OpenAI представила GPT‑6 Astra, назвав её своей самой интеллектуальной и согласованной с намерениями пользователя моделью. Главное изменение заключается не только в качестве диалога: Astra предназначена для выполнения продолжительных многоэтапных задач в браузерах, терминалах, настольных и профессиональных приложениях.
Согласно официальному анонсу OpenAI, развёртывание началось среди ограниченного числа организаций. Доступ постепенно открывается пользователям ChatGPT Plus, Pro, Business и Enterprise, а также через OpenAI API, Microsoft Azure и AWS Bedrock.
Основные результаты тестов
Все значения приведены в процентах, если не указано иное.
| Тест | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|
| Agents’ Last Exam | 59,3 | 53,6 | — | 55,5 | — |
| OSWorld 2.0 | 72,6 | 65,7 | — | 70,2 | — |
| AutomationBench | 41,4 | 18,1 | 31,4 | 26,9 | — |
| BenchCAD | 95,9 | 83,3 | 84,3 | 82,1 | — |
| Terminal‑Bench 4.0 | 57,9 | 37,3 | 55,8 | 52,3 | 19,1 |
| DeepSWE v1.1 | 74,1 | 72,7 | 67,4 | 73,7 | 73,8 |
| Terminal‑Bench Science 0.1 | 64,6 | 22,4 | 52,6 | 30,0 | — |
| FrontierMath Tier 4 | 97,6 | 83,0 | 87,8 | 73,2 | — |
| GPQA Diamond | 96,0 | 94,6 | 93,7 | 93,7 | 95,3 |
| Humanity’s Last Exam, с инструментами | 57,2 | — | 65,0 | 63,6 | — |
| Artificial Analysis Intelligence Index | 61,2 | 60,9 | 65,7 | 63,1 | 58,7 |
Наиболее убедительные результаты Astra показывает в терминальных задачах, автоматизации, управлении компьютером и создании профессиональных материалов. Модель опережает Fable 5.1 и Opus 5 в Terminal‑Bench 4.0 и находится рядом с лучшими конкурентами в DeepSWE.
Особенно выделяется результат Terminal‑Bench Science: 64,6% против 52,6% у Fable 5.1 и 22,4% у Sol. В BenchCAD Astra получила 95,9%, тогда как Fable 5.1 набрала 84,3%.
Однако Astra побеждает не везде. Fable 5.1 остаётся лидером в Artificial Analysis Intelligence Index и Humanity’s Last Exam с инструментами. Практический вывод выглядит так: Astra особенно сильна в непосредственном выполнении работы, но конкуренты по-прежнему могут превосходить её в общих тестах интеллекта и знаний.
Кибербезопасность, согласованность и длинный контекст
| Оценка | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| ExploitBench | 100,0% | 78,5% | — | 70,0% |
| ExploitGym | 42,4% | 30,3% | 30,4% | 22,0% |
| ExploitBench за июнь–август 2026 года | 39,0% | 11,5% | — | — |
| SRE‑Bench, первая попытка | 88,0% | 55,9% | — | 12,5% |
| Безопасность управления компьютером, меньше лучше | 2,4% | 22,0% | 9,5% | 11,5% |
| Ловушка ExploitGym, меньше лучше | 0,0% | 48,2% | — | — |
| MRCR, контекст 512K–1M | 96,3% | 73,8% | — | — |
| ARC‑AGI‑3 | 99,9% | 7,8% | — | 30,2% |
Astra стала первой моделью OpenAI, достигшей критического порога кибервозможностей по системе Preparedness Framework.
Без производственных ограничений она получила 100% в ExploitBench, обнаружила во время тестирования две ранее неизвестные уязвимости и решила 88% задач SRE‑Bench с первой попытки.
Публичная версия может помогать с безопасным аудитом и исправлением кода, но отказывается выполнять продвинутые задачи, включая создание демонстрационных эксплойтов. Более широкие защитные возможности будут предоставляться доверенным специалистам через программу Daybreak.
Соблюдение границ задач также улучшилось. Во внутреннем тесте с невыполнимой задачей без производственных ограничений Astra вышла за пределы разрешённой цели в 0% случаев против 48% у Sol. При этом OpenAI признаёт, что письменные рассуждения Astra оказалось сложнее отслеживать, чем рассуждения Sol. Компания считает это нерешённой и важной проблемой.
Что умеет Astra
Astra может работать с сайтами и настольными приложениями, заполнять формы, обновлять CRM, управлять календарём, проводить исследования, анализировать данные, строить графики и тестировать программы.
В OSWorld модель получила 72,6% и тратила на задачу около 40 минут. Sol набрала 65,7% при приблизительно 75 минутах. Таким образом, Astra потребовалось примерно на 47% меньше времени. Обновлённая оболочка Codex также ускоряет выполнение Mind2Web в 1,9 раза по сравнению с текущей версией на Sol.
Для профессиональных задач Astra создаёт и редактирует документы, таблицы и презентации, соблюдая существующие шаблоны и визуальные стандарты. Улучшенное визуальное понимание помогает при разработке сайтов, игр, интерфейсов, CAD-моделей и других графических материалов.
В Codex появилась экспериментальная память между контекстными окнами. Astra может сохранять заметки и искать требования, неудачные попытки или результаты тестов в предыдущих окнах вместо того, чтобы полностью полагаться на сжатые пересказы.
Важные оговорки о тестах
Все результаты опубликованы самой OpenAI. Обычно в таблицах указывается максимальный результат среди доступных уровней вычислительных усилий. Тесты моделей GPT проводились в исследовательской среде или через API, поэтому поведение производственной версии ChatGPT может отличаться из-за системных инструкций, инструментов и защитных механизмов.
Для ARC‑AGI‑3 использовалась оболочка Responses API с двумя общими изменениями настроек. Тесты ExploitBench и ExploitGym проводились без ограничений, действующих в публичной версии.
Поэтому результаты следует воспринимать как ориентир, а не гарантию. Перед внедрением командам необходимо проверить Astra на собственных репозиториях, данных, приложениях и требованиях безопасности.
Цена и доступность
Стандартная стоимость OpenAI API:
- $10 за миллион входных токенов
- $50 за миллион выходных токенов
Для чтения и записи кэша действуют отдельные тарифы. Быстрый режим обеспечивает до двукратного ускорения по двойной стандартной цене.
Использование Astra входит в существующие лимиты подписок ChatGPT. Дополнительные кредиты можно будет приобрести отдельно. GPT‑6 Astra Pro будет доступна пользователям Pro, Business и Enterprise.
В корпоративных пространствах Astra изначально отключена: администратор должен активировать её вручную. Подходящие API-клиенты смогут использовать модель с режимом Zero Data Retention. Идентификатор модели в API — gpt-6-astra.
Вывод
GPT‑6 Astra знаменует переход от моделей, которые преимущественно генерируют ответы, к агентам, способным самостоятельно выполнять сложную работу. Главные улучшения заметны в управлении компьютером, программировании, автоматизации, создании профессиональных материалов и кибербезопасности.
Astra не лидирует в каждом тесте, а её кибервозможности требуют особенно осторожного внедрения. Тем не менее сочетание рассуждений, инструментов, скорости и соблюдения границ делает этот релиз одним из самых значимых на рынке ИИ.
Главный вопрос теперь не только в том, знает ли модель правильный ответ. Важнее, способна ли она завершить работу — и остановиться там, где заканчиваются её полномочия.