---
type: "BlogPosting"
title: "GPT-6 Astra ist da: gleicher Preis wie Fable 5.1 — und die Harness-Zahl, die den Wechselentscheid entscheidet"
description: "GPT-6 Astra kostet API-seitig exakt wie Fable 5.1. Doch 62,7 % vs. 99,9 % auf ARC-AGI-3 zeigen: Die Schlagzeilen-Zahl gehört dem Harness. Mit Lesestrategie und Entscheidungsmatrix für Agent-Builder."
resource: "https://www.contextstudios.ai/de/blog/gpt-6-astra-ist-da-gleicher-preis-wie-fable-5-1-und-die-harness-zahl"
language: "de"
tags: ["OpenAI", "KI-Agenten", "LLM-Kosten", "Benchmarks", "Coding Agents", "Context Engineering"]
generated:
  by: "process:contextstudios-md/1"
  at: "2026-10-23T14:07:36.341Z"
status: "stable"
---

# GPT-6 Astra ist da: gleicher Preis wie Fable 5.1 — und die Harness-Zahl, die den Wechselentscheid entscheidet

Published: 2026-09-08
Tags: OpenAI, KI-Agenten, LLM-Kosten, Benchmarks, Coding Agents, Context Engineering

![GPT-6 Astra ist da: gleicher Preis wie Fable 5.1 — und die Harness-Zahl, die den Wechselentscheid entscheidet](https://wary-platypus-754.convex.cloud/api/storage/8b9049fa-915e-4ffa-ab5b-f07c88a37752)

> **TL;DR:** Am Preis scheitert der Wechsel nicht — GPT-6 Astra kostet API-seitig exakt wie Fable 5.1. Spannend wird es woanders: OpenAI meldet 99,9 % auf ARC-AGI-3, die ARC-Prize-Stiftung misst unter provider-neutralem Harness nur 62,7 %. Beide Zahlen sind korrekt. Was sie trennt, ist der Harness — und genau der ist bei Agenten dein eigener Code. Die Wechselentscheidung ist damit keine Modell-Ranglisten-Frage, sondern eine Frage deiner Workloads und deines Cost-per-Task. Unten: eine dreistufige Lesestrategie für Launch-Zahlen und eine Entscheidungsmatrix.

## Das Warten ist vorbei: was seit dem 3. September passiert ist

Am 3. September 2026 hat OpenAI [GPT-6 Astra vorgestellt](https://openai.com/index/gpt-6-astra/) — erst als Preview für ausgewählte Organisationen, seitdem ausgerollt auf alle ChatGPT-Plus-, Pro-, Business- und Enterprise-Pläne sowie über die OpenAI-API, Azure und AWS Bedrock. In Chat für Pro-, Business- und Enterprise-Nutzer ist GPT-6 Pro bereits der neue Default.

Für Builder entscheidet zuerst der API-Preispunkt: **$10 pro Million Input-Tokens, $50 pro Million Output-Tokens** im Kurz-Kontext — [laut offizieller Preistabelle](https://platform.openai.com/docs/pricing) damit exakt Fable-5.1-Parität. Long-Context-Kosten liegen bei $20/$75, Cached Input bei $1, Batch-Hälfte inklusive. OpenAI positioniert Astra damit sichtbar als Fable-Konkurrent: gleiches Preisschild, andere Stärken.

## Selbst gemeldet vs. unabhängig gemessen: zwei Welten, ein Modell

OpenAIs Launch-Post ist zahlenreich: **ExploitBench 100 %** (ohne Produktions-Guardrails, zum Vergleich: GPT-5.6 Sol 78,5 %), **FrontierMath Tier 4 gesättigt bei 98 %**, ARC-AGI-3 bei **99,9 %** „saturated“, Long-Context bei 256–512K angeblich ebenfalls gelöst. Dazu ein neuer Scope-Drift-Test, der direkt auf den Hugging-Face-Zwischenfall referenziert: Sol ging ohne Guardrails in 48 % der Fälle über den autorisierten Rahmen hinaus — Astra in 0 %.

Die nüchterne Dritt-Perspektive liefert Artificial Analysis: **Intelligenz-Index 61**, also ein Unentschieden gegen Sol und **fünf Punkte unter Fable 5.1**. Wer Astra gegen Fable 5.1 abwägen will, muss diese Zahl ernst nehmen — sie ist derzeit das neutralste aggregierte Urteil, und es sagt: kein klarer Intelligenz-Vorsprung, aber führende Kosten-Effizienz auf der Coding-Agent-Frontier (unter dem Fable-Preis bei vergleichbarer Punktzahl).

## Die Harness-Falle: warum 62,7 % und 99,9 % beide stimmen

Der aufschlussreichste Teil des Launches kam nicht von OpenAI, sondern von der [ARC-Prize-Stiftung selbst](https://arcprize.org/blog/astra). Sie hat Astra auf [ARC-AGI-3](https://arcprize.org/leaderboard) unter zwei Bedingungen gemessen:

- **Standard-Harness** (minimal, provider-neutral, alle Modelle am gleichen Interface): **62,7 % für 26.098 $**
- **Provider-Adapter-Harness** (Astra darf die Context-Features nutzen, die OpenAI für es gebaut hat — retained reasoning, Compaction, Notizen über Kontextfenster hinweg): **99,9 % für 18.817 $**

| Reasoning-Effort | Standard-Harness | Provider-Adapter |
|---|---|---|
| max | 62,7 % · $26.098 | 98,6 % · $17.332 |
| high | 54,8 % · $40.705 | 99,9 % · $18.817 |
| medium | 38,6 % · $48.090 | 98,4 % · $19.285 |
| low | 17,5 % · $38.166 | 98,0 % · $21.298 |

Ein Modell, eine Benchmark, zwei Realitäten: **37 Punkte Unterschied gehören dem Harness, nicht dem Modell.** Die 99,9-%-Schlagzeile ist nur wahr, wenn Astra mit OpenAIs eigenem Kontext-Management laufen darf — genau dem Feature, das OpenAI parallel als „Notizen über Kontextfenster hinweg“ im [Codex-Update](https://learn.chatgpt.com/docs/config-file/config-reference) ankündigt.

Bemerkenswert sind zwei weitere ARC-Befunde: Astra braucht auf **96 % der Levels weniger Aktionen als der Median-Testmensch** (im Schnitt 51,7 % weniger) — Action-Effizienz war lange die letzte geteilte Linie zwischen Mensch und KI. Und die Replays zeigen, dass Astra sich on-the-fly eine **eigene algebraische Kurzschrift** für Spielzustände baut: Objekte, Koordinaten, Regeln, geplante Aktionsfolgen als kompakte Symbole.

## Wie die Builder-Szene reagiert: Split nach Workload, nicht nach Hype

Die ersten Deep-Dives aus der Praxis splitten weniger nach „besser/schlechter“ als nach Einsatzprofil:

- **bindureddy** nach intensiven Runs: stark, aber *leicht unter* Fable 5.1 — günstiger und schneller, schwächer in **langen Agent-Loops**, stärker bei **Browser-Use und 3D**
- **AI Code King** geht weiter („kein gutes Coding-Modell mehr“) — erwähnt dabei selbst das ARC-Caveat, dass die 99,9-%-Zahl Adapter-Lauf ist
- **swyx / Latent Space** haben für portierbare Real-World-Arbeit **über 20 Milliarden Tokens** verbraucht und berichten Full-Stack-Agent-Läufe **unter $6 pro Stunde**

Interessant: Diese Meinungen widersprechen sich weniger, als es scheint. Sie sind Messungen an verschiedenen Workloads. Genau deshalb ist die Frage „Astra oder Fable?“ die falsche — richtig ist: „Welcher Loop läuft bei mir, und welcher Harness trägt ihn?“

## Die Entscheidungsregel: Wechseln ist eine Harness- und Cost-per-Task-Frage

Weil Preisparität gilt, bleibt nur die Arbeitsverteilung. Als Faustregel nach Stand der unabhängigen Evals:

| Dein Workload | Empfehlung |
|---|---|
| Computer-/Browser-Use, Forms, CRM-Pflege, Research-Drafts | Astra testen — OpenAI führt hier mit 72,6 % auf OSWorld 2.0 bei ~47 % weniger Zeit pro Task |
| Kurze bis mittlere Coding-Tasks, Cost-per-Task optimiert | Astra testen — Frontier bei Effizienz, Batch $5/$25 |
| Lange autonome Agent-Loops, 200k+ Kontext-Sessions | Fable 5.1 bleibt gesetzt — hier meldet die Praxis Schwäche, und ARC zeigt: ohne Provider-Adapter bricht die Zahl ein |
| Security-Review, Patch-Validierung | Astra (Defender-Modus), aber Guardrails beachten — PoC-Entwicklung wird abgelehnt |

Und so liest du Launch-Zahlen künftig in drei Schritten — als Kopie-Vorlage:

1. **Selbst gemeldet?** (OpenAI-Blog, X-Post, Keynote) → als möglich, nicht als belegt behandeln
2. **Unabhängig gemessen?** (ARC-Stiftung, Artificial Analysis) → prüfen, *unter welchem Harness* die Zahl gilt
3. **Eigener Cost-per-Task-Check:** 10 repräsentative Tasks deiner Domäne auf beiden Modellen laufen lassen und Usage loggen

```bash
# Kosten-Log pro Task statt Benchmark-Glauben (OpenAI-API-Response auswerten)
curl -s https://api.openai.com/v1/chat/completions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","messages":[{"role":"user","content":"<task>"}],"store":false}' \
  | jq '{in:.usage.prompt_tokens, out:.usage.completion_tokens,
         cost_usd:((.usage.prompt_tokens*10 + .usage.completion_tokens*50)/1000000)}'
```

$10/$50 pro Mtok sind ein Preisschild — dein Cost-per-Task ist die Wahrheit. Die ARC-Tabelle zeigt es in drastischer Form: **max-Reasoning war im Standard-Harness billiger als low-Reasoning** (26.098 $ vs. 38.166 $), weil das Modell mit mehr Denkdruck schlicht weniger Aktionen brauchte.

## FAQ

**Soll ich jetzt von Fable 5.1 auf Astra wechseln?**
Nicht reflexartig — der Preis ist identisch, also entscheidet ausschließlich dein Workload-Profil. Wenn deine Agenten lange autonome Loops mit großen Kontextmengen fahren, sprechen sowohl die Community-Runs als auch die ARC-Standard-Harness-Zahl dagegen, jetzt zu migrieren. Wenn du viel Browser-/Computer-Use und kürzere, klar umrissene Tasks automatisierst, ist ein Testlauf mit deinen zehn wichtigsten Tasks sinnvoll — mit geloggtem Cost-per-Task, nicht mit Benchmark-Screenshots.

**Warum sagen alle etwas anderes über Astra?**
Weil sie verschiedene Dinge gemessen haben: verschiedene Harnesses, verschiedene Reasoning-Level, verschiedene Workloads. Die Spannweite von „bestes Coding-Modell“ bis „kein gutes Coding-Modell“ entsteht, wenn Leute eine Zahl (z. B. 99,9 % ARC) ohne ihren Entstehungskontext generalisieren. Der Ausweg ist die dreistufige Lesestrategie oben: Quelle der Zahl prüfen, Harness prüfen, dann selbst messen.

**Was heißt „Harness“ für meinen Alltag als Entwickler?**
Der Harness ist alles, was um das Modell herum passiert: wie Kontext gefenstert, verdichtet oder fortgeschrieben wird, welche Tools es gibt, wie Fehler behandelt werden. ARC-Prize zeigt mit 62,7 % vs. 99,9 %, dass diese Hülle bis zu 37 Punkte Benchmark-Leistung ausmacht. Praktisch heißt das: Wenn du ein Modell wechselst, wechselst du auch still den Harness — deine Prompt-Pipeline, Compaction-Strategie und Tool-Interfaces müssen mit, sonst misst du am Ende doch wieder die Hülle.

**Ist Astra sicher genug für autonome Agenten?**
OpenAI vermarktet Astra als bisher am besten aligniertes Modell: 0 % Scope-Drift gegen 48 % bei Sol im neuen, aus dem Hugging-Face-Zwischenfall abgeleiteten Eval, plus Critical-Threshold-Einordnung im Cyberbereich mit entsprechenden Guardrails. Die Launch-Historik lehrt allerdings Demut: Benchmarks ohne Produktions-Guardrails sind Laborwerte. Für autonome Deployments bleiben die alten Regeln gültig — Sandboxing, Least Privilege, Audit-Logging, Kill-Switch — unabhängig davon, welche Null im Blogpost steht.

**Was kostet Astra wirklich im Betrieb?**
$10/$50 pro Million Tokens im Kurz-Kontext, $20/$75 im Long-Kontext, Cached Input $1, Batch-Hälfte $5/$25 — dazu 10 % Aufschlag für Regional-Data-Residency bei Release-Klassen ab März 2026. Der Haken liegt im Detail: Agenten verbrennen vor allem Output-Tokens, und die ARC-Runs zeigen Kosten über die gesamte Task-Lebensdauer. Der einzige belastbare Wert ist dein eigener Cost-per-Task-Log.

**Gilt die Preisparität auch für Teams mit EU-Datenanforderungen?**
Die API-Preise sind weltweit identisch, aber Data-Residency-Endpoints kosten 10 % Aufschlag, und AWS-Bedrock-Preise können von OpenAIs Direktliste abweichen. Wer im DACH-Raum auf EU-Verarbeitung besteht, rechnet also mit $11/$55 statt $10/$50 — und sollte prüfen, ob Azure/AWS-Verträge die Latenz- und Compliance-Vorteile bringen, die den Aufpreis rechtfertigen.

## Sources

- [OpenAI — GPT-6 Astra: A new generation of intelligence](https://openai.com/index/gpt-6-astra/)
- [ARC Prize Foundation — OpenAI's GPT-6 Astra on ARC-AGI-3](https://arcprize.org/blog/astra)
- [ARC Prize — Full Astra results page](https://arcprize.org/results/openai-gpt-6-astra) und [Leaderboard](https://arcprize.org/leaderboard)
- [OpenAI API Pricing (platform.openai.com)](https://platform.openai.com/docs/pricing)
- [OpenAI — Path to Astra (Safety & Preparedness)](https://openai.com/index/path-to-astra/)
- [Astra System Card](https://deploymentsafety.openai.com/gpt-6-astra)
- [OpenAI — Updating our Preparedness Framework](https://openai.com/index/updating-our-preparedness-framework/)
- [OpenAI — The Defender's Window](https://openai.com/index/the-defenders-window/)
- [Codex config.toml Reference](https://learn.chatgpt.com/docs/config-file/config-reference)


## Related

- [KI-Agent-Entwicklung](https://www.contextstudios.ai/de/ki-agent-entwicklung.md)
- [LLM-Entwicklung](https://www.contextstudios.ai/de/llm-entwicklung.md)
- [Multi-Agent-Systeme](https://www.contextstudios.ai/de/multi-agent-systeme.md)
- [LLM-Integration](https://www.contextstudios.ai/de/llm-integration.md)