
Intransparentes Reasoning und begrenzte Modalitäten
Der "recurrent depth"-Ansatz verbirgt die Chain-of-Thought teilweise, was die Nachvollziehbarkeit erschwert. Als Eingabe verarbeitet Astra zudem nur Text und Bild, Audio wird nicht unterstützt.

Vergleiche GPT-6 Astra mit anderen LLMs

Vergleiche GPT-6 Astra mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Intelligence-Index ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	Veröffentlichung
OpenAI	GPT-6 Astra	Proprietär	61,2	1,05 Mio.	128k	10,00 $	50,00 $	04.09.2026
Google DeepMind	Gemini 3.8 Flash	Proprietär	58,7	1 Mio.	65,54k	0,75 $	3,75 $	02.09.2026
Anthropic	Claude Fable 5.1	Proprietär	65,7	1 Mio.	128k	10,00 $	50,00 $	01.09.2026
Alibaba	Qwen 3.8 Max	Proprietär	–	991k	128k	2,00 $	6,00 $	01.09.2026
Tencent	Tencent Hy4	Apache 2.0	–	1,02 Mio.	64k	0,83 $	2,50 $	28.08.2026
Alibaba	Qwen3.8 27B	Apache 2.0	–	262,14k	262,13k	0,45 $	3,20 $	14.08.2026
DeepSeek AI	DeepSeek-V4-Pro	MIT	53	1 Mio.	384k	0,44 $	0,87 $	12.08.2026
xAI	Grok 4.6	Proprietär	60,9	500k	500k	2,00 $	6,00 $	12.08.2026
NVIDIA	Nemotron 3.5 Lightning 30B	Open Model License	24	262,14k	131,07k	0,08 $	0,20 $	11.08.2026
Meta AI	Muse Glimmer 30B	Apache 2.0	35,1	131,07k	131,07k	0,35 $	1,50 $	10.08.2026
OpenAI	GPT 5.6 Luna	Proprietär	51,2	1,05 Mio.	128k	0,20 $	1,20 $	09.07.2026

Inklusive Vorgänger GPT 5.6 Luna — zusätzlich zu den 10 neuesten Modellen.

‌
Alle Modelle vergleichen

GPT-6 Astra ausprobieren

Du musst kein Entwickler sein: GPT-6 Astra ist auch direkt in ChatGPT nutzbar.

ChatGPT

23,00 €

Provider & APIs

Du kannst OpenAI GPT-6 Astra über die API folgender Anbieter nutzen.

OpenAI
Zu OpenAI
Token (in)
Unbekannt
Token (out)
Unbekannt
Latenz
Unbekannt
USD / 1M Input
10,00 $
USD / 1M Output
50,00 $
Throughput
Unbekannt

‌
‌
‌

Häufige Fragen zu GPT-6 Astra

Kann ich GPT-6 Astra kostenlos nutzen?

Ja, GPT-6 Astra ist in ChatGPT auch mit einem kostenlosen Konto nutzbar — allerdings meist mit Nutzungslimits.

Ist GPT-6 Astra Open Source?

Nein, GPT-6 Astra ist proprietär. Es gibt keine offenen Gewichte, die Nutzung läuft über Apps oder die API von OpenAI.

Welche Eingabeformate versteht GPT-6 Astra?

GPT-6 Astra verarbeitet folgende Eingabeformate: Text, Bild.

Was kostet GPT-6 Astra über die API?

Über die API kostet GPT-6 Astra 10,00 $ pro 1 Mio. Input-Token und 50,00 $ pro 1 Mio. Output-Token. Bei Reasoning-Modellen kommen Thinking-Tokens hinzu, die als Output abgerechnet werden.

Wie groß ist das Kontextfenster von GPT-6 Astra?

GPT-6 Astra verarbeitet bis zu 1,05 Mio. Token in einer Anfrage.

Wie aktuell ist das Wissen von GPT-6 Astra?

Der Wissensstand (Knowledge Cutoff) von GPT-6 Astra reicht bis April 2026. Über die integrierte Websuche kann das Modell zusätzlich aktuelle Informationen abrufen.

Was ist der Vorgänger von GPT-6 Astra?

Der direkte Vorgänger von GPT-6 Astra ist GPT 5.6 Luna (erschienen Juli 2026). Einen tabellarischen Vergleich der beiden Modelle findest du auf dieser Seite im Abschnitt „Vergleiche“.

GPT-6 Astra Modell-Übersicht

Features & Modalitäten

Details zum Modell