GPT-6 Astra API

Preisvergleich: offizielle API, OpenRouter und Wokey

USD pro 1 Mio. Token. Die Preise der offiziellen API und von OpenRouter wurden am 2026-09-29 von Hand geprüft, ohne Steuern; der Wokey-Preis stammt aus der aktuellen Preisliste.

Geprüft am 2026-09-29 · Offizielle Preisseite · Endpunktliste von OpenRouter

GPT-6 Astra im Überblick

Veröffentlichung

2026-09-03 für ausgewählte API-Organisationen und Daybreak; ab 09-04 folgten ChatGPT Business, Pro und Plus, bei Enterprise schalten Admins es frei. Pro, Business und Enterprise erhalten zusätzlich Astra Pro

Einordnung

OpenAI positioniert es „for our highest level of capability“. GPT-6 Sol (erschienen am 09-22) ist für anspruchsvolle Aufgaben gedacht, GPT-6 Luna für große Aufrufmengen, und laut OpenAI bleibt Astra das insgesamt beste Modell

Kontext und Ausgabe

1,050,000 Kontext (maximale Eingabe 922K) und maximale Ausgabe 128K; Text- und Bildeingabe, Textausgabe; Wissensstand 2026-04-30

Reasoning effort

low / medium / high / xhigh / max, none gibt es nicht; configuration_update-Elemente ändern den effort mitten in der Unterhaltung, ohne das Cache-Präfix zu brechen

Offizieller Preis

$10 Eingabe / $50 Ausgabe pro 1 Mio. Token, Cache-Lesen $1, Cache-Schreiben $12.50; Anfragen mit mehr als 272K Eingabe werden vollständig mit 2x für Eingabe und Cache und 1.5x für Ausgabe berechnet ($20 / $2 / $25 / $75); Batch und Flex zum halben Preis, Fast-Modus 2x

Einschränkungen bei Cybersicherheit

OpenAI stuft die Cyber-Fähigkeiten nach dem Preparedness Framework als Critical ein. Das öffentliche Modell weigert sich, Proof-of-Concept-Exploits zu schreiben, und ist auf sicheres Code-Review und Patches beschränkt; der volle Funktionsumfang wird über Daybreak angeboten

Codex

Codex kann Kontext jetzt speichern und wieder abrufen: Notizen werden über Kontextfenster hinweg mitgenommen, frühere Fenster lassen sich durchsuchen. Die Funktion ist experimentell und muss manuell aktiviert werden, später wird sie Standard; die Nutzung in ChatGPT zählt auf das Abo-Kontingent

Modell-ID und Plattformen

gpt-6-astra (der einzige Snapshot); Chat Completions, Responses und Batch, für Tool-Aufrufe ist Responses nötig; auch auf AWS Bedrock und Microsoft Foundry; Limits in Tier 1: 500 RPM / 500K TPM

Geprüft am 2026-09-29 · Quellen: OpenAI · Migration guide · Benchmarks (Anthropic)

Offizielle Benchmarks: GPT-6 Astra vs Opus 5.5 vs Fable 5.1 vs Opus 5

Die Daten stammen von Anthropics Launch-Seite zu Opus 5.5; übernommen sind nur die Benchmarks, die einen Wert für GPT-6 Astra nennen. Es sind Herstellerangaben, die Werte für GPT-6 Astra stammen von OpenAI.

Diese Tabelle hat Anthropic zusammengestellt, die Auswahl der Benchmarks neigt zu den Stärken von Claude. OpenAI hat zum Launch eine andere Auswahl veröffentlicht: 98 % bei FrontierMath Tier 4, 99.9 % bei ARC-AGI-3 und 100 % bei ExploitBench (GPT-5.6 Sol: 78.5 %) – das lässt sich mit der Tabelle nicht direkt vergleichen.

Welches Modell: GPT-6 Astra, Claude Opus 5.5 oder GPT-6 Sol

Im Vergleich zu Claude Opus 5.5 / Fable 5.1

Opus 5.5 kostet laut Liste $4 / $20, zwei Fünftel des Preises von Astra, und führt in der Tabelle oben klar bei Terminal-Bench 4.0, GDPval-AA und Humanity’s Last Exam; Astra führt bei AutomationBench und Terminal-Bench-Science. Im Intelligence Index von Artificial Analysis erreicht Opus 5.5 auf max 58 Punkte bei $5.98 pro Aufgabe und Astra 53 bei $3.26: Astra ist pro Token teurer, verbraucht aber deutlich weniger Ausgabe-Token, sodass jede Aufgabe weniger kostet. Fable 5.1 hat denselben Preis wie Astra ($10 / $50) und denselben Wert von 53 Punkten, kostet aber $7.63 pro Aufgabe, mehr als das Doppelte.

Im Vergleich zu GPT-6 Sol / Luna

GPT-6 Sol kostet laut Liste $2 / $10, ein Fünftel des Preises von Astra, GPT-6 Luna $0.10 / $0.50. Im Intelligence Index von Artificial Analysis erreicht Sol 48 Punkte bei $1.06 pro Aufgabe und Luna 37 bei $0.07; im Coding Agent Index kommt Astra auf 62, Sol auf 57 und Luna auf 41. Beginne Alltags-Coding und routinemäßige Agenten-Aufgaben mit Sol und wechsle zu Astra, wenn Sol ein Problem nicht löst; für Klassifizierung und Extraktion in großen Mengen nimm Luna.

Den richtigen effort wählen

Artificial Analysis hat für low 46 Punkte bei $0.82 pro Aufgabe gemessen, für medium 50 bei $1.54, für high 51 bei $1.73 und für max 53 bei $3.26; jede Stufe liegt auf der Effizienzgrenze aus Kosten und Ergebnis. Beginne mit medium: high kostet etwa 12 % mehr für 1 Punkt, max mehr als das Doppelte für 3 Punkte. Ersetze bei der Migration none durch low und beginne die Evaluierung von minimal bei low.

Migrationsleitfaden von OpenAI

Unabhängige Tests und Stimmen aus der Community

• Artificial Analysis: Im Intelligence Index erreicht es auf max 53 Punkte, gemeinsam mit Fable 5.1 auf Platz 1 und 6 Punkte vor GPT-5.6 Sol; eine Aufgabe kostet $3.26, etwa 40 % der $7.63 von Fable 5.1 und rund 60 % mehr als mit GPT-5.6 Sol. Pro Aufgabe verbraucht es rund 27K Ausgabe-Token, ein Drittel der 78K von Fable 5.1. Im Coding Agent Index erreicht es 62 Punkte, gleichauf mit Fable 5.1 und vor Opus 5 (60) und GPT-5.6 Sol (55), bei $7.09 pro Aufgabe, etwa 40 % günstiger als Fable 5.1 und 30 % günstiger als Opus 5. Die Halluzinationsrate bei AA-Omniscience sank auf 51 %, von 92 % bei GPT-5.6 Sol. Bei GDPval-AA liegt es rund 45 Elo hinter GPT-5.6 Sol, braucht aber nur 24 Turns pro Aufgabe, gegenüber 45 bei GPT-5.6 Sol und 60 bei Fable 5.1 und Opus 5. Bei Wokey liegt jede Abrechnungsposition bei 6 % des offiziellen Preises, dieselbe Aufgabe kostet also etwa $0.18 auf max und $0.08 auf medium.
• System Card von OpenAI und Sicherheitstests: In agentischen Tests ohne Bestätigungsrichtlinie endeten 3.4 % der Läufe mit einem unerwünschten Ergebnis, gegenüber 18.8 % bei GPT-5.6 Sol, und die Angriffe per indirekter Prompt Injection von Gray Swan waren in 8.5 % der Fälle erfolgreich, gegenüber 27.0 %. Wegen des Ergebnisses von 100 % bei ExploitBench hat OpenAI die Cyber-Fähigkeiten eines Modells erstmals als Critical eingestuft; das öffentliche Modell ist auf sicheres Code-Review und Patches beschränkt, und der Zugang zu Daybreak soll später ausgeweitet werden. Diese Zahlen stammen von OpenAI selbst.
• Hacker News (Thread mit 2279 Punkten): Ein externer Codex-Tester nannte es einen „grounded collaborator and executor“, der keine Arbeit erledigt, um die niemand gebeten hat. Andere fanden, Fable erkenne Absichten besser und Astra brauche sehr konkrete Anweisungen, während manche gerade schätzten, dass es Fragen nicht als Anweisungen behandelt. Nach der allgemeinen Verfügbarkeit berichteten Kommentatoren, das Kontingent werde etwa 2.5-mal so schnell verbraucht wie mit GPT-5.6 Sol, und einer hatte ein 5-Stunden-Limit nach 15 Nachrichten aufgebraucht.

Migration von GPT-5.6 Sol und älteren Modellen: Parameter, die du entfernen musst, und Verhaltensänderungen

Diese Änderungen stammen von OpenAIs Modellseite und dem Leitfaden zum neuesten Modell. Prüfe Anfrageparameter, Cache-Einstellungen, Tool-Aufrufe und Prompts, bevor du das Modell auf gpt-6-astra umstellst.

• Entferne temperature, top_p und top_logprobs; bei Chat Completions zusätzlich logprobs, und bei Responses nimm message.output_text.logprobs aus include. Astra steuert sein Sampling selbst und lehnt Anfragen mit diesen Feldern ab. Über Wokey entfernt das Gateway temperature, top_p, top_logprobs und logprobs vor dem Weiterleiten.
• reasoning.effort akzeptiert none nicht: Ersetze none durch low und beginne die Evaluierung von minimal bei low. Über Wokey werden none und minimal automatisch auf low gesetzt, die Anfrage scheitert daran also nicht.
• Chat Completions kann Astra aufrufen, für Tool-Aufrufe ist aber Responses nötig – stelle Agenten mit Tools daher auf /v1/responses um. Über Wokey werden Chat-Completions-Anfragen vor dem Weiterleiten in Responses umgewandelt, Chat-Anfragen mit tools funktionieren also ebenfalls.
• Caching: Ersetze prompt_cache_retention durch prompt_cache_options.ttl: "30m", und sende zum Ändern des effort mitten in der Sitzung ein configuration_update-Element, statt frühere Eingaben zu bearbeiten – so bleibt das Cache-Präfix gültig.
• Über 272K Eingabe-Token wird die gesamte Anfrage mit 2x für Eingabe und Cache und 1.5x für Ausgabe berechnet, die Kosten bei langem Kontext springen also plötzlich; mit Komprimierung oder Retrieval lässt sich die Eingabe unter 272K halten. Über Wokey gibt es keine Stufe, der gesamte 1-Mio.-Kontext wird zu einem einheitlichen Satz berechnet.
• Verhaltensänderungen: Es stellt Rückfragen und wartet auf Bestätigung, delegiert weniger und testet breiter; die Formatierung ist detaillierter, Formulierungen wiederholen sich. Es reagiert empfindlicher auf Skills und Kontextdateien, deshalb empfiehlt OpenAI, bestehende Skills zu prüfen und auf minimale Router zu reduzieren, da zu spezifische Vorgaben es ausbremsen können.
• Anfragen zur Cybersicherheit: Das öffentliche Modell weigert sich, Proof-of-Concept-Exploits zu schreiben, Aufgaben zu Penetrationstests und zur Reproduktion von Exploits können daher direkt abgelehnt werden, während sicheres Code-Review und Patches normal funktionieren. Für den vollen Funktionsumfang ist Zugang zu Daybreak nötig.
• Führe in Codex $openai-docs migrate this project to GPT-6 Astra aus, um das Projekt anhand der offiziellen Checkliste zu aktualisieren. Der Fast-Modus hat kein Latenz-SLA, und die EU-Datenresidenz unterstützt nur die Verarbeitungsart Standard.

Request-Body nach der Migration (/v1/responses)

{
  "model": "gpt-6-astra",
  "reasoning": { "effort": "medium" },
  "input": [{ "role": "user", "content": "Find and fix the flaky test in this repo" }]
}

Aktuelle Katalogpreise

Preise pro 1 Mio. Token; abgerechnet wird zum Preis, der bei der Verarbeitung der Anfrage gilt.

Offizielle Preisquelle: https://developers.openai.com/api/docs/models/gpt-6-astra

Gemessen auf Wokey

Letzte 28 Tage (2026-10-13 bis 2026-11-09), jeden Montag aktualisiert · Echte Anfragen von 200+ Konten

Zeit bis zum ersten Token, kurze Prompts

5,3 s (Median · Prompts unter 8K Token · P90 19 s)

Zeit bis zum ersten Token, Agent-Prompts

11 s (Median · Prompts mit 32K–128K Token)

Trefferquote des Prompt-Cache

90% (Anteil der Eingabe-Token, die aus dem Cache gelesen wurden)

Meistgenutzte Clients: Codex 72%, DeepSeek Harness 12%, WorkBuddy 6%. Anteil an den Anfragen erkannter Clients; bei 68% der Anfragen wurde der Client erkannt.

So wird gemessen

Die Zeit bis zum ersten Token läuft vom Eingang der Anfrage am Wokey-Gateway bis zum ersten gestreamten Inhalt (Text, Zusammenfassung des Reasonings oder Ablehnung). Sie enthält Wartezeit in der Warteschlange, Wiederholungen über ein anderes Konto und die Denkzeit des Modells und ist deshalb länger als die eigene First-Token-Latenz des Upstreams. Gezählt werden nur erfolgreiche Streaming-Anfragen, gruppiert nach Prompt-Größe (Eingabe plus Cache-Lesen und Cache-Schreiben).

Cache-Trefferquote = aus dem Cache gelesene Token ÷ Eingabe-Token über erfolgreiche Anfragen. Sie hängt vom Client und von der Art der Nutzung ab; die Seiten zur Cache-Trefferquote schlüsseln sie nach Client auf.

Enterprise-Konten und Wokeys eigene Testkonten sind ausgenommen. Ein Modell wird angezeigt, sobald es in den letzten 28 Tagen von mindestens 20 Nutzern verwendet wurde und kein einzelner Nutzer mehr als 50 % der Anfragen gesendet hat; Konten, die über dieselbe Empfehlungskette registriert wurden, zählen als ein Nutzer. Jeder Wert für die Zeit bis zum ersten Token braucht mindestens 500 Anfragen.

Cache-Trefferquote nach Client

Modellfähigkeiten

Context

1,050,000 tokens

Maximale Ausgabe

128,000 tokens

Streaming

Unterstützt

Tools

Unterstützt

Vision

Unterstützt

Unterstützte API-Formate

/v1/chat/completions · /v1/responses

Anfrage senden

/v1/chat/completions

curl https://api.wokey.ai/v1/chat/completions \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","messages":[{"role":"user","content":"Hello"}]}'

/v1/responses

curl https://api.wokey.ai/v1/responses \
  -H "Authorization: Bearer $WOKEY_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"gpt-6-astra","input":"Hello"}'

GPT-6 Astra in deinen Tools nutzen

Das Gateway ist https://api.wokey.ai (OpenAI-kompatible Clients erwarten meist https://api.wokey.ai/v1), die Modell-ID lautet gpt-6-astra. Öffne die Einrichtung für deinen Client.

• GPT-6 Astra in Codex nutzen: OpenAI Responses · Base URL und API-Key einrichten
• GPT-6 Astra in opencode nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in DeepSeek Harness nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in Cherry Studio nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in WorkBuddy nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in OpenClaw nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in Hermes Agent nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-6 Astra in Magpie nutzen: OpenAI Chat Completions · Base URL und API-Key einrichten
• GPT-API-Kostenrechner: was GPT-6 Astra pro Monat kostet: Vergleiche die Monatskosten über die OpenAI API und über Wokey für deine Nutzung und Cache-Trefferquote.
• OpenRouter-Alternative: Wokey und OpenRouter im Vergleich: Vergleiche Token-Preise, Zahlungsgebühren, API-Formate und Upstream-Quellen.
• Verifizierbare KI-API: prüfe, ob eine Antwort von GPT-6 Astra vom offiziellen Upstream stammt: Welche Antworten einen tee.proof tragen und was ein Nachweis belegt – und was nicht.
• GPT-6 Astra-Antwort online prüfen: Prüfwerkzeug für KI-API-Relays: Füge eine Antwort samt tee.proof ein und prüfe sie lokal im Browser; es wird nichts hochgeladen.

Beispiel eines echten Aufrufs

Diese Nutzungswerte stammen aus einem abgeschlossenen Aufruf von GPT-6 Astra, der beim ersten Versuch erfolgreich war und mit der Abrechnung abgeglichen wurde.

Eingabe gesamt

675347

Ausgabe

669

Cache-Anteil der Eingabe

99.1%

Dauer des Aufrufs

23.74 s

Responses usage

Aus dem Abrechnungseintrag als Beispiel für die API-Felder zusammengestellt. input_tokens ist die gesamte Eingabe einschließlich gecachter Token.

{
  "model": "gpt-6-astra",
  "usage": {
    "input_tokens": 675347,
    "input_tokens_details": {
      "cached_tokens": 669312
    },
    "output_tokens": 669,
    "total_tokens": 676016
  }
}

Token-Abgleich

Das sind die endgültigen Preise pro 1 Mio. Token, die für diesen Aufruf erfasst wurden.

Abgerechneter Betrag

$0.068680

Kosten = Summe aus Token × jeweiligem Preis ÷ 1,000,000, nach dem Summieren auf sechs Nachkommastellen gerundet.

Quelle dieses Aufrufs

Dieser Aufruf lief über den Kanal OpenAI auf chatgpt.com mit OAuth-Autorisierung. Die Nutzung wurde upstream gemessen, die Anfrage lieferte HTTP 200.

Prompt Cache prüfen

1. Halte das gemeinsame Präfix langer Prompts identisch und verwende den Kontext gemäß den Cache-Regeln der gewählten API wieder.
2. Prüfe input_tokens_details.cached_tokens; null bedeutet, dass für diesen Aufruf kein Cache-Lesen erfasst wurde.
3. Nicht gecachte Eingabe = input_tokens minus gecachte Token. Berechne jeden Posten mit seinem Preis und addiere die Kosten der Ausgabe.

Häufige Fragen

Verwandte Modelle und Dokumentation

• GPT-6 Sol
• GPT-6 Luna
• GPT-6.1 Sol
• GPT-6.1 Terra
• API-Dokumentation
• Alle Modelle und Preise
• Provider Node