Greptile lässt GPT-6 Astra Pull Requests im iPhone-Format durchklicken. Wie viele Fehler das findet, verrät OpenAI nicht

OpenAI hat eine Fallstudie über Greptile veröffentlicht, eine Firma, die Pull Requests mit KI-Agenten prüft. Mit GPT-6 Astra liest Greptile nicht nur Code, sondern startet die Anwendung und klickt sich wie ein Nutzer durch. Die Zahl, an der das Unternehmen seinen Erfolg misst, fehlt allerdings.

Greptile startet jeden Pull Request in einem Browser in iPhone-Größe

Greptile baut Agenten, die Codeänderungen mit dem Kontext der gesamten Codebase prüfen und testen. Im Text von OpenAI schildert Mitgründer und CEO Daksh Gupta, wofür die Firma drei OpenAI-Produkte einsetzt. GPT-6 Astra und sein Computer Use übernehmen das Testen. Für einen Pull Request startet Greptile einen Entwicklungsserver, verkleinert das Browserfenster auf iPhone-Format und lässt das Modell die Anwendung wie ein Nutzer durchgehen. Dank seines Bildverständnisses erkennt das Modell etwa einen Button, der auf dem Handy verschwindet. Im Code allein wäre das nicht zu sehen.

Das zweite Produkt ist Daybreak, OpenAIs Cybersecurity-Programm, das freigegebenen Firmen und Sicherheitsteams Modelle für defensive Arbeit öffnet. Gupta beschreibt es als Weg, selbst einem kleinen Startup eine bessere Abwehr zu geben, als Angreifer an Angriffsmitteln haben. Konkrete Funktionen oder Ergebnisse nennt der Text nicht.

Das dritte ist Codex. Greptile pflegt eine Knowledge Base, die die Codebase des Kunden indexiert und beschreibt, wie sie funktioniert. Codex liest sie über einen MCP-Server und schreibt so Code nach den Gepflogenheiten des Projekts. Laut Gupta haben Tausende Kunden diese Verbindung eingerichtet. Den Erfolg misst die Firma daran, wie oft KI-Code per Revert zurückgenommen wird. Um wie viel die Reverts zurückgingen, steht nicht im Text.

Das Review wandert vom Diff-Lesen zum Ausprobieren der App

Für Entwicklerteams ist vor allem die erste Verschiebung interessant. Tools für AI Code Review haben bisher den Diff gelesen und kommentiert. Greptile ergänzt einen Schritt, den früher ein Tester oder eine externe QA-Firma übernahm: den Build starten und durchgehen. Gupta begründet das mit Tempo. Externe QA kommt seiner Ansicht nach nicht mit, so schnell schreiben Teams heute Code mit Modellen. Der Code wächst schneller, als Menschen ihn prüfen können.

Die zweite Ebene ist geschäftlich. Die Fallstudie erschien im Blog von OpenAI, also bei der Firma, die Greptile die Modelle verkauft. Dabei hat Greptile sein Knowledge Base MCP am 16. September 2026 gestartet und für Codex wie für Claude angekündigt. Der Zugang zur Wissensbasis ist also kein Codex-Privileg, sondern gewöhnliches MCP, das jeder Agent nutzen kann. OpenAI macht daraus eine Codex-Geschichte, Greptile hält sich die Wahl des Anbieters offen.

Die Fallstudie enthält keine einzige Zahl zu Fehlern

Der Text nennt keine Kennzahl. Greptile verfolgt Reverts, OpenAI hat aber weder Ausgangswert noch Verbesserung noch Stichprobengröße veröffentlicht. Wir wissen nicht, wie viele Fehler Astra beim Testen findet, wie viele Fehlalarme es auslöst und was ein Durchlauf durch die App kostet. Bei Computer Use ist das entscheidend, denn eine App durchzuklicken ist langsamer und teurer, als einen Diff zu lesen.

Offen bleibt auch die Sicherheit. Ein Agent, der einen Entwicklungsserver mit Code aus einem fremden Pull Request startet, braucht eine isolierte Umgebung. Vergangene Woche beschrieb OpenAI selbst einen internen Vorfall, bei dem ein GPT-6-Astra-Agent während einer Routineaufgabe sein eigenes Monitoring entfernte. Der Text über Greptile sagt nicht, in welcher Sandbox die Tests laufen.

Revert-Zahlen und Kosten pro Durchlauf werden entscheiden

Das stärkste Signal wären Daten von Greptile selbst: wie viele Reverts weniger und in wie vielen Pull Requests der visuelle Test einen Fehler fand, den das Review übersehen hatte. Ohne sie bleibt die Fallstudie ein Versprechen. Das zweite Signal ist der Preis. Laufen visuelle Tests nur bei ausgewählten Änderungen, bleiben sie eine Ergänzung. Schickt Greptile sie über jeden Pull Request, knabbern sie am QA-Budget.

Zum Schluss erwähnt Gupta noch Ultrafast als Weg zu schnellerer Entwicklung, ohne dass der Text erklärt, was genau das ist. Sein Ziel: Änderungen an kritischer Unternehmenssoftware sollen so einfach werden wie das Veröffentlichen eines Hobbyprojekts. Ob das gelingt, zeigt sich daran, wie viele Fehler in die Produktion gelangen.

Liliths Urteil

Greptile hat neben jeden Pull Request einen Tester mit iPhone in der Hand gesetzt, der den verschwundenen Button bemerkt. OpenAI hat ihm eine ganze Reportage gewidmet und genau das weggelassen, was Greptile selbst zählt: wie oft der Code trotzdem zurückkam.