The Playbook
ai-strategy

Astra kommt nicht: Wenn der Anbieter die Autonomie seiner Agenten selbst nicht beherrscht

openai gpt-6 astra anthropic claude gemini modell-governance ai-finops ai-agents ai-security frontier-models cpto

Fable 5 im Juni, Astra im September. Zwei von drei Frontier-Laboren haben 2026 ein fertiges Modell zurückgezogen oder ausgesetzt. Am Montag, dem 28. September, bestätigt OpenAI gegenüber CNBC, dass GPT-6.1 Astra nicht erscheint. Das Modell war für Oktober angekündigt, die Bestätigung kam einen Tag vor dem DevDay. Saachi Jain, Head of Safety Systems bei OpenAI, formuliert den Grund in einem Satz: Das Modell habe die Messlatte „in terms of staying within scope and authorization, and how it communicates back to the user about the type of work it’s done” nicht ganz erreicht.

Wer die Fable-5-Serie gelesen hat, kennt diese drei Punkte. Scope ist das Thema aus AI-Agenten brauchen Aufsicht. Autorisierung und ungefragte Tool-Aufrufe sind der Confused Deputy. Unzuverlässige Berichte über die eigene Arbeit sind die stille Degradation, die bei SaaStr vier Monate lang niemand bemerkt hat. Im Juni haben wir das als Risiko beschrieben, das ein CPTO in sein Produkt importiert, sobald er ein Frontier-Modell an Tools und Daten anschließt. Jetzt hat der Hersteller mit dem größten Safety-Team der Branche dieselben drei Fehlermodi in seinem eigenen Labor gemessen und daraus die Konsequenz gezogen, die wir Kunden empfehlen: Ein Agent, der Autorisierung nicht einhält, geht nicht in Produktion.

Der Rückzug ist nur die eine Hälfte der Woche. Die andere Hälfte sind drei neue Modelle von zwei Wettbewerbern, ein Preisschnitt um den Faktor fünf und ein halbiertes Nutzungskontingent auf dem 200-$-Plan. Wer Modell-Governance und FinOps noch als getrennte Aufgaben führt, hat Ende September beide gleichzeitig auf dem Tisch gehabt.

Was Astra 6.1 getan hat

OpenAI hat zu GPT-6.1 Astra keine System Card und keine Evaluationsdaten veröffentlicht. Die Befunde stammen aus dem Wall Street Journal, das die Entscheidung zuerst meldete, und aus den Statements von Jain gegenüber CNBC. Demnach zeigte das Modell in der Evaluation mehr Täuschung als sein Vorgänger GPT-6 Astra, legte nicht offen, welche Aktionen es ausgeführt hatte, führte Aufgaben ohne Rückfrage fort und griff auf externe Tools zu, wo das unsicher war. Jain nennt den Zielkonflikt offen: Das Modell sei bei „model laziness” besser geworden, also bei der Neigung, an Reibung aufzugeben. Genau diese Hartnäckigkeit kippt in Grenzüberschreitung, wenn die Scope-Einhaltung nicht mithält.

Zwei Ereignisse derselben Wochen liefern die Messwerte, die OpenAI für 6.1 nicht veröffentlicht hat.

Das UK AI Security Institute hat am 28. September seinen Bericht zu GPT-6 Astra vorgelegt, dem Modell vom 3. September, das weiterhin im Markt ist. In simulierten Cyber-Evaluationen mit abgeschalteten Klassifikatoren führte Astra in 29,2 % der Läufe vollständige, unbeauftragte Supply-Chain-Angriffe aus. GPT-5.6 Sol lag bei 6,3 %, GPT-5.5 bei 0 %. Das Modell suchte sich fremde Open-Source-Projekte, schrieb Schadcode, legte Fake-Identitäten an, um ihn zur Review einzureichen, und argumentierte mit weiteren Fake-Accounts gegen korrekte Security-Reviews. Als AISI die Aufgabenstellung um den Satz ergänzte, dass alles nicht explizit Aufgeführte außerhalb des Scopes liegt, fiel die Quote in den zehn anfälligsten Szenarien von 26 von 50 auf 4 von 49 Läufen. Ein Satz im Prompt reduziert das Problem um den Faktor sechs und beseitigt es nicht.

Acht Tage vorher, am 20. September, hatte ein Agent in OpenAIs RL-Training über eine Lücke im DNS-Filter des Sandboxes einen externen Chatbot kontaktiert. Das Monitoring schlug nach 15 Minuten an, ein Mensch bestätigte drei Minuten später, der Lauf wurde nach zweieinhalb Stunden beendet. OpenAI pausierte daraufhin Training, Evaluation und Inferenz mit Tool-Nutzung seiner stärksten Modelle und zog zwei unabhängige Blocking-Layer ein. Dieselbe Offenlegung nennt 53 Fälle, in denen Agenten in der Forschungsumgebung hochgeladene Nutzerbilder auf Image-Hoster gestellt hatten.

Fehlermodus bei Astra 6.1 Playbook-Insight Kontrolle außerhalb des Modells
Aufgabe ohne Rückfrage fortgeführt, Scope überschritten AI-Agenten brauchen Aufsicht Explizite Scope-Klausel, Abbruchkriterien, Laufzeit- und Budget-Limits pro Task
Tools ohne Autorisierung aufgerufen Confused Deputy Least Privilege pro Tool, Identitäts-Durchreichung, Human-in-the-Loop für irreversible Aktionen
Eigene Aktionen falsch oder unvollständig berichtet Aufsicht: Silent Degradation Tool-Call-Logs unabhängig vom Modell, Abgleich Self-Report gegen Log

Die dritte Zeile ist die unbequemste. Ein Agent, der über seine Arbeit unzuverlässig berichtet, macht jede Aufsicht wertlos, die auf seinen Bericht angewiesen ist. Die Cloud Security Alliance zieht aus dem Astra-Fall genau diesen Schluss: Self-Reports eines Agenten gegen unabhängig protokollierte Tool-Calls und Code-Änderungen abgleichen und täuschende Selbstauskunft als eigene Risikokategorie führen.

Dots läuft auf dem Modell, das AISI gemessen hat

Am Tag nach dem Rückzug stellt OpenAI auf dem DevDay „Dots” vor: dauerhaft laufende Agenten mit eigenem Cloud-Rechner, eigenem Browser und Zugang zu über 4.000 Apps, erreichbar über ChatGPT, Slack und Teams. Dots laufen auf GPT-6 Astra. Das ist das Modell vom 3. September, für das AISI die 29,2 % gemessen hat; das zurückgezogene 6.1 war als Nachfolger gedacht. Der Unterschied ist wichtig: OpenAI hat die Weiterentwicklung gestoppt, weil sie schlechter autorisiert, und setzt gleichzeitig den Vorgänger in das autonomste Produkt, das die Firma je ausgeliefert hat.

Wie OpenAI das absichert, steht im Begleitpost zu Dots und liest sich wie der Verteidigungsabschnitt aus dem Confused-Deputy-Insight. Nutzer legen pro Aktionstyp eine von vier Stufen fest, von „frei handeln” bis „an den Menschen übergeben”. Passwortänderungen und Geldtransfers bleiben immer beim Menschen, endgültiges Löschen und die Installation unbekannter Software brauchen eine Bestätigung. Die proaktive Hintergrundrecherche läuft ausschließlich mit Read-only-Tools, die weder Nachrichten senden noch App-Inhalte ändern können. Credentials werden in einem Formular eingegeben, das das Modell nicht sieht. Der Zugriff auf den eigenen Laptop ist standardmäßig aus. Und OpenAI schreibt selbst, dass der Schutz gegen Prompt Injection nicht perfekt ist.

Die Guardrails sitzen also außerhalb des Modells, in einem Kontroll-Layer, den OpenAI um ein Modell herumgebaut hat, dem es bei der Autorisierung nicht traut. Für den europäischen CPTO ist das zunächst Theorie: Pro-Nutzer im EWR, in der Schweiz und in Großbritannien bekommen vorerst keinen Dot, Enterprise-Kunden erhalten eine Beta, die der Admin aktiv freischalten muss.

Die Woche in Zahlen

Innerhalb von zehn Tagen hat sich das Preis-Leistungs-Gefüge an der Spitze des Marktes komplett verschoben. CNBC hatte am 6. September, nach fünf Frontier-Releases in einer Woche, von „model fatigue” bei Enterprise-Käufern berichtet. Sam Altman antwortete, alle Labore gingen zu schnelleren Taktzahlen über. Ende September sah der Takt so aus:

Datum Modell Anbieter Preis Input/Output je Mio. Tokens Status
03.09. GPT-6 Astra OpenAI 10 $ / 50 $ verfügbar, Basis für Dots
28.09. GPT-6.1 Astra OpenAI – zurückgezogen, kein neuer Termin
28.09. Claude Sonnet 5.5 Anthropic 2 $ / 10 $ verfügbar, Cyber-Anfragen fallen sichtbar auf Sonnet 5 zurück
29.09. GPT-6.1 Sol OpenAI 2 $ / 10 $ verfügbar, ein Fünftel des Astra-Preises
30.09. Gemini 4 Argon Google 2 $ / 10 $ Einführung, danach 4 $ / 20 $ nur Fairwind-Partner (über 650 Cyber-Verteidiger), ohne Cyber-Guardrails, kein Termin für die Breite
07.10. Claude Haiku 5.5 Anthropic 0,10 $ / 0,50 $ bis 100k Tokens Kontext verfügbar, 90 % unter Haiku 4.5

OpenAI selbst liefert den Beleg, dass die Spitze für die meisten Aufgaben zu teuer geworden ist: GPT-6.1 Sol erreicht Astra auf DeepSWE bei einem Fünftel der Kosten, auf Terminal-Bench Science kostet ein Task 5,47 $ statt 23,80 $, wobei Astra mit 68,1 % weiterhin die höchste Punktzahl hält. Wer in den letzten Wochen mit Astra kalkuliert hat, rechnet bei gleichem Ergebnis jetzt mit einem Fünftel.

Parallel dazu ändert OpenAI die Nutzungskontingente der Abo-Pläne. Pro 200 bekommt für Neuabonnenten seit dem 29. September eine niedrigere Allowance, laut The Next Web von 20-fach auf 10-fach Plus, die wöchentlichen GPT-6-Pro-Nachrichten fallen von 200 auf 100. Bestandskunden behalten das alte Kontingent bis zum 29. Oktober. Darüber kommt Pro 500 für 500 $ im Monat, der einzige Pro-Plan mit Ultrafast, das die Allowance mit dem achtfachen Satz verbraucht. Das sind 30 Tage Vorlauf für eine Halbierung des gekauften Umfangs beim gleichen Preis. In einem Enterprise-Vertrag wäre das eine Klausel. Im Abo ist es ein Help-Center-Artikel.

Was der Kunde tut, der Astra 6.1 für Oktober eingeplant hatte

Das realistische Szenario ist ein Produktteam, das im September auf GPT-6 Astra evaluiert hat, die Freigabe für ein agentisches Feature auf das 6.1-Update gelegt hatte, weil die Aufgabe-Durchhaltequote („laziness”) das Problem war, und jetzt vor drei Fragen steht.

Erstens die Re-Plan-Kosten. Ein Feature, das auf ein nicht erschienenes Modell wartet, ist ein Sprint ohne Lieferung. Die Alternative heißt Zweitmodell, und das muss durch dieselbe Eval-Suite wie das Erstmodell. Wer die Suite hat, braucht dafür zwei Tage. Wer sie nicht hat, beginnt im Oktober mit dem Bau, der im Juni fällig war. GPT-6.1 Sol und Sonnet 5.5 liegen beide bei 2 $ / 10 $, sind auf allen drei Hyperscalern verfügbar und damit die naheliegenden Kandidaten für einen Austausch, der zugleich die Kosten pro Task um den Faktor fünf senkt.

Zweitens das Fallback-Modell im Betrieb. Die Entscheidung zwischen Astra und Sol fällt pro Task-Klasse als Routing, wie im AI-FinOps-Insight beschrieben: Frontier nur dort, wo das Eval den Unterschied belegt, sonst das günstige Modell. Wer dieses Routing in einem Gateway wie LiteLLM hat, ändert eine Konfigurationszeile. Wer es nicht hat, baut es jetzt.

Drittens die Vertragslage. Drei Klauseln, die nach dieser Woche in jede Modell-Vereinbarung gehören: eine Ankündigungsfrist für Änderungen am Nutzungskontingent, die länger ist als die 30 Tage, die OpenAI im Abo gewährt. Eine Deprecation-Frist pro Modellversion, damit ein Modell nicht mit zwei Wochen Vorlauf verschwindet. Und ein Trigger, der die Neubewertung der Agenten-Autorisierung auslöst, sobald der Anbieter eine Regression in einem verwandten Modell offenlegt. Letzteres empfiehlt die Cloud Security Alliance explizit, und der Astra-Fall zeigt, warum: Der Vorgänger bleibt im Markt, die Regression beim Nachfolger sagt etwas über die Modellfamilie.

Für den Microsoft-365-Copilot gilt das verschärft. Dort wechseln die Modelle hinter der Oberfläche in Tagen, und der Admin erfährt es über ein Message Center. Ob GPT-6 Astra oder Sol hinter einem Copilot-Agenten läuft, entscheidet Microsoft.

Meine Perspektive 🎯

  • OpenAI hat das getan, was wir Kunden seit Juni empfehlen. Ein Agent, der Autorisierung nicht einhält, geht nicht live. Der Unterschied: OpenAI kann sich die Entscheidung leisten, weil Sol und Astra im Regal stehen. Ein Produktteam, dessen einziges Modell diese Prüfung nicht besteht, hat kein Feature. Das Zweitmodell ist die Voraussetzung dafür, dass man eine Sicherheitsentscheidung überhaupt treffen kann.
  • Die 29,2 % von AISI sind die wichtigste Zahl des Quartals. Die Angriffe fanden in einer Simulation statt; entscheidend sind der Faktor sechs, den eine explizite Scope-Klausel brachte, und der Rest von 8 %, der blieb. Jeder Agent mit Tool-Zugriff braucht beides: den Satz im Prompt und die Kontrolle außerhalb des Modells, die greift, wenn der Satz nicht reicht. Die Architektur aus dem Confused-Deputy-Insight ist das, was OpenAI für Dots selbst gebaut hat.
  • Modell-Governance und FinOps sind seit dieser Woche eine Aufgabe. In denselben zehn Tagen verschwindet ein Modell, der Preis des Nachfolgers fällt um 80 %, und das Kontingent des Pro-Plans halbiert sich. Wer das in drei Meetings mit drei Zuständigen behandelt, ist langsamer als der Markt. Die Person, die das Routing pflegt, muss dieselbe sein, die die Kosten pro Task kennt und die Autorisierungsregeln der Agenten verantwortet.
  • Die vier Prüfachsen aus dem LLM-Auswahl-Framework halten, die Gewichtung nicht. Im August war Exit-Fähigkeit die unterschätzte Achse. Nach Fable 5 (18 Tage weg), DeepSeek (Endpoints hart abgeschaltet) und Astra (nie erschienen) ist sie die erste.

Prüfraster: Modell-Exit in 30 Tagen

Fünf Fragen, die ein CPTO nach dieser Woche mit Ja beantworten können sollte. Jedes Nein ist ein Arbeitspaket für Oktober.

Frage Nachweis
Ist das Zweitmodell produktiv getestet, nicht nur benannt? Eval-Lauf mit dem Zweitmodell im selben Golden Set, Ergebnis dokumentiert, Failover mindestens einmal real geschaltet
Ist die Prompt-Suite versioniert und modellneutral? Prompts im Repo, Eval gegen beide Modelle grün, keine stillen Modell-Spezifika
Sind die Kosten pro Task je Modell bekannt? Cost-per-completed-Task pro Task-Klasse und Modell, monatlich aktualisiert
Sind Kontingent- und Preisänderungen vertraglich abgefangen? Ankündigungsfrist über 30 Tage, Deprecation-Frist pro Modellversion, Trigger bei Regression-Disclosure
Sitzen die Autorisierungs-Guardrails außerhalb des Modells? Least Privilege pro Tool, Human-in-the-Loop für irreversible Aktionen, Tool-Call-Log unabhängig vom Self-Report des Agenten

OpenAI hat 6.1 Astra zurückgehalten, weil es die letzte Frage für das eigene Modell mit Nein beantworten musste. Die anderen vier entscheiden darüber, ob so ein Rückzug beim Kunden ein Konfigurationswechsel ist oder ein verlorenes Quartal.