GPT-6 Astra: dit is er veranderd

GPT-6 Astra hoort bij de GPT-6-generatie en is volgens OpenAI zijn krachtigste model tot nu toe, gemaakt voor het zwaarste werk van begin tot eind. Het richt zich op ingewikkeld redeneren, programmeren, het bedienen van een computer, onderzoek en het maken van documenten. In de API, de koppeling waarmee software rechtstreeks met een model praat, heet het gpt-6-astra.

Dat “van begin tot eind” is het kernidee. Astra is minder bedoeld als chatbot waaraan je steeds één vraag stelt, en meer als model dat een doel krijgt en daar zelf de stappen voor zet. Een opdracht kan bijvoorbeeld zijn: onderzoek vijf concurrenten, verzamel actuele informatie van hun websites, vergelijk het aanbod en werk de conclusies uit in een presentatie volgens een bestaande template.

Een paar basisgegevens. Astra kan ongeveer 1.050.000 tokens tegelijk verwerken. Een token is het stukje tekst waarin een AI-model rekent, ruwweg een woorddeel; samen vormen ze het werkgeheugen van een gesprek. Per antwoord levert het model maximaal 128.000 tokens en de kennis ervan loopt tot 30 april 2026. Je kunt tekst en afbeeldingen invoeren; het basismodel antwoordt met tekst.

De stap van GPT-5.6 Sol naar Astra draait om drie dingen: taken zelfstandiger uitvoeren, beter kunnen bijsturen tijdens lang werk en veiliger gedrag. Op papier lijkt het verschil klein, want beide modellen verwerken evenveel tekst tegelijk en leveren evenveel tekst per antwoord. Astra heeft wel recentere kennis (tot 30 april 2026 tegenover 16 februari 2026) en is per verwerkt stukje tekst 2,5 keer zo duur.

Duurder per token betekent alleen niet automatisch duurder per klus. OpenAI laat zien dat Astra voor sommige ingewikkelde taken minder stappen en minder tekst nodig heeft, waardoor de prijs per afgeronde opdracht juist lager kan uitvallen. Dat hangt sterk af van het soort werk.

De zichtbaarste vooruitgang zit in het bedienen van een computer: formulieren invullen, software gebruiken, instellingen aanpassen, websites testen. Op OpenAI’s proef OSWorld 2.0, waarin een model precies dat soort handelingen moet uitvoeren, ging de score van 65,7% naar 72,6%. In dezelfde proef daalde de gemiddelde tijd per taak van ongeveer 75 naar ongeveer 40 minuten. Dat telt zwaar, want in de praktijk loopt AI zelden vast op kennis, maar juist op het betrouwbaar afhandelen van tientallen kleine handelingen achter elkaar.

Nieuw is dat je Astra tijdens een lopende opdracht extra instructies kunt geven zonder dat alles opnieuw begint. In de API heet die functie mid-turn steering, oftewel tussentijds bijsturen. Zeg je halverwege “gebruik toch alleen Nederlandse bronnen”, dan neemt het model dat mee en blijft het werk dat al af is gewoon staan.

Daarnaast hoeft Astra niet stil te wachten wanneer een extern hulpmiddel nog bezig is; het kan ondertussen aan een ander onderdeel van de opdracht verder. Ook het redeneerniveau is tussentijds aan te passen. Astra kent de standen Low, Medium, High, XHigh en Max, en anders dan GPT-5.6 Sol heeft het geen stand waarin het helemaal niet redeneert. Voor lange programmeerklussen in Codex, OpenAI’s omgeving voor ontwikkelaars, komt daar een experimentele functie bij: het model bewaart eigen notities en kan eerdere gesprekken opnieuw doorzoeken zodra het werkgeheugen vol raakt.

Claude Fable 5.1 van Anthropic verscheen twee dagen eerder, op 1 september 2026, en mikt op hetzelfde terrein: ingewikkeld redeneren, langlopende opdrachten, programmeren, onderzoek en professioneel kenniswerk. De twee concurreren dus vrij direct met elkaar.

Vergelijking op basis van de gegevens die OpenAI en Anthropic bij de lancering publiceerden.

Op de tests die OpenAI bij de lancering publiceerde is het beeld gemengd. Astra ligt voor waar nadenken en handelen samenkomen, zoals bij AutomationBench (41,4% tegenover 31,4%) en Terminal-Bench Science (64,6% tegenover 52,6%), en ook bij de wiskundetest FrontierMath Tier 4 (97,6% tegenover 87,8%). Fable 5.1 scoort juist hoger op de kennistest Humanity’s Last Exam met hulpmiddelen (65,0% tegenover 57,2%) en op de brede ranglijst Artificial Analysis Intelligence Index (65,7 tegenover 61,2). De eerlijke samenvatting is dus niet dat Astra slimmer is, maar dat het sterker lijkt in het combineren van nadenken en daadwerkelijk uitvoeren. Wil je een bredere vergelijking tussen beide aanbieders, lees dan hoe Claude verschilt van ChatGPT.

Op 8 september 2026 geldt: heb je Pro, Business of Enterprise, dan krijg je Astra in de gewone ChatGPT-omgeving aangeboden onder de naam GPT-6 Pro, bij Enterprise afhankelijk van de instellingen van je werkruimte. Heb je Plus, dan krijg je Astra tijdens de uitrol via ChatGPT Work en Codex, maar staat GPT-6 Pro niet in de gewone keuzelijst met modellen.

De uitrol gaat stapsgewijs, dus wat jij in je eigen account ziet kan afwijken. Op de productpagina van OpenAI staat daarnaast de term “GPT-6 Astra Pro”, terwijl de helppagina’s spreken over GPT-6 Pro dat door Astra wordt aangedreven.

OpenAI deelt zijn modellen in naar risiconiveau en heeft Astra voor cyberveiligheid op het hoogste niveau gezet, Critical. Zonder de beveiliging die in het product is ingebouwd, kan het model volgens OpenAI onder bepaalde omstandigheden nieuwe zwakke plekken in software vinden en daar misbruikcode voor schrijven. Tijdens de proeven vond het zelfs twee zwakke plekken die nog bij niemand bekend waren.

Daarom kijkt OpenAI tijdens sommige opdrachten mee en kan het een uitvoering pauzeren of stoppen. Opvallend is een andere uitkomst: in een interne test met een onmogelijke opdracht ging Astra in 0% van de gevallen buiten de afgesproken grenzen, terwijl GPT-5.6 Sol zonder die beveiliging dat in 48% van de gevallen wel deed. Tegelijk meldt OpenAI dat de uitgeschreven redenering van Astra in bepaalde controles juist lastiger te volgen was dan die van Sol.

De belangrijkste ontwikkeling zit niet in het nummer, maar in de verschuiving van een model dat vooral nadenkt naar een model dat vooral uitvoert. Op de brede ranglijst van Artificial Analysis gaat de eigen score van OpenAI van 60,9 naar 61,2, nauwelijks een sprong. Op AutomationBench gaat het van 18,1 naar 41,4 en op Terminal-Bench Science van 22,4 naar 64,6.

Dat past bij waar OpenAI de nadruk op legt: bruikbare eindproducten zoals documenten, spreadsheets, presentaties, data-analyses en websites, gemaakt volgens een bestaande template. De vraag verschuift van “schrijf een tekst over deze gegevens” naar “lever het bestand op zoals wij dat normaal ook zouden doen”. Wat we niet weten telt trouwens ook mee: OpenAI publiceerde geen technische details over de omvang van het model of de rekenkracht die het trainen kostte, en Astra is nog maar kort beschikbaar.

GPT-6 Astra hoort bij de krachtigste modellen van dit moment, met de nadruk op computergebruik, programmeren en het opleveren van af werk. Vergeleken met Claude Fable 5.1 is het beeld genuanceerd: Astra wint op veel uitvoerende tests, Fable op een paar brede kennistests. Voor jouw praktijk is de vraag dan ook niet welk model het slimst is, maar welk werk je er daadwerkelijk aan durft over te dragen. Dat leer je vooral door er gestructureerd mee te oefenen.

Wil je leren hoe je deze modellen praktisch inzet in je werk, dan kun je bij Startel, dat al ruim 25 jaar IT-professionals opleidt, in één dag met ChatGPT aan de slag, van de basis tot geavanceerd prompten en automatiseren.