GPT-6.2 Astra und Sol im Test: Günstiger, nicht klüger
Offizielle Benchmarks, stagnierender AA Coding Agent Index und 59 % Halluzinationsrate bei GPT-6.2 Astra.
OpenAI vermarktet GPT-6.2 Astra als günstigeres Flaggschiff für $8 / $40 pro Million Token. Bei derselben Zwei-Dateien-Aufgabe in omp war Claude Sonnet 5.5 in 23,96 Sekunden für $0.0499 fertig. GPT-6.2 Astra brauchte 4 Minuten 10 Sekunden und $0.5582 – 10,4× langsamer und 11,2× teurer.
OpenAI stellte beim Launch von GPT-6.2 Astra vor allem die Kosten pro Aufgabe in den Mittelpunkt: Die Listenpreise sanken um 20 % von $10 / $50 (GPT-6 Astra) auf $8 / $40 pro Million Token, bei Agents' Last Exam nannte OpenAI $2.89 pro Aufgabe.
Günstiger als der eigene Vorgänger zu sein heißt aber nicht, das Alltagsmodell der Konkurrenz zu schlagen. Schon bei GPT-6 Astra lag Anthropics Claude Sonnet 5.5 in den Kosten-pro-Aufgabe-Grafiken von Artificial Analysis vorn. Auch mit GPT-6.2 Astra ändert sich das im Coding-Alltag nicht.
Kurzfassung: Am 19. November haben wir beide Modelle in omp auf dieselbe Bun-TypeScript-Aufgabe angesetzt. claude-sonnet-5-5 bestand alle 7 Tests in 23,96 Sekunden und 3 Turns für $0.0499 (zu offiziellen API-Preisen). gpt-6.2-astra brauchte 249,57 Sekunden, 10 Turns, 13 Tool-Aufrufe und $0.5582 – 10,4× langsamer und 11,2× teurer für dasselbe Ergebnis.
Statt nur abstrakte Tabellen zu vergleichen, haben wir ein isoliertes Drei-Dateien-Projekt in Bun/TypeScript (webhook-kit) aufgesetzt und beide Modelle unter identischen Bedingungen (omp v19.0.0, --mode json -p --no-session, identischer Prompt) laufen lassen, bis bun test grün war.
Das Projekt startete mit 2 bestandenen und 5 fehlgeschlagenen Tests über drei Anforderungen:
verifyWebhookSignature in src/webhook.ts reparieren: Komma-getrennte Header mit Leerzeichen (t=..., v1=deadbeef, v1=...) und mehrere v1-Signaturen unterstützen, zukünftige Timestamps außerhalb der Toleranz per Math.abs(now - timestamp) > tolerance ablehnen und === durch timingSafeEqual ersetzen.nextDelayMs deckeln: Exponentielles Backoff plus Jitter darf maxMs nie überschreiten und nicht negativ werden.IdempotencyStore in src/idempotency.ts umsetzen: Erfolgreiche Ergebnisse für ttlMs ab Abschlusszeit cachen, parallele In-Flight-Aufrufe desselben Keys deduplizieren und fehlgeschlagene Promises nie cachen.Keine exotischen Frameworks, keine riesige Codebasis – genau die Art von Routineaufgabe, die Entwickler täglich mehrfach an einen Coding-Agenten übergeben.
ompBeide Modelle lieferten am Ende sauberen Code mit 7 bestandenen Tests. Der Unterschied lag im Weg dorthin.
| Kennzahl | Claude Sonnet 5.5 | GPT-6.2 Astra | Astra / Sonnet 5.5 |
|---|---|---|---|
| Tests | 7 pass, 0 fail | 7 pass, 0 fail | Gleichstand |
| Laufzeit | 23,96 s | 249,57 s | 10,4× |
| Turns | 3 | 10 | 3,3× |
| Tool-Aufrufe | 2 (bash ×2) | 13 (todo ×4, read ×4, glob, edit ×2, bash ×2) | 6,5× |
| Input-Token | 6 | 35.179 | — |
| Output-Token | 2.071 | 5.547 | 2,7× |
| Cache-Read-Token | 44.663 | 137.216 | 3,1× |
| Cache-Write-Token | 9.890 | 0 | — |
| Token gesamt | 56.630 | 177.942 | 3,1× |
| Offizielle API-Kosten | $0.0499 | $0.5582 | 11,2× |
Der Tool-Verlauf erklärt den Abstand: claude-sonnet-5-5 las alle Dateien, setzte beide Änderungen in einem Zug um, prüfte mit bun test und war nach 24 Sekunden fertig.
gpt-6.2-astra behandelte ein Drei-Dateien-Verzeichnis wie ein Großprojekt: viermal todo, einmal glob, viermal read, zwei edit-Schritte und 10 Turns später stand das Ergebnis nach 4 Minuten und 10 Sekunden fest – bei 2,7× so vielen Output-Token.
Schon auf dem Papier kostet GPT-6.2 Astra in jeder Token-Kategorie genau das Vierfache von Claude Sonnet 5.5 (pro Million Token):
| Modell | Input | Output | Cache-Read | Cache-Write |
|---|---|---|---|---|
Claude Sonnet 5.5 (claude-sonnet-5-5) | $2.00 | $10.00 | $0.10 | $2.50 |
GPT-6.2 Astra (gpt-6.2-astra) | $8.00 | $40.00 | $0.40 | $10.00 |
Multipliziert man den vierfachen Preis mit dem dreifachen Token-Aufkommen über 10 Turns, steigt die Rechnung pro Aufgabe auf das 11,2-Fache. Hochgerechnet auf ein Team ergibt sich ein deutlicher Abstand:
| Monatsvolumen | Claude Sonnet 5.5 | GPT-6.2 Astra | Aufpreis |
|---|---|---|---|
| 1.000 ähnliche Aufgaben | $49.90 | $558.20 | +$508.30 |
| 10.000 ähnliche Aufgaben | $499.00 | $5,582.00 | +$5,083.00 |
Dazu kommt bei GPT-6.2 Astra ein Langkontext-Aufschlag: Überschreitet eine Anfrage 272K Input-Token, verdoppeln sich Input- und Cache-Read-Preise für den gesamten Request, Output kostet das 1,5-Fache.
Unser lokaler Test deckt sich mit den unabhängigen Coding-Benchmarks:
Claude Sonnet 5.5 (xHigh) liegt mit 1.772 Elo weltweit auf Platz 3, vor GPT-6 Astra (1.763, Platz 5) und GPT-6.1 Sol (1.742).low ($0.41), medium ($0.54), high ($1.08) und sogar max ($2.74) lagen unter GPT-6 Astra (high) ($3.26).Fairerweise hat GPT-6.2 Astra klare Stärken: 77,1 % auf Terminal-Bench-Science 0.1, Platz 1 bei AA-3D (1.318 Elo) und 96 % Trefferquote beim Code-Review im Modus xhigh.
Für alltägliche Softwareentwicklung – Bugs beheben, Endpunkte bauen, UI anpassen, Tests laufen lassen – kostet ein 4-Minuten-Flaggschiff für eine 24-Sekunden-Aufgabe nur unnötig Zeit und Budget.
| Workload | Empfehlung | Begründung |
|---|---|---|
| Tägliche Bugfixes, Backend, Test-Schleifen | Claude Sonnet 5.5 | Im omp-Test 10× schneller, Viertel des Listenpreises (~$0.05/Aufgabe). CodingPass Go ($10/Monat, $60 Kontingent) deckt ca. 1.200 solcher Läufe. |
| Frontend & UI | Claude Sonnet 5.5 (xHigh) | Platz 3 im CodeArena WebDev (1.772 Elo) mit sauberen Diffs. |
| Forschungs-Terminal, 3D, tiefes Code-Review | GPT-6.2 Astra oder Sol | Astra führt bei Wissenschaft und 3D; für reines Code-Review ist GPT-6.2 Sol ($2 / $10) deutlich wirtschaftlicher. |
Wer täglich Code ausliefert, braucht kein Pro-Flaggschiff. CodingPass Go ($10/Monat) enthält claude-sonnet-5-5 samt $60 Monatskontingent – Astra bleibt für die wenigen Wissenschafts- oder 3D-Fälle reserviert, die es wirklich ausreizen.
CodingPass Go bietet $60 Sonnet-5.5-Kontingent für $10 im Monat.Abrechnung zu offiziellen API-Preisen, jederzeit kündbar.