Die am 17. November veröffentlichten GPT-6.2 Astra und Sol lieferten an ihrem ersten Tag zwei widersprüchliche Zeugnisse: Unabhängige Benchmarks katapultierten Astra auf Platz zwei weltweit, während frühe Tester weithin fanden, es sei „nicht so beeindruckend". Dass es billig ist, stimmt; ob es gut ist, ist eine andere Frage — und genau das ist der interessanteste Punkt an dieser OpenAI-Veröffentlichung.
Was die Benchmarks sagen: Astra auf Platz zwei, Sol leistet mehr mit weniger
Im Intelligence Index von Artificial Analysis erreicht GPT-6.2 Astra 62 Punkte, fünf mehr als GPT-6 Astra aus dem September, hinter Claude Fable 5.2 mit 65 Punkten und vor Gemini 4 Carbon — gut für den zweiten Platz; Sol kommt auf 57,3 Punkte. Eine Zusammenfassung von Latent Space hob den Preis-Leistungs-Aspekt hervor: Sol erreicht das Niveau von Astra aus dem September mit rund 15 Prozent der Kosten pro Aufgabe. Beim Preis liegt Astra bei 8 US-Dollar pro Million Eingabe-Tokens und 40 US-Dollar pro Million Ausgabe-Tokens, 20 Prozent günstiger als sein Vorgänger, während Sol bei 2 und 10 US-Dollar bleibt; beide haben rund eine Million Tokens Kontext bei einer Ausgabegrenze von 128K. Perplexity und OpenRouter haben beide Modelle noch am 17. November aufgenommen.
Warum die Tester nicht überzeugt sind: Die Videos wurden letzte Woche gedreht, die Modelle in den letzten Tagen geändert
Die andere Seite der Spaltung kommt aus der Praxis. Ausführliche Tests besagen, dass Astras Fähigkeit zum Geldsparen echt ist, es aber beim Programmieren keine klaren Fortschritte zeigt und Kommunikation sowie Lesbarkeit weiterhin Schwächen bleiben; in sozialen Medien steht der optimistische Ton der Influencer-Testvideos im Kontrast zur kühlen Reaktion der Nutzer vor Ort. Tibo, ein Mitglied des Codex-Teams, erklärte, einige Tester hätten früh Zugang erhalten, während das Team in den vergangenen drei bis vier Tagen umfangreiche Änderungen vorgenommen habe — die Videos seien letzte Woche produziert worden und danach höchstwahrscheinlich nicht erneut getestet worden. Er räumte zugleich ein, dass beide Modelle deutlich besser seien als ihre Vorgänger, aber noch nicht perfekt, und das Team werde die Erfahrung in künftigen Iterationen verbessern.
Für Nutzer teilt sich das Fazit in zwei Teile: Rein nach den Kosten ist Sol derzeit das Alltagsmodell, das sich am ehesten auszuprobieren lohnt, und Astra die günstigere Alternative für Aufgaben auf Flaggschiffniveau; wer aber vor allem auf Codequalität und lesbare Ausdrucksweise Wert legt, für den bedeutet Platz zwei im Benchmark nicht Platz zwei in der Erfahrung — es kann sich lohnen, auf die nächste Iteration zu warten oder die Modelle zuerst an den eigenen Aufgaben zu testen. OpenAI hat am 17. November Systemkarten für beide Modelle veröffentlicht, und wie die nächste Runde der Bewertungen ausfällt, wird davon abhängen, ob die Tester noch dieselben Modelle erhalten.