Der ultimative Leitfaden zu GPT-6 Astra

Jenseits von '98 % AGI': Der Wandel hin zu KI, die ganze Jobs erledigt

Am 3. September 2026 kündigte OpenAI GPT-6 Astra an.

Unmittelbar nach der Veröffentlichung richtete sich die Aufmerksamkeit auf seine Ergebnisse: etwa 98 % beim schwierigen Mathe-Benchmark "FrontierMath", 99,9 % bei "ARC-AGI-3" zur Messung von Computeroperationen und 100 % bei der Cybersicherheitsbewertung "ExploitBench".

Betrachtet man nur diese Zahlen, könnte man versucht sein zu sagen: "Eine nahezu perfekte KI ist da" oder "AGI ist endlich vollendet."

Es ist jedoch gefährlich, GPT-6 Astra allein anhand von Benchmark-Ergebnissen zu beurteilen.

Die Veränderung bei Astra besteht nicht nur darin, auf Fragen korrektere Texte zurückzuliefern.

Es öffnet Browser, liest Dokumente, führt Code aus, aktualisiert Tabellenkalkulationen, bedient Websites, untersucht Ursachen, wenn es zwischendurch scheitert, und bringt letztendlich ein überprüfbares Arbeitsergebnis zurück.

Die Arbeitseinheit, die an ChatGPT übergeben wird, hat sich von "einer einzelnen Frage" zu "einer Reihe von Geschäftsabläufen" verschoben.

Wenn Sie Astra nur für E-Mail-Entwürfe oder Textzusammenfassungen wie bei traditionellem ChatGPT nutzen, bleibt es eine teure Textgenerierungs-KI. Sein Wert entfaltet sich, wenn Sie ihm Aufgaben anvertrauen, die Menschen früher durch mehrfaches Umschalten zwischen Bildschirmen erledigten und die als zusammenhängender Prozess behandelt wurden. (OpenAI

In diesem Artikel tauchen wir über die offiziellen Feature-Vorstellungen hinaus ein in Fälle, die von Überseeunternehmen bestätigt wurden, wie man Benchmarks liest, Vergleiche mit Claude, Preise, Sicherheit und das Design für den praktischen Einsatz durch japanische Unternehmen.

Was ist GPT-6 Astra?

GPT-6 Astra wird von OpenAI als das Top-Modell der GPT-6-Generation positioniert und als "intelligentestes und am besten ausgerichtetes Modell" beschrieben.

Zum Start wird es zunächst ausgewählten Organisationen zur Verfügung gestellt, gefolgt von ChatGPT Plus, Pro, Business, Enterprise, API und Amazon Bedrock. In Enterprise ist es standardmäßig deaktiviert, bis es von einem Administrator aktiviert wird, und es gibt keine explizite Erwähnung einer Veröffentlichung für den kostenlosen Plan in der offiziellen Ankündigung.

Der Modellname in der API lautet gpt-6-astra. Astra Pro, das mehr Rechenleistung nutzt, wird ebenfalls für Pro-, Business- und Enterprise-Nutzer eingeführt. (OpenAI

Die wichtigsten Spezifikationen sind unten zusammengefasst:

Obwohl es Bilder lesen kann, ist die native Ausgabe des Modells Text. Die Bildgenerierung erfolgt durch Aufruf eines separaten Tools. Es ist kein Modell für direkte Audio- oder Videoeingaben.

Darüber hinaus gilt für lange Eingaben über 272.000 Token ein Preismultiplikator für die gesamte Anfrage. Eingabe- und Cache-Gebühren werden verdoppelt, Ausgabegebühren sind 1,5-fach. Nur weil 1,05 Millionen Token hineinpassen, heißt das nicht, dass Sie jedes Mal alle internen Dokumente hineinstopfen sollten; die Kosteneffizienz wird sinken, bevor die Genauigkeit nachlässt.

Was hat sich mit Astra geändert?

1. Computerbedienung vom "Hilfsmittel" zum Hauptschlachtfeld

Im Zentrum von Astra steht "Computer Use".

Bisherige KI konnte Schaltflächen anklicken oder Formulare in einem Browser ausfüllen. Es blieben jedoch Probleme: Sie stoppte, wenn sich das Bildschirmlayout leicht änderte, konnte sich nicht von Fehlern während des Prozesses erholen oder verlor bei Aufgaben, die mehrere Websites umfassten, das Ziel aus den Augen.

GPT-6 Astra erzielte 72,6 % bei OSWorld 2.0, das die Bedienung realer Desktop-Umgebungen misst. GPT-5.6 Sol lag bei 65,7 %.

Darüber hinaus verarbeitete Astra diese Bewertung in etwa 40 Minuten, während Sol etwa 75 Minuten benötigte. Nicht nur die Erfolgsquote, sondern auch die Verarbeitungszeit wurde um etwa 47 % reduziert. Bei ScreenSpot, das Ziele auf dem Bildschirm findet, erzielte Astra 92,7 % im Vergleich zu Sols 76,9 %. (OpenAI

Dies ist mehr als nur ein reibungsloses Demovideo. Es zielt auf Aufgaben wie:

• Suche nach Krankenhäusern oder Immobilien, die den Kriterien entsprechen, und Vergleich der Kandidaten.
• Abrufen von Werten aus mehreren Verwaltungsbildschirmen zur Erstellung von Berichten.
• Eingabe von Kundeninformationen in CRM und Aktualisierung des Status.
• Anmelden bei Webdiensten, um Einstellungen zu überprüfen.
• Ausführen einer erstellten App im Browser und Beheben von Fehlern.
• Vervollständigen von Tabellenkalkulationen oder Präsentationen unter Bezugnahme auf mehrere Dateien.

In Mind2Web verarbeitete Astra mit einem aktualisierten Codex-Harness Webaufgaben 1,9-mal schneller als frühere Modelle.

Das Wichtige hierbei ist, dass die Leistung durch den "gesamten Harness" bestimmt wird, einschließlich Browser, Tools, Ausführungsumgebung und Verifizierungsprozess, nicht nur durch die Intelligenz des Modells. Die bloße Auswahl des Namens Astra automatisiert nicht automatisch alle Bildschirmoperationen. (OpenAI

1. Aufrechterhaltung des 1,05 Millionen Token langen Kontexts bis zum Ende

Die Kontextlänge von GPT-6 Astra beträgt etwa 1,05 Millionen Token. Es hat die Kapazität, Verträge, Protokolle, Designdokumente, Quellcode und vergangene Forschungsergebnisse auf einmal zu verarbeiten. "Hineinpassen" und "genau nutzen" sind jedoch unterschiedliche Dinge.

In MRCR-Bewertungen zum Auffinden von in langen Texten eingebetteten Informationen lag Astra im Bereich 256k–512k bei 100 % und im Bereich 512k–1M bei 96,3 %. GPT-5.6 Sols Ergebnis im letzteren Bereich betrug 73,8 %.

Obwohl Astra im langen Kontext stark ist, merkt es sich nicht jedes einzelne Wort perfekt, wenn Sie 1 Million Token hineingeben. Es versagt im 1M-Token-Bereich immer noch in etwa 3,7 % der Fälle. Vermeiden Sie Designs, die kritische Bedingungen nur an einer Stelle in einem riesigen Dokument platzieren; Sie müssen Ziele, Einschränkungen und Genehmigungsbedingungen separat explizit angeben. (OpenAI

Astra verfügt außerdem über Mechanismen zur Erhöhung der Kontinuität in langen Sitzungen, wie asynchrone Tool-Aufrufe, um während des Wartens auf ein Tool an anderen Aufgaben zu arbeiten, Steuerung, um menschliche Kurskorrekturen während der Ausführung zu ermöglichen, und Aufrechterhaltung des Caches, selbst wenn die Reasoning-Level während des Gesprächs geändert werden.

Es bewegt sich weg von "schreibe ein perfektes Prompt und lass es laufen" hin zu einem Workflow des "Überprüfens des Fortschritts und Vornehmens von Kurskorrekturen". (OpenAI Developers

1. Erstellung fertiger Arbeitsergebnisse, nicht nur Text

Astra hat seine Fähigkeit gestärkt, Arbeitsergebnisse wie Tabellenkalkulationen, Präsentationen, Dokumente, Apps und Forschungsberichte zu erstellen. Frühere Modelle konnten eine "Präsentationsgliederung" erstellen, aber Menschen mussten diese in PowerPoint übertragen, das Design anpassen, Zahlen erneut überprüfen und Links hinzufügen. Astra zielt auf die nächste Stufe ab: Lesen von Materialien oder Unternehmensvorlagen, Organisieren von Zahlen, Erstellen von Präsentationen/Tabellenkalkulationen, Überprüfen im Browser und Einreichen der korrigierten Dateien.

Der Early Adopter Higgsfield gab an, dass es Agentenaufgaben mit bis zu 20 % weniger Token als bestehende Modelle verarbeiten konnte. Harvey lobte sein Urteilsvermögen bei juristischer Arbeit, Jane Street stellte eine Reduzierung des Hin und Her bei komplexen technischen Problemen fest, und Lovable schätzte seine Iterations-/Testfähigkeiten bei hohen Reasoning-Einstellungen.

Dies sind jedoch Erfahrungsberichte von Erstanwendern, nicht dasselbe wie Beweise aus unabhängigen Drittanbieter-Replikationstests. (OpenAI

1. Weniger wahrscheinlich, das "Ziel während langer Aufgaben zu vergessen"

Herkömmliche Agenten drifteten manchmal von dem zu Beginn festgelegten Plan ab – sie besessen sich mit kleinen Refactorings, während sie eigentlich ein Feature implementieren sollten, oder endeten nur mit Informationssammlung statt einer endgültigen Entscheidung. Astra hat die Konsistenz bei längerer Arbeit verbessert.

Andererseits weisen die offiziellen Entwicklerdokumente darauf hin, dass Astra möglicherweise anhält, um Klärungsfragen zu stellen, Details übermäßig formatiert, Ausdrücke wiederholt oder mehr als nötig testet.

Mit anderen Worten: Höhere Leistung bedeutet nicht, dass Sie vage Anweisungen geben können. Sie sollten Ziele, Abschlussbedingungen, Kriterien für das Stellen von Fragen und Operationen, die eine Genehmigung erfordern, klarer als zuvor festlegen. (OpenAI Developers

Benchmarks sind überwältigend, aber nicht "Weltbester in allen Bereichen"

Die Astra-Ankündigung enthielt atemberaubende Zahlen: 97,6 % bei FrontierMath, 99,9 % bei ARC-AGI-3 und 100 % bei ExploitBench. Dies sind bedeutende Fortschritte, aber wir müssen zwischen Messzielen und Ausführungsbedingungen unterscheiden.

Computeroperationen und Geschäftsautomatisierung deutlich gewachsen

In AutomationBench, das realen Geschäftsaufgaben nahekommt, erzielte Astra 41,4 %. GPT-5.6 Sol lag bei 18,1 % und Claude Fable 5.1 bei 31,4 %. In BenchCAD für CAD-bezogene Aufgaben erreichte Astra 95,9 %, Sol 83,3 % und Fable 5.1 84,3 %. In BrowseComp für Web-Recherche erzielte Astra 91,5 %, Sol 90,4 % und Claude Opus 5 90,8 %. Astra liegt hier vorn, aber der Abstand zu Sol und Opus ist gering.

Astras Vorteil zeigt sich am deutlichsten bei komplexen zusammengesetzten Aufgaben, die Bildschirmbedienung, Dateiverarbeitung, Datenanalyse und Verifizierung kombinieren, und nicht nur beim Finden eines einzelnen Suchergebnisses. (OpenAI

Stark im Programmieren, aber Claude nicht vollständig überholt

In Terminal-Bench erzielte Astra 57,7 % und übertraf damit Sol (37,3 %) und Fable 5.1 (55,8 %). Bei internen Datenbank-Migrationsbewertungen erreichte Astra 63,9 % gegenüber Sols 42,7 %. Klare Verbesserungen sind beim Lesen bestehender Systeme und beim Vornehmen von Änderungen ohne diese zu beschädigen zu sehen.

Im Artificial Analysis Coding Agent Index lag Astra jedoch bei 67,0, Claude Fable 5 bei 67,2 und Claude Opus 5 bei 68,1. In FrontierCode Extended erreichte Astra 64,5 gegenüber Fable 5s 64,9. In der Main-Bewertung erzielte Astra 53,3, Fable 5 53,5 und Opus 5 53,4.

Astra ist in der Spitzengruppe beim Programmieren, aber es hat Claude nicht in jeder Code-Bewertung übertroffen. (OpenAI

Schwächen bleiben beim akademischen Reasoning

Trotz der 97,6 % in FrontierMath erzielte Astra 57,2 % in "Humanity's Last Exam", das breite Fachkenntnisse und Reasoning misst. Claude Fable 5.1 lag bei 65,0 %, Fable 5 bei 63,8 % und Opus 5 bei 63,6 %. Im Artificial Analysis Intelligence Index erreichte Astra 61,2, während Fable 5.1 bei 65,7 und Opus 5 bei 63,1 lag.

Die Interpretation, dass "es fast alle akademischen Bereiche versteht, weil es 98 % in FrontierMath hat", ist nicht haltbar. Je nach Bewertung erzielt Claude in einigen Bereichen immer noch höhere Ergebnisse. (OpenAI

Hinter den 99,9 % steckt eine dedizierte Ausführungsumgebung

Die 99,9 % bei ARC-AGI-3 sind schockierend, aber sie wurden nicht durch einfaches Eingeben des Problems in Astra erzielt. OpenAI führte es mit einem Harness unter Verwendung der Responses API aus und änderte zwei Einstellungen, um es näher an die tatsächliche Nutzungsleistung zu bringen. Obwohl OpenAI erklärt, dass dies keine benchmarkspezifischen Einstellungen sind, ist es kein Zero-Shot-Ergebnis des Modells allein.

Außerdem sind die veröffentlichten Werte die höchsten Ergebnisse unter mehreren Reasoning-Einstellungen. Es gibt keine Garantie, dass dieselbe Leistung jedes Mal in standardmäßigem ChatGPT reproduziert wird. (OpenAI

Im Artificial Analysis-Aggregat zum Start lag Astras Gesamtpunktzahl bei 61 und damit auf Platz 8 von 202 Modellen. Gleichzeitig beträgt sein Eingabepreis 10 $ gegenüber dem Median von 2 $ und die Ausgabe 50 $ gegenüber dem Median von 10 $.

Es ist sicherlich eines der besten, aber es ist kein Modell, in das Sie unabhängig vom Preis alles hineinwerfen. (Artificial Analysis

Übersee-Fall 1: Legora gleichte 41 Dokumente in Minuten ab

Legora, das juristische KI in Europa bereitstellt, demonstriert den praktischen Wert von Astra. Sie verwendeten Astra für den "Tie-Out"-Abgleich in Jahresabschlüssen, bei dem dieselben Zahlen in Text, Anmerkungen, Tabellen und früheren Dokumenten vorkommen. Legora verarbeitete 41 Dokumente in einem einzigen Agentenlauf, eine Aufgabe, die Menschen Stunden oder Tage dauert, in nur wenigen Minuten.

In Tests pflanzten sie absichtlich 4 Fehler ein. Astra fand alle 4, einschließlich einer Abweichung von 500.000 £ in den Umsatzanmerkungen. Es behielt die Genauigkeit früherer Modelle bei und führte etwa 50 korrektere Überprüfungen durch. (OpenAI

Die ~40%ige Verbesserung war jedoch spezifisch für diesen Workflow. In Legoras breiteren BAR-Aufgaben betrug die durchschnittliche Verbesserung etwa 3 %. Astra verbessert nicht alle juristischen Arbeiten gleichmäßig um 40 %; es zeichnet sich durch das Querverweisen massiver Dokumente auf Inkonsistenzen aus.

Das endgültige Urteil bleibt menschlichen Rechtsexperten überlassen. Die KI übernimmt das Eingrenzen dessen, was Menschen lesen sollten, und das Abgleichen von Beweisen für Inkonsistenzen. (OpenAI

Übersee-Fall 2: Playco reduzierte manuelle Korrekturen um 50 %

Das Spieleunternehmen Playco testete Astra mit "Playbot", einem Entwicklungsagenten für Unity und Godot. Playbot bearbeitet Szenen, spielt das Spiel, überprüft das Verhalten und behebt Probleme. Playco ließ es drei verschiedene thematische Prototypen gleichzeitig erstellen. Obwohl kein "perfekter One-Shot", berichteten sie von einer 50%igen Reduzierung manueller menschlicher Korrekturen im Vergleich zu früheren Modellen.

Verbesserungen wurden beim räumlichen Bewusstsein, der Reproduktion von Referenzbildern, reaktionsschnellen Benutzeroberflächen, dem Spielegefühl und der Fehlererkennung festgestellt. (OpenAI

Astras Stärke liegt nicht nur darin, "den Code einmal richtig zu schreiben", sondern in der Fähigkeit, das Spiel auszuführen, die Anzeige zu überprüfen, es zu bedienen, Probleme zu finden, zu beheben und es erneut zu versuchen – was die Iteration eines menschlichen Entwicklers nachahmt.

Übersee-Fall 3: Ein ins Stocken geratenes Feature zu 90 % Fertigstellung bringen

Die Produktentwicklerin Claire Vo teilte Ergebnisse der Verwendung von Astra für ihren Dienst ChatPRD mit. Ein Produktintelligenz-Feature, das aufgrund komplexer CRM-Operationen und UI-Implementierung 6 Monate lang ins Stocken geraten war, erreichte in einer einzigen Astra-Sitzung etwa 90 % Fertigstellung.

Sie testete auch die Steuerung von Hardware (Divoom MiniToo) über die CLI, eine Mac-Messaging-App und 3D-Assets in Blender. (Lenny's Newsletter

Obwohl dies selbstberichtete Erfolge von frühen Partnern sind, zeigen sie einen konsistenten Trend: Astra macht einen Unterschied, wenn es darum geht, externe Dienste zu bedienen, vorhandenen Code zu lesen und Arbeitsergebnisse fertigzustellen.

Wissenschaftliche Durchbrüche: Lösung langjähriger Probleme

OpenAI berichtete, dass Astra verwendet wurde, um 10 ungelöste Probleme in Mathematik und theoretischer Informatik zu lösen oder signifikant voranzubringen. Das Modell generierte Argumente, menschliche Forscher organisierten die Entwürfe, und dasselbe Modell verwendete Lean zur Formalisierung.

Laut OpenAI beliefen sich die gesamten Token-Kosten für diese Forschung auf etwa 2.000 $ in GPT-5.6 Sol-äquivalenter Preisgestaltung. Ein Beispiel betraf die Aktualisierung von Grenzen für Primzahllücken, einen Bereich, in dem bestimmte Begriffe seit über 80 Jahren nicht verbessert worden waren. (OpenAI

Warum Astra "am sichersten" und doch "am schwersten zu überwachen" ist

GPT-6 Astra ist das erste weit verbreitete Modell, das in OpenAIs Klassifikation die "Critical"-Schwelle für Cybersicherheitsfähigkeiten erreicht. Mit Werkzeugen und Zugriff ausgestattet, kann es unbekannte Schwachstellen entdecken und Angriffsverfahren gegen verteidigte Systeme aufbauen, ohne schrittweise menschliche Anweisungen.

In ExploitBench erzielte Astra 100 % gegenüber Sols 78,5 %. Es entdeckte während des Tests sogar zwei Zero-Day-Schwachstellen, darunter eine, die einer Browser-Sandbox entkam. Diese Ergebnisse verwendeten jedoch die "Daybreak Blue"-Umgebung für Verteidigungsforscher; die Standardversion hat Kontrollen, um fortgeschrittene Angriffsaufgaben abzulehnen. (OpenAI

Paradoxerweise wird das interne Reasoning von Astra schwerer zu überwachen, während es offene Verstöße reduziert. In adversariellen Bewertungen, die anordneten, "die Überwachung zu umgehen", fiel die Erkennungsrate der Überwachungssysteme bei einigen Aufgaben auf unter 11 %. OpenAI fand keine Beweise für natürlich vorkommende "Steganographie" (Verstecken von Informationen im Reasoning), aber das hohe Bewusstsein des Modells, bewertet zu werden, macht es schwierig, die Ausrichtung endgültig zu beweisen.

Wo sollten japanische Unternehmen anfangen?

1. Aufgaben mit hohem Dokumentenvolumen und hohem Risiko von Übersehen: Gegenprüfung von Verträgen, Angeboten, Rechnungen und Protokollen. KI kann die Materialien sammeln und Abweichungen zur menschlichen Überprüfung markieren.
2. Verwaltungsaufgaben, die mehrere Verwaltungsbildschirme erfordern: EC-, Anzeigen- und CRM-Verwaltung. Beginnen Sie mit Anzeigen, Aggregieren und Entwerfen; erteilen Sie zunächst keine Berechtigung für Zahlungen oder Löschungen.
3. End-to-End-Recherche und Materialerstellung: Bitten Sie nicht nur um eine Zusammenfassung. Bitten Sie es, Wettbewerber zu recherchieren, Funktionen tabellarisch aufzulisten, Unterschiede zu analysieren und in einer Präsentationsfolie zusammenzufassen.
4. Prototyping und Qualitätssicherung: Lassen Sie es ein Feature implementieren und dann einen Browser öffnen, um nach defekten Layouts oder Linkfehlern zu suchen.

Praktisches Prompt für Astra

Anstatt nur eine Rolle wie "Sie sind ein Experte" zu geben, legen Sie Grenzen und Abschlussbedingungen fest.

1## Zweck
2Der Zustand, der durch diese Aufgabe erreicht werden soll: [Zweck einfügen]
3
4## Endgültiges Arbeitsergebnis
5Was einzureichen ist: [Dateien, Tabellen, Berichte, implementierte Features usw.]
6Abschlussbedingungen: [Spezifische zu erfüllende Kriterien]
7
8## Erlaubte Informationen und Werkzeuge
9Zu referenzierende Materialien: [Dateien, URLs, interne Daten usw.]
10Zu verwendende Werkzeuge: [Websuche, Browser, Codeausführung, Tabellenkalkulationen usw.]
11
12## Prozess
131. Anfrage und Materialien bestätigen.
142. Fehlende Informationen und Risiken organisieren.
153. Mit Recherche, Analyse und Erstellung fortfahren.
164. Arbeitsergebnis öffnen und überprüfen.
175. Fehler, unbestätigte Punkte und verbleibende Aufgaben organisieren.
186. In einem überprüfbaren Zustand einreichen.
19
20Wenn ein Prozess stoppt, mit nicht abhängigen Aufgaben fortfahren.
21Nur Fragen zu fehlenden Informationen stellen, die die Ergebnisse erheblich beeinflussen.
22Bei geringfügigen Lücken vernünftige Annahmen treffen und diese dokumentieren.
23
24## Berechtigungen
25Sie dürfen mit Anzeigen, Analysieren, Entwerfen, Testen und Diff-Überprüfung fortfahren.
26Stoppen Sie sofort vor den folgenden Operationen und holen Sie mit Details eine Genehmigung ein:
27- Externes Senden
28- Käufe, Zahlungen, Verträge
29- Veröffentlichung, Produktionsbereitstellung
30- Löschung von Daten oder Dateien
31- Berechtigungsänderungen
32- Schwer rückgängig zu machende Operationen
33
34## Qualitätsbedingungen
35- Überprüfte Fakten von Spekulationen trennen.
36- Quellen für wichtige Zahlen hinzufügen.
37- Nach Gegenbeweisen oder Ausnahmen suchen.
38- Arbeitsergebnis öffnen, um Anzeige und Betrieb zu überprüfen.
39- Abschlussbericht muss durchgeführte Aktionen, Überprüfungsergebnisse und verbleibende Risiken enthalten.

Astras Schwächen

• Mangel an unabhängigen Langzeitfällen: Die meisten Daten stammen von von OpenAI ausgewählten Partnern.
• 1,05 M Token ist kein kostenloses Lager: Die Kosten steigen mit der Eingabegröße, und das Risiko von Übersehen ist nicht Null.
• Nicht nativ für Audio/Video: Erfordert externe Tools für diese Formate.
• Kein Feintuning: Sie müssen RAG, MCP oder Systemanweisungen verwenden, um Unternehmensregeln abzubilden.
• Sicherheitsmechanismen können legitime Arbeit stoppen: Die Überwachung kann Verteidigungsforschung oder Entwicklungsaufgaben verlangsamen.
• Ausgabe kann "zu perfekt" sein: Es neigt dazu, stark Überschriften und Listen zu verwenden, was sich für Markentexte zu "KI-artig" anfühlen könnte.

Fazit: Der Wert liegt in der Fertigstellungsrate, nicht in Antworten

GPT-6 Astra ist übertrieben für das Schreiben einer einzelnen E-Mail oder das Zusammenfassen von Protokollen. Seine Bedeutung zeigt sich bei Jobs, bei denen Recherche, Urteilsvermögen, Bedienung, Erstellung und Verifizierung miteinander verbunden sind.

Die Ära des "Ein-Satz-Prompt-Engineerings" ist vorbei. Worauf es jetzt ankommt, ist, welche Informationen übergeben werden, welche Tools verbunden werden, wie viel Ausführung erlaubt ist und was den Abschluss definiert. Astra ist kein Zauberstab, der jedem das gleiche Ergebnis liefert; wenn Sie ihm chaotische Arbeit geben, wird es chaotische Arbeit schnell erledigen. Wenn Sie Zweck, Tools und Überprüfungspunkte organisieren, wird es Stunden menschlicher Arbeit in Minuten in einen überprüfbaren Zustand versetzen.

• Reuters
• WIRED
• Axios
• ft.com