Wer alle vier Partien gewinnt, wirkt wie der klare Favorit. Doch wie viel sagt dieser Vorsprung aus, wenn nach jeweils 25 Zügen Schluss ist und die verbliebenen Figuren den Sieger bestimmen?
Erst das Ziel, dann der Vergleich
JC BuenaVentura lässt in einem eigenen Experiment GPT-6 Astra gegen Gemini 4 Argon antreten. Laut den vollständig bereitgestellten Originaluntertiteln gewinnt Astra alle vier Partien. Die Ergebnisse stammen vom Urheber; FoxAI World hat die Spiele weder erneut ausgeführt noch unabhängig bestätigt. Originalquelle: https://www.youtube.com/watch?v=Wq5SmovcgR0
| Partie | Astras Farbe | Materialpunkte Astra | Materialpunkte Argon |
|---|---|---|---|
| 1 | Weiß | 16 | 9 |
| 2 | Schwarz | 14 | 13 |
| 3 | Weiß | 20 | 18 |
| 4 | Schwarz | 19 | 13 |
| Gesamt | — | 69 | 53 |
Die Tabelle bündelt die vom Urheber genannten Materialstände. Eine Elo-Zahl, also eine Spielstärkewertung, entsteht daraus nicht. Vier Partien tragen auch keine allgemeine Rangliste für KI-Modelle.
Für diesen Wettbewerb zählt eine Dame neun Punkte, ein Turm fünf, Läufer und Springer jeweils drei und ein Bauer einen. Ein Matt wird mit 39–0 gewertet. Ohne Matt endet die Partie nach 50 Halbzügen, also 25 Zügen pro Seite. Dann gewinnt das höhere Restmaterial; bei Gleichstand verlieren beide Modelle.
Mit der 50-Züge-Regel der FIDE ist diese Grenze nicht gleichzusetzen. Artikel 9.3 beschreibt einen korrekten Remisantrag nach 50 Zügen jedes Spielers ohne Bauernzug und ohne Schlagfall. Er beendet keine Partie pauschal nach 25 Zügen. Quelle: https://handbook.fide.com/chapter/e012023
Ein kurzer Wettbewerb belohnt andere Entscheidungen
Bei einer geraden Zahl von Halbzügen handelt Schwarz zuletzt. Ein Schlagzug unmittelbar vor dem Abbruch lässt Weiß keine Antwort mehr. Das ist eine Folge des Versuchsaufbaus, keine bewiesene Erklärung für einen bestimmten Sieg. Die Farben wechseln; Astra gewinnt dem Bericht zufolge mit beiden Farben.
Für die Einordnung hilft deshalb eine engere Frage: Wie gut hält das Modell Brettzustand, Material und das vorgegebene Ziel zusammen? Wer auf einen festen Endpunkt hin Material sammelt, löst eine andere Aufgabe als jemand, der eine vollständige Partie gewinnen soll.
Auch die vom Urheber geschilderten Widersprüche zwischen Erklärung und ausgeführtem Zug sind interessant. Um sie selbst zu prüfen, bräuchte man den vollständigen Partieverlauf und die unveränderten Modellausgaben. Solche maschinenlesbaren Unterlagen waren nicht Teil des bereitgestellten Materials. Eine kommentierte Untertitelspur ersetzt diese Prüfung nicht.
Gleiche Einstellung, gleiche Bedingungen?
Die Namen lassen sich in den offiziellen Dokumentationen finden: gpt-6-astra bei OpenAI und gemini-4-argon bei Google. Beide dokumentieren eine Denkeinstellung namens medium. Daraus folgt jedoch kein identischer Rechenaufwand. OpenAI: https://developers.openai.com/api/docs/models/gpt-6-astra ; Google: https://ai.google.dev/gemini-api/docs/latest-model?hl=en
Nach Angaben des Urhebers galten dieselbe Temperatur und maximal 32.000 Tokens je Zug. Tokens sind kleine Textbausteine; ein Höchstwert sagt noch nichts über den tatsächlichen Verbrauch. Hinzu kommt: Googles aktueller Argon-Leitfaden erklärt, dass temperature, top_p und top_k bei Übergabe ignoriert werden. Dieselbe angegebene Temperatur belegt somit kein gleiches Auswahlverhalten. Welche Anfrage und welcher Anbieterweg im Versuch tatsächlich verwendet wurden, bleibt ohne Rohprotokolle offen. Quelle: Migrationshinweise im oben verlinkten Google-Leitfaden.
Kosten und Wartezeit getrennt lesen
Für Astra nennt der Urheber Gesamtkosten von 6,35 US-Dollar, für Argon 0,98 US-Dollar. Die mittlere Zeit pro Zug soll bei ungefähr zwölf beziehungsweise sechs Sekunden liegen. Aus den berichteten Beträgen ergibt sich rechnerisch ein Kostenverhältnis von etwa 6,48 und ein Unterschied von 5,37 Dollar. Das beschreibt die Angaben zu diesem Lauf, keine allgemeine Preis- oder Geschwindigkeitszusage.
Die am 3. November gelesenen offiziellen Standardtarife für Text liegen bei Astra bei 10 Dollar je Million Eingabe-Tokens und 50 Dollar je Million Ausgabe-Tokens. Argon nennt bis 30. November 2026 Einführungspreise von 2/10 Dollar, danach ab 1. Dezember 4/20 Dollar. Gemeint sind ungecachte Standardraten; bei Astra können Bedingungen für lange Eingaben und andere Dienststufen hinzukommen. Preisquellen: https://developers.openai.com/api/docs/pricing und https://aistudio.google.com/docs/pricing#gemini-4-argon . Zur Prüfung der Videorechnung fehlen weiterhin Verbrauchsdaten, Cache-Nutzung, Anbieterroute und die damals geltenden Tarife.
Der Urheber berichtet außerdem von null ausgewiesenen Reasoning-Tokens bei 61 von 100 Argon-Zügen und neun von 100 Astra-Zügen. OpenRouter dokumentiert, dass die Sichtbarkeit von Denk-Ausgaben je nach Modell und Anbieter variiert. Die genannten Nutzungsdaten wurden hier nicht unabhängig geprüft. Eine ausgewiesene Null allein belegt nicht, dass intern keinerlei Verarbeitung stattgefunden hat. Quelle: https://openrouter.ai/docs/guides/best-practices/reasoning-tokens
Milos Einordnung: Welche Leistung brauchst du wirklich?
An diesem Versuch ist besonders nützlich, Erklärung und Handlung auseinanderzuhalten. Ein schlüssiger Text hilft wenig, wenn die gewählte Aktion den eigenen Plan verletzt. Für deinen Arbeitsablauf lohnt sich daher ein eigener Maßstab: War die ausgeführte Handlung richtig, und wie viel kostete dieses brauchbare Ergebnis insgesamt?
Ein belastbarerer Schachvergleich sollte dieselben Stellungen mit vertauschten Farben und mehreren Wiederholungen verwenden. Das kurze Materialformat gehört getrennt von normalen Partien ausgewertet. Dazu kommen genaue Modell- und Anbieterkennungen, akzeptierte Einstellungen, Rohantworten, ungültige Züge, Wiederholungsversuche, Kosten und Laufzeiten. FEN hält Stellungen fest, PGN ganze Partien. Mit solchen Protokollen wäre ein Nachprüfen möglich. Das ist unser Vorschlag für einen weiteren Versuch, kein hier durchgeführter Test.
Das berichtete 4–0 bleibt ein Ergebnis dieser vier Spiele. Für die Modellauswahl zählt, ob eine ähnliche Stärke auch bei deiner Aufgabe die nötige Genauigkeit zu vertretbaren Kosten und Wartezeiten liefert.
