OpenAI lanceert nieuw model GPT-6 Astra

Je geeft een AI-agent de opdracht om een nieuwe functie te bouwen. De eerste stappen gaan goed. Hij leest de code, maakt een planning en begint met ontwikkelen.

Twintig minuten later is hij een belangrijke voorwaarde vergeten. Hij heeft de code wel geschreven, maar niet getest. Of hij blijft hangen op een onverwacht scherm en vraagt bij iedere kleine keuze om hulp.

Dat is het probleem waar AI-agents vandaag vooral tegenaan lopen. Niet het bedenken van een oplossing, maar het betrouwbaar afmaken van het werk.

Met GPT-6 Astra probeert OpenAI precies daar een grote stap te zetten. Het model werd op 3 september 2026 aangekondigd en is volgens OpenAI specifiek ontwikkeld voor complexe opdrachten van begin tot eind: onderzoeken, browsen, software bedienen, programmeren, testen en het resultaat controleren.

GPT-6 Astra is het nieuwe topmodel van OpenAI voor complexe, meerstapsopdrachten. Het is belangrijk om daarbij onderscheid te maken tussen een model en een agent.

Astra is niet automatisch een compleet team van zelfstandige agents. Het is vooral het brein dat zo’n agent aanstuurt.

Een bruikbare AI-agent bestaat uit meerdere onderdelen:

• een AI-model dat redeneert en beslissingen neemt;
• tools waarmee het iets kan uitvoeren;
• toegang tot relevante data;
• duidelijke rechten en beperkingen;
• controles voor acties met grotere gevolgen.

Astra verbetert vooral het eerste onderdeel. Het model begrijpt beter wat het doel is, bepaalt welke acties nodig zijn en gebruikt vervolgens de beschikbare tools.

Dat klinkt misschien minder spectaculair dan de term AGI. Voor bedrijven is het waarschijnlijk een stuk relevanter.

Astra kan volgens OpenAI formulieren invullen, klantgegevens aanpassen in een CRM, agenda’s organiseren, online onderzoek uitvoeren en informatie verwerken in documenten. Het kan ook software installeren, problemen op een beeldscherm onderzoeken en websites na het bouwen zelf in een browser controleren.

Een coding-agent hoeft niet meer te stoppen nadat hij een stuk code heeft gegenereerd. Hij kan de applicatie starten, de browser openen, het formulier doorlopen, controleren of de validatie werkt en vervolgens fouten herstellen.

Op OSWorld 2.0, een benchmark voor het uitvoeren van computertaken, scoort Astra volgens OpenAI 72,6 procent. GPT-5.6 Sol kwam op 65,7 procent. Astra voltooide die taken in de simulatie bovendien in ongeveer 40 minuten, tegenover 75 minuten voor Sol. Dat is ongeveer 47 procent minder tijd per taak.

Het blijven resultaten die door OpenAI zelf zijn gepubliceerd. De echte test begint wanneer grote aantallen gebruikers Astra loslaten op rommelige websites, onverwachte cookiemeldingen, half werkende bedrijfssoftware en processen die nooit goed zijn gedocumenteerd.

Een tweede probleem met huidige AI-agents is dat ze tijdens een lange opdracht de draad kwijtraken. Je zegt bijvoorbeeld:

“Gebruik toch de bestaande WordPress-architectuur en maak hier geen losse applicatie van.”

Een ouder model kan die correctie behandelen alsof het een volledig nieuwe opdracht is. Het past de architectuur aan, maar vergeet ondertussen eerdere eisen over rollen, beveiliging of compatibiliteit.

Astra is volgens OpenAI beter in het verwerken van nieuwe instructies zonder het oorspronkelijke doel los te laten. Het kan van koers veranderen, een tussenvraag beantwoorden en daarna doorgaan met de bredere opdracht.

In Codex kan Astra een gerichte vraag stellen en ondertussen doorgaan met werk dat niet afhankelijk is van jouw antwoord. Bij een kleine onduidelijkheid kan het een redelijke aanname maken. Bij een beslissing met grotere gevolgen wacht het op toestemming.

Meer context klinkt als een technisch detail. In de praktijk bepaalt het voor een groot deel hoe bruikbaar een agent is.

De API-versie van Astra ondersteunt een contextvenster van 1.050.000 tokens. Daar passen grote hoeveelheden code, documentatie, gesprekken en testresultaten in.

Wanneer een gesprek of coding-sessie te lang wordt, moeten modellen de eerdere informatie meestal samenvatten. Bij iedere samenvatting kunnen details verdwijnen: waarom een eerdere oplossing mislukte, welke randvoorwaarde de klant stelde of welke test alleen onder een specifieke gebruikersrol faalde.

OpenAI introduceert daarom in Codex een systeem waarmee Astra notities tussen contextvensters kan bewaren. Eerdere contextvensters blijven daarnaast doorzoekbaar. Het model kan dus terugzoeken naar een eis, tooloutput of testresultaat dat niet in de samenvatting terechtkwam.

Kijk je alleen naar de naam GPT-6 en de claims rond AGI, dan zou je kunnen denken dat Astra op ieder gebied veel slimmer is dan GPT-5.6.Dat blijkt niet uit alle onafhankelijke tests.

Artificial Analysis geeft Astra en GPT-5.6 Sol allebei ongeveer 61 punten op zijn algemene Intelligence Index. Op hun Coding Agent Index stijgt Astra wel van 65,1 naar 67 punten. Het model gebruikte bij die codingtests bovendien ongeveer een derde van het aantal tokens van Sol. Dat vertelt volgens mij het echte verhaal.

Astra is niet simpelweg twee keer zo slim. Het is vooral beter in het omzetten van intelligentie naar acties

Die verschuiving merk je ook in een normaal ChatGPT-gesprek. Astra houdt eerder genoemde voorwaarden beter vast, kan een correctie halverwege verwerken zonder opnieuw te beginnen en stelt minder vaak onnodige vervolgvragen. Vraag je bijvoorbeeld om offertes te vergelijken, daarna ook de onderhoudskosten mee te nemen en het advies vervolgens in de stijl van een bestaand document te schrijven, dan zou Astra dat beter als één samenhangende opdracht moeten behandelen.

Voor gebruikers betekent dat vooral: minder prompten, minder herhalen en minder handmatig samenvoegen. ChatGPT verschuift daarmee van een hulpmiddel dat losse antwoorden geeft naar een assistent die een taak verder uitwerkt en dichter bij een bruikbaar eindresultaat komt. Niet foutloos, wel zelfstandiger.

Los van de woorden van OpenAI laat Astra vooral zien dat er flinke stappen worden gezet in hoe een AI-model langere taken uitvoert. Het model moet eerdere voorwaarden beter onthouden, zich tijdens het werk laten bijsturen en minder snel het oorspronkelijke doel uit het oog verliezen.

Ook lijkt Astra bepaalde computertaken aanzienlijk sneller uit te voeren. Of het uiteindelijk ook goedkoper wordt, moet nog blijken. Per API-token is Astra namelijk duurder dan GPT‑5.6 Sol. De winst moet vooral komen uit minder mislukte pogingen, minder handmatige correcties en minder tijd die een developer kwijt is aan het begeleiden van de agent.

Tegelijkertijd zijn veel van de beloftes niet volledig nieuw. Met Claude Cowork, Claude Code en MCP-tools zoals Playwright kun je vandaag al een applicatie starten, de browser bedienen en gebruikersflows testen. Wij werken daar zelf ook al mee.

Daarom ben ik vooral benieuwd naar het verschil in de praktijk. Kan Astra zelfstandig herkennen dat een formulier visueel of functioneel niet goed werkt? Test het ook uitzonderingen en verschillende schermformaten? En herstelt het vervolgens de code zonder andere onderdelen kapot te maken?

De vernieuwing zit wat mij betreft dus niet in het feit dát een agent een browser kan bedienen. Dat kon al. De echte vraag is of Astra het betrouwbaarder, sneller en met minder menselijke begeleiding doet. Pas wanneer dat verschil in echte projecten zichtbaar wordt, weten we of Astra daadwerkelijk een nieuwe stap is of vooral een betere uitvoering van wat al bestond.