GPT-6 Astra ist live auf Smart AIPI — 75% günstiger, und die eigentliche Geschichte ist Token-Effizienz

OpenAI kündigte GPT-6 Astra am September 3, 2026 an und bezeichnete es als „das intelligenteste und am stärksten ausgerichtete Modell der Welt“. Es ist in der API als gpt-6-astra verfügbar und jetzt auf Smart AIPI zu einem Viertel des OpenAI-Preises erhältlich.

Launch-Posts sind Marketing. Dieser nicht — wir verkaufen Zugang zum Modell, daher können wir Ihnen sinnvollerweise genau sagen, wo es gewinnt, wo es verliert und was es Sie tatsächlich kosten wird. Alle Zahlen unten stammen aus den veröffentlichten Evaluierungstabellen von OpenAI und aus unabhängigen Analysen dieser Tabellen.

Die wichtigsten Ergebnisse

Astra ist State of the Art bei Computer Use, Browsing, Software Engineering, Cybersicherheit, Wissenschaft und professioneller Arbeit. Die für Entwickler wichtigsten Werte:

Einige davon verdienen jeweils einen Satz. Terminal-Bench 4.0 kommt der Frage „Kann ein Agent eine echte Maschine bedienen und echte Arbeit abschließen?“ am nächsten — Astras 57.9% gegenüber Sols 37.3% sind ein Generationssprung, kein Rundungsfehler. AutomationBench (mehrstufige Geschäfts-Workflows über Anwendungen hinweg) mehr als verdoppelt Sol. Bei OSWorld 2.0 erzielt Astra einen höheren Wert und beendet Aufgaben in etwa 40 Minuten gegenüber Sols 75 — rund 47% weniger Zeit. Und die Alignment-Zeile ist keine Fußnote: In einem adversarialen Sicherheitsstest für Computer Use erzeugt Astra in 2.4% der Fälle fehlgerichtete Ergebnisse, gegenüber Sols 22.0%. Wenn Sie einen Agenten in der Produktion arbeiten lassen, ist diese Zahl mehr wert als ein Benchmark-Punkt.

Drei Vorbehalte, die die Launch-Charts nicht zeigen

Wir möchten lieber, dass Sie diese von uns erfahren, als sie selbst zu entdecken.

1. Die 99.9% bei ARC-AGI-3 sind ein Harness-Ergebnis

ARC-AGI-3 bewertet ein Modell, indem es ihm ein 64×64-Raster aus farbigen Zellen als JSON-Objekt übergibt und es Action-Tokens in eine simulierte Umgebung ausgeben lässt — keine Screenshots, kein Video, keine vorab erklärten Regeln. Der Wert von 99.9% wurde mit OpenAIs eigener Responses API Harness und deren eigenem Kontextmanagement erzeugt. Führen Sie dasselbe Modell über die gehostete Harness der ARC Foundation mit einfachen API-Aufrufen aus, erreicht Astra etwa 62.7%.

Beide Zahlen sind ehrlich; sie messen unterschiedliche Systeme. Aber sie zeigen etwas Wichtiges über 2026: Die Harness ist nun ein erstklassiger Bestandteil des Scores. Wenn Sie ein Modell für Ihren eigenen Stack bewerten, bewerten Sie es in Ihrer Harness, nicht anhand des Presse-Charts einer anderen Person.

2. Zusammengesetzte Indizes widersprechen sich lautstark

OpenAI hob in seiner Ankündigung 14 Benchmarks hervor. Genau einer davon überschneidet sich mit dem Artificial Analysis Intelligence Index, der Astra mit 61.2 auf Platz fünf einordnet — hinter Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) und Claude Fable 5 (62.1). Im Artificial Analysis Coding Agent Index v1.4 liegt Astra bei 67.0 gegenüber Opus 5 mit 68.1 und Fable 5 mit 67.2. Und Astra verliert Humanity's Last Exam mit Tools gegen Fable 5.1, 57.2% zu 65.0%.

Aggregierte Indizes sind Hüllen um Benchmarks, und eine Hülle kann Signale sichtbar machen oder vergraben. Die ehrliche Einschätzung: Astra ist eindeutig das führende Modell für agentische Arbeit, Terminal-Arbeit und Computer Use, aber nicht der unbestrittene Marktführer in jeder Dimension von „Intelligenz“. Wählen Sie das Modell, das in der Dimension gewinnt, auf der Sie tatsächlich ausliefern.

3. Cyber-Fähigkeit ist eingeschränkt, und die Reasoning-Trace wurde kürzer

Astra erreicht unter OpenAIs Preparedness Framework die Cybersicherheitsstufe Critical — 100% bei ExploitBench, 42.4% bei ExploitGym gegenüber Sols 30.3%, 88.0% bei einem einzelnen Versuch für Binary Reverse Engineering in SRE-Bench gegenüber Sols 55.9%. Während der Evaluierung entdeckte und nutzte es zwei zuvor unbekannte Zero-Days, die OpenAI nach eigener Aussage den Maintainern offenlegte.

Die Folge für Sie: Die Launch-Version übernimmt defensive Arbeit — sichere Code-Reviews, Patching —, aber lehnt es ab, Proof-of-Concept-Exploits zu erstellen, und zusätzliche Sicherheitsprüfungen können gelegentlich eine legitime Aufgabe stoppen. In der API endet eine blockierte Aufgabe einfach. Das ist Upstream-Modellverhalten, keine Einschränkung von Smart AIPI. OpenAI plant, dies für geprüfte defensive Workflows über sein Daybreak-Programm zu lockern.

OpenAI wies außerdem auf eine echte Regression hin: Astras schriftliches Reasoning ist schwerer zu überwachen als das von Sol, weil es Probleme in weniger schriftlichen Schritten löst und mehr Kontrolle über seine Trace hat. Sie haben es selbst angesprochen. Das sollten Sie wissen, wenn Ihre Sicherheitsstrategie vom Lesen von Chain-of-Thought abhängt.

Die eigentliche Geschichte: Token-Effizienz, nicht Preis pro Token

Bei $10 / $50 pro 1M Tokens direkt von OpenAI wirkt Astra im Vergleich zur 5.6-Familie teuer — und pro Token ist es das auch. Doch der Preis pro Token ist die falsche Einheit. Was Sie bezahlen, sind Tokens, die verbraucht werden, um die Aufgabe abzuschließen, und hier ist Astra tatsächlich anders:

• Bei DeepSWE verbraucht Astra für einen höheren Score ungefähr halb so viele Output-Tokens wie GPT-5.6 Sol.
• Bei Agents' Last Exam verwendet es in den Einstellungen mit dem höchsten Score etwa 65% weniger Output-Tokens als Claude Opus 5.
• Gemini 3.8 Flash (73.8%) und Claude Opus 5 (73.7%) liegen bei DeepSWE innerhalb eines Punkts von Astra — während sie pro Aufgabe ungefähr 4–5x weniger token-effizient sind.
• Bei Terminal-Bench 4.0 erreicht Astra seine 57.9% bei ungefähr 9% niedrigeren geschätzten API-Kosten pro Aufgabe als Sol und 63% niedrigeren als Fable 5.1.
• Bei BenchCAD erreicht Astra 95.9% geometrische Überlappung bei ungefähr 43% niedrigeren Kosten als Sol und 86% niedrigeren als Fable 5.1.

Das ist ein Modell, dessen Pareto-Kurve sich durch weniger Arbeit verschoben hat, nicht durch niedrigere Preise. Es erzeugt auch eine echte Spannung für die Labs: Wenn jeder Token mehr abgeschlossene Arbeit liefert, gibt ein tokenbasiertes Geschäftsmodell den Effizienzgewinn entweder an Kunden weiter oder behält ihn als Marge. Bei $10 / $50 hat OpenAI ihn behalten.

Genau diese Lücke schließt Smart AIPI. Wir geben den Rabatt weiter: Sie erhalten Astras Token-Effizienz und einen 75% niedrigeren Preis pro Token.

Preise: 75% günstiger, gleiches Modell, gleiche API

Gleiche Weights, gleiche OpenAI-kompatible API-Struktur, gleiche Tools. Der einzige Unterschied ist die Rechnung.

Was sonst noch mit Astra ausgeliefert wurde

• Durchsuchbare Notizen in Codex. Anstatt eine lange Sitzung in eine verlustbehaftete Zusammenfassung zu komprimieren, behält Astra Notizen über Kontextfenster hinweg und kann frühere Fenster durchsuchen — einschließlich Tool-Output, der nie in eine Zusammenfassung aufgenommen wurde. Aktivieren Sie dies in Ihrer Codex-config.toml; OpenAI sagt, es werde in den kommenden Wochen zum Standard für Astra.
• Besserer Umgang mit Mehrdeutigkeit. Astra füllt routinemäßige Lücken anhand des Kontexts und stellt fokussierte Fragen nur dann, wenn die Antwort das Ergebnis verändern würde. In Codex kann es asynchron fragen und gleichzeitig an nicht zusammenhängender Arbeit weiterarbeiten.
• Es bleibt bei Steuerung bei der Aufgabe. Frühere Modelle behandelten eine Korrektur mitten in der Aufgabe oft als völlig neues Ziel. Astra integriert neue Anforderungen, ohne die ursprünglichen Constraints zu verwerfen.
• Echter Long Context. 100% MRCR v2 Retrieval bis zu 512K Tokens, 96.3% im Bereich 512K–1M.
• Wissenschaft mit Ergebnis. Bei Primzahllücken hatte sich die beste bekannte Schranke für unendlich oft auftretende nahe Primzahlpaare von 246 auf 240 verschoben; Astra half, 186 zu etablieren. Es verbesserte zudem einen Term in einer Schranke für große Primzahllücken, der mehr als 80 Jahre Bestand hatte.

So verwenden Sie GPT-6 Astra

Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

Responses API mit hohem Reasoning

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-astra

Reasoning-Aufwand unterstützt low, medium, high und xhigh. Astra skaliert sinnvoll mit dem Aufwand — frühe Partner berichten, dass höherer Aufwand mehr Verifizierungsdurchläufe und mehr Browser-Tests bei frischen Builds ermöglicht, nicht nur längere Antworten. Verwenden Sie für agentische Arbeit mit langem Horizont high oder xhigh.

Welches Modell sollten Sie tatsächlich einsetzen?

• gpt-6-astra — Computer Use, Browser-Automatisierung, terminalintensive Agenten, Refactorings mit langem Horizont, alles, bei dem die unbeaufsichtigte Erledigung der Aufgabe entscheidend ist. Seine Token-Effizienz macht den höheren Satz pro abgeschlossener Aufgabe oft günstiger.
• gpt-5.6-sol — weiterhin ein ausgezeichnetes Frontier-Coding-Modell und pro Token deutlich günstiger. Der richtige Standard für agentisches Coding mit hohem Volumen, wenn Sie nicht für Astras Vorteil bei Computer Use bezahlen.
• gpt-5.6-terra — das ausgewogene Arbeitstier: Coding-Qualität nahe dem Flaggschiff zum halben Preis von sol.
• gpt-5.6-luna — Massenarbeit, Klassifizierung, Zusammenfassung, günstige Pipelines mit hohem Durchsatz.

Alle vier laufen über denselben Endpoint und denselben Key. Das Wechseln ist eine einzeilige Änderung. Vergleichen Sie sie daher mit Ihrem Workload, statt sich auf den Chart anderer zu verlassen — einschließlich dieses hier.

Erste Schritte

1. Registrieren Sie sich unter smartaipi.com/signup (kostenlose Credits, keine Kreditkarte)
2. Erstellen Sie einen API-Key im Dashboard
3. Setzen Sie Ihre Base URL auf https://api.smartaipi.com/v1
4. Verwenden Sie das Modell gpt-6-astra

Das beste veröffentlichte Modell für agentische Arbeit und Computer Use, in Produktion, zu einem Viertel des Listenpreises.