GPT-6 nach Index-Anpassungen bei Artificial Analysis auf Platz 1 ex aequo mit Fable 5.1
Trending Topics auf Google als bevorzugte Nachrichtenquelle festlegen.
Artificial Analysis hat seinen Intelligence Index soeben auf Version 4.3 gehoben. An der Spitze des aktualisierten Rankings stehen nun zwei Modelle gleichauf: GPT-6 Astra (max) von OpenAI und Claude Fable 5.1 (max with fallback) von Anthropic erreichen jeweils 53 Punkte. Dahinter folgen Claude Opus 5 (51), Claude Fable 5 (50), Muse Spark 1.3 von Meta (48) und GPT-5.6 Sol (47). Bei den Open-Weights-Modellen liegen GLM-5.3 von Z.ai und Kimi K3 von Moonshot vorne, gefolgt von GLM-5.3-Flash (42), Qwen3.8 2.4T A95B (40) und DeepSeek V4 Pro (36).
Für OpenAI bedeutet das einen schnellen Aufstieg: Innerhalb weniger Tage und über zwei Updates des Index hinweg hat sich GPT-6 Astra von Platz fünf auf Platz eins verbessert. Zwischen dem Debüt des Modells und der aktuellen Reihung liegt weniger als eine Woche, in der Artificial Analysis zweimal die Zusammensetzung seiner Tests verändert hat.
Was sich am Index geändert hat
Der Index besteht weiterhin aus zehn Einzeltests, zwei davon wurden ausgetauscht oder aktualisiert. Terminal-Bench springt von Version 2.1 auf Version 4.0 und prüft mit 66 Aufgaben, ob ein Agent komplexe Arbeit über das Terminal erledigen kann, quer über Software, Machine Learning, Wissenschaft, Operations, Security, Hardware und Medien. Hier setzt sich GPT-6 Astra mit 59,1 Prozent deutlich ab, Claude Fable 5.1 kommt auf 52,0 Prozent, Claude Opus 5 auf 49,0 Prozent, GPT-5.6 Sol auf 39,9 Prozent.
Neu im Index ist außerdem AutomationBench-AA, das den bisherigen Banking-Test 𝜏³ ersetzt. Der Benchmark stammt von Zapier und bildet Geschäftsprozesse aus Finance, HR, Marketing, Operations, Sales und Support ab: 657 Aufgaben, bei denen Agenten in simulierten Business-Anwendungen selbst die passenden APIs finden müssen. Verstößt ein Agent gegen eine Guardrail, wird die Aufgabe mit null bewertet. Auch hier führt GPT-6 Astra mit 68,5 Prozent vor Grok 4.6 (66,7 Prozent) und GLM-5.3 (62,2 Prozent). Vollständig und ohne Regelverstoß erledigt Astra 41,6 Prozent der Workflows, Claude Fable 5.1 kommt auf 32,1 Prozent.
Der Anteil jener Tests, deren Fragen oder Antworten nicht öffentlich sind, steigt von 40 auf 45 Prozent. Artificial Analysis will damit verhindern, dass Anbieter ihre Modelle gezielt auf bekannte Benchmarks hin optimieren. Die Kategoriegewichte bleiben unverändert bei Agents 30 Prozent, Coding 20 Prozent, General 30 Prozent und Scientific Reasoning 20 Prozent.
Gleicher Score, halber Preis
Bei den Kosten liegen die beiden Spitzenreiter weit auseinander. Eine durchschnittliche Index-Aufgabe kostet bei GPT-6 Astra 3,26 US-Dollar, bei Claude Fable 5.1 dagegen 7,63 US-Dollar, ein Unterschied von 57 Prozent. Ähnlich groß sind die Spannen weiter unten im Feld: GLM-5.3-Flash und GPT-5.6 Terra erreichen beide 42 Punkte, das chinesische Modell kostet mit 0,25 US-Dollar pro Aufgabe aber nur einen Bruchteil der 1,40 US-Dollar des OpenAI-Modells. Auf der Pareto-Grenze zwischen Intelligenz und Kosten liegen laut Artificial Analysis vier Labs, den größten Teil der Kurve belegt OpenAI.
Drei Indexstände in einer Woche
Bemerkenswert ist weniger das Ergebnis als das Tempo, in dem es zustande gekommen ist. Als GPT-6 Astra vor wenigen Tagen erstmals durch den Index lief, kam das Modell auf 61 Punkte, exakt gleichauf mit dem eigenen Vorgänger GPT-5.6 Sol und fünf Punkte hinter Claude Fable 5.1 (66). Im Spitzenfeld reichte das für einen Platz im hinteren Mittelfeld, hinter mehreren Anthropic-Modellen und Meta. Am vergangenen Freitag folgte Version 4.2 des Index, in der Fable 5.1 mit 57 Punkten vor Astra mit 55 lag, der Abstand schrumpfte also auf zwei Punkte. Mit Version 4.3 ist er verschwunden.
An den Modellen selbst hat sich in dieser Zeit nichts verändert, ausgetauscht wurden die Messinstrumente. Weil der Index nach jeder Revision komplett neu berechnet wird, bedeutet der Aufstieg eines Modells zwangsläufig die Zurückreihung anderer: Claude Fable 5.1 verliert zwischen Version 4.2 und 4.3 vier Punkte, Claude Opus 5 drei, Muse Spark 1.3 sogar fünf. Für Beobachter:innen wird damit schwer nachvollziehbar, ob Rangverschiebungen auf tatsächliche Fähigkeiten oder auf die Zusammensetzung des Testsets zurückgehen.
Hinzu kommt der Kontext, in dem die beiden Updates entstanden sind. Nach dem Debüt von GPT-6 Astra hatte es Kritik am Index gegeben, weil andere Auswertungen das Modell deutlich weiter vorne sahen: Epoch AI etwa reihte Astra über mehr als 50 Benchmarks hinweg auf Platz eins von 267 Modellen, auch OpenAI selbst wies einen klaren Vorsprung aus. Artificial Analysis begründet die beiden Zwischenversionen damit, Elemente des ohnehin geplanten Index v5 vorzuziehen, um mit dem Tempo der Modellveröffentlichungen Schritt zu halten. Jede einzelne Änderung steht laut Anbieter für sich: näher an realen Aufgaben, mehr private Testsets, weniger Sättigung.
Ein Blick auf die anderen großen Ranglisten zeigt, wie unterschiedlich das Modell derzeit bewertet wird. Bei Epoch AI liegt GPT-6 Astra auf Platz eins, dort fließen mehr als 50 Benchmarks in die Wertung ein. Bei Arena.ai, wo die Reihung aus Blindvergleichen durch Nutzer:innen entsteht, gibt es für das Modell im Text- und Overall-Ranking dagegen noch gar keine Wertung, angeführt wird diese Liste von Claude Fable 5.1 mit 1.231 Punkten. Präsent ist GPT-6 Astra in der Arena bislang nur in der Spezialkategorie WebDev, die es mit 1.797 Punkten anführt.
