GPT-6 Astra vs. Claude Opus 5.5: Welches Modell solltest du nutzen?

Als OpenAI Anfang September GPT-6 Astra veröffentlichte, stellte das Unternehmen es als ein Modell vor, das „alles kann, was du an einem Computer tun kannst.“

Im selben Monat konterte Anthropic mit Claude Opus 5.5, einem Modell, das laut Anbieter auf dem Niveau des hauseigenen High-End-Modells Claude Fable 5.1 arbeitet. (Den Vergleich zwischen GPT-Astra und Claude Fable 5.1 haben wir bereits gemacht.)

Beide Modelle sind inzwischen die populären Standardoptionen für anspruchsvolle Agenten-Workflows. Sie sind seit einigen Monaten verfügbar, und wir hatten ausreichend Zeit, mit beiden intensiv zu arbeiten. In diesem Artikel vergleiche ich GPT-6 Astra und Claude Opus 5.5 anhand von Benchmarks, Features und Preisen. Zusätzlich lasse ich beide im gleichen praktischen Coding-Test antreten und gebe eine konkrete Empfehlung, welches ich bevorzuge.

Was ist GPT-6 Astra?

GPT-6 Astra ist OpenAIs Flaggschiffmodell, das im September angekündigt wurde. Es ist in ChatGPT Plus, Pro, Business und Enterprise verfügbar, in Codex, über die OpenAI API und auf Amazon Bedrock. 

OpenAI hat Astra konsequent für die Computerbedienung entwickelt. Es kann einen Desktop Ende-zu-Ende steuern – auch Apps ohne API – und wurde darauf trainiert, Aufgaben mit weniger Tokens und weniger Wiederholungen zu erledigen.

OpenAI bezeichnet GPT-6 Astra außerdem als das bisher am stärksten „ausgerichtete“ Modell und als erstes Modell, das unter dem Preparedness Framework des Unternehmens die Stufe „Critical“ bei Cybersicherheitsfähigkeiten erreicht.

Was ist Claude Opus 5.5?

Claude Opus 5.5 ist Anthropics neuestes Opus-Modell, ebenfalls im vergangenen September erschienen. Es ist in den Claude-Apps, in Claude Code, über die Claude Platform API (als claude-opus-5-5), auf Amazon Bedrock, Google Cloud Vertex AI und Microsoft Foundry verfügbar.

Anthropic positioniert Opus 5.5 mit einer Performance auf dem Niveau von Claude Fable 5.1 bei den meisten Aufgaben, dabei 20% günstiger pro Token als Opus 5 und grob 40% günstiger bei typischen Workloads, weil es auch weniger Tokens nutzt. Zudem soll die Ausgabeerzeugung über 30% schneller sein als bei Opus 5. 

Die Launch-Highlights von Anthropic zielen stark auf langlaufende Engineering-Arbeit: Ein Early Adopter schloss eine Code-Migration mit 680.000 Zeilen in unter einem Tag ab, und bei einer internen C-zu-Rust-Übersetzung von HAProxy brauchte Opus 5.5 nur 9,5 Stunden gegenüber 12 Stunden bei Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: Direktvergleich

Die klarsten Side-by-Side-Daten stammen aus Anthropics Launch-Post zu Opus 5.5, der GPT-6 Astra neben die eigenen Modelle stellt. Wichtig: Die dortigen Astra-Zahlen sind von OpenAI gemeldete Werte oder Ergebnisse aus öffentlichen Leaderboards – nicht Messungen, die Anthropic selbst durchgeführt hat.

Coding und Software Engineering

Hier punktet Opus 5.5 am stärksten. Auf Terminal-Bench 4.0, das Agenten in einem echten Terminal testet, erreicht Opus 5.5 66,4% gegenüber Astras 57,9% – ein Vorsprung von 8,5 Punkten. 

FrontierCode liegt deutlich näher beieinander: 54,4% für Opus 5.5 gegenüber 53,3% für Astra – praktisch Gleichstand. 

Astra hat jedoch eigene Stärken im Coding. OpenAI meldet 74,1% auf DeepSWE v1.1, laut OpenAI ein neuer Rekord, und berichtet, dass Astra im Codex-Harness Aufgaben schneller abschließt als sein Vorgänger. Anthropic veröffentlicht keinen DeepSWE-Wert für Opus 5.5.

Knowledge Work und Reasoning

Auf GDPval-AA v2.1, das professionelle Aufgaben in 44 Berufen bewertet, erzielt Opus 5.5 1846 Elo gegenüber 1542 bei Astra. Das ist ein deutlicher Abstand. Auch bei Humanity's Last Exam mit Tools liegt Opus 5.5 vorn: 67,7% gegenüber 57,2%.

Astra liegt bei wissenschaftlicher Terminal-Arbeit vorne und erreicht 64,6% auf Terminal-Bench-Science gegenüber 58,7% für Opus 5.5. OpenAI meldet zudem sehr starke Mathematik- und Naturwissenschafts-Ergebnisse für Astra, darunter 97,6% auf FrontierMath Tier 4 v2 und 96,0% auf GPQA Diamond. Anthropic nennt diese Benchmarks für Opus 5.5 nicht. Wenn mathelastiges Reasoning dein Kerneinsatz ist, hat Astra die stärkeren veröffentlichten Belege.

Computerbedienung und Business-Automatisierung

Computerbedienung ist Astras Aushängeschild. OpenAI meldet 72,6% auf OSWorld 2.0 und 92,7% auf ScreenSpot-Pro und liefert Enterprise-Steuerungen dafür: Admins können Websites und Desktop-Apps einschränken, vor folgenreichen Aktionen eine Freigabe verlangen und potenziell unsichere Tool-Aufrufe automatisch prüfen lassen.

Anthropic berichtet 81,8% auf OSWorld 2.1 (Partial Credit) für Opus 5.5. Das ist eine andere Benchmark-Version mit anderer Bewertung, daher nicht direkt mit Astras 72,6% vergleichbar. Auf AutomationBench, Zapiers Benchmark für Business-Workflows, liegen beide eng beieinander – mit einem leichten Vorteil für Astra: 41,4% gegenüber 40,0%.

Kontextfenster und Ausgabe

Beide Modelle verarbeiten sehr lange Eingaben. Astra bietet ein Kontextfenster von 1,05 Mio. Tokens, Opus 5.5 von 1 Mio. Tokens. Beide erlauben bis zu 128K Ausgabetokens, und Opus 5.5 kann über die Message Batches API (Beta) bis zu 300K Ausgabetokens liefern.

Safety und Verfügbarkeit

Beide Labs schränken ihre sensibelsten Fähigkeiten ein. Astra ist bei Cybersicherheit als „Critical“ eingestuft, daher erfordern fortgeschrittene Exploit-Aufgaben OpenAIs Trusted-Access-Programm. Opus 5.5 leitet die meisten Cybersicherheitsaufgaben an Claude Opus 4.8 um und nutzt dieselben Biologie-Schutzmaßnahmen wie Fable 5.1 – mit Verifizierungsprogrammen für geprüfte Organisationen. 

Preise: Was du tatsächlich zahlst

Nach Listenpreis ist Opus 5.5 bei Input und Output jeweils 60% günstiger als Astra und bei Cache-Lesezugriffen 80% günstiger. Eine Anfrage mit 100K Input-Tokens und 10K Output-Tokens kostet etwa $0,60 bei Opus 5.5 und $1,50 bei Astra.

Tokenpreise sind jedoch nicht die ganze Geschichte. OpenAI hat Astra darauf trainiert, Aufgaben mit weniger Tokens abzuschließen, und Opus 5.5 kann im Maximalmodus sehr viel Reasoning-Output erzeugen – das verringert bei manchen Workloads den Abstand. 

Praxis-Test: Eine zahnradgetriebene Uhr bauen

Jetzt zum spaßigen Teil: Ich habe beiden Modellen die identische Aufgabe mit identischem Prompt im gleichen Coding-Agenten gestellt.

Die Aufgabe: Eine Single-File-Webseite, die eine analoge Uhr zeigt, die vollständig von einem sichtbaren Zahnradtrieb angetrieben wird. Die Seite liest die Zeit nur einmal beim Laden aus; danach dürfen ausschließlich die Zahnräder die Zeiger bewegen.

Ich habe diesen Test gewählt, weil Leserinnen und Leser das Ergebnis mit bloßem Auge prüfen können. Greifen die Zähne sauber ineinander? Drehen sich benachbarte Räder in entgegengesetzte Richtungen?

Das Setup

Beide Modelle liefen in OpenCode auf demselben Mac, nacheinander, mit Standardeinstellungen und jeweils nur einem Versuch. Ich habe die Standardvarianten der Modelle genutzt (gpt-6-astra via OpenRouter und claude-opus-5-5 über die Anthropic API), nicht die Pro- oder Fast-Mode-Versionen. Hier ist der Prompt, wortwörtlich eingefügt:

Build a single-file web page, index.html, with inline CSS and JavaScript. Use canvas or SVG. No external libraries, no network requests, no build step.

The page shows an analog clock driven entirely by a visible mechanical gear train.

Requirements:

One driving gear (the "motor") turns at a constant rate. Everything else moves only because gears mesh: the second, minute, and hour hands must be driven through the gear train, with the minute hand turning exactly 1/60 as fast as the second hand and the hour hand exactly 1/12 as fast as the minute hand. Do not compute hand angles from Date() each frame; read the current local time once at load to set the starting position, then let the gears drive the hands.
Show at least six gears with visible teeth. Gears that mesh must have matching tooth size, teeth that visibly interlock without overlapping, and opposite directions of rotation. Each pair's speed ratio must equal the inverse of its tooth-count ratio. Compound gears (two gears fixed on one axle) are allowed and should look like they share an axle.
Hovering over any gear shows its tooth count and its current speed in RPM.
Controls: a speed slider from 1x to 3600x real time, a pause/resume button, and a "reset to now" button.
After running at any speed for several minutes and then returning to 1x, the clock must still show the correct time for the simulated elapsed time (no drift from floating-point accumulation).
It should look like a well-made piece of clockwork, readable at both desktop and phone widths.

When you're done, briefly explain your gear train: the tooth counts and how they produce the 60:1 and 12:1 ratios.Bereitgestellt von

Die Ergebnisse

Hier laufen beide Uhren nebeneinander mit 10-facher Geschwindigkeit. Bei diesem Tempo dreht sich das erste große Rad in jeder Uhr alle sechs Sekunden einmal, und die Minutenzeiger bewegen sich langsam vorwärts.

Meine Beobachtungen

Sie interpretieren „analoge Uhr“ unterschiedlich. Astra baute, was Uhrmacher eine Regulator-Uhr nennen: Sekunden, Minuten und Stunden haben jeweils ein eigenes Zifferblatt, verteilt über die Fläche. Opus setzte auf ein klassisches Zifferblatt mit gemeinsamem Zentrum für Stunden- und Minutenzeiger, einer kleinen Sekundenskala oben und einem sichtbaren Zahnradwerk hinter einer ausgeschnittenen Front.

Astras Zahnräder sind leichter nachzuvollziehen, Opus’ Uhrzeit ist leichter abzulesen. Bei Astra liegen alle Räder offen, und du kannst die Bewegung vom Motor bis zum Stundenzifferblatt verfolgen. Um die Zeit abzulesen, musst du allerdings drei Skalen prüfen. Bei Opus liest du die Uhrzeit auf einen Blick, aber einige Zahnräder liegen hinter dem Ziffernring, sodass du nicht jedes Eingreifen siehst. 

Das erste große Rad wirkt zu schnell, ist es aber nicht. Beim Hochdrehen wirkte das erste große Rad in beiden Uhren, vor allem bei Astra, sehr schnell. In beiden Designs trägt dieses Rad den Sekundenzeiger, dreht sich also in Echtzeit einmal pro Minute und bei 60x einmal pro Sekunde. In Echtzeit siehst du, dass es exakt im Takt mit dem Sekundenzeiger läuft.

Einige von Astras Rädern überlappen. An ein paar Stellen zeichnet Astra ein großes Rad über ein anderes, etwa dort, wo das Stundenrad das grüne Nachbarrad kreuzt. Das ist nicht grundsätzlich falsch – echte Uhrwerke haben mehrere Ebenen –, erschwert aber zu erkennen, welche Zähne tatsächlich ineinandergreifen.

Beide hielten die korrekte Zeit. Ich habe beide Uhren um 10 Stunden vorgespult – das dauert bei Top-Speed etwa 10 Sekunden – und beide landeten bei 20:10:30, genau wie erwartet.

Welche mir besser gefiel

Beide Uhren funktionieren. Wenn ich etwas zum Zuschauen wollte, würde ich Astras wählen: Das gesamte Mechanikwerk ist sichtbar und wirkt wie ein Stück Ingenieurskunst. Allerdings entspricht das, was Opus gebaut hat, näher der Aufgabenstellung: ein einzelnes analoges Zifferblatt.

Wann du GPT-6 Astra vs. Claude Opus 5.5 wählen solltest

Der Uhrenbau ist nur ein Spaßprojekt. Ich konnte nicht jeden Use Case testen. Hier sind hilfreiche Leitlinien:

Wähle Claude Opus 5.5, wenn ...

• du Coding-Agenten baust oder betreibst, insbesondere für langlaufende Migrationen, Refactorings und Terminal-Arbeit.
• dein Workload professionelle Knowledge-Work ist, z. B. Recherche, Analysen und Dokumente. Ich sage das, weil Opus 5.5 bei GDPval-AA führt.
• Kosten im großen Maßstab wichtig sind oder du regelmäßig Prompts mit mehr als 272K Tokens sendest.
• du das Modell auf Google Cloud oder Microsoft Foundry brauchst.

Wähle GPT-6 Astra, wenn ...

• dein Haupt-Use-Case Computerbedienung ist: Desktop-Apps und Browser steuern, Formulare ausfüllen und QA über Tools ohne APIs.
• du das stärkste veröffentlichte Mathematik- und Wissenschafts-Reasoning benötigst. Ich sage das, weil Astra bei Terminal-Bench-Science führt und Top-Ergebnisse bei FrontierMath und GPQA meldet.
• dein Team bereits mit ChatGPT Enterprise und Codex arbeitet und du Astras Admin-Kontrollen und Enterprise-Plugins nutzen willst.

Fazit

Auf dem Papier bietet Claude Opus 5.5 das bessere Preis-Leistungs-Verhältnis. Es liegt bei den meisten gemeinsamen Benchmarks vor GPT-6 Astra, inklusive eines klaren Vorsprungs beim agentischen Coding und bei Knowledge-Work – und das zu 40% des Listenpreises von Astra.

Aber Astra ist keineswegs abgeschlagen. Es ist die stärkere Wahl für Computerbedienung, liefert die besseren veröffentlichten Ergebnisse in Mathe und Naturwissenschaften und ist tokeneffizient – dadurch ist der reale Kostenvorteil kleiner, als die Preistabelle vermuten lässt.