GPT-6 Astra bei GitLab: schnellere Läufe, weniger Token-Verbrauch

OpenAIs neuestes Frontier-Modell GPT-6 Astra ist jetzt auf GitLab Duo Agent Platform verfügbar und liefert schnellere Läufe bei geringerem Token-Verbrauch.

In GitLabs interner Evaluierung schloss GPT-6 Astra einen typischen Lauf 43,4 % schneller ab als GPT-5.6 Sol und verbrauchte dabei 42,7 % weniger Token pro Lauf. Dabei wurde jede Aufgabe im Benchmark abgeschlossen. Für das eigene Team heißt das: Agentische Aufgaben wie Dependency-Updates, Build-Fixes und kleinere Änderungen an mehreren Dateien kommen schneller zurück, und das Token-Budget reicht über einen größeren Teil des eigenen Backlogs.

Schnellere agentische Arbeit auch bei den langsamsten Läufen

Die Wartezeit beeinflusst, wie ein Team einen Agenten einsetzt. Ein Lauf, der nach wenigen Minuten zurückkommt, hält man im Blick. Ein längerer Lauf läuft im Hintergrund weiter, während man sich einer anderen Aufgabe zuwendet. Ist er fertig, wechselt man den Kontext zurück, liest noch einmal nach, was ursprünglich verlangt war, und prüft einen Diff, an den man zuletzt vor 30 Minuten gedacht hat.

Genau diese längeren Läufe mit Kontextwechsel hat GPT-6 Astra in GitLabs internen Tests am stärksten verkürzt. Am 95. Perzentil, dem langsameren Ende seiner Läufe, schloss GPT-6 Astra 49,2 % schneller ab als GPT-5.6 Sol. Bei einem typischen Lauf waren es 43,4 %.

Astras langsamste Läufe brauchen etwa so lange wie ein durchschnittlicher Lauf von Sol. Mit GPT-6 Astra sinkt die Wartezeit bei hochvolumiger Routinearbeit.

Jede Aufgabe abgeschlossen, bei geringerem Token-Verbrauch pro Lauf

In GitLabs internen Tests hat GPT-6 Astra 100 % der Benchmark-Aufgaben abgeschlossen. Kein Lauf blieb hängen, lief ins Timeout oder kam leer zurück, entsprechend bleibt kein Team auf einem Lauf sitzen, der ohne Ergebnis endet. Astra löste 63,3 % dieser Aufgaben, das heißt, es lieferte eine Änderung, die die Tests des Benchmarks bestand, verglichen mit einer Lösungsquote von 76,7 % bei GPT-5.6 Sol. Fehlversuche kommen als zu korrigierende Patches zurück, nicht als Läufe ohne jedes Ergebnis.

Astra erreichte seine Abschlussquote mit 42,7 % weniger Token pro Lauf als Sol, gemessen anhand derselben Aufgaben. Diese Einsparung summiert sich über einen Backlog hinweg, sodass das Token-Budget einen größeren Teil der an Agenten delegierten Arbeit abdeckt.

Wo Astra am meisten einspart

In die Modellwahl für eine bestimmte Aufgabe fließen viele Faktoren ein. GPT-6 Astra eignet sich besonders, wenn Durchlaufzeit und Token-Verbrauch pro Lauf im Vordergrund stehen, etwa bei Dependency-Updates, Build-Fixes und kleineren Änderungen an mehreren Dateien. Es passt zu Arbeit, die vor dem Merge noch geprüft wird, während sich GPT-5.6 Sol eher anbietet, wenn eine Änderung auf Anhieb korrekt sein muss.

Mit GitLab Duo Agent Platform legt die Administration das Modell pro Funktion in der Modellauswahl fest, sodass jeder an einen Agenten übergebene Workload auf dem dafür festgelegten Modell läuft. Diese Flexibilität geht mit einheitlicher Governance einher: Jedes Modell durchläuft dieselbe Kontextebene, dieselben Richtlinienprüfungen und denselben Audit-Trail. Mehr zur Enterprise-Kontrolle über Modellauswahl und Self-Hosted-Betrieb.

Astra einsetzen

GPT-6 Astra steht ab sofort auf GitLab Duo Agent Platform zur Verfügung und läuft, wie andere Modelle auch, über GitLab Credits. Neu bei Duo Agent Platform? Heute eine kostenlose Testversion starten. Bereits Abonnent(in) von GitLab Premium oder Ultimate? Duo Agent Platform aktivieren und die im eigenen Abonnement enthaltenen GitLab Credits nutzen.