Kurz gesagt: GPT-6 Astra ist OpenAIs neues Spitzenmodell, vorgestellt Anfang September. Der Sprung liegt nicht im Chatfenster, sondern davor: Astra bedient Browser, Desktop-Apps und Tabellen selbst und arbeitet mehrstufige Aufgaben bis zum Ende ab. In Computer-Use-Benchmarks setzt es neue Bestwerte – rund 72,6 % auf OSWorld 2.0 bei etwa halber Bearbeitungszeit gegenüber dem Vorgänger. Der Preis liegt beim 2,5-Fachen, und rund jede vierte Agenten-Aufgabe scheitert weiterhin.
Was GPT-6 Astra anders macht
Bisherige Modelle haben beschrieben, wie man eine Aufgabe erledigt. Astra erledigt sie: Es klickt sich durch Oberflächen, füllt Tabellen, baut Websites und führt Workflows über mehrere Programme hinweg aus – so, wie es ein Mensch mit Maus und Tastatur tun würde. Damit wird keine eigene Schnittstelle pro Anwendung mehr gebraucht, das Modell bedient die Software direkt.
Verfügbar ist Astra in ChatGPT, in Codex und über die API. Wer bisher überwiegend im Chat gearbeitet hat, merkt vom Unterschied zunächst wenig – der Gewinn zeigt sich erst bei Aufgaben, die aus vielen Schritten bestehen.
Die Zahlen im Überblick
| Benchmark | GPT-6 Astra | Vorgänger | Was gemessen wird |
|---|---|---|---|
| ScreenSpot Pro | 92,7 % | 76,9 % | Findet und trifft das richtige Bedienelement |
| OSWorld 2.0 | 72,6 % | 65,7 % | Komplette Desktop-Aufgaben: Apps, Dateien, Formulare |
| AutomationBench | 41,4 % | 18,1 % | Lange Ketten aus vielen Einzelschritten |
| Agents' Last Exam | 59,3 % | – | Anspruchsvolle Agenten-Aufgaben |
Der wichtigste Wert ist ScreenSpot Pro. Visuelle Treffsicherheit – welches Pixel wird geklickt – war die Schwachstelle aller bisherigen Computer-Use-Agenten. Bei knapp 77 % landet etwa jeder vierte Klick falsch, und in einer zwanzigstufigen Aufgabe reicht ein Fehlklick, um alles Weitere zu entgleisen. Bei 92,7 % ist das eine andere Maschine. Dass AutomationBench sich mehr als verdoppelt, ist die direkte Folge: bessere Treffsicherheit multipliziert sich über lange Ketten.
Computernutzung: Was in der Praxis funktioniert
Gut geeignet sind Aufgaben mit klarer Struktur und überprüfbarem Ergebnis:
- Recherche im Browser: Quellen sammeln, Inhalte vergleichen, Ergebnisse in eine Tabelle übertragen
- Datenpflege: Werte aus PDFs oder Mails in Tools übertragen, Listen abgleichen, Duplikate finden
- Reporting: Zahlen aus mehreren Dashboards zusammenführen und als Dokument ausgeben
- Webseiten und Prototypen: Von der Beschreibung bis zur fertigen, lauffähigen Seite
- Wiederkehrende Abläufe: Immer gleiche Schrittfolgen in Admin-Oberflächen
Schlecht geeignet sind Aufgaben ohne eindeutige Erfolgskontrolle – überall dort, wo niemand hinterher merkt, ob das Ergebnis stimmt.
Die 27 %, über die niemand spricht
72,6 % bedeutet: Etwa jede vierte Aufgabe scheitert. Teuer sind dabei nicht die Abbrüche – die sieht man und startet neu. Teuer sind die stillen Fehler: Der Agent zieht den Umsatz des falschen Monats, aktualisiert den falschen Datensatz und meldet Erfolg. In den Protokollen steht nichts.
Drei Regeln haben sich bewährt:
- Ergebnisse prüfbar machen. Lass den Agenten am Ende ausgeben, woher jeder Wert stammt – nicht nur den Wert.
- Schreibrechte trennen. Lesen darf der Agent selbstständig, Schreiben nur mit Bestätigung oder in einer Testumgebung.
- Lange Ketten aufteilen. Zwei Aufgaben mit je acht Schritten sind zuverlässiger als eine mit sechzehn.
Astra im Vergleich zu Claude, Gemini und Perplexity
Astra ist ein Spezialisten-Upgrade, kein allgemeiner Intelligenz-Rekord. Unabhängige Messungen sehen es bei breiter Wissensarbeit auf dem Niveau des Vorgängers oder leicht darunter, während Claude bei zusammengesetzten Intelligenz-Bewertungen weiter vorn liegt. Für eine sinnvolle Arbeitsteilung heißt das:
| Aufgabe | Empfehlung |
|---|---|
| Browser- und Desktop-Automatisierung | GPT-6 Astra in ChatGPT |
| Lange Texte, Analyse, Codeprojekte | Claude, für Entwicklung Claude Code |
| Recherche im Google-Ökosystem, Multimodales | Google Gemini |
| Recherche mit belegten Quellenangaben | Perplexity |
| Quellenbasiertes Arbeiten mit eigenen Dokumenten | Gemini Notebook |
Wer Quellen mit Nachweis braucht, ist mit Perplexity weiterhin schneller am Ziel. Wer ein Ergebnis will, das in einer fremden Oberfläche entsteht, greift zu Astra.
Was Astra kostet – und für wen sich das lohnt
Über die API liegt Astra beim 2,5-Fachen des Vorgängers. Das ist relevant, weil Agenten-Aufgaben viele Schritte und damit viele Tokens verbrauchen: Eine einzelne Recherche über zwanzig Browserschritte kostet ein Vielfaches einer normalen Chatanfrage.
Die Rechnung geht auf, wenn der Agent Arbeitszeit ersetzt, die sonst ein Mensch stur abklickt. Sie geht nicht auf, wenn Astra nur bessere Antworten im Chat liefern soll – dafür reichen günstigere Modelle.
So testest du Astra sinnvoll
- Eine echte Aufgabe wählen, die du selbst regelmäßig manuell machst – kein Demo-Szenario.
- Den Zielzustand beschreiben, nicht die Klickfolge: „Diese Tabelle soll am Ende Spalte X aus Quelle Y enthalten."
- Erst nur lesen lassen. Ergebnis prüfen, bevor der Agent etwas verändern darf.
- Fehler sammeln. Notiere, an welcher Stelle es kippt – meist ist es immer dieselbe.
- Prompt nachschärfen statt Schritte vorzukauen. Ein präziser Rahmen schlägt eine lange Anleitung – mehr dazu im Beitrag ChatGPT-Prompts richtig schreiben.
FAQ
Ist GPT-6 Astra eine echte AGI? Nein. Der Begriff fiel bei der Vorstellung, die Messwerte stützen ihn nicht. Astra ist in einem Bereich – Computernutzung – deutlich besser geworden, bei breiter Wissensarbeit nicht.
Brauche ich ein Abo? Astra ist in ChatGPT für zahlende Tarife verfügbar sowie über die API. Der Rollout erfolgte stufenweise.
Kann Astra meinen Rechner fernsteuern? Es bedient Oberflächen in einer dafür vorgesehenen Umgebung. Vollzugriff auf deinen privaten Rechner bekommt es nicht automatisch – Rechte legst du fest.
Lohnt der Wechsel von Claude zu Astra? Nur wenn deine Aufgaben aus Klicken, Übertragen und Ausfüllen bestehen. Für Schreiben, Analyse und Code bleibt Claude die stärkere Wahl.
Welche Alternativen gibt es für Agenten-Aufgaben? Neben Astra arbeiten auch Gemini und Claude an Computernutzung. Einen Überblick über starke Assistenten gibt der Beitrag ChatGPT Alternative: Die 8 besten KI-Assistenten.
Fazit
GPT-6 Astra ist der erste Schritt, bei dem Agenten vom Demo-Status in den Alltag wechseln. Wer viel Zeit mit stumpfem Klicken in Browsern und Tabellen verbringt, spart hier real. Wer bessere Texte oder Analysen erwartet, wird enttäuscht – und zahlt dafür mehr. Teste mit einer echten, prüfbaren Aufgabe, lass den Agenten anfangs nur lesen, und rechne fest mit den 27 %, die schiefgehen.