OpenAI hat GPT-6 Astra für erste zahlende ChatGPT-Nutzerinnen und -Nutzer freigeschaltet. Das Modell richtet sich vorerst vor allem an Personen und Unternehmen mit höherwertigen Abos sowie an Nutzer, die über externe Cloud-Dienste darauf zugreifen. Interessant ist die Freischaltung nicht nur wegen neuer Fähigkeiten, sondern auch wegen ungewöhnlich knapper Kontingente und widersprüchlicher Benchmark-Ergebnisse.
Verfügbarkeit und Kosten im Überblick
Laut der Meldung zur ersten Astra-Freischaltung steht das Modell in ChatGPT Work und Codex für Pro-, Enterprise- und Business-Premium-Abos bereit. Zusätzlich ist es über die OpenAI-Programmierschnittstelle (API), also einen technischen Zugang für andere Dienste, sowie über Microsoft Azure und AWS Bedrock verfügbar. Plus- und weitere Business-Konten sollten laut der Meldung in den darauffolgenden Tagen folgen.
Wer ChatGPT kostenlos oder im Go-Tarif nutzt, erhält keinen Zugang zu GPT-6 Astra und GPT-5.6 Sol. Ein eigenständiger Chatpreis nur für Astra wird nicht genannt; die Nutzung läuft über bestehende Abos und deren Kontingente. Beim Pro-Abo für 200 US-Dollar stehen für GPT-6 Pro 200 Nachrichten pro Woche zur Verfügung, beim Pro-Abo für 100 US-Dollar sind es 50 Nachrichten pro Woche. Business-Premium erhält ebenfalls 50 Nachrichten pro Woche, Business Standard dagegen 15 pro Monat.
Die Bezeichnungen in der Quelle sind nicht ganz sauber getrennt: Die Freischaltung betrifft GPT-6 Astra, während die konkreten Tabellenwerte teilweise als Kontingente für GPT-6 Pro ausgewiesen werden. Zudem sollen Business-Nutzer erst folgen, obwohl bereits ein Kontingent für Business Standard aufgeführt ist. Für deine Planung sind die Angaben deshalb eher eine Momentaufnahme als ein vollständig eindeutiger Tarifplan.
Für Astra werden ungefähr halb so viele Nachrichten pro Fünf-Stunden-Zeitraum genannt wie für GPT-5.6 Sol. Bei Plus sind es geschätzt 5 bis 45 Nachrichten statt 10 bis 100, beim Pro-20x-Abo 100 bis 900 statt 200 bis 2000. Diese Werte sind laut OpenAI keine festen Grenzen: Modellwahl, Länge des Gesprächskontexts, Rechenaufwand, Werkzeugnutzung und Zwischenspeicherung können den tatsächlichen Verbrauch verändern.
Für die Schweiz nennen die Quellen keine eigenen Konditionen. Es fehlen Angaben zu Preisen in Franken, zur Qualität der deutschen Sprachausgabe und zur Verarbeitung von Daten in der Schweiz oder der Europäischen Union. Aus der allgemeinen Verfügbarkeit über ChatGPT und die genannten Cloud-Dienste lässt sich deshalb keine besondere Schweizer Zusage zu Zugang oder Datenschutz ableiten.
Was Astra in der Praxis zeigt
Das auffälligste Praxisbeispiel ist das Computerspiel Portal. Ein Entwickler mit dem Namen cozyblaze liess GPT-6 Astra nach einer anfänglichen Zielvorgabe ohne weitere menschliche Eingriffe durch das gesamte Spiel navigieren. Der KI-Agent, also ein System, das Beobachtungen auswertet und selbstständig weitere Aktionen auswählt, erreichte nach rund 23 Stunden und 43 Minuten den Abspann.
Nach dem Bericht über den Portal-Durchlauf erhielt das Modell Screenshots, Spielerposition und Kamerawinkel. Es wählte daraus seine Eingaben, während das Spiel für die Denkphasen pausiert wurde. Damit zeigt der Versuch langfristige Aufgabenplanung und visuelle Orientierung, aber keine Verarbeitung in Echtzeit: Die entfernten Pausen im veröffentlichten Video können den Ablauf flüssiger wirken lassen, als er tatsächlich war.
Der Verbrauch entsprach laut Entwickler mindestens 570 US-Dollar nach der Astra-Preisliste, obwohl für den Versuch ein Codex-Abo für 200 US-Dollar eingesetzt wurde. Das macht den Durchlauf zu einer eindrücklichen Demonstration, aber noch nicht zu einem typischen Anwendungsfall für den Alltag. Der Bericht nennt zudem weiterhin bestehende Probleme, ohne sie im Einzelnen zu quantifizieren; das Ergebnis sollte daher nicht als Beleg verstanden werden, dass Astra jede lange Aufgabe zuverlässig abschliesst.
Ein zweites Beispiel betrifft visuelle und räumliche Entwürfe. Simon Willison beschreibt eine höhere Detailtreue und ein besseres Verständnis von Anweisungen, besonders beim Erstellen anspruchsvoller 3D-Modelle. Er nennt Darstellungen von Gärten, Werften, Tieren, Stadtlandschaften und Dyson-Sphären als beobachtete Beispiele. Das ist eine qualitative Einschätzung, kein kontrollierter Vergleich, zeigt aber, in welchen kreativen Aufgaben Astra seine Stärken haben könnte.
Warum Benchmarks nur ein Teil des Bildes sind
Ein Benchmark ist ein standardisierter Test, mit dem Modelle anhand festgelegter Aufgaben verglichen werden. Bei GPT-6 Astra lieferten solche Tests zunächst kein einheitliches Bild. Epoch AI setzte das Modell über 50 Benchmarks mit 169 Punkten auf Platz 1 von 267 Modellen, und auch ARC-AGI-3 zeigte je nach Messart einen grossen bis sehr grossen Sprung. Artificial Analysis sah Astra dagegen anfangs nur auf dem Niveau seines Vorgängers.
Nach Kritik veröffentlichte Artificial Analysis die Version 4.2 seines Intelligence-Index. In der überarbeiteten Benchmark-Auswertung liegt Astra vier Punkte vor dem Vorgänger, bleibt aber hinter Claude Fable 5.1 von Anthropic. Meta folgt auf Platz drei. Der Widerspruch zwischen den Ranglisten ist damit kleiner geworden, aber nicht verschwunden.
Artificial Analysis änderte zugleich die Zusammensetzung des Index. Neu enthalten sind praxisnahe Wissensarbeitsaufgaben und die Analyse von Dokumenten über mehrere PDF-Seiten; ein bereits von Modellen gelöster Test wurde entfernt. Zudem beruhen nun 40 Prozent der Gewichtung auf nicht öffentlichen Testdaten, was eine gezielte Anpassung an bekannte Aufgaben erschweren soll.
Für dich ist die Rangliste deshalb ein Hinweis, kein Kaufentscheid. Die Ergebnisse hängen davon ab, welche Aufgaben ein Index auswählt und wie er sie gewichtet. Ein Modell kann bei Dokumentenanalyse, visuellen Entwürfen oder langfristiger Navigation stark sein und dennoch bei deinen eigenen Texten weniger überzeugend wirken. Dass ein Anbieter seinen Index nach Kritik korrigiert, ist dabei nicht automatisch ein Makel, zeigt aber, wie beweglich solche Vergleiche sind.
Was gutes Prompting aus Astra herausholt
Prompting bezeichnet das Formulieren von Anweisungen und Kontext für ein KI-Modell. Nach OpenAIs Empfehlungen fragt Astra häufiger nach als GPT-5.6 Sol, statt fehlende Informationen eigenmächtig zu ergänzen. Das kann Fehler durch falsche Annahmen reduzieren, zugleich aber Aufgaben früh stoppen, bei denen du selbstständiges Weiterarbeiten erwartest.
OpenAI empfiehlt laut den veröffentlichten Prompting-Hinweisen, die gewünschte Eigeninitiative ausdrücklich festzulegen. Formulierungen wie «Kannst du …», «Ich möchte …» oder «Hilf mir …» sollen als Arbeitsauftrag gelten und nicht bloss als Anlass für Rückfragen. Bei längeren Aufgaben kannst du zusätzlich verlangen, dass Astra die Absicht aus dem bisherigen Gespräch ableitet und bis zu einem überprüfbaren Ergebnis weiterarbeitet.
Für Einsteiger: Beginne mit einer klar begrenzten Aufgabe und beschreibe das gewünschte Ergebnis. Du kannst etwa festlegen, dass Astra eine Anweisung vollständig bearbeiten, notwendige Annahmen sichtbar kennzeichnen und nur bei einem echten Hindernis nachfragen soll. Prüfe das Ergebnis, bevor du eine weitere, grössere Aufgabe anschliesst, denn die knappen Kontingente bestrafen zielloses Ausprobieren recht nüchtern.
Für Fortgeschrittene: Lege fest, welche Anweisung bei Widersprüchen Vorrang hat und an welchem Punkt Astra eine Freigabe einholen muss. OpenAI rät dazu, Genehmigungen erst dann anzufordern, wenn bereits ein konkretes, überprüfbares Ergebnis vorbereitet ist. Wenn das Modell unerwartet pausiert oder die Richtung wechselt, kannst du es auffordern, die konkrete Kontextanweisung zu nennen, die dieses Verhalten ausgelöst hat.
Astra soll längeren Anweisungen besser folgen, reagiert laut OpenAI aber empfindlicher auf widersprüchliche Informationen im Kontext. Bei komplexen Arbeitsumgebungen können ältere Vorgaben oder sogenannte Skill-Dateien, also Dokumente mit dauerhaften Arbeitsregeln, das Modell blockieren oder umlenken. Mehr Kontext ist daher nicht automatisch besser; konsistente und priorisierte Anweisungen sind nützlicher als ein möglichst grosser Stapel Vorgaben.
Pro und Kontra von GPT-6 Astra
Pro:
- Langfristige Aufgaben – Der Portal-Versuch zeigt, dass Astra eine vielstufige Aufgabe über viele Stunden selbstständig verfolgen kann.
- Visuelle Entwürfe – Beobachtungen zu Gärten, Stadtlandschaften und anderen 3D-Modellen deuten auf höhere Detailtreue bei räumlichen Ausgaben hin.
- Effizienter Tokenverbrauch – Artificial Analysis bewertet Astra beim Verbrauch von Token, den kleinen Texteinheiten der Modellverarbeitung, als effizienter als andere Spitzenmodelle.
- Besser steuerbare Zusammenarbeit – Häufigere Rückfragen und klare Regeln für Eigeninitiative können unbegründete Annahmen reduzieren.
Kontra:
- Knappe Kontingente – Je nach Abo stehen deutlich weniger Astra-Nachrichten als bei GPT-5.6 Sol zur Verfügung.
- Hohe Versuchskosten – Der Portal-Durchlauf entsprach laut Entwickler mindestens 570 US-Dollar nach Listenpreis und ist damit kein günstiger Alltagstest.
- Empfindlicher Kontext – Widersprüchliche oder schlecht priorisierte Anweisungen können Arbeit stoppen oder in eine unerwartete Richtung lenken.
- Unsichere Vergleichbarkeit – Abweichende und nachträglich korrigierte Benchmarks erschweren eine eindeutige Leistungsbewertung.
GPT-6 Astra verbindet auffällige Fähigkeiten bei langen, visuellen und komplexen Aufgaben mit einem vorerst restriktiven Zugang. Für zahlende Nutzer kann sich ein Test lohnen, wenn ein konkreter Anwendungsfall die knappen Nachrichtenkontingente rechtfertigt; die verfügbaren Demonstrationen ersetzen jedoch keine Prüfung mit den eigenen Aufgaben. Offen bleibt vor allem, wie zuverlässig das Modell ausserhalb ausgewählter Versuche arbeitet und welche Bedingungen für Sprache, Verfügbarkeit und Datenschutz in der Schweiz gelten.
Quellen
- OpenAI schaltet GPT-6 Astra für erste zahlende Nutzer frei mit reduzierten Kontingenten – Unbekannt, 2026-09-05
- KI-Agent steuert sich durch Portal: GPT-6 Astra meistert das komplette Spiel ohne menschliche Hilfe – Unbekannt, 2026-09-07
- Introducing GPT-6 Astra for developers – Unbekannt, 2026-09-05
- Artificial Analysis korrigiert eigenen KI-Benchmark nach Kritik an GPT-6-Astra-Bewertung – Unbekannt, 2026-09-05
- KI-Slop vermeiden: OpenAI teilt Prompting-Tipps für GPT-6 Astra – Unbekannt, 2026-09-05
Bild: RDNE Stock project via Pexels