Zusammenfassung:
Wenige Stunden vor der Veröffentlichung von Astra herrschte in der KI-Community Chaos. Am Abend des 3. September kam es bei ChatGPT, Claude und Grok fast gleichzeitig zu groß angelegten Servicestörungen. Eine große Anzahl von Benutzern konnte die Modelle entweder nicht öffnen oder ihre Anfragen schlugen fehl. In diesem Moment blickte der offizielle ChatGPT-Account zu den Sternen auf: „Die Sterne stehen fast auf einer Linie.“
Jemand fing bald an zu scherzen: Hat Astra während der Bereitstellung sowohl Anthropic als auch xAI gehackt und sich am Ende nicht einmal geschont?
Natürlich ist das nur ein Witz von Internetnutzern. Derzeit gibt es keine Hinweise darauf, dass dieser Fehler mit Astra zusammenhängt.
Aber dieser Witz kam zum richtigen Zeitpunkt – erst vor zwei Tagen hatte OpenAI bekannt gegeben, dass dieses neue Modell, das noch nicht offiziell veröffentlicht wurde, das erste Modell des Unternehmens ist, das die „kritische“ Cybersicherheitsschwelle des Preparedness Framework überschreitet.
Dann passten die Sterne wirklich zusammen.
Am frühen Morgen des 4. September, Pekinger Zeit, veröffentlichte OpenAI offiziell GPT-6 Astra.
Aber nicht alle davon sind online. Astra steht derzeit nur einer kleinen Anzahl von Organisationen im Trusted Access/Daybreak-System und geprüften Netzwerksicherheitsbenutzern offen – Plus-, Pro-, Business-, Enterprise- und API-Benutzer müssen noch ein paar Tage abwarten.
Astra kommt, aber Tathagata
Am 4. September veröffentlichte OpenAI GPT-6 Astra „intern“.
Derzeit steht Astra nur einer kleinen Anzahl von Institutionen im Trusted Access/Daybreak-System offen. OpenAI sagte, dass Plus-, Pro-, Business-, Enterprise-Abonnenten und APIs in den nächsten Tagen Zugriff erhalten werden.
Wie viele Tage diese „paar Tage“ tatsächlich sind, gibt es vorerst noch nicht.
Bei einer nichtöffentlichen Medienbesprechung vor der Veröffentlichung gab OpenAI-Präsident Greg Brockman Astra eine ziemlich übertriebene Fußnote: „Willkommen in der AGI-Ära.“
Willkommen in der AGI-Ära.
Aidan Clark, Vizepräsident für Forschung bei OpenAI, erklärte aus einer anderen Perspektive, warum Astra etwas Besonderes ist: „Dies ist das erste Mal, dass mehr als 100.000 GPUs für das Vortraining am Stargate-Standort in Texas verwendet wurden. Vom Rechenzentrumsnetzwerk über den Inferenzkern bis hin zur Form des Modells selbst ist alles von Grund auf für diesen Trainingsmaßstab konzipiert.“
Aidan sagte auch, dass Astra auch das erste Produkt von OpenAI ist, das es ermöglicht, Modelle der alten Generation tief in den Trainingsprozess einzubeziehen.
Um es einfach auszudrücken: Die Menschen, die die nächste KI-Generation trainieren, tauchen bereits in der vorherigen KI-Generation auf.
Obwohl es noch weit von „KI trainiert sich selbst“ entfernt ist, ist das Modell in den Entwicklungsprozess des Modells der nächsten Generation eingetreten.
Nachdem Anthropic Fable/Mythos 5.1 vorgestern als „das fortschrittlichste Codierungs- und Wissensarbeitsmodell der Welt“ bezeichnete, bezeichnete OpenAI heute auch Astra als „das stärkste und am besten ausgerichtete Modell der Welt“.
In Bezug auf Benchmark-Tests stammen die beängstigendsten Zahlen von ARC-AGI-3.
Dies ist ein Agent-Benchmark, der speziell testet, ob ein Modell in eine noch nie dagewesene 2D-Umgebung eintreten, durch kontinuierliches Ausprobieren Regeln entdecken und Ziele erreichen kann. Es ist nicht wie eine traditionelle Prüfung, bei der geprüft wird, wie viel Wissen gespeichert wird, sondern es ist eher so, als würde man die KI in ein unbekanntes Spiel werfen, um zu sehen, ob sie selbst herausfinden kann, „wie die Welt funktioniert“.
Astra erreichte mit der OpenAI-eigenen Provider-Adapter-Konfiguration die höchste Punktzahl von 99,9 %.
Aber diese Zahl muss auseinandergenommen werden. ARC Prize verwendet außerdem eine Reihe von Standardgurten, die alle Hersteller einheitlich vergleichen können. Hier liegt Astra nur bei 62,7 %.
Der größte Unterschied zwischen den beiden besteht nicht darin, dass das Thema geändert wurde. OpenAI hat zuvor herausgefunden, dass der Grund für die schlechte Bewertung von Sol nicht darin lag, dass das Modell dumm war, sondern darin, dass das System weiterhin seinen Speicher formatierte. Daher hat OpenAI den Kabelbaum von ARC-AGI-3 durch die Produktionskonfiguration seiner eigenen Antwort-API ersetzt und dann speziell zwei spezielle Einstellungen für ARC-AGI-3 vorbereitet, nämlich beibehaltene Argumentation und Komprimierung. Ersteres ermöglicht es dem Modell, sich zwischen den Aktionen an seine vorherigen Gedanken zu erinnern, während letzteres eine Zusammenfassung anstelle einer groben Kürzung verwendet.
Nach der Verbindung mit diesem Produktionssystem stieg Astra von 62,7 % auf 99,9 %. Bei von beiden Parteien erfolgreich abgeschlossenen Aufgaben lief der Provider-Adapter insgesamt etwa 3,66-mal schneller und der Token-Verbrauch wurde um 49 % reduziert.
In gewisser Weise ist es so, als würde man ein Plug-in öffnen.
In schwieriger Mathematik liegt FrontierMath Tier 4 bei 97,6 %. Epoch AI, wo FrontierMath seinen Sitz hat, sagte, OpenAI habe die Entwicklung des Benchmarks finanziert und habe exklusiven Zugriff auf einige seiner Fragen.
Zu den Ergebnissen, die Beachtung verdienen, gehören:
DeepSWE v1.1 74,1 %
BenchCAD 95,9 %
Terminal-Bench-Wissenschaftsaufgabe 64,6 %.
Aber dieses Mal hat sich OpenAI bei der Einführung von Astra offensichtlich nicht nur auf eine Reihe von Benchmarks verlassen.
Wenn Sie die offizielle Website öffnen, werden die Fälle fast nacheinander veröffentlicht.
KiCad, Excel, Blender, Power BI, Ausfüllen von Browser-Formularen, Website-QA; dann ein Haus suchen, einen Arzt finden, einen Termin beim DMV vereinbaren, Steuerformulare erstellen, PPT erstellen, Spiele entwickeln und wissenschaftliche Forschungsdaten analysieren.
In den letzten Generationen von GPT-Versionen teilte OpenAI den Benutzern hauptsächlich mit, was das Modell beantworten könnte; Bei Astra scheint sich der Fokus geändert zu haben und lautet: Wie viele Dinge bleiben Ihnen übrig, die direkt an die KI übergeben werden können?
OpenAI bezeichnete Astra sogar direkt als „das beste Computernutzungsmodell der Welt“.
Der Fortschritt des Modells bei der „Nutzung von Computern“ kann wichtiger sein als die Punktzahl. In Codex bringt Astra einen neuen Kontextmechanismus mit: Anstatt nur die Zusammenfassung zu komprimieren, wenn das Kontextfenster voll ist, können Sie Notizen fensterübergreifend aufbewahren und nach früheren Nachrichten und Tool-Ausgaben suchen.
Astra kann auch an dem Teil weiterarbeiten, der nicht von der Antwort abhängt, wenn eine bestimmte Frage ungelöst ist, um so zu vermeiden, dass eine einzelne ungelöste Frage die gesamte Aufgabe blockiert.
Selbstverständlich sind Leistungsfähigkeiten auch direkt im Preis verankert.
Der Standard-API-Preis von GPT-6 Astra beträgt: 10 USD pro Million Eingabe-Tokens, 1 USD für zwischengespeicherte Eingaben und 50 USD für die Ausgabe.
Im Vergleich zu GPT-5.6 Sols aktueller Eingabe von 4 US-Dollar, Cache von 0,4 US-Dollar und Ausgabe von 20 US-Dollar wurde der Preis für die gesamte Palette von Astra direkt auf das 2,5-fache erhöht. Auch die Positionierung von OpenAI dafür ist sehr klar: Wer nicht weiß, welches Flaggschiff-Modell er wählen soll, kann sich für Astra entscheiden; Wenn Ihnen die Kosten wichtiger sind, verwenden Sie weiterhin GPT-5.6 Terra oder Luna.
Es bietet immer noch 1,05 Millionen Token-Kontext und eine maximale Ausgabe von 128.000 Token. Aber langer Kontext bringt auch zusätzliche Kosten mit sich: Wenn eine einzelne Eingabe wie bei der GPT-5.6-Serie 272.000 Token überschreitet, werden die Eingabekosten der gesamten Anfrage mit dem Zweifachen und die Ausgabe mit dem 1,5-fachen berechnet.
OpenAI hat also tatsächlich eine teurere Smart-Stufe für Astra festgelegt.
Wenn Sie nur eine Frage stellen und ein paar Absätze des Textes ändern, lohnt es sich möglicherweise nicht, den 2,5-fachen Preis auszugeben.
Aber wenn das Modell tatsächlich vor dem Computer sitzen, Dutzende von Minuten oder sogar Stunden ununterbrochen arbeiten und die gesamte Aufgabe erledigen kann, für die früher die Software gewechselt, Informationen überprüft, Formulare ausgefüllt und Dateien geändert werden mussten, dann muss nicht mehr nur die Höhe des Geldes pro Million Token verglichen werden.
Ein paar technische Punkte, die es zu beachten gilt
Astra hat auch einige technische Punkte, die möglicherweise bemerkenswerter sind als der Benchmark selbst.
Das erste ist Reverse Engineering.
OpenAI zitierte SRE-Bench in dieser Veröffentlichung. Dabei handelt es sich um eine Reihe von Reverse-Engineering-Benchmarks, die dieses Jahr von Teams wie Columbia DAPLab gestartet wurden: Der Quellcode des Modells wird nicht angegeben, sondern nur das kompilierte Binärprogramm, um zu prüfen, ob es die Programmlogik neu verstehen und wichtige Verhaltensweisen finden kann.
Astra hat eine Erfolgsquote von 88,0 % bei einem Versuch und 99,2 % bei bis zu vier Versuchen.
Nach den gleichen Regeln beträgt GPT-5.6 Sol nur 55,9 % bzw. 68,7 %.
Menschlich gesehen beginnt die KI, wenn sie mit einem Programm konfrontiert wird, das kompiliert wurde und fast keinen für Menschen lesbaren Code enthält, in der Lage zu sein, es Stück für Stück aus den Maschinenanweisungen „zurückzuholen“.
Dies hat direkte Auswirkungen auf die Malware-Analyse, die Firmware-Forschung, das Schwachstellen-Mining und die digitale Forensik.
Die zweite Änderung besteht darin, dass Astra in extrem langen Missionen „nicht mehr leicht verlorene Gegenstände zu finden“ ist.
Im MRCR v2 Eight-Pin-Retrieval-Test erreichte die Genauigkeit von Astra 100 % bei Kontexten von 256 K bis 512 K; Bei 512.000 bis 1 Mio. Token lag die Genauigkeit immer noch bei 96,3 %. Allerdings hat GPT-5.6 Sol in diesen beiden Intervallen nur 91,5 % bzw. 73,8 %.
In der Vergangenheit gaben viele Modelle an, Millionen von Kontexten zu unterstützen, aber wenn eine wichtige Information außerhalb von Hunderttausenden von Token verborgen ist, hat das Modell sie in der zweiten Hälfte des Prozesses möglicherweise fast vergessen.
Astra begann, die Frage „Wie groß ist das Kontextfenster“ auf eine weitere, praktischere Frage zu verlagern: Wie lange kann sich ein Agent an das erinnern, was zuvor passiert ist?
Für einen Agenten, der mehrere Dutzend Minuten oder sogar Stunden ununterbrochen arbeiten muss, kann dies wichtiger sein, als Hunderttausende weitere Token-Fenster hinzuzufügen.
Darüber hinaus gibt es beim Astra noch eine weitere ungewöhnliche Änderung.
Es wird besser ausgerichtet, aber auch schwieriger zu überwachen.
In einer Reihe interner Tests zur Sicherheit der Computernutzung, die von OpenAI veröffentlicht wurden, sank die Verstoßrate von Astra von 22,0 % in Sol auf 2,4 %; In einem Test, bei dem speziell beobachtet wurde, ob das Modell Einschränkungen umgehen würde, um die Aufgabe zu erfüllen, lag der Wert von Astra bei 0 %. Auch der interne Halluzinationstest sank von 9,4 % bei Sol auf 2,0 % bei Astra.
Zumindest den eigenen Tests von OpenAI zufolge ist Astra deutlich weniger „chaotisch“. Aber OpenAI-Chefwissenschaftler Jakub Pachocki erinnerte auch: „Der Fortschritt der Intelligenz garantiert nicht den Fortschritt der Ausrichtung.“
Einer der Gründe ist, dass Astra immer weniger begann, seinen gesamten Denkprozess aufzuschreiben.
Eine sehr wichtige KI-Sicherheitsmethode bestand in der Vergangenheit darin, die Gedankenkette des Modells zu überwachen: Wenn das Modell seine Autorität überschreiten, ein bestimmtes System angreifen oder heimlich seine Ziele ändern würde, konnte man in seinen Überlegungen im Voraus Hinweise erkennen.
Aber OpenAI stellte fest, dass Astra eine größere Kontrolle über seine schriftliche Begründung hatte. Einige Probleme, die in der Vergangenheit durch das Schreiben vieler Schritte gelöst werden mussten, können jetzt mit weniger expliziten Überlegungen gelöst werden; Wenn das Modell weiß, dass sein Denkprozess überwacht wird, werden diese Inhalte erheblich geändert oder verkürzt.
Daher kann sich OpenAI nicht mehr nur auf die Denkkette konzentrieren.
Um Astra im Auge zu behalten und zu verhindern, dass es dieselben Angriffe wie zuvor auf Sol ausführt, installierte OpenAI eine „Fehlausrichtungsüberwachung“ in der Produktionsumgebung. Es beobachtet gleichzeitig die Argumentation des Modells, tatsächliche Aktionen, Werkzeugaufrufe und den gesamten Aufgabenverlauf.
Wenn das System feststellt, dass das Modell möglicherweise ernsthaft von der ursprünglichen Absicht des Benutzers abweicht, kann es die Aufgabe anhalten oder sogar direkt beenden.
In der API kann die abgefangene Aufgabe direkt beendet werden; In ChatGPT oder Codex wird der Benutzer in einigen Fällen zunächst um eine erneute Bestätigung gebeten:
„Ist das wirklich das, was ich tun soll?“
Auf Produktebene lautet der API-Modellname von Astra direkt gpt-6-astra und gelangt auch in Amazon Bedrock.
OpenAI hat auch den Schnellmodus eingeführt: Der Preis wird verdoppelt und die maximale Ausführungsgeschwindigkeit beträgt etwa das 2,5-fache.
Für gelegentliches Chatten ist dies möglicherweise nicht attraktiv. Wenn ein Agent jedoch ursprünglich 40 Minuten lang im Browser und in der Software ausgeführt werden muss und die Zeit auf zehn oder zwanzig Minuten reduziert wird, wird die Geschwindigkeit selbst zu einem Teil der Leistungsfähigkeit des Produkts.
Auf der Abonnementseite wird Astra in das bestehende Abonnementkontingent einbezogen; Pro, Business und Enterprise erhalten außerdem den leistungsstärkeren Astra Pro. Enterprise wird standardmäßig nicht direkt aktiviert und muss vom Administrator manuell aktiviert werden.
Allerdings kann es noch nicht geöffnet werden...
Komplexe Geschichte, begrenzte Öffnungszeit
Astra ist möglicherweise die bisher „historischste“ Modellveröffentlichung von OpenAI.
Viele Modelle kommen zuerst auf den Markt und offenbaren dann langsam Probleme, aber Astra macht das Gegenteil – natürlich sind einige Marketingmethoden nicht ausgeschlossen. Doch bevor es offiziell eingeführt wurde, hatte OpenAI fast einen Monat damit verbracht, ständig zu erklären, warum es sorgfältiger trainiert, getestet und geöffnet werden musste.
Am 7. August gab OpenAI zum ersten Mal öffentlich bekannt, dass das Unternehmen aufgrund der jüngsten internen Bewertung nicht ausschließen kann, dass Astra den „kritischen“ Cybersicherheitsschwellenwert gemäß dem Preparedness Framework erreicht hat.
Am 1. September wurde diese „Möglichkeit“ zu einem formellen Abschluss: Astra wurde das erste Modell von OpenAI, das hinsichtlich der Netzwerksicherheitsfunktionen als kritisch eingestuft wurde.
Nach den OpenAI-eigenen Standards bedeutet dies, dass Astra mit den richtigen Tools und Zugriffsrechten in der Lage war, bisher unbekannte Schwachstellen unabhängig zu entdecken und verfügbare Exploits in vielen gehärteten realen Systemen zu entwickeln, ohne dass eine schrittweise menschliche Anleitung erforderlich war; Oder es kann eine Reihe von End-to-End-Angriffsstrategien gegen hartgesottene Ziele entwerfen und ausführen, indem es ihm einfach ein hochstufiges Ziel gibt.
Dies ist nicht mehr nur eine Ebene der „Fähigkeit, Angriffscode zu schreiben“. Bei ExploitBench erzielte Astra direkt 100 %.
Um zu verhindern, dass sich das Modell nur öffentliche Schwachstellen merkt, hat OpenAI eine weitere Reihe interner Tests vorbereitet und 20 V8-Schwachstellen mit hohem Risiko eingebaut, die nur von Juni bis August 2026 offengelegt wurden. Astra verwendet nicht nur weniger Ausgabetoken als GPT-5.6 Sol, sondern erreicht auch eine deutlich höhere Erfolgsquote bei der Ausführung willkürlichen Codes.
Während des Tests wurden sogar zwei bisher unbekannte Zero-Days entdeckt, ausgenutzt und zu einer Exploit-Kette verknüpft. OpenAI gab an, diese beiden Schwachstellen derzeit den Betreuern offenzulegen.
Expertentests kommen realen Angriffen näher. Angesichts eines gehärteten Browsers kann Astra die Sandbox vollständig verlassen, nachdem er unbekannte Schwachstellen gefunden und Befehle auf dem Host-Computer ausgeführt hat. Auf dem gehärteten Betriebssystem reiht es mehrere Schwachstellen in einer lokalen Rechte-Eskalationskette zusammen, um Root-Rechte von normalen Benutzern zu erhalten.
Während dieses Prozesses entdeckte OpenAI zum ersten Mal, dass die gefährlichen Fähigkeiten des Modells begonnen hatten, sich darauf auszuwirken, wie das Modell selbst trainiert werden sollte.
Am 18. August gab OpenAI öffentlich zu, dass das Unternehmen die Ausweitung des Trainingsumfangs vorübergehend ausgesetzt hatte, einschließlich der Aussetzung des neuesten Modell-Reinforcement-Learning-Trainings, dessen Einführung für zwei Wochen geplant war.
Gleichzeitig sind zahlreiche Schulungs- und Evaluierungsaufgaben mit Astra weiterhin ausgesetzt, da sie noch nicht in die neue sichere Umgebung migriert wurden.
In der Vergangenheit haben wir bei der Diskussion über KI-Sicherheit meist gefragt, ob das Modell nach dem Training sicher an Benutzer übergeben werden kann; Aber hier bei Astra ist das Problem bereits in die Ausbildungsphase vorgedrungen.
OpenAI hat daher die gesamte Forschungsumgebung neu gehärtet. Die Aufgabe, Modellgenerierungscode auszuführen, erfordert ein strengeres Sandboxing; Hochriskante Arbeitslasten erfordern eine stärkere Netzwerkisolierung. Astra Checkpoint fügt Verschlüsselung und Zugangskontrolle hinzu; Alle Astra-Inferenzen mit Tools unterliegen einer zusätzlichen Überwachung.
Diese Überwachung selbst ist nicht einmal billig. OpenAI schätzt, dass der durch das Überwachungssystem allein verursachte Rechenaufwand etwa 20 % der überwachten Inferenz-Rechenleistung entspricht.
Mit anderen Worten, die Kosten für Astra bestehen nicht nur darin, „ein größeres Modell zu trainieren“, sondern OpenAI verbraucht auch eine beträchtliche Menge zusätzlicher Rechenleistung, um im Auge zu behalten, was das Modell tut.
Dies erklärt auch, warum nach der offiziellen Veröffentlichung von Astra die fortschrittlichsten Netzwerksicherheitsfunktionen nicht direkt für alle freigegeben wurden.
OpenAI machte deutlich, dass die Standard-Produktionsversion von Astra immer noch Grenzen für Netzwerkangriffsanfragen mit hohem Risiko setzt; Erweiterte Netzwerksicherheits-Workflows stehen zunächst einer kleinen Gruppe von Alpha-Testern zur Verfügung und werden dann schrittweise über Daybreak Blue auf geprüfte defensive Benutzer ausgeweitet.
Obwohl normale Benutzer in den nächsten Tagen auch Astra erhalten, bedeutet dies nicht, dass jeder genau die gleichen Funktionen erhält.
Solche Einschränkungen können sogar zu unbeabsichtigten Verletzungen führen. OpenAI warnt im Voraus, dass zusätzliche Sicherheitsüberprüfungen normale Aufgaben verlangsamen, unterbrechen oder sogar stoppen können. Auch einige langfristige Agentenaufgaben, die scheinbar nichts mit der Netzwerksicherheit zu tun haben, können falsch gekennzeichnet sein.
Wenn Aufgaben in ChatGPT oder Codex durch die Überwachung der Fehlausrichtung angehalten werden, muss der Benutzer möglicherweise zurückkommen, um den Vorgang zu bestätigen, bevor er fortfahren kann. Aufgaben in der API können direkt beendet werden.
Dieser Teil der Änderung wurde leicht von der „AGI“ nach der Veröffentlichung von Astra in den Schatten gestellt.
Je leistungsfähiger das Modell ist, desto mehr Fähigkeiten kann eine Person direkt erhalten. Es hängt mehr und mehr davon ab, wie viel Autorität die Plattform Ihnen zu geben bereit ist.
Dann, nach einer solchen Reihe von „Kritischen, Aussetzung des Trainings, Isolation, Überwachung und abgestufter Eröffnung“, sagte Greg Brockman bei der Medienbesprechung zur Veröffentlichung von Astra: „Willkommen in der AGI-Ära.“
Er sagte sogar, wenn er persönlich urteilte, dachte er: „Wir haben es geschafft.“
Aber auf die Frage: „Hat OpenAI die Implementierung von AGI offiziell angekündigt?“ Brockman gab zu, dass AGI zu einer „grauen, unscharfen Sache“ geworden sei, eher wie ein „Missionskonzept“ oder „spirituelles Konzept“ als ein technischer Standard, der genau gezeichnet werden könne.
Zuvor zögerte Altman im „Sources Podcast“, die Frage „Wann werden wir AGI implementieren“ ernsthaft zu diskutieren? Er hielt den Begriff AGI für „bestenfalls ein sehr vages Konzept“ und nannte ihn fast einen „unbedeutenden Marketingbegriff“.
Der Grund liegt nicht darin, dass OpenAI weiter von AGI entfernt ist. Im Gegenteil, das liegt daran, dass AGI nach Altmans Einschätzung möglicherweise nicht mehr so wichtig ist.
Was ihn wirklich beunruhigte, war das nächste Wort: Superintelligenz.
Altman sagte, dass er vor einem Jahr nicht glaubte, dass sich OpenAI auf einem kurzfristigen Weg zur Superintelligenz befinde. Jetzt glaubt er, dass es „passieren könnte“.
Aber ich möchte mich trotzdem beschweren: Ist ASI nicht ein „unbedeutender Marketingbegriff“?
Kommentare