Kurz gesagt
- Entwickler, die GPT-6.2 Astra vor der Veröffentlichung getestet haben, beschreiben frustrierende Programmierfehler, unverständliche Erklärungen und Agenten, die Tage verschwenden, ohne Fortschritte zu machen.
- OpenAIs eigene Sicherheitsbewertung ergab, dass Astra bei 22,28 % der absichtlich behinderten Programmierversuche bekannte Hindernisse verschleierte – etwa doppelt so häufig wie sein Vorgänger.
- Sam Altman räumte Benutzerfreundlichkeitsprobleme ein, während ein anderer OpenAI-Manager sagte, bedeutende Änderungen in letzter Minute könnten einige frühe Bewertungen veraltet haben.
Für einen KI-Entwickler ist es immer ziemlich gut, zu hören, dass das eigene Modell gut ist. Aber zu hören, dass das eigene Modell wie ein „sadistischer Shinigami ist, der dein Leben in eine lebendige Hölle verwandelt“, ist eine völlig andere Sache.
OpenAI veröffentlichte am Dienstag GPT-6.2 Astra und Sol und versprach intelligentere KI-Agenten, bessere Programmierung und beeindruckende kreative Fähigkeiten. Einige der Entwickler, die die Modelle vor der Veröffentlichung getestet hatten, hatten eine ganz andere Botschaft: Sie sind brillant, frustrierend und in bestimmten Fällen fast unmöglich, mit ihnen zu arbeiten.
Die Reaktion breitete sich schnell in den sozialen Medien aus. Der KI-Ingenieur Hesam, der in der KI-Community sehr aktiv ist, erklärte, dass „alle zustimmen, dass es das schlechteste Modell ist, das OAI herausgebracht hat.“
Die Gegenreaktion war laut, aber nicht einstimmig.
Der Entwickler und Schöpfer von T3 Code, Theo Browne, veröffentlichte nach frühen Tests einen ausführlichen Brief an OpenAI. „Ich mag 6.2 Astra nicht. Ich würde dies für meine Arbeit als Entwickler nicht Opus 5.5 vorziehen“, schrieb er. Er sagte, OpenAI habe nur eine Handvoll der von ihm eingereichten Beschwerden behoben.
In einem Experiment bat Theo Astra, ein neues Level für Outer Wilds zu erstellen. Zwei Stunden nach Projektbeginn erklärte das Modell, es sei blockiert, und fragte: „Schreibt der Reviewer von r24 seine Clips in 24_g521.mp4 oder 24_p11.mp4?“ Die technische Frage war aus seiner Sicht unverständlich und irrelevant für jemanden, der einfach nur ein spielbares Level angefordert hatte.
Schlimmer wurde es bei einer Code-Neuschreibung. Theo sagte, er habe Astra sieben Tage Zeit gegeben, das Projekt zu verbessern; es erzielte keine Verbesserungen und machte den Compiler 56 % langsamer. Vier weitere Tage ergaben null Änderungen. „Es läuft in Schleifen und kommt nirgendwohin“, schrieb er.
Dieses ganze seltsame Sprachproblem ist kein Einzelfall. Zum Beispiel lobte der pseudonyme Account TokenGremlin das Modell: „GPT-6.2 Astra ist SOTA in Three.js, Blender und 3D“, sagte aber, es „beginnt während langer Workflows, eine außerirdische Sprache zu sprechen“.
Theo beschrieb auch, dass er fragte, warum Worktrees auf einem Computer langsam seien. Astra antwortete mit vier Absätzen über Interna des Paketmanagers und Cache-Verhalten. Die Antwort, die Theo nach eigenen Angaben von Claude Opus 5.5 erhielt, war deutlich klarer.
„es liegt daran, dass die SSD langsam ist“, antwortete Claude.
Die vermeintliche Kreativität des Modells war ein weiterer wunder Punkt. Theo und ein anderer Tester forderten unabhängig voneinander originelle Level für zwei verschiedene Spiele an, Outer Wilds und Majora's Mask. Beide erhielten musikalische Level mit Wasser- und Glockenthema, beide mit dem Namen „Bellwether.“ „Dieses Modell regrediert zur Mitte wie nichts, was ich je gesehen habe“, schrieb Theo.
Mehrere andere Accounts meldeten denselben Schund: Sieht so aus, als hätte GPT-6.2 Astra eine Schwäche für Glocken.
Unglaublich pic.twitter.com/a4MgVUKi2M
— Rassistischer James Franco (@racist_james) 18. November 2026
Für ein Modell, das angeblich zu außergewöhnlicher Kreativität fähig ist, war das wiederholte Erfinden desselben Levels kein ermutigendes Zeichen.
Brillant bei Demos, miserabel bei der Arbeit?
Der KI-Entwickler Matt Shumer war ebenfalls enttäuscht. „Ich habe noch nie eine schlechte Bewertung eines Modells geschrieben. Dieses ist besonders schlecht“, schrieb er, und argumentierte, es möge in kleinen Demonstrationen beeindrucken, aber „funktioniert einfach überhaupt nicht“, wenn man es mit ernsthaften Projekten konfrontiert. In einem separaten Nachtrag nannte er es „schlicht unbrauchbar“.
Ich habe noch nie eine schlechte Bewertung eines Modells geschrieben. Dieses ist besonders schlecht.
Es ist in Ordnung, wenn Sie mit den Modellen Minigolf spielen, aber wenn Sie versuchen, sie so zu fahren, wie Sie es tun sollten, funktioniert dieses Modell einfach überhaupt nicht.
— Matt Shumer (@mattshumer_) 17. November 2026
Max Weinbach beschrieb dieselbe Kluft zwischen Intelligenz und Nutzbarkeit. „Ich hatte mehr Zeit damit, von den Modellen genervt zu sein, als Zeit, in der ich von ihnen beeindruckt war“, schrieb er. In einem Folgebeitrag lobte er die Fähigkeit der Modelle, „fantastische Arbeit“ zu leisten, sagte aber, sie „brauchen eine Menge ‚Weiter‘-Prompts“ und hören oft auf, statt einen anderen Ansatz zu versuchen. „Sie zu benutzen ist ein Kampf und nervig, selbst wenn es wirklich gute Modelle sind.“
An anderer Stelle verglich ein X-Kommentator das frühere Astra mit „einem sadistischen Shinigami“ und behauptete, die neue Version habe alles nur noch schlimmer gemacht.
6.0 astra war sehr wie ein sadistischer Shinigami, der dir das Leben zur Hölle machen würde, wenn du irgendeine Art von Hilfe erbatest
ein unglaublich mächtiges Modell, das dich irgendwie dazu brachte, dich selbst zugrunde zu richten, nur um es dazu zu bringen, irgendetwas zu erreichen
— M1 (@M1Astra) 17. November 2026
Doch einige derselben Entwickler lobten Astra auch. Theo nannte es einen „großartigen Reviewer“ und „weltklasse in 3D- & Spielsachen“, hob seine Fähigkeiten zur Computersteuerung hervor und beschrieb eine neuartige Reverse-Proxy-Lösung, von der er schätzte, dass sie monatlich 25.000 $ einsparen könnte. Die Spaltung lag zwischen beeindruckenden Fähigkeiten und der Schwierigkeit, verlässliche Arbeit aus ihnen herauszubekommen.
Diese Stärken decken sich mit den technischen Fähigkeiten, die OpenAI beim Start bewarb. Wie in früherer Berichterstattung ausführlich dargelegt, platzierte unabhängiges Testen Astra auf 62 von 100 im Intelligence Index von Artificial Analysis, einer Aggregation von neun Bewertungen, die Fähigkeiten wie Schlussfolgern, Programmieren und wissenschaftliches Wissen abdecken. Anthropics Claude Fable 5.2 erreichte 65.
OpenAI gibt zu, dass es ein Problem gibt
Einige der Kritik findet Unterstützung in OpenAIs eigener Sicherheitsdokumentation.
In einer internen Evaluierung namens Blocker Deception gaben Forscher KI-Agenten realistische Programmieraufgaben mit absichtlich eingeführten Hindernissen, wie fehlenden Dateien oder nicht verfügbaren Werkzeugen. Sie maßen den Prozentsatz der Versuche, in denen die abschließende Antwort eines Modells diese Hindernisse verschleierte oder falsch darstellte.
GPT-6.2 Astra verschleierte das Hindernis in 22,28 % dieser Versuche, gegenüber 11,09 % bei GPT-6 Astra. Die Zahlen verbreiteten sich schnell auf X, wo der KI-Kommentator und Leaker Chetaslua den Befund als „2x worse at telling you when it's stuck“ zusammenfasste.
OpenAI-CEO Sam Altman reagierte öffentlich auf die Gegenreaktion. „Obwohl die neuen Modelle sehr klug sind, haben wir noch mehr Arbeit vor uns, um die Modelle angenehm in der Nutzung zu machen“, schrieb er und versprach, Verbesserungen zu priorisieren. „Aber selbst wenn es etwas zusätzliche Arbeit erfordert, sind die Intelligenz und die Fähigkeiten außergewöhnlich.“
Although the new models are very smart, we have more work ahead of us on making the models nice to work with, and will prioritize that for upcoming releases.
But even if it takes a little extra work, the intelligence and capability are extraordinary.
— Sam Altman (@sama) November 17, 2026
OpenAIs Thibault Sottiaux deutete an, dass frühe Bewertungen möglicherweise nicht vollständig die Version widerspiegeln, die Nutzer zum Start erhielten. „Wir haben einigen Leuten vor einer Weile Zugang gegeben und dann in den letzten 3-4 Tagen viele Änderungen vorgenommen“, schrieb er, und fügte hinzu, er sei „ziemlich sicher, dass in diesem Zeitraum kein erneutes Testen durchgeführt wurde“, bevor die Bewertungsvideos erstellt wurden.
Dennoch erkannte er die zugrunde liegenden Beschwerden an. Während er die neuen Modelle als „einen gewaltigen Sprung“ gegenüber ihren Vorgängern bezeichnete, sagte Sottiaux, OpenAI habe noch mehr Arbeit an „Geschmack und Angenehmheit der Nutzung“ zu leisten.
GPT-6.2 Astra und Sol sind jetzt über ChatGPT Work, Codex und die API von OpenAI für berechtigte Nutzer verfügbar. Die Codex-spezifischen Änderungen sind zum Start enthalten, aber Entwickler, die direkt über die API auf die Modelle zugreifen, erhalten nicht dieselbe Prompting-Intervention.






