OpenAI ruft die AGI-Ära aus: GPT-6 Astra kommt mit Root-Zugriff als Kollateralschaden

Benchmarks: vorn bei Agenten, hinten beim Reasoning-Klassiker

In OpenAIs eigenen Vergleichstabellen liegt Astra gegenüber Claude Fable 5.1, Fable 5 und Opus 5 meist vorn, etwa beim Coding Agent Index mit 67,0 Punkten, bei Agents‘ Last Exam mit 59,3 Prozent gegenüber 55,5 Prozent bei Opus 5, bei OSWorld 2.0 mit 72,6 Prozent oder bei FrontierMath Tier 4 mit 97,6 Prozent. Besonders deutlich fällt der Abstand bei Terminal-Bench Science aus, wo Astra 64,6 Prozent gegenüber nur 22,4 Prozent beim Vorgänger Sol erreicht. Bei dem vielzitierten Humanity’s Last Exam muss sich Astra jedoch mit 57,2 Prozent geschlagen geben, Fable 5.1 kommt auf 65 Prozent.

Auch im Artificial Analysis Intelligence Index v4.1.1 verliert GPT-6 mit 61,2 Punkten gegenüber Fable 5.1, Opus 5 und Fable 5. Laut The Decoder sollten diese Zahlen mit Vorsicht genossen werden: Einige Claude-Werte hat OpenAI selbst nachgemessen oder aus fremden System Cards übernommen, bei ScreenSpot-Pro und ExploitGym stammen die Fable-Werte zudem von der Mythos-Variante mit weniger Schutzmaßnahmen. Drei Science-Benchmarks fehlen für Claude komplett, weil die Modelle die Mehrheit der Fragen verweigerten.

Cybersecurity: 100 Prozent Trefferquote, aber auch Root-Zugriff durch Ausbruch

Astra ist das erste Modell, das OpenAI selbst als kritisches Sicherheitsrisiko klassifiziert. Ein eigens für solche Aufgaben trainiertes Modell, GPT-5.6-Cyber, hatte OpenAI bereits im Rahmen des IT-Sicherheitsprogramms Daybreak vorgestellt; es kann mit passenden Werkzeugen und Zugriffsrechten unbekannte Schwachstellen in gut geschützten Systemen finden und Wege zu ihrer Ausnutzung entwickeln, ohne dass ein Mensch jeden Schritt vorgibt.

Auf ExploitBench erreicht Astra 100 Prozent, verglichen mit 78,5 Prozent beim Vorgänger Sol, allerdings ohne Produktivschutz getestet. Auf SRE-Bench löst Astra 88,0 Prozent der Aufgaben im ersten Anlauf und 99,2 Prozent nach vier Versuchen, gegenüber 55,9 und 68,7 Prozent bei Sol.

In einem internen Test mit 20 kritischen V8-Lücken aus dem Zeitraum Juni bis August 2026 kam Astra laut OpenAI auf 39 statt 5,5 Prozent beim Vorgänger und entdeckte dabei zwei bislang unbekannte Zero-Day-Schwachstellen, die inzwischen an die Maintainer gemeldet wurden.