GPT-6 Astra is live op Smart AIPI — 75% korting, en het echte verhaal is tokenefficiëntie

OpenAI kondigde GPT-6 Astra aan op September 3, 2026 en noemde het "het intelligentste en best afgestemde model ter wereld." Het is beschikbaar in de API als gpt-6-astra, en het is nu beschikbaar op Smart AIPI voor een kwart van OpenAI's prijs.

Lanceringsposts zijn marketing. Deze niet — we verkopen toegang tot het model, dus het nuttigste dat we kunnen doen is je precies vertellen waar het wint, waar het verliest en wat het je daadwerkelijk kost. Alle onderstaande cijfers komen uit de gepubliceerde evaluatietabellen van OpenAI en uit onafhankelijke analyses daarvan.

De belangrijkste resultaten

Astra is state-of-the-art voor computergebruik, browsen, software-engineering, cybersecurity, wetenschap en professioneel werk. De scores die het belangrijkst zijn voor developers:

Enkele hiervan verdienen elk een zin. Terminal-Bench 4.0 komt het dichtst in de buurt van "kan een agent een echte machine bedienen en echt werk afronden" — Astra's 57.9% tegenover Sol's 37.3% is een sprong van een generatie, geen afrondingsfout. AutomationBench (bedrijf workflows met meerdere stappen tussen applicaties) verdubbelt Sol ruim. Op OSWorld 2.0 scoort Astra hoger en rondt het taken af in ongeveer 40 minuten per taak tegenover Sol's 75 — grofweg 47% minder tijd. En de afstemmingsrij is geen voetnoot: in een adversariële veiligheidstest voor computergebruik produceert Astra 2.4% van de tijd niet-afgestemde uitkomsten, tegenover Sol's 22.0%. Als je een agent productie laat aanraken, is dat getal meer waard dan een benchmarkpunt.

Drie kanttekeningen die de lanceringsgrafieken niet tonen

We horen liever dat je dit van ons hoort dan dat je het zelf ontdekt.

1. De 99.9% op ARC-AGI-3 is een harness-resultaat

ARC-AGI-3 evalueert een model door het een 64×64-raster van gekleurde cellen als JSON-object te geven en het actietokens te laten uitsturen naar een gesimuleerde omgeving — geen screenshots, geen video, geen vooraf uitgelegde regels. Het cijfer van 99.9% werd geproduceerd met OpenAI's eigen Responses API-harness, met eigen contextbeheer. Draai hetzelfde model via de gehoste harness van de ARC Foundation met gewone API-calls, en Astra scoort ongeveer 62.7%.

Beide cijfers zijn eerlijk; ze meten verschillende systemen. Maar het vertelt je iets belangrijks over 2026: de harness is nu een eersteklas onderdeel van de score. Wanneer je een model voor je eigen stack evalueert, evalueer het dan binnen jouw harness, niet op iemands persgrafiek.

2. Samengestelde indices spreken elkaar luid tegen

OpenAI lichtte 14 benchmarks uit in zijn aankondiging. Exact één daarvan overlapt met de Artificial Analysis Intelligence Index, die Astra als vijfde rangschikt met 61.2 — achter Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) en Claude Fable 5 (62.1). Op de Artificial Analysis Coding Agent Index v1.4 behaalt Astra 67.0 tegenover Opus 5's 68.1 en Fable 5's 67.2. En Astra verliest Humanity's Last Exam met tools van Fable 5.1, 57.2% tegen 65.0%.

Geaggregeerde indices zijn wrappers rond benchmarks, en een wrapper kan signaal zichtbaar maken of begraven. De eerlijke lezing: Astra is duidelijk het leidende model voor agentic, terminal- en computergebruikswerk, en is niet de onbetwiste leider op elke maatstaf van "intelligentie". Kies het model dat wint op de as waarop je daadwerkelijk uitrolt.

3. Cybercapaciteiten zijn beperkt en de redeneringstrace werd korter

Astra bereikt de Critical-drempel voor cybersecurity onder OpenAI's Preparedness Framework — 100% op ExploitBench, 42.4% op ExploitGym tegenover Sol's 30.3%, 88.0% bij één poging op SRE-Bench binary reverse-engineering tegenover Sol's 55.9%. Tijdens de evaluatie ontdekte en gebruikte het twee voorheen onbekende zero-days, die OpenAI naar eigen zeggen aan de maintainers heeft gemeld.

Het gevolg voor jou: de lanceerversie doet defensief werk — secure code review, patching — maar weigert proof-of-concept-exploits te bouwen, en extra veiligheidscontroles kunnen soms een legitieme taak stoppen. In de API stopt een geblokkeerde taak gewoon. Dat is upstream-modelgedrag, geen Smart AIPI-limiet. OpenAI is van plan dit voor gecontroleerde defensieve workflows te versoepelen via zijn Daybreak-programma.

OpenAI benoemde ook een echte regressie: Astra's geschreven redenering is moeilijker te monitoren dan die van Sol, omdat het problemen in minder geschreven stappen oplost en meer controle heeft over zijn trace. Ze brachten het zelf ter sprake. Het is het juiste om te weten als je veiligheidsverhaal afhankelijk is van het lezen van chain-of-thought.

Het echte verhaal: tokenefficiëntie, niet de prijs per token

Met $10 / $50 per 1M tokens rechtstreeks bij OpenAI lijkt Astra duur naast de 5.6-familie — en per token is dat ook zo. Maar de prijs per token is de verkeerde eenheid. Wat je betaalt zijn tokens die worden verbruikt om de taak af te ronden, en hier is Astra echt anders:

• Op DeepSWE verbruikt Astra ongeveer de helft van de outputtokens van GPT-5.6 Sol voor een hogere score.
• Op Agents' Last Exam gebruikt het bij de instellingen met de hoogste score ongeveer 65% minder outputtokens dan Claude Opus 5.
• Gemini 3.8 Flash (73.8%) en Claude Opus 5 (73.7%) eindigen binnen één punt van Astra op DeepSWE — terwijl ze per taak ongeveer 4–5x minder tokenefficiënt zijn.
• Op Terminal-Bench 4.0 behaalt Astra zijn 57.9% tegen naar schatting 9% lagere API-kosten per taak dan Sol, en 63% lager dan Fable 5.1.
• Op BenchCAD behaalt Astra 95.9% geometrische overlap tegen ongeveer 43% lagere kosten dan Sol en 86% lager dan Fable 5.1.

Dat is een model waarvan de Pareto-curve verschoof door minder werk te doen, niet door minder te rekenen. Het creëert ook een echte spanning voor de labs: als elke token meer afgerond werk oplevert, geeft een business die per token rekent de efficiëntiewinst door aan klanten of houdt die als marge. Met $10 / $50 hield OpenAI die zelf.

Dat is de kloof die Smart AIPI wil dichten. We geven de korting door: je krijgt Astra's tokenefficiëntie én een 75% lager tarief per token.

Prijzen: 75% korting, hetzelfde model, dezelfde API

Dezelfde weights, dezelfde OpenAI-compatibele API-vorm, dezelfde tools. Het enige verschil is de factuur.

Wat er nog meer met Astra werd uitgebracht

• Doorzoekbare notities in Codex. In plaats van een lange sessie samen te vatten in één verliesgevende samenvatting, bewaart Astra notities over contextvensters heen en kan het eerdere vensters doorzoeken — inclusief tooloutput die nooit in een samenvatting terechtkwam. Schakel dit in in je Codex config.toml; OpenAI zegt dat het de komende weken de standaard wordt voor Astra.
• Betere omgang met ambiguïteit. Astra vult routinematige hiaten aan vanuit de context en stelt alleen gerichte vragen wanneer het antwoord de uitkomst zou veranderen. In Codex kan het asynchroon vragen stellen terwijl het doorgaat met niet-gerelateerd werk.
• Het blijft bij de taak onder bijsturing. Eerdere modellen behandelden een correctie tijdens een taak vaak als een volledig nieuw doel. Astra verwerkt nieuwe vereisten zonder de oorspronkelijke beperkingen los te laten.
• Echte lange context. 100% MRCR v2-retrieval tot 512K tokens, 96.3% in de 512K–1M-band.
• Wetenschap met resultaat. Voor priemhiaten was de best bekende grens voor oneindig terugkerende nauwe priemparen verschoven van 246 naar 240; Astra hielp 186 vast te stellen. Het verbeterde ook een term in een grens voor grote priemhiaten die al meer dan 80 jaar standhield.

GPT-6 Astra gebruiken

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 met hoge redeneerinspanning

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 effort ondersteunt low, medium, high en xhigh. Astra schaalt betekenisvol met de inspanning — vroege partners melden dat hogere inspanning meer verificatiepasses en meer browsertests op nieuwe builds oplevert, niet alleen langere antwoorden. Gebruik high of xhigh voor agentic werk met een lange horizon.

Welk model moet je daadwerkelijk draaien?

• gpt-6-astra — computergebruik, browserautomatisering, terminalzware agents, refactors met een lange horizon, alles waarbij het onbeheerd afronden van de taak het doel is. De tokenefficiëntie betekent dat het hogere tarief vaak netto goedkoper uitvalt per afgeronde taak.
• gpt-5.6-sol — nog steeds een uitstekend frontier-codingmodel en aanzienlijk goedkoper per token. De juiste standaard voor agentic coding met hoge volumes wanneer je niet betaalt voor Astra's voorsprong in computergebruik.
• gpt-5.6-terra — het gebalanceerde werkpaard: codingkwaliteit op bijna vlaggenschipniveau voor de helft van sol's prijs.
• gpt-5.6-luna — bulkwerk, classificatie, samenvatting, goedkope pipelines met hoge doorvoer.

Alle vier draaien op hetzelfde endpoint en dezelfde key. Wisselen is een wijziging van één regel, dus benchmark ze op jouw workload in plaats van iemands grafiek te vertrouwen — ook deze niet.

Aan de slag

1. Meld je aan op smartaipi.com/signup (gratis credits, geen creditcard)
2. Maak een API-key aan in het dashboard
3. Stel je base URL in op https://api.smartaipi.com/v1
4. Gebruik model gpt-6-astra

Het beste gepubliceerde model voor agentic werk en computergebruik, in productie, voor een kwart van de catalogusprijs.