Artificial Analysis führt Astra in sechs Aufwandsstufen. Im Coding-Index liegt „high“ mit 77,1 Punkten vorn, vor „max“ (76,9), „medium“ (76,7), „ohne Reasoning“ (76,2), „xhigh“ (75,9) und „low“ (75,7) – eine Spanne von 1,4 Punkten über alle Stufen. Die Kosten je Index-Aufgabe spreizen sich dagegen um den Faktor vier: 0,8175 US-Dollar auf „low“, 1,7214 auf „high“, 2,3088 auf „xhigh“ und 3,2575 auf „max“.
Auf den anderen beiden Achsen kauft man mit der höheren Stufe tatsächlich etwas, aber wenig: Der Intelligenz-Index steigt von 51,0 auf „high“ über 52,5 auf „xhigh“ zu 52,8 auf „max“, der Agentik-Index von 48,7 über 50,6 auf 51,5. Deutlich ist allein der Abstand nach unten: „low“ fällt im Agentik-Index auf 39,5 ab, bei nur 75,7 im Coding-Index – die billigste Stufe ist also vor allem für Agenten-Ketten teuer bezahlt.
Zur Vorsicht gehört die Messgrenze: Die Zahlen stammen aus der Index-Fassung v4.3 und sind Momentaufnahmen eines Anbieters, der seine Zusammensetzung binnen einer Woche zweimal geändert hat. Der Coding-Index ist ein Mittel über mehrere Prüfungen; ein Abstand von 0,2 Punkten zwischen „hoch“ und „max“ ist kein belastbarer Vorsprung, sondern ein Gleichstand. Genau das ist der Punkt: Für den doppelten Preis ist Gleichstand zu wenig.
OpenAI selbst beschreibt in der Anleitungsseite zum Modell, dass Astra vor dem Abschluss ausführlich testet und häufiger zurückfragt – beides skaliert mit der Aufwandsstufe. Ein Praxisvideo aus unserer Beobachtungsliste argumentiert in dieselbe Richtung und empfiehlt, nicht über „hoch“ hinauszugehen; seine eigenen Zahlen dazu haben wir nicht nachgeprüft und nicht übernommen.