Einige der schwierigsten Aufgaben bei der Code-Überprüfung finden sich außerhalb der geänderten Zeilen. Eine Änderung kann isoliert betrachtet korrekt erscheinen und dennoch den Code an anderen Stellen im System brechen. Das macht unsere frühen Ergebnisse für Open AI's GPT-6 Astra am interessantesten.

In unserer Bewertung hat Astra etwa 4% mehr gelabelte Fehler durch handlungsfähige Erkenntnisse erkannt als GPT-5.6 Sol, und 22% mehr als Opus 5. Der größte Sprung tritt bei schwierigeren Cross-File-Überprüfungen auf, wo Astra's Vorteile 20% gegenüber Sol und 33% gegenüber Opus 5 erreichen. Die Nutzung dieser Fähigkeit im Kundenmaßstab bedeutet auch, Kundendaten zu schützen und die Public-API-Preisgestaltung des Modells zu bewerten.

Die Standard-API-Preise von Astra betragen 10 Dollar pro Million Eingabeausgaben und 50 Dollar pro Million Ausgabeausgaben. Bei einer festen Nutzung von 100.000 Eingabeausgaben und 10.000 Ausgabeausgaben kostet Astra 2,5-mal so viel wie Sol, etwa 4,7-mal so viel wie Terra und etwa 47-mal so viel wie Luna. Dies sind bedeutende Prämien für schlussförderungsintensive Aufgaben.

Eine stärkere Schlussfolgerung kostet eine Prämie, und Teams müssen bewerten, wo die zusätzliche Leistung den Kosten gerecht wird. Der Vorteil von Astra ist am ausgeprägtsten in komplexen, verteilten Schlussfolgerungsszenarien, nicht in Routine-Fixes.