GPT-6 Astra vs. Claude Opus 5.5: welk model gebruik je wanneer

Toen OpenAI begin september GPT-6 Astra uitbracht, presenteerde het bedrijf het als een model dat "alles kan wat jij op een computer kunt".

Diezelfde maand kwam Anthropic met Claude Opus 5.5, een model dat volgens hen presteert op het niveau van hun topmodel Claude Fable 5.1. (We maakten eerder al de vergelijking tussen GPT-Astra en Claude Fable 5.1.)

Beide modellen zijn inmiddels populaire standaardkeuzes voor serieuze agentische taken. Ze zijn nu een paar maanden beschikbaar en we hebben met beide uitgebreid kunnen oefenen. In dit artikel vergelijk ik GPT-6 Astra en Claude Opus 5.5 op benchmarks, features en prijs. Daarbovenop laat ik ze allebei dezelfde hands-on codetest doen en geef ik een concrete aanbeveling welk model ik het beste vind.

Wat is GPT-6 Astra?

GPT-6 Astra is het vlaggenschipmodel van OpenAI dat in september is aangekondigd. Het is beschikbaar in ChatGPT Plus, Pro, Business en Enterprise, in Codex, via de OpenAI API en op Amazon Bedrock. 

OpenAI heeft Astra gebouwd rond computergebruik. Het kan een desktop end-to-end bedienen, inclusief apps zonder API, en het is getraind om taken met minder tokens en minder retries af te ronden.

OpenAI noemt GPT-6 Astra ook zijn tot nu toe meest “aligned” model, en het is het eerste OpenAI-model dat de drempel "Critical" voor cybersecuritycapaciteiten haalt binnen het Preparedness Framework van het bedrijf.

Wat is Claude Opus 5.5?

Claude Opus 5.5 is Anthropics nieuwste Opus-model, eveneens uitgebracht in september. Het is beschikbaar in de Claude-apps, Claude Code, het Claude Platform API (als claude-opus-5-5), Amazon Bedrock, Google Cloud Vertex AI en Microsoft Foundry.

Anthropic positioneert Opus 5.5 als presterend op het niveau van Claude Fable 5.1 voor de meeste taken, terwijl het 20% goedkoper is per token dan Opus 5 en grofweg 40% goedkoper op typische workloads, omdat het ook minder tokens gebruikt. Volgens Anthropic is de outputgeneratie meer dan 30% sneller dan bij Opus 5. 

De lancering van Anthropic legt sterk de nadruk op langdurig engineeringwerk: een vroege tester rondde een code-migratie van 680.000 regels af in minder dan een dag, en in een interne C-naar-Rust-vertaling van HAProxy deed Opus 5.5 er 9,5 uur over tegenover 12 uur voor Fable 5.1.

GPT-6 Astra vs. Claude Opus 5.5: een vergelijking

De meest directe vergelijkingsdata die we hebben, komt uit Anthropics aankondiging van Opus 5.5, waarin GPT-6 Astra naast hun eigen modellen wordt gezet. Houd er rekening mee dat de Astra-cijfers daar door OpenAI gerapporteerde scores of publieke leaderboardresultaten zijn, geen runs die Anthropic zelf heeft uitgevoerd.

Coderen en software-engineering

Hier maakt Opus 5.5 zijn sterkste punt. Op Terminal-Bench 4.0, dat agents test in een echte terminal, scoort Opus 5.5 66,4% tegenover Astra's 57,9%, een voorsprong van 8,5 punten. 

FrontierCode ligt veel dichter bij elkaar: 54,4% voor Opus 5.5 tegenover 53,3% voor Astra, in feite een gelijkspel. 

Maar Astra heeft zijn eigen sterke punten bij coderen. OpenAI rapporteert 74,1% op DeepSWE v1.1, wat het een nieuw record noemt, en zegt dat Astra in de Codex-omgeving taken sneller afrondt dan zijn voorganger. Anthropic publiceert geen DeepSWE-score voor Opus 5.5.

Kenniswerk en redeneren

Op GDPval-AA v2.1, dat professionele taken over 44 beroepen beoordeelt, scoort Opus 5.5 1846 Elo tegenover Astra's 1542. Dat is een groot verschil. Opus 5.5 leidt ook op Humanity's Last Exam met tools, met 67,7% tegenover 57,2%.

Astra loopt voor op wetenschappelijk terminalwerk, met 64,6% op Terminal-Bench-Science tegenover 58,7% voor Opus 5.5. OpenAI rapporteert ook zeer sterke resultaten op wiskunde en wetenschap voor Astra, waaronder 97,6% op FrontierMath Tier 4 v2 en 96,0% op GPQA Diamond. Anthropic rapporteert die benchmarks niet voor Opus 5.5, dus als wiskunde-intensief redeneren jouw kernuse-case is, heeft Astra de sterkere gepubliceerde onderbouwing.

Computergebruik en zakelijke automatisering

Computergebruik is Astra's speerpunt. OpenAI rapporteert 72,6% op OSWorld 2.0 en 92,7% op ScreenSpot-Pro, en levert enterprise-controls hiervoor: beheerders kunnen websites en desktopapps beperken, goedkeuring vereisen voor ingrijpende acties en potentieel onveilige tool-calls automatisch laten beoordelen.

Anthropic rapporteert 81,8% op OSWorld 2.1 (gedeeltelijke punten) voor Opus 5.5. Dat is een andere versie van de benchmark met andere scoring, dus je kunt het niet rechtstreeks vergelijken met Astra's 72,6%. Op AutomationBench, Zapier’s benchmark voor bedrijfsworkflows, liggen de twee dicht bij elkaar, met Astra iets voor op 41,4% tegenover 40,0%.

Contextvenster en output

Beide modellen verwerken zeer lange inputs. Astra heeft een contextvenster van 1,05M tokens en Opus 5.5 heeft een venster van 1M tokens. Beide staan tot 128K outputtokens toe, en Opus 5.5 kan via de Message Batches API (in beta) tot 300K outputtokens gaan.

Veiligheid en beschikbaarheid

Beide labs schermen hun meest gevoelige capaciteiten af. Astra is beoordeeld als "Critical" voor cybersecurity, dus geavanceerd exploitwerk vereist het trusted-access-programma van OpenAI. Opus 5.5 leidt de meeste cybersecuritytaken om naar Claude Opus 4.8 en gebruikt dezelfde biologieveiligheidsmaatregelen als Fable 5.1, met verificatieprogramma's voor geverifieerde organisaties. 

Prijzen: wat je daadwerkelijk betaalt

Op basis van lijstprijzen is Opus 5.5 60% goedkoper dan Astra op zowel input als output, en 80% goedkoper op cache-reads. Een request met 100K inputtokens en 10K outputtokens kost ongeveer $0,60 op Opus 5.5 en $1,50 op Astra.

Tokenprijzen zijn echter niet het hele verhaal. OpenAI heeft Astra getraind om taken met minder tokens af te ronden, en Opus 5.5 kan op maximale inspanning veel redeneeroutput genereren, wat het verschil op sommige workloads verkleint. 

Hands-on test: een klok met tandwielaandrijving bouwen

Nu het leuke gedeelte: ik gaf beide modellen dezelfde bouwtaak, met dezelfde prompt, in dezelfde coding-agent.

De taak: een webpagina in één bestand met een analoge klok die volledig wordt aangedreven door een zichtbaar tandwielstelsel. De pagina leest de tijd één keer bij het laden; daarna mogen alleen de tandwielen de wijzers bewegen.

Ik koos deze test omdat je de resultaten met het blote oog kunt controleren. Pakken de tanden goed in elkaar? Draaien aangrenzende tandwielen tegengesteld?

De setup

Beide modellen draaiden in OpenCode op dezelfde Mac, na elkaar, met standaardinstellingen en elk één poging. Ik gebruikte de standaardversies van elk model (gpt-6-astra via OpenRouter en claude-opus-5-5 via de Anthropic API), niet de Pro- of snelle-variant. Hier is de prompt, letterlijk geplakt:

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.Mogelijk gemaakt door

De resultaten

Hier draaien beide klokken naast elkaar op 10x snelheid. Op deze snelheid draait het eerste grote wiel in elke klok eenmaal per zes seconden en kruipen de minutenwijzers vooruit.

Wat me opviel tijdens het kijken

Ze lazen "analoge klok" verschillend. Astra bouwde wat horlogemakers een regulator noemen: seconden, minuten en uren krijgen elk hun eigen wijzerplaat, gemonteerd op afzonderlijke wielen over het paneel. Opus bouwde een traditionele klokplaat, met de uur- en minutenwijzer gedeeld in het midden, een kleine secondewijzerplaat erboven en het tandwielstelsel zichtbaar door een uitsparing in de wijzerplaat.

Astra's tandwielen zijn makkelijker te volgen, en de tijd van Opus is makkelijker af te lezen. Bij Astra ligt elk wiel open en bloot, en kun je de beweging volgen van de motor tot aan de urenwijzerplaat. Maar om de tijd te lezen moet je drie wijzerplaten checken. Bij Opus kun je de tijd in één oogopslag zien, maar sommige tandwielen zitten achter de ring van de wijzerplaat, waardoor je niet elk tandwiel in elkaar ziet grijpen. 

Het eerste grote wiel lijkt te snel, maar dat is het niet. Toen ik de klokken voor het eerst versnelde, leek het eerste grote wiel in beide klokken te racen, vooral bij Astra. In beide ontwerpen draagt dat wiel de secondewijzer, dus het draait eenmaal per minuut in realtime en eenmaal per seconde op 60x. Op echte snelheid zie je dat het exact synchroon loopt met de secondewijzer.

Sommige wielen van Astra overlappen. Op een paar plekken tekent Astra een groot wiel bovenop een ander, zoals waar het urenwiel de groene schijf ernaast kruist. Dat is niet per se fout, want echte uurwerken stapelen wielen in lagen, maar het maakt het lastiger te zien welke tanden daadwerkelijk contact maken.

Beide hielden de juiste tijd aan. Ik spoelde beide klokken 10 uur vooruit, wat op topsnelheid ongeveer 10 seconden duurt, en beide kwamen uit op 20:10:30, precies waar ze moesten zijn.

Welke ik beter vond

Beide klokken werken. Als ik iets wilde om naar te kijken, zou ik die van Astra kiezen: het hele mechanisme ligt open en het oogt als een stuk engineering. Dat gezegd hebbende, wat Opus maakte, ligt dichter bij wat de prompt vroeg: één enkele analoge klokplaat.

Wanneer kies je GPT-6 Astra of Claude Opus 5.5

De klokbouw is maar één leuk project. Ik heb niet elke use-case kunnen testen. Dit zijn nuttige richtlijnen:

Kies Claude Opus 5.5 als...

• Je coding-agents bouwt of draait, vooral langdurige migraties, refactors en terminalwerk.
• Je workload professioneel kenniswerk is, zoals research, analyse en documenten. Ik zeg dit omdat Opus 5.5 leidt op GDPval-AA.
• Kosten op schaal belangrijk zijn, of je regelmatig prompts langer dan 272K tokens verstuurt.
• Je het model nodig hebt op Google Cloud of Microsoft Foundry.

Kies GPT-6 Astra als...

• Je belangrijkste use-case computergebruik is: desktopapps en browsers aansturen, formulieren invullen en QA over tools zonder API's.
• Je de sterkste gepubliceerde wiskunde- en wetenschapsredenering nodig hebt. Ik zeg dit omdat Astra voorloopt op Terminal-Bench-Science en topresultaten rapporteert op FrontierMath en GPQA.
• Je team al werkt in ChatGPT Enterprise en Codex, en je de beheertools en enterprise-plugins van Astra wilt.

Slotgedachten

Op papier is Claude Opus 5.5 de betere waarde. Het leidt GPT-6 Astra op de meeste benchmarks waar beide een score hebben, inclusief een duidelijke voorsprong op agentisch coderen en kenniswerk, en dat voor 40% van Astra's lijstprijs.

Maar Astra is niet afgetroefd. Het is de sterkere keuze voor computergebruik, het laat betere gepubliceerde resultaten zien op wiskunde en wetenschap, en dankzij de toktonefficiëntie is het werkelijke kostenverschil kleiner dan de prijslijst doet vermoeden.