GPT-6 Astra getest: zo goed als OpenAI belooft — en wat de benchmarks écht zeggen
OpenAI noemt Astra het slimste model ooit breed uitgerold en de eerste met de classificatie ‘Critical’ in cybercapaciteiten. De benchmarks deels onafhankelijk bevestigd, deels uit eigen huis. En goedkoper is het niet.
Wat is Astra, en wanneer mag je eraan?
OpenAI bracht GPT-6 Astra op 3 september 2026 uit als beperkte preview voor vertrouwde partners; een dag later volgde de publieke uitrol naar betaalde gebruikers — in een versie die bepaalde cyber-prompts weigert. Opvallend: het is het eerste OpenAI-model dat in de eigen veiligheidsrondes de hoogste risicoklasse Critical in cybercapaciteiten krijgt, met als gevolg strengere toegangseisen en beperkte beschikbaarheid voor sommige taken. In Microsoft Foundry is het model inmiddels breed beschikbaar voor zakelijke ontwikkelaars.
De relatie met GPT-5.6 Sol: Astra is de opvolger, getraind met veel meer rekenkracht en nadruk op langlopende computergebruik-taken. OpenAI positioneert het expliciet als antwoord op Claude Fable 5.1, dat Anthropic op 1 september uitbracht en dat op agentische taken tot 45% goedkoper werd.
De officiële launch — in twee minuten
OpenAI — Introducing GPT-6 Astra (2:42)De benchmarks: wie zegt wat?
De meeste headline-cijfers komen uit OpenAI's eigen evaluaties. Het vaakst geciteerd: state-of-the-art op langlopende computergebruik-taken. Onafhankelijk controle blijft schaars — maar er zijn twee serieuze externe datapunten. ARC Prize meette op ARC-AGI-3 Semi-Private een score van 62,7%, behaald voor circa 26.000 dollar aan rekentijd — indrukwekkend op dat toetsenbord, maar ARC Prize benadrukt zelf dat benchmark-saturatie geen AGI-bewijs is; het lab noemt het "een merkbare sprong", niet meer. En de vergelijkingssites zijn niet eenduidig over de Arena-posities: aggregatoren noemen Elo-scores van 1520 (OpenLM) én 1470 (puter-documentatie) — tegenstrijdige cijfers die laten zien hoe afhankelijk leaderboard-claims zijn van wie meet.
| Claim / meting | Cijfer | Bron | Status |
|---|---|---|---|
| ARC-AGI-3 Semi-Private | 62,7% (~$26K rekentijd) | arcprize.org | Onafhankelijk |
| Computer-use: SOTA op langlopende taken | n.v.t. | OpenAI zelf | Zelf-gerapporteerd |
| Kosten per taak t.o.v. Fable 5.1 | ±75% duurder | MindStudio-analyse | Onafhankelijk |
| Arena-Elo | 1520 óf 1470 | OpenLM / puter | Onafhankelijk, tegenstrijdig |
| "Not consistently better" dan Fable 5.1 | kwantitatief | MindStudio | Onafhankelijk |
Alle cijfers per 5 september 2026. "Onafhankelijk" = gemeten door een partij zonder belang bij de uitkomst.
Wat gebruikers ermeegemaakt hebben
Binnen 48 uur stonden de sociale media vol Astra-demo's. De eerlijkheid gebiedt: vrijwel alles hieronder is anekdotisch — indrukwekkend, maar niet geverifieerd en niet reproduceerbaar zoals een benchmark. Twee testsessies vallen op omdat ze systematisch te werk gaan. Chase AI testte Astra tegen Fable 5.1 in een bewust hypeloze vergelijking; The AI Advantage probeerde twintig echte taken, van bruikbaar tot bijna onmogelijk. Beide filmpjes laten hetzelfde patroon zien: op computergebruik en lange agent-taken is Astra duidelijk voorsprong, op gewone tekst- en codeklussen is het verschil met Fable 5.1 klein.
Chase AI — Astra vs Fable 5.1: No Hype (20:59)
The AI Advantage — 20 Real Examples (30:26)Op X deelden onder andere het ChatGPT-account de launch-demo's en bouwde onderzoeker Matt Shumer (bekend van de Gauntlet Loop) binnen een dag agentic experimenten op het model — het soort snelle adoptie dat Fable 5.1 in zijn lancering ook kreeg. En de gebruikelijke YouTube-molen draaide op toeren: Fireship's "AGI is here… it's just not evenly distributed" is de kortste samenvatting van de sfeer — bewondering met een knipoog.
Fireship — AGI is here… (7:27)Is het daadwerkelijk zo goed?
Het eerlijke antwoord: bij agentische computerarbeid waarschijnlijk wel, als algemene sprong niet bewezen. De onafhankelijke analyse van MindStudio (4 september) concludeert "not consistently better": grote winsten op gespecialiseerd werk (computer use, terminal, langlopende taken), maar geen doorslagelijke voorsprong op brede intelligentietoetsen — en ruim 75% hogere kosten per taak dan Fable 5.1, dat op veel van die taken meekomt. ARC Prize bevestigt de sprong op zijn toets, maar weigert de AGI-conclusie die er in het publieke debat meteen bovenop geplakt werd.
Dat is hetzelfde patroon dat we bij Fable 5.1 zagen: fabrikant-claims die op onderdelen kloppen, een onafhankelijk beeld dat nuchterder uitpakt, en een media-echo die de asterisk verliest onderweg. Voor wie dagelijks agent-werk doet is Astra écht een stap vooruit. Voor iedereen die "AGI" in de kop las: de cijfers rechtvaardigen dat woord nog niet.
Kanttekeningen
- Vrijwel alle "SOTA"-claims komen uit OpenAI's eigen veiligheids- en prestatierapporten; onafhankelijke replicatie met open methodologie beperkt zich tot ARC-AGI-3 en losse arena-metingen.
- De Arena-cijfers spreken elkaar tegen per bron (1520 vs 1470); zonder vaste snapshot is dat ruis.
- Alle gebruikersdemo's zijn anekdotisch, maximaal twee dagen oud en niet reproduceerbaar.
- De Critical-classificatie in cybercapaciteiten is deels de oorzaak van de beperkte uitrol; wat die classificatie exact inhoudt, blijkt uit OpenAI's eigen veiligheidsrapport — geen externe audit.
- Kostenvergelijkingen hangen af van gebruikspatroon; de 75%-duurder-berekening komt van één analyse.
Wat weten we zéker?
- OpenAI bracht GPT-6 Astra uit op 3 september 2026 (preview) met publieke uitrol vanaf 4 september, in een versie met aangepaste cyber-beveiliging — OpenAI's eigen safety-overview.
- Astra is het eerste OpenAI-model met de interne classificatie Critical in cybercapaciteiten; het model weigert bepaalde cyber-prompts in de publieke versie.
- ARC Prize meette 62,7% op ARC-AGI-3 Semi-Private voor circa $26.000 aan rekentijd — onafhankelijk, met de kanttekening dat dit geen AGI-bewijs is.
- MindStudio concludeerde "not consistently better" dan Fable 5.1 op brede taken, met ±75% hogere kosten per taak.
- In Microsoft Foundry is Astra algemeen beschikbaar voor zakelijke ontwikkelaars.
- De vergelijking met Anthropic's Fable 5.1 (1 september, Terminal-Bench-Science 52,6%, cache-lezen 75% goedkoper) blijft de maatstaf voor prijs/kwaliteit.
Een AI-model dat 'Critical' scoort op cybercapaciteiten hoort niet voor iedereen openbaar beschikbaar te zijn — ongeacht de safeguards.
Elke editie één prikkelende stelling — van AI tot economie. Eén klik, volkomen anoniem.
Zo probeer je het zelf
Je hebt een échte agent nodig — een tool die bestanden opent, code draait, screenshots bekijkt en zelf subagents kan starten — niet een chatvenster dat alleen tekst teruggeeft. Kies vervolgens een doel met een tastbare lat: een bestaand product om mee te vergelijken, een testsuite die groen moet zijn, een referentieontwerp. Stel de meta-prompt op uit Shumers artikel, laat de agent het werk zelf verdelen, en houd de voortgang bij via een simpele live-pagina in plaats van elke twintig minute te storen. Eén smoothing-pass achteraan — stukken die samen één geheel moeten worden — mag, maar de kern blijft: splitsen, bouwen, beoordelen, herhalen.
Overigens: deze nieuwsstijl is hier in de redactie met precies die aanpak gebouwd — elk pagina-onderdeel ging door eigen bouw- en verificatierondes met een aparte critic. Daarom durven we deze uitleg aan te bieden onder de tag hieronder.
Geschreven door AI · gecontroleerd door mensen