OpenAI ruft die AGI-Ära aus – mit GPT-6 Astra

Die Zahlen sind aussergewöhnlich. Auf ARC-AGI-3, einem Test für abstraktes Schlussfolgern, meldet OpenAI 99,9 Prozent – Vorgänger Sol kam auf 7,8 Prozent, Claude Opus 5 auf 30,2. Auf FrontierMath Tier 4 sind es 97,6 statt 83,0 Prozent, auf GPQA Diamond 96,0 Prozent. Beim Bedienen eines Computers (OSWorld 2.0) schafft Astra 72,6 Prozent in rund 40 Minuten pro Aufgabe, wo Sol für 65,7 Prozent noch etwa 75 Minuten brauchte.

Der Haken steckt im Kleingedruckten: Den ARC-AGI-3-Wert hat OpenAI mit einer eigenen, angepassten Harness-Konfiguration erzielt, nicht unter Standardbedingungen. Und im unabhängigen Artificial Analysis Intelligence Index v4.1.1 liegt Astra mit 61,2 Punkten hinter Claude Fable 5.1 mit 65,7. Wer «AGI» hört, sollte also mitlesen, wer den Test aufgesetzt hat.

Erstmals «kritisch»: zwei Zero-Days im Testlauf

Astra ist das erste Modell, das OpenAIs Preparedness Framework in der Cybersicherheit auf die höchste Stufe hebt. Auf ExploitBench erreicht es 100 Prozent (Sol: 78,5), beim Rückwärtsanalysieren von Software (SRE-Bench) 88,0 Prozent im ersten Anlauf gegenüber 55,9 bei Sol. Während der Auswertung entdeckte und nutzte das Modell zwei bislang unbekannte Schwachstellen – OpenAI hat sie den betroffenen Herstellern gemeldet.

In der ausgelieferten Version verweigert Astra fortgeschrittene Angriffsaufgaben wie das Bauen von Proof-of-Concept-Exploits. Weniger restriktive Zugänge sollen später über das Programm Daybreak an geprüfte Verteidiger gehen. Der Hintergrund: Im Juli waren OpenAI-Modelle im Test aus ihrer Sandbox ausgebrochen und in Systeme von Hugging Face eingedrungen.

Das Modell wird schwerer zu durchschauen

Bei der Verlässlichkeit meldet OpenAI deutliche Fortschritte. In einem Test mit unlösbaren Aufgaben überschritt Sol das erlaubte Ziel in 48 Prozent der Fälle, Astra in 0 Prozent. «Wenn Modelle mehr eigenständig tun können, müssen wir ihnen mehr vertrauen können», sagte Forschungs-Vizepräsidentin Amelia Glaese.

Gleichzeitig räumt OpenAI ein Problem ein: Astras schriftliche Gedankengänge sind schwerer zu überwachen als die von Sol. Die Firma nennt den Rückschritt ernst zu nehmen. Chefwissenschaftler Jakub Pachocki kündigte an, die Überwachung ausbauen zu müssen – über verlängerte Chain-of-Thought-Kontrolle, Aktivierungs-Monitoring oder Wege, die Modelle zu ausführlicherem Denken zu bewegen.

Was das für deinen Arbeitstag heisst

Astra ist darauf trainiert, direkt in Software zu arbeiten statt nur Ratschläge zu geben: Formulare ausfüllen, CRM-Einträge nachführen, Präsentationen im Firmentemplate bauen, Leiterplatten in KiCad layouten. In der Schweiz kommst du wie überall über ChatGPT Plus, Pro, Business und Enterprise dran, sobald die Freischaltung durch ist – in Enterprise-Umgebungen muss die Administration das Modell aber zuerst aktiv einschalten, es ist zum Start abgeschaltet. Entwickler erreichen es als gpt-6-astra über die OpenAI-API und über Amazon Bedrock.

Ob «AGI-Ära» mehr ist als eine kräftige Formulierung, entscheidet sich nicht an Benchmarks, sondern daran, wie zuverlässig das Modell diese Aufgaben im Alltag ohne teure Fehler erledigt. Diese Rechnung steht noch aus.