GPT-6 Astra вышла: OpenAI показала, на что теперь способен ChatGPT
OpenAI представила GPT-6 Astra — новую флагманскую модель, которая заметно прибавила в программировании, математике, работе с компьютером и кибербезопасности.
Главная цифра релиза — 99,9% в ARC-AGI-3. Люди в этом тесте набирают 100%, а GPT-5.6 Sol — всего 7,8%.
Но есть важный момент: 99,9% Astra получила в специальном режиме тестирования с сохранением состояния между запросами. В стандартном окружении результат составил 62,7%.
Что умеет Astra
Модель научилась намного лучше работать не только с текстом, но и с компьютером:
-
управляет браузером и приложениями;
-
заполняет формы и работает с документами;
-
пишет и тестирует код;
-
собирает сайты;
-
выполняет длинные цепочки задач без постоянных подсказок человека;
-
помогает с научными и математическими задачами.
В OSWorld 2.0 Astra набрала 72,6% против 65,7% у GPT-5.6 Sol, а задачи выполняет примерно на 47% быстрее.
С кибербезопасностью особенно мощно
Astra получила 100% в ExploitBench против 78,5% у GPT-5.6 Sol. Модель способна самостоятельно находить уязвимости и создавать рабочие эксплойты.
Из-за этого OpenAI пока ограничивает самые мощные киберфункции: сначала их получают проверенные специалисты по безопасности.
А что с AGI?
Президент OpenAI Грег Брокман после презентации заявил: «Welcome to the AGI era». Компания считает Astra первой моделью, которая достаточно близко подошла к своему определению общего искусственного интеллекта.
Но сами результаты показывают более интересную картину: Astra очень сильна в отдельных сложных задачах, а ее возможности сильно зависят от того, как именно проводится тест.
Когда дадут попробовать
Сейчас Astra постепенно выкатывают ограниченному числу организаций. В ближайшие дни модель должна появиться у пользователей ChatGPT Plus, Pro, Business и Enterprise, а также в API и AWS.
Для тех, кто использует нейронки в работе, самое интересное здесь даже не цифра в бенчмарке. Astra все лучше справляется с задачами, где раньше приходилось самому открывать сайты, переключаться между программами, проверять результат и давать модели следующую команду. Теперь значительную часть этой рутины она может брать на себя.
