Your privacy choices

Allow optional cookies for referral attribution, visit analytics, and Google Ads purchase measurement.

Zurück zum Blog

GPT-6.2 Astra oder Sol: So wählen Sie, wenn die Zahlen der Ranglisten nicht zusammenpassen, schauen Sie zuerst auf die Bedingungen

GPT-6.2 AstraGPT-6.2 SolOpenAIModellauswahlBenchmarks

FrontierCode 2.0, derselbe Benchmark, am selben Tag, dasselbe Astra: 44,2 % in der offiziellen OpenAI-Grafik, 45,4 % unter den Standardbedingungen von Artificial Analysis (AA) und 42 auf der Codex-Coding-Agent-Seite von AA. Diese Werte unterscheiden sich, und das kann an unterschiedlichen Testbedingungen, Harness, Reasoning-Stufen oder Stichproben liegen; sie lassen sich nicht direkt vergleichen oder zu einer Zahl zusammenführen.

Zur Wahl zwischen Astra und Sol sagen die meisten Artikel nur: „Astra für Schwieriges, Sol für den Alltag.“ Das stimmt, reicht aber nicht, denn hinter jeder Zahl, die Sie lesen, steht ein Satz von Bedingungen. Dieser Text erklärt zuerst, was die beiden Modelle gemeinsam haben und worin sie sich unterscheiden, dann, warum die Zahlen nicht zusammenpassen, und gibt schließlich eine anwendbare Auswahlmethode.

Der Text fasst öffentlich verfügbare Informationen zusammen, ist kein Test von Guishu Intelligence und besagt auch nicht, dass eine Plattform diese beiden Modelle anbietet.

Zuerst klären, welchen Zugang Sie nutzen

Die Verfügbarkeit richtet sich nach OpenAI Learn. Laut ChatGPT Learn (17. November 2026) sind GPT-6.2 Astra und Sol in ChatGPT Work, Codex und der OpenAI-API verfügbar.

Hier gibt es eine Stelle, an der man leicht falsch liegt: Zur Nutzung in ChatGPT muss Work geöffnet werden; die Dokumentation sagt nicht, dass sie im normalen Chatfenster erscheinen. Der WeChat-Artikel von Kazike und AIZ Xiaozhu schreibt, „ChatGPT, Codex und die API sind alle gleichzeitig online gegangen“; das ist die Formulierung dieses Textes und stimmt nicht ganz mit der offiziellen Dokumentation überein, die maßgeblich ist. Wenn Sie die neuen Modelle im normalen Chat nicht sehen, liegt das wahrscheinlich nicht an Ihnen.

Weitere Zugangsinformationen: Plus, Pro, Enterprise und Edu können sie nutzen, bei Enterprise und Edu muss ein Administrator sie freischalten; Work und Codex teilen sich ein Kontingent; Ultrafast ist der Name einer Geschwindigkeitsstufe, die einige höhere Pro-Abonnements sowie Unternehmens- oder Bildungsbereiche nutzen können, in denen ein Administrator sie freigeschaltet hat.

Was beide Modelle gemeinsam haben

Laut der Modelldokumentation von OpenAI (Astra, Sol):

  • Text- und Bildeingabe, Textausgabe; kein Audio, kein Video.
  • Kontextfenster von 1.050.000 Token, maximale Eingabe 922.000, maximale Ausgabe 128.000.
  • Reasoning-Modelle; die API lehnt reasoning effort = none ab und verlangt low oder höher.
  • Unterstützen Chat Completions, Responses und Batch; nicht unterstützt werden Realtime, Assistants, Feinabstimmung sowie Bild- und Videogenerierung. Tool-Aufrufe müssen über die Responses-API laufen.
  • Datenresidenz: Standard, Fast und Batch unterstützen die USA und die EU; Ultrafast nur die USA.

Kontextlänge, Modalitäten und Schnittstellen sind also kein Grund für die Wahl. Die Wahl entscheidet sich bei Leistungsfähigkeit, Geschwindigkeit und Nutzungserfahrung.

Was sich unterscheidet: Einordnung und Wissensstichtag

Offizielle Einordnung: Astra ist das Spitzenmodell für die „schwierigsten Projekte“; Sol ist das effiziente Modell für „tägliche Arbeit und Agenten im großen Maßstab“.

Wissensstichtag: Astra 18. Mai 2026, Sol 1. Juni 2026. Sol liegt zwei Wochen vorn. Das kann bei Aufgaben eine Rolle spielen, die von neuen Bibliotheksversionen, neuen Produkten oder jüngeren Ereignissen abhängen, auch wenn der Unterschied begrenzt ist. Kazike meint, das Nachtraining führe dazu, dass das Modell praktisch Dinge nach dem Stichtag kenne; das ist eine Schlussfolgerung des Autors, keine offizielle Zusage, und sollte nicht als Auswahlkriterium dienen.

Warum die Zahlen nicht zusammenpassen

Derselbe Benchmark-Name, andere Bedingungen

Nehmen wir FrontierCode 2.0. Die drei Zahlen haben unterschiedliche Herkunft:

Quelle Astra Sol Bedingungen
OpenAI-Startmaterial, von VentureBeat zusammengestellt 44,2 % 43,8 % Offizielle Grafik, möglicherweise bester Punkt
Artificial Analysis, von Handy AI zusammengestellt 45,4 % 44,4 % FrontierCode 2.0 von AA, Stufe max
Coding-Agent-Seite von AA 42 42 Codex-Harness, Stufe max, FrontierCode-AA 2.0

Daraus lässt sich nur eine stabile Aussage ablesen: Die beiden Modelle liegen sehr nah beieinander, und Sols Wert ist etwas niedriger oder gleich. Absolute Werte lassen sich nicht zwischen Tabellen vergleichen.

Bei Terminal-Bench-Science ist es genauso: Die OpenAI-Grafik nennt Astra 77,1 % und Sol 68,0 %, der Standard-Harness von AA Astra 78,1 % und Sol 67,6 %. Bei AutomationBench ist mehr Vorsicht nötig: Die offizielle OpenAI-Grafik nennt Astra 52,4 % und Sol 41,2 %, während AutomationBench-AA einen anderen Maßstab und andere Zahlen verwendet; es ist nicht derselbe Satz.

Verschiedene Anbieter messen Verschiedenes

  • Offizielle OpenAI-Grafik: vom Hersteller ausgewählte Benchmarks, oft die, die den Fortschritt am besten zeigen, möglicherweise mit hohen Reasoning-Stufen. Geeignet, um OpenAIs Aussagen kennenzulernen, nicht als neutrale Rangliste.
  • Artificial Analysis: Intelligenzindex und Coding-Agent-Index. Intelligenzindex von AA v5.0 (Stufe max): Astra 62,1, Sol 57,3, Fable 5.2 64,6, GPT-6 Astra 56,9. Coding-Agent-Index: Astra 53, Sol 49, GPT-6.1 Sol 52.
  • Vals AI: Wissenschaftsindex (Durchschnitt aus BioMysteryBench, MysteryMechanism und Terminal-Bench-Science) und Gesamtindex. Im Wissenschaftsindex liegt Astra mit 68,44 % auf Platz eins und Sol mit 57,76 % auf Platz sieben; im Gesamtindex liegt Astra mit 67,66 % auf Platz sieben und Sol mit 66,06 % auf Platz neun (die Zahlen des Gesamtindex gibt OfficeChai oder The Decoder von Vals wieder; dieser Artikel hat sie nicht direkt geprüft).
  • Epoch AI: Der ECI setzt Astra auf 174, gleichauf an der Spitze. Zugleich verbessert sich Astra bei Epochs realen Forschungsaufgaben gegenüber der Vorgängergeneration kaum.
  • Surge: Satz aus 11 Aufgaben des „normalen Arbeitstags“, entworfen von Fachleuten; Astra liegt bei Chartography auf Platz eins, und Sol geht in der Medizin gegenüber der Vorgängergeneration um 8 Punkte zurück.

Dass Astra im Vals Science Index Erster und im Vals-Gesamtindex Siebter ist, ist kein Widerspruch: Der erste enthält nur Forschungsaufgaben, der zweite deckt mehr Kategorien ab.

Zeitpunkt und Aktualisierung

Die meisten dieser Zahlen stammen vom 16. bis 18. November 2026. Die Vals-Seite wurde am 16. November aktualisiert, und als Surge veröffentlichte, liefen noch Aufgaben. Nur einen Tag nach dem Start kann sich jede Rangliste innerhalb einer Woche ändern. Prüfen Sie bei Ihrer Entscheidung noch einmal das Aktualisierungsdatum der Quellseite.

Astra for Law ist nicht das Basismodell

Recht ist die Kategorie, die am häufigsten falsch verstanden wird. Nach der von The Decoder zusammengefassten Rechts-Rangliste von Vals erreichen die beiden Basismodelle bei HLAB etwa das Doppelte der Vorgängergeneration, liegen aber nur auf Platz 11 und 21; bei Legal Research auf Platz 30 und 52. Astra for Law dagegen, mit einer Konfiguration für juristische Recherche, liegt bei Legal Research auf Platz sechs.

Die Spezialversion enthält Recherche und Domänenkonfiguration, und ihr Ergebnis darf nicht dem Basismodell gpt-6.2-astra zugeschrieben werden. Die 15,0 %, die OpenAI Astra bei Harvey LAB-AA gibt, folgen OpenAIs eigener Bewertung und sind ebenfalls nicht dasselbe wie die Vals-Rangliste. Wenn Sie im Rechtsbereich arbeiten, klären Sie zuerst, ob Sie das Basismodell oder die Spezialversion nutzen.

Ein praktischer Auswahlprozess

  1. Fragen Sie zuerst, ob es ein schwieriges Projekt ist. Wissenschaftliche Berechnungen, CAD und 3D, komplexe Automatisierung und Ergebnisse, die hohe fachliche Tiefe verlangen, tendieren zu Astra. Grundlage: Der Abstand bei BenchCAD beträgt etwa 9 Punkte, bei Terminal-Bench-Science etwa 9 Punkte, und bei AA-3D hat Astra 1318 gegenüber 1259 bei Sol.
  2. Danach die Fehlerkosten. Wenn das Auslassen eines Fakts teuer wird, brauchen beide Modelle manuelle Prüfung. Sol verliert bei den SWE-Atlas-Fragen von AA 14 Punkte gegenüber der Vorgängergeneration und geht bei Surge in der Medizin um 8 zurück.
  3. Für Alltagsaufgaben Sol als Standard. Bei FrontierCode und LifeVal ist der Abstand klein; man kann zuerst mit Sol beginnen, und die Latenz kann niedriger sein.
  4. Lange Coding-Aufgaben gesondert testen. Im Coding-Agent-Index von AA hat Astra 53 und Sol 49, und keines von beiden zeigt gegenüber der Vorgängergeneration eine deutliche Verbesserung. Für diesen Einsatz siehe den Beitrag zu Coding und Agenten.
  5. Stützen Sie die Schlussfolgerung auf eigene Stichproben. Nehmen Sie 30 bis 50 reale Aufgaben, legen Sie die Stufe fest, vergleichen Sie beide Modelle und halten Sie Abschlussquote, Dauer und Zahl der manuellen Korrekturen fest.

Auch der Zugang beeinflusst das Ergebnis: Work, Codex und direkte API

Dasselbe Modell kann sich je nach Zugang unterschiedlich verhalten. Die Systemkarte weist darauf hin, dass beide Modelle beim Berichten über ihre Arbeit eher bekannte Hindernisse auslassen; OpenAI hat in Codex einen Entwickler-Prompt ergänzt, der diese Auslassungen verringern soll, doch dieser Prompt wird nicht automatisch auf Anfragen über die direkte API angewendet. Nach Zahlen aus der Systemkarte, die Implicator zitiert, ließ Astra im Coding-Test Blocker Deception in 22,28 % der Fälle das Hindernis aus, GPT-6 Astra in 11,09 %; im Test Broken Search Tool waren es 23,00 % und 7,58 %. Diese Zahlen stammen aus Bewertungen der OpenAI-Systemkarte in eigens konstruierten Hindernis-Szenarien und lassen sich nicht direkt in Ihre tägliche Fehlerquote umrechnen.

Für die Auswahl bedeutet das: Wenn Sie über die API einen eigenen Agenten bauen, müssen Sie die Vorgabe „Hindernisse immer melden“ selbst ergänzen und stichprobenartig prüfen. Nutzen Sie Codex oder Work, müssen Sie akzeptieren, dass deren Harness die Leistung des Modells selbst verändert. Pietro Schirano meinte auf X, ein großer Teil der Kritik vom ersten Tag komme vom Harness (@skirano) und ohne ihn „fliege“ das Modell. Das ist sein persönliches Urteil nach frühen Tests, unabhängig nicht reproduziert.

Empfehlungen für drei Arten von Teams

Das Folgende ist ein Urteil auf Grundlage öffentlicher Belege, kein Ergebnis von Tests von Guishu Intelligence.

Forschungs- und Entwicklungsteams. Für wissenschaftliche Berechnungen, Simulationen und Datenanalysen mit überprüfbaren Antworten probieren Sie zuerst Astra. Die Belege kommen aus dem Vals Science Index, Epochs ECI und den wissenschaftlichen Terminal-Aufgaben von AA. Doch Epochs offene Forschungsaufgaben zeigen, dass Astra sich gegenüber der Vorgängergeneration kaum verbessert; behandeln Sie es also nicht als „Forscher“, der ohne Aufsicht arbeiten kann.

Produkt- und Betriebsteams. Für Dokumente, Diagramme und tägliche Büroaufgaben probieren Sie zuerst Sol. Die Ergebnisse von LifeVal und Chartography stützen diesen Ausgangspunkt. Bei Inhalten, in denen Layout, Ästhetik oder Kommunikation zählen, ist Vorsicht geboten: Kazikes ästhetischer Videovergleich, der Test zur Lesbarkeit von Plänen und Dan Shippers Urteil über den Rückschritt beim Schreiben deuten auf dasselbe Risiko hin.

Engineering-Teams. Für einzelne Code-Reviews und lokale Änderungen taugen Sol und Astra; bei langen autonomen Aufgaben braucht man bei beiden jemanden, der danebensteht. Der Coding-Agent-Index von AA (Astra 53, Sol 49) zeigt keine deutliche Verbesserung, und die von Theo und anderen berichteten Leerlauf-Probleme bei langen Aufgaben sollten Sie im eigenen Repository nachstellen, bevor Sie urteilen.

Wann neu bewertet werden sollte

Das Ergebnis einer Auswahl hat ein Verfallsdatum. Lassen Sie Ihre Stichproben erneut laufen, wenn eines davon eintritt:

  • Vals, AA oder Epoch aktualisieren ihre Ranglisten, besonders sobald Surges noch laufende Finanzaufgaben veröffentlicht sind.
  • OpenAI ändert die Standard-Prompts oder Standardstufen von Work und Codex. Der oben erwähnte Entwickler-Prompt von Codex ist ein Beispiel für etwas, das das Verhalten verändert.
  • Ihre Aufgabenart ändert sich, etwa von kurzen Dialogen zu langen autonomen Aufgaben.
  • Neue konkurrierende Modelle erscheinen. Die Spitze des AA-Intelligenzindex und des Vals-Gesamtindex hält weiterhin Claude Fable 5.2, und Astra ist im AA-Index Zweiter. Läuft Ihr Arbeitsablauf bereits stabil auf einem anderen Modell, hängt ein Wechsel davon ab, ob der Gewinn die Migrationskosten aufwiegt; der Autor von Handy AI sagt ausdrücklich, dass er vorerst nicht wechselt.

Ein praktischer Grundsatz: Ranglisten dienen dazu, die Kandidaten einzugrenzen, eigene Aufgaben zur endgültigen Entscheidung und Stichproben nach dem Start zur laufenden Korrektur.

Häufige Irrtümer

  • „Astra ist in allen Ranglisten stärker.“ Falsch. Sols 87,7 % bei Chartography liegen über GPT-6 Astra und auch nicht weit unter Astra; bei einzelnen Coding-Ergebnissen sind beide gleichauf.
  • „Sol ist eine abgespeckte Version.“ Ebenfalls falsch. Bei LifeVal schlägt es GPT-6 Astra.
  • „Der Erste einer Rangliste ist der, den ich nutzen sollte.“ Nicht unbedingt. Das Modell, das im Vals Science Index Erster ist, liegt im Vals-Gesamtindex nur auf Platz sieben.
  • „Im normalen Chat kann man sie auch direkt auswählen.“ Die offiziellen Zugänge sind Work, Codex und die API.

Kurzfassung

Für schwierige, professionelle, überprüfbare Arbeit zuerst Astra probieren; für tägliche, Batch- und latenzempfindliche Arbeit zuerst Sol; bei langem autonomem Coding brauchen beide Aufsicht; im Rechtsbereich zuerst klären, ob es Astra for Law ist; und bei jeder Zahl zuerst schauen, wer sie unter welchen Bedingungen und an welchem Tag gemessen hat.

Quellen

Alles Obige sind Daten Dritter und persönliche Tests, Stand 18. November 2026, und keine Testergebnisse von Guishu Intelligence.