AGI, ist sie wirklich da?

Am frühen Morgen des 3. September wurde das lange vorgekündigte GPT-6 Astra offiziell vorgestellt.

Eine halbe Woche vor der Veröffentlichung hat OpenAI ständig Signale für die Markteinführung dieses Modells gesendet. Am 18. August, nachdem festgestellt wurde, dass Astra möglicherweise den Schwellenwert für „kritische“ Cybersicherheitsfähigkeiten erreicht, verlangsamte das Unternehmen das Training einiger Spitzenmodelle und pausierte zwei Wochen lang das Training mit verstärktem Lernen für bereitgestellte Modelle, um die Überwachung, Ausrichtung und Sicherheit der Forschungsumgebung zu verbessern. Am 1. September veröffentlichte OpenAI weitere Details zur Sicherheitsbewertung von Astra. Nach mehreren vorab veröffentlichten Informationen hat GPT-6 Astra vor der offiziellen Veröffentlichung bereits viel Aufmerksamkeit erregt.

Aber nach der Veröffentlichung können die meisten Nutzer es vorübergehend noch nicht verwenden. Derzeit ist GPT-6 Astra nur für eine kleine Anzahl von Institutionen zugänglich. Bezahlte Nutzer wie Plus, Pro und Business erhalten in den nächsten Tagen schrittweise Zugriffsrechte, und die API wird ebenfalls schrittweise geöffnet. Angesichts der Wartezeit der Nutzer hat OpenAI schnell ein Entschädigungsprogramm vorgelegt. Tibo, Leiter von Codex, erklärte, dass bezahlte Nutzer für jeden Tag, an dem sie Astra nicht nutzen können, eine Guthabenzurücksetzung erhalten, die sie später verwenden können. Dies milderte die Unzufriedenheit einiger Nutzer über die verzögerte Freigabe.

Kehren wir zum Modell selbst zurück: Die bemerkenswertesten Änderungen bei diesem Update sind zwei Hauptpunkte: Das Modell kann Computer jetzt direkter bedienen und ist besser darin, komplexe Aufgaben zu erledigen. OpenAI bezeichnet GPT-6 Astra als das derzeit intelligenteste Modell. Im Vergleich zu GPT-5.6 Sol wurde es in Bereichen wie Softwareentwicklung, wissenschaftliche Forschung, Cybersicherheit und professionelle Arbeit verbessert, wobei die Fortschritte bei der Computerbedienung besonders deutlich sind.

Auch der Preis der API wurde erhöht. Der API-Preis von GPT-6 Astra beträgt 10 US-Dollar pro Million Token für die Eingabe und 50 US-Dollar für die Ausgabe, also das 2,5-fache des Preises von GPT-5.6 Sol und liegt auf dem gleichen Preisniveau wie das neueste Flaggschiff Claude Fable 5.1 von Anthropic. OpenAI bietet auch den Fast-Modus an, bei dem die Generierungsgeschwindigkeit auf etwa das Doppelte gesteigert werden kann, wobei sich der Preis jedoch ebenfalls verdoppelt.

OpenAI hat die Bedeutung dieses Upgrades höher eingestuft als je zuvor. Auf einer Pressekonferenz vor der Veröffentlichung erklärte der Präsident des Unternehmens, Greg Brockman: „Willkommen im Zeitalter der AGI“ und ist der Ansicht, dass die Menschen GPT-6 Astra in einigen Jahren möglicherweise als einen Meilenstein für den Beginn des AGI-Zeitalters betrachten werden.

Die Aufmerksamkeit ist groß, und die Fähigkeiten sind tatsächlich stärker. Darüber hinaus befinden sich sowohl OpenAI als auch Anthropic in der Vorbereitungsphase für den Börsengang. Reicht GPT-6 Astra aus, um das von OpenAI genannte AGI-Zeitalter zu stützen? Und kann es OpenAI helfen, in der neuen Wettbewerbsrunde die Initiative zu ergreifen?

01. Die Benchmark-Ergebnisse nähern sich der Obergrenze, die Fortschritte bei langen Aufgaben sind deutlicher

Schauen wir uns zuerst die intuitivsten Benchmark-Ergebnisse an. Wir konzentrieren uns hauptsächlich auf zwei Kategorien: eine, deren Ergebnisse sich bereits der Testobergrenze nähern, und die andere, deren Verbesserung im Vergleich zur Vorgängergeneration deutlich ist.

Schauen wir uns zuerst die erste Kategorie an. Bei den von OpenAI veröffentlichten Benchmark-Tests erreichte GPT-6 Astra eine Punktzahl von 99,9 % bei ARC-AGI-3, 100 % bei ExploitBench; die Genauigkeit von FrontierMath Tier 4 v2 erreichte ebenfalls 97,6 %.

Diese drei Tests prüfen unterschiedliche Fähigkeiten. ARC-AGI-3 prüft, ob das Modell in einer unbekannten Umgebung Regeln ableiten und sie auf schwierigere Levels übertragen kann, also das Verständnis und die Anpassungsfähigkeit an neue Umgebungen. FrontierMath Tier 4 v2 prüft schwierige mathematische Schlussfolgerungen. ExploitBench verlangt vom Modell, dass es für bekannte Schwachstellen lauffähige Exploit-Programme erstellt.

Dies zeigt, dass GPT-6 Astra bereits starke Fähigkeiten bei forschungsorientierten Schlussfolgerungen, der Anpassung an unbekannte Umgebungen und komplexen Cybersicherheitsaufgaben aufweist. Insbesondere bei ARC-AGI-3 lagen die Ergebnisse der Spitzenmodelle bei seiner Einführung im März dieses Jahres noch unter 1 %. Dass GPT-6 Astra heute fast die volle Punktzahl erreicht, zeigt, dass solche Aufgaben zur Schlussfolgerung in unbekannten Umgebungen, die früher die Unterschiede zwischen Spitzenmodellen deutlich aufzeigten, kaum noch zu seinem Engpass werden können.

Quelle / Offizielle Website von Artificial Analysis

Allerdings sind die Ergebnisse der umfassenden Dritttests nicht so herausragend. Im neuesten Intelligenzindex von Artificial Analysis erreichte die höchste Schlussfolgerungsstufe von GPT-6 Astra 61 Punkte, was mit GPT-5.6 Sol gleichzieht, auf Platz 5 liegt und unter den 66 Punkten der höchsten Stufe von Claude Fable 5.1 liegt. Aus Sicht der umfassenden Ergebnisse hat GPT-6 Astra keinen deutlichen Abstand zur Vorgängergeneration aufgebaut, seine Fortschritte konzentrieren sich mehr auf einzelne Fähigkeiten.

Als Nächstes schauen wir uns den Teil an, der im Vergleich zur Vorgängergeneration deutlich verbessert wurde.

Dies konzentriert sich hauptsächlich auf Agent-Fähigkeiten wie das Bedienen von Computern, das Aufrufen von Tools, das fortlaufende Ausführen von Schritten und die Verarbeitung längerer Aufgaben. Am größten ist die Veränderung beim Test des wissenschaftlichen Arbeitsablaufs Terminal-Bench Science 0.1: GPT-6 Astra steigerte den Wert von 22,4 % bei GPT-5.6 Sol auf 64,6 %, also fast das Dreifache der Vorgängergeneration. Andere Tests für langfristige Agenten und automatisierte Aufgaben wurden im Allgemeinen um etwa 20 Prozentpunkte verbessert.

Auch die Ergebnisse bei der Computerbedienung zeigten deutliche Fortschritte. ScreenSpot-Pro stieg von 76,9 % auf 92,7 %, was bedeutet, dass GPT-6 Astra bei der Erkennung von Schnittstellen und der genauen Lokalisierung von Bedienpositionen praktischer geworden ist. Bei OSWorld 2.0 erreichte der Wert 72,6 %, die Punktzahl stieg nur um 6,9 Prozentpunkte, aber die durchschnittliche Simulationszeit zum Abschluss einer Aufgabe wurde von etwa 75 Minuten auf 40 Minuten verkürzt, also um fast die Hälfte.

Diese Veränderungen lassen sich auch in den Praxistests der ersten Nutzer sehen, die GPT-6 Astra erhalten haben.

Ein Nutzer ließ GPT-6 Astra ein virtuelles Szenario von Manhattan in der Unreal Engine (einem 3D-Erstellungstool) aufbauen, die gesamte Aufgabe dauerte eine Woche. Er erwähnte, dass GPT-6 Astra schrittweise Details zu Gebäuden und Umgebungen entlang der Straßen ergänzen kann und nach mehrtägigem Dauerbetrieb den vorherigen Fortschritt fortsetzen kann, um das Szenario zu vervollständigen. Die Effizienz ist jedoch noch begrenzt: Er sagte, dass es nach dem aktuellen Tempo noch mehrere Monate dauern würde, um ganz New York fertigzustellen.

Virtuelles Szenario von Manhattan

Ein anderer Nutzer führte sechs Gruppen von Tests durch, darunter die Generierung von 3D-Modellen und Animationen sowie die Erstellung von Spielen. Er ist der Ansicht, dass die Fähigkeitsverbesserung dieser Modellgeneration deutlicher ist als zuvor, insbesondere die Stabilität bei langfristigem Betrieb. Während des Praxistests führte er gleichzeitig Hunderte von Agenten aus, ohne auf offensichtliche Probleme zu stoßen.

Motorboot-Spiel

Thomas Ricouard vom Codex-Team konzentrierte sich auf den Test der 3D-Modellierungsfähigkeiten von GPT-6 Astra. Er ließ das Modell ein 3D-Szenario anhand des Grundrisses eines Hauses erstellen: GPT-6 Astra erledigte zuerst die Modellierung in Blender, übertrug dann das Szenario in die Unreal Engine und erzeugte schließlich einen 3D-Raum, in dem man sich in Echtzeit „bewegen“ kann. Abgesehen von den ersten wenigen Prompts erledigte GPT-6 Astra anschließend den Skybox, die kinematografische Beleuchtung und die Kamerawinkel. Ricouard ist der Ansicht, dass GPT-6 Astra sehr gut in 3D-Modellierung ist und Materialien, Texturen und visuelle Effekte angemessen verarbeitet.

3D-Szenario eines Hauses

Diese Praxistests sind noch frühe Stichproben, aber sie stimmen im Wesentlichen mit der Richtung überein, die von den offiziellen Benchmarks gezeigt wird. Der deutliche Zuwachs von GPT-6 Astra konzentriert sich auf langfristige Ausführung, die Bedienung professioneller Software und die kontinuierliche Kombination verschiedener Fähigkeiten zu einer komplexen Aufgabe.

02. Beginnt das Modell, die Agenten zu ersetzen?

Zwei Veränderungen bei GPT-6 Astra verdienen eine gesonderte Erläuterung. Die eine ist Computer Use (Fähigkeit zur Computerbedienung): Das Modell kann direkt Computerschnittstellen lesen und Operationen in der Software durchführen. Die andere ist Judgment (Urteilsvermögen): Das Modell bearbeitet kleine Probleme, die die Gesamtausrichtung nicht beeinträchtigen, selbstständig und stoppt nur dann, um den Nutzer zur Entscheidung zu fragen, wenn dies wirklich erforderlich ist. Die eine löst die Frage, wie man vorgeht, die andere löst die Frage, wann das Modell selbstständig handeln soll.

Schauen wir uns zuerst Computer Use an. Einfach ausgedrückt: Das Modell arbeitet wie ein Mensch, indem es auf den Bildschirm schaut. Es versteht die aktuelle Schnittstelle über Screenshots, entscheidet anhand des Nutzerziels, was als Nächstes zu tun ist, und wandelt den Plan in tatsächliche Operationen wie Klicks und Eingaben um. Nach Abschluss der Ausführung liest es die Seite erneut, fährt mit dem nächsten Schritt fort und bildet einen Zyklus.

Quelle / Demonstration zur Suche nach einem Kinderarzt, die auf der offiziellen Website von OpenAI gezeigt wird

Dies bietet einen allgemeineren Pfad für die Softwarebedienung. Viele Agenten müssen externe Systeme verbinden, normalerweise müssen Entwickler im Voraus APIs, MCP oder spezielle Tools verbinden. Mit Computer Use kann das Modell direkt die grafische Schnittstelle bedienen, die ursprünglich für Menschen entwickelt wurde, und auch Aufgaben ohne vorhandene Schnittstellen erledigen.

Diese Fähigkeit wurde bereits früher ausprobiert. 2024 öffnete Anthropic bereits Computer Use auf Claude, Microsoft und OpenAI folgten nach und nach. 2025 brachte OpenAI Operator auf den Markt, dessen zugrundeliegender Computer-Using Agent ebenfalls Webseiten über Screenshots verstehen und dann mit Maus und Tastatur Operationen durchführen kann. Später wurde diese Fähigkeit in das ChatGPT Agent-Produkt integriert.

Die frühe Version von Computer Use war noch nicht sehr benutzerfreundlich. Der Forscher für große Modelle Yao Yuhang erzählte „AIX Finance“, dass der von OpenAI zuvor eingeführte AI-Browser Atlas ebenfalls das Modell direkt Webseiten steuern ließ, aber die Latenz sehr hoch war und die Ergebnisse nicht zufriedenstellend waren. Seiner Ansicht nach gibt es für diese Fähigkeit in den nächsten ein bis zwei Jahren noch großen Raum für Verbesserungen. Aber angesichts der mehreren Demos zur Bedienung professioneller Software, die die Behörde diesmal gezeigt hat, sind das Verständnis von GPT-6 Astra für grafische Schnittstellen und die Fähigkeit zur Softwarebedienung bereits deutlich verbessert.

Der Wert von Computer Use liegt darin, die Teile abzudecken, die von APIs, CLI und MCP nicht abgedeckt werden. Wenn vorhandene Schnittstellen verfügbar sind, können Agenten weiterhin die schnellere und stabilere Methode wählen. Wenn keine Schnittstellen vorhanden sind, kann das Modell diese Software trotzdem direkt über die GUI bedienen.

Dass das Modell Webseiten selbst lesen und Operationen durchführen kann, zeigt auch, dass ein Teil der Ausführungsfähigkeiten, die früher von Agenten übernommen wurden, nun vom zugrundeliegenden Modell übernommen wird. Yao Yuhang ist der Ansicht, dass die Agent-Schicht in Zukunft immer dünner wird. Allgemeine Fähigkeiten wie das Betrachten von Bildschirmen und das Aufrufen gängiger Tools werden ständig in das Basismodell integriert. Aber Agenten sind immer noch wertvoll. In professionellen Szenarien wie Finanzen, Recht und Gesundheitswesen werden Domänenwissen, Geschäftsprozesse, Berechtigungsverwaltung und Verantwortungsgrenzen benötigt. Vertikale Agenten können durch diese professionellen Fähigkeiten einen höheren Mehrwert behalten.

Eine weitere bemerkenswerte Veränderung bei GPT-6 Astra ist das von OpenAI besonders hervorgehobene Judgment.

Judgment löst das Koordinationsproblem. Wenn