GPT-6 Astra vs. GPT-5.6: Lohnt sich das Upgrade? Coding, Agent, Computer Use, Tokenkosten

Die Modellgeneration ist nicht die Wasserscheide. Aufgabenform und die Chance, einmal fertig zu werden, sind es.

0. Zuerst die Schlussfolgerung

Stand 2026-09-10 positioniert die Launch-Notiz von OpenAI GPT-6 Astra (API: gpt-6-astra) als neues Flaggschiff für Intelligenz und Alignment und vergleicht es ausdrücklich mit GPT-5.6 Sol. Beide bieten rund 1.05M Kontext und maximal 128k Output. Die Lücke liegt nicht im Fenster. Sie liegt darin, ob eine lange Kette auf der Schiene bleibt, ob Desktop-Steuerung in Timeout läuft und ob Retries die Rechnung durchschlagen.

Ein Satz für alle, die heute entscheiden müssen: Ist Ihr Hauptpfad ein Terminal-Agent, ein werkzeugübergreifendes Refactoring oder Browser-/Desktop-Computer-Use, gehört Astra in die erste A/B-Charge; ist Ihr Hauptpfad tägliche Completion in Cursor, Klassifikation oder High-QPS-Routing, bleibt GPT-5.6 der bessere Kauf. Das ist keine Abstimmung darüber, wer klüger ist. Es ist die Frage, wer Sie seltener zweimal zahlen lässt.

Im Juli haben wir geschrieben, welche GPT-5.6-Stufe Sie gegen Claude und Gemini einsetzen. Jener Text war die 5.6-Familie plus herstellerübergreifendes Routing. Dieser beantwortet eine neuere Frage: Astra ist da — soll 5.6 der Default bleiben?

1. Warum die Upgrade-Frage vom Stückpreis gekapert wird

Das alte Playbook scheitert auf langweilige Weise. Ein Team sieht Astra, stellt Cursor, Codex und den selbst gebauten Agenten von gpt-5.6 (Alias auf Sol) auf gpt-6-astra um und budgetiert mit „Input-Preis × geschätzte Token“. Drei Ergebnisse tauchen auf:

• Kurzer Chat, JSON-Extrakt, Ticket-Klassifikation: Der Token-Verbrauch bewegt sich kaum, die Rechnung ist ×2.5, die Qualität fühlt sich flach an.
• Lange Refactors, Datenbankmigrationen, Abhängigkeiten installieren und dann im Terminal testen: Astra irrt weniger und retried weniger. Die Wanduhr fällt. Die Kosten pro fertigem Job können mithalten oder gewinnen.
• Computer-Use-Formulare, CRM, Frontend-QA: Sol verbrennt oft über eine Stunde und braucht trotzdem einen Menschen. Offizielle Latenzsimulationen setzen Astra grob auf die Hälfte der Zeit — wenn die Desktop-Sitzung nicht stirbt, sobald ein Laptopdeckel zugeht.

Deshalb ist „lohnt sich das Upgrade?“ als Suche nach „ist Astra teuer?“ die falsche Frage. Das 2.5×-Schild ist sauber: offizieller Standard steht bei $10 / $50 pro Million Input/Output; Sol bei $4 / $20. Was Sie von einem Poster nicht raten können, ist, ob beide Modelle auf demselben Job dieselbe Menge Output-Token schreiben und ob ein Fehlschlag die Schleife noch einmal kauft.

Artificial Analysis spaltet das in zwei Kurven. Auf dem Coding Agent Index verbraucht Astra bei max effort etwa ein Drittel der Sol-Token, sodass die Kosten pro Aufgabe Sol treffen können und trotzdem zwei Punkte höher liegen. Auf dem Intelligence Index fallen die Token nur um etwa 10%, das 2.5×-Schild gewinnt, und Astra ist rund 75% teurer. Ein unabhängiger Index ist nicht Ihr Repo. Er erklärt aber, warum „alles upgraden“ und „nichts upgraden“ beide dumm sind.

Eine dritte Kostenart steht nie auf der Preisliste: MCP-Timeouts, Deckelschlaf, Keychain-Dialoge, getötetes xcodebuild. Jedes davon lässt das Modell dasselbe Denken noch einmal schreiben. Wie Werkzeuge und Schemas stabil bleiben, steht in dem KI-Agent-Stack 2026. Ob der Host den Laptop verlassen sollte, steht in MCP auf Cloud Mac vs. VPS vs. lokal — genau die Entscheidung, die Teams treffen, wenn sie dauerhaft Mac mini mieten statt nachts den Deckel zuzuklappen.

2. Zuerst klassifizieren: „GPT-6“ und „GPT-5.6“ sind keine zwei Knöpfe

2.1 Spur A: GPT-6 Astra Standard

Flaggschiff-Reasoning plus Tool-Schleifen plus Computer Use. OpenAI betont Terminal-Engineering, Browsing, professionelle Artefakte und Desktop-Arbeit in wissenschaftlicher Software. ChatGPT Plus / Pro / Business / Enterprise rollen über Tage aus; API, Azure und Bedrock kommen parallel. Enterprise-Workspaces sind standardmäßig aus, bis ein Admin sie einschaltet. Nutzen Sie es für harte, lange, bildschirmberührende Arbeit — nicht als seitenweiten Completions-Default.

2.2 Spur B: GPT-5.6 Sol (Alias gpt-5.6)

Der Produktionsdefault der meisten Teams seit Juli 2026. Dasselbe Fenster wie Astra, etwa 60% günstiger pro Token. Tägliches Agent-Coding funktioniert weiter. Offizielles Terminal-Bench 4.0 hängt jetzt deutlich hinterher; DeepSWE- und BrowseComp-artige „Repo lesen / abrufen“-Lücken sind klein. Stabile Pipelines sollten regressen, bevor sie ersetzen.

2.3 Spur C: GPT-5.6 Terra / Luna

Terra deckt mittleres Pair-Programming ab. Luna deckt hochvolumige Entwürfe und Klassifikation ab. Astra setzt sie nicht außer Dienst. Luna-Traffic auf Astra zu routen ist der häufigste Weg, Geld anzuzünden.

2.4 Spur D: Astra Fast

Offiziell: bis etwa 2× Tempo bei 2× Standard (rund $20 / $100 im Kurzkontext-Band). Nur wenn ein Mensch wartet. Batch / Flex liegt bei etwa dem halben Preis, für Offline-Evals.

2.5 Spur E: der versteckte Host

Computer Use auf der Responses API braucht eine lebende Desktop-Sitzung — siehe den offiziellen Computer-Use-Leitfaden. Das Modell verkauft Urteil. Klicks, Browser und Tests laufen auf einer Maschine. Deckel zu = tote Sitzung = Token noch einmal kaufen. Wie Langzeit-Gedächtnis geschichtet werden sollte, steht in der Architektur für AI-Agent-Memory. Ein Cloud Mac, auf dem Sie Mac mini mieten statt den Laptop zuzuklappen, hält genau diese Sitzung wach.

3. Vergleich unter einem Fünf-Spalten-Kopf

Legen Sie „Modell tauschen“ und „Host tauschen“ in dieselbe Tabelle, damit Sie keine IQ-Poster vergleichen.

Zitieren Sie das: Ein neueres Flaggschiff repariert nicht „Deckel zu kauft dieselbe Computer-Use-Runde noch einmal“; ein billigeres Sol repariert nicht „Terminal-Erfolg liegt zwanzig Punkte schlechter“. Der Stückpreis ist eine Strichmarke auf der Spur.

3.1 Offizielle und unabhängige Boards: Coding / Agent / Computer Use

Zahlen aus der OpenAI-Notiz vom September 2026 und von Artificial Analysis. Baseline, nicht Ihre Abnahme. Wir erfinden keine Laborrechnungen. Fahren Sie dieselbe Aufgabe, dasselbe Harness, denselben Effort.

3.2 Token-Kosten im Feldtest: nachvollziehbare Arithmetik, keine erfundenen Rechnungen

„Feldtest“ heißt hier zwei Dinge: (1) offizielle Preise auf derselben Aufgabenform; (2) die von AA veröffentlichte Token-Effizienz als Stresstest, nicht als Ihre Rechnung. Steuer, Cache-Treffer und Fast ändern die Dollar. Die Verhältnisse sind stabiler.

OpenAI selbst schreibt, die geschätzten API-Kosten pro Terminal-Bench-4.0-Aufgabe seien auf Astra etwa 9% niedriger als auf Sol — trotz des 2.5×-Schilds. Das gilt nur, wenn Sie weniger scheitern und weniger Fülltext schreiben. Abnahme sollte Dollar pro erfolgreichem Job + Wanduhr + menschliche Übernahmen sein, nicht der Posterpreis pro Million Token.

4. So wählen Sie

5. Empfohlene Stacks

Stack A — noch nicht upgraden (die meisten Teams)
  Default gpt-5.6 (Sol) oder Terra
  → Luna / günstigeres Modell für Klassifikation
  → Token an einer Produktionsaufgabe messen, nicht an „Hallo“

Stack B — gezieltes Upgrade (empfohlen)
  Routing: harter Terminal / Computer Use / lange Cross-Tool-Jobs → gpt-6-astra
  → Tägliche PRs, Completions, kurze Funktionen → Sol behalten
  → Cache-Reads an; Batch-Evals nicht auf Standard
  → Fast nur, wenn ein Mensch wartet

Stack C — Codex / Claude Dual-Brain
  Astra auf hartem Terminal und Desktop
  → Claude Code bleibt für lange Refactor-Sitzungen (Skills nicht migriert)
  → Worktrees isolieren

Stack D — Apple-Auslieferung
  Das Modell inferiert nur
  → MCP / xcodebuild / Signing auf Cloud Mac
  → Deckel-zu-Retries treffen die Token-Kosten direkt

6. Fallstricke

• Fallstrick 1: Vom 2.5×-Schild „lohnt sich nicht“ erklären. Offizielle Kosten pro Aufgabe können auf harten Agenten niedriger liegen. Messen Sie Erfolg und Token-Effizienz.
• Fallstrick 2: Alles umlegen, weil Terminal-Bench rund 20 Punkte sprang. DeepSWE liegt bei 1,4 Punkten. Tägliche Patches sind eine Intelligenzsteuer.
• Fallstrick 3: ChatGPT-Zugang als kostenloses API-Upgrade behandeln. Abos haben Kontingente; die API rechnet pro Million Token; Fast verdoppelt noch einmal.
• Fallstrick 4: Annehmen, Enterprise-Workspaces schalten Astra ein. Offizieller Default ist aus.
• Fallstrick 5: Computer Use auf einem Laptop mit zuklappendem Deckel oder geteiltem VDI. Eine tote Sitzung kauft den teuersten Output noch einmal — genau deshalb Mac mini mieten und die Sitzung auf einem Cloud Mac lassen.
• Fallstrick 6: Den Monat von „Hallo“ oder einer 20-Zeilen-Funktion schätzen. Nutzen Sie den Produktionsprompt und die echte Tool-Liste. Loggen Sie Input / Output / Cache-Treffer.
• Fallstrick 7: Alignment als Grünes Licht für offensive Sicherheit lesen. Das ausgelieferte Modell lehnt fortgeschrittene Exploit-Anfragen ab. Defensive Reviews sind im Rahmen; die autorisierte Grenze zu überschreiten ist es nicht.

7. Sieben Schritte

1. Wählen Sie drei echte Produktionsaufgaben: einen täglichen Patch, einen harten Terminal-/Migrationsjob, einen Computer-Use-Job falls vorhanden. Keine Spielzeuge.
2. Dasselbe Harness, derselbe Effort: gpt-5.6-sol und gpt-6-astra je einmal fahren. Pass/Fail, Wanduhr, Input, Output, Cache, menschliche Übernahmen loggen.
3. Bepreisen Sie Dollar pro erfolgreichem Job zu offiziellen Sätzen. Fehlgeschlagene Jobs zählen als „bereits ausgegeben + noch einmal fahren“.
4. Nur wenn Astra bei Dollar pro Erfolg gewinnt oder Wanduhr/Übernahmen klar senkt, legen Sie diese Klasse um. Kein seitenweiter Default-Tausch.
5. Deckel Sie Tool-Schritte und tägliche USD. Bei 429 oder Timeout auf Sol zurückfallen — Fast nicht hämmern.
6. Verschieben Sie MCP, Browser-Sitzungen und Xcode auf einen Host, der den Deckel nicht schließt. Siehe MCP und Cloud Mac — praktisch: Mac mini mieten, statt die teuerste Output-Runde nachzukaufen.
7. Schreiben Sie eine interne Preisliste: Default-Modell, Upgrade-Modell, Fast-Denylist. Diffen Sie monatlich die Rechnung, nicht die Keynote.

8. FAQ

Worin unterscheiden sich GPT-6 Astra und GPT-5.6 auf dem Papier?

Das Fenster ist fast dasselbe (rund 1.05M Kontext, 128k Output). Die Lücke liegt in der Stabilität langer Jobs, Computer Use, Alignment und den Token-Kosten: Astra Standard $10/$50, Sol $4/$20. Der Knowledge-Cutoff ist ebenfalls gewandert; selten ist das der Grund zum Wechsel.

Wenn wir nur Code schreiben, sollen wir upgraden?

Nur wenn der Code wie ein harter Terminal aussieht. Abhängigkeiten installieren, ein System ändern, über Repos migrieren — Astras Vorsprung von rund 20 Punkten auf Terminal-Bench 4.0 ist einen Test wert. Eine Funktion, Tests ergänzen, täglicher PR — DeepSWE ist ein Unentschieden. Behalten Sie Sol.

Ist Computer Use ein Feature nur für Astra?

Wenn Sie Desktop- und Browser-Automatisierung bereits über die Responses API fahren, sind die offiziellen Lücken bei OSWorld und AutomationBench groß genug, Astra zuerst zu testen. Wenn Sie im Chat nur gelegentlich eine Seite öffnen, zahlen Sie dafür nicht 2.5× als Default.

Kann der Cache die Lücke bei den Token-Kosten löschen?

Cache-Reads liegen bei etwa 10% des Inputs (Astra $1 / Sol $0.40). Cachen Sie Systemprompt und Tool-Schema. Das senkt den Input. Agenten geben weiter Output aus. Cache macht aus einem 2.5×-Output-Preis keinen 1×-Preis.

Warum den Agenten auf einen Cloud Mac legen?

Das Modell verkauft Inference. Sterben MCP, Browser-Sitzung, Xcode oder Keychain auf einem zugeklappten Laptop, kauft die bezahlte Stufe Output-Token nach. Ein immer wacher Cloud Mac — die praktische Form, Mac mini mieten zu lassen — senkt verschwendete Token-Kosten, nicht den Posterpreis von OpenAI.

9. Fazit

Die richtige Antwort auf GPT-6 Astra vs. GPT-5.6 ist nicht „upgraden“ oder „nicht“. Sie lautet nach Aufgabenform teilen. Astra gewinnt bei harten Coding-Agenten, Computer Use und der Chance, einmal fertig zu werden. Sol gewinnt bei Volumen, kurzen Jobs und einem Default, dem Sie schon vertrauen. Das 2.5×-Schild ist echt. Offizielle Kosten pro Aufgabe können auf hartem Terminal trotzdem niedriger liegen — wenn Sie weniger scheitern, weniger retrien und Sitzungen nicht auf einem Laptop mit zuklappendem Deckel aufbauen.

Arbeitsreihenfolge: drei echte Aufgaben → A/B im selben Harness → Dollar pro Erfolg → nur die gewinnende Klasse umlegen → Cache und Schritt-Breaker → den Host wach halten. Modelle werden wieder erscheinen. Aufgabenform × einmal fertig × ein Host, der wach bleibt sollte nicht wöchentlich neu geschrieben werden.