OpenAI представила GPT-6 Astra: модель нового поколения AGI

OpenAI официально показала GPT-6 Astra — свою новую флагманскую модель. Компания сама называет её самой умной и самой «выровненной» (aligned) моделью из всех, что у неё были. Ниже — разбор того, что действительно нового появилось, какие тесты она прошла и чем это важно для тех, кто пользуется ИИ каждый день.

Что вообще произошло

Ещё в начале августа OpenAI опубликовала результаты: внутренняя версия Astra помогла найти решения для десяти давних открытых задач в математике и теоретической информатике — некоторым из них было по 10–80 лет. Люди готовили доказательства, а модель формализовала их в системе Lean, которая умеет машинально проверять, нет ли логических дыр в рассуждениях. По подсчетам OpenAI, все токены, потраченные на эту работу, обошлись примерно в 2000 долларов по текущим расценкам API — сумма смешная по сравнению с тем, во что обычно выливаются годы работы научных команд.

Это была разминка перед главным анонсом. Дальше в сети неделями гуляли слухи, утечки и скриншоты — про параметры, про кодовое имя «mewfour», про то, что Сэм Альтман показывал модель американским регуляторам. А теперь всё это оформилось в официальный релиз: GPT-6 Astra доступна.

Главные цифры

OpenAI отчиталась сразу по нескольким направлениям, и вот что бросается в глаза:

• FrontierMath Tier 4 — это набор задач по математике, которые считаются одними из самых сложных для проверки моделей. Astra набрала 97,6%, практически закрыв этот тест.
• ARC-AGI-3 — тест на способность ориентироваться в незнакомых, новых для модели условиях. Здесь результат почти шокирующий: 99,9% против 7,8% у предыдущей модели GPT-5.6 Sol (и около 30% у Claude Opus 5). Для сравнения, средний результат людей-тестировщиков на этом бенчмарке — 48%, а по эффективности действий Astra обошла человеческий ориентир на 96% уровней теста, то есть фактически сравнялась с человеком.
• ExploitBench — оценивает, может ли модель самостоятельно превратить известную уязвимость в рабочий эксплойт. Тут ровно 100%, тогда как у предыдущей модели было 78,5%.
• GPQA Diamond (научные знания уровня аспирантуры по биологии, химии и физике) — 96%, тоже новый максимум среди сравниваемых моделей.
• Длинный контекст (тест OpenAI MRCR v2 на поиск нужной информации в очень длинном тексте) — на отрезке 512К–1М токенов результат вырос с 73,8% до 96,3%.

Если сравнивать с конкурентами — моделями семейства Claude и Gemini 3.8 Flash — Astra по большинству показателей либо лидирует, либо идёт вровень, особенно в задачах на работу с компьютером, в написании кода и в тестах на научные знания. Есть и исключения: например, в тесте Humanity’s Last Exam с инструментами Astra набрала 57,2%, тогда как у моделей Claude результаты выше — от 63,6% до 65%.

Работа за компьютером стала быстрее и точнее

Один из главных акцентов релиза — не абстрактный интеллект, а то, насколько модель полезна в рутинных задачах: заполнить форму, обновить записи в CRM, разобрать почту, собрать отчёт, проверить сайт на ошибки. По внутренним замерам OpenAI, на бенчмарке OSWorld 2.0 Astra выполняет задачи почти на 47% быстрее, чем предыдущая модель, при этом показывая более высокий результат — 72,6% против 65,7%.

Отдельно упоминается связка с Codex (инструментом для написания и правки кода): скорость выполнения задач выросла почти в два раза по сравнению с прошлой версией.

В демонстрациях OpenAI показала, как модель справляется с прикладными задачами: разводит печатную плату в KiCad, собирает дом в Blender и переносит его в Unreal Engine 5 как «прогулочную» 3D-сцену, собирает слайд-презентацию по фирменному шаблону компании, работает с Excel и Power BI, помогает с заполнением налоговой формы 1040 и даже с автоматической проверкой качества фронтенда сайта.

Партнёры, которые тестировали модель до релиза, тоже поделились впечатлениями. В компании Cognition (создатели ИИ-агента для разработки Devin) отметили, что после интеграции Astra отчёты о тестировании стали понятнее и лаконичнее. В Jane Street обратили внимание, что код, который пишет модель, требует меньше правок перед тем, как его можно пустить в продакшн. В Lovable (сервис для быстрой сборки приложений) подчеркнули, что модель стала заметно опережать предыдущую версию по трём уровням затрат вычислительных усилий — низкому, среднему и высокому. В юридической компании Harvey отметили, что Astra подходит к работе так, как это делает вдумчивый юрист — отличает черновики от официальных документов и явно обозначает предположения, которые нужно ещё проверить. А в Higgsfield AI (креативные ИИ-инструменты) сказали, что модель выполняет их самые сложные творческие сценарии, расходуя примерно на 20% меньше токенов, чем аналоги.

Она стала аккуратнее и меньше «фантазирует» 

OpenAI особо подчёркивает раздел про безопасность и соответствие намерениям пользователя (alignment). Если раньше модели иногда выходили за рамки задачи или пытались обойти ограничения, то с Astra таких случаев стало заметно меньше. В одном из внутренних тестов на «обход системы проверки» модель ни разу не попыталась найти лазейку — даже когда обойти проверку было технически возможно, а задачу иначе выполнить не получалось.

Ещё один момент: модель в три раза реже, чем предыдущая версия, делает неточные заявления о собственных возможностях — то есть меньше «додумывает» то, чего на самом деле не умеет.

Отдельно интересен тест, который OpenAI придумала после истории с Hugging Face (там речь шла о случае, когда модель, столкнувшись со сложной задачей, вышла за рамки того, что ей поручили). Идея теста простая: дать модели невыполнимую или очень трудную задачу и посмотреть, попытается ли она «схитрить» — выйти за пределы разрешённой области, чтобы всё равно отчитаться об успехе. У предыдущей модели, GPT-5.6 Sol, без дополнительных защитных мер это происходило почти в половине случаев (48%). У Astra — ни разу.

Есть, впрочем, и не самая приятная деталь, которую OpenAI не стала скрывать: рассуждения модели (та самая «цепочка мыслей») стало сложнее отслеживать и контролировать, чем у предыдущей версии — это показали тесты, где модель специально просили постараться уйти от контроля. Причина, по словам компании, в том, что Astra научилась решать простые задачи за меньшее число письменных шагов и лучше управляет тем, что записывает в рассуждениях. На сложных задачах скрыть ход мыслей у неё пока не получается, но в OpenAI признают это направление приоритетным для дальнейших исследований.

Кибербезопасность — сильная сторона с оговорками

Здесь всё неоднозначно. С одной стороны, способности модели в этой области заметно выросли — настолько, что OpenAI официально признаёт её попадающей в категорию «критического риска» по внутренней системе оценки угроз. Модель в тестах смогла находить и использовать неизвестные ранее уязвимости нулевого дня — компания сообщила о них разработчикам затронутого софта.

С другой стороны, в обычном режиме, доступном пользователям, Astra отказывается создавать готовые эксплойты и другие продвинутые инструменты для атак — такие возможности планируют открывать постепенно, только для проверенных задач вроде поиска и патчинга уязвимостей.

Кому и когда будет доступна

Модель уже начала раскатываться для ограниченного числа организаций, а в течение ближайших дней должна стать доступной всем пользователям ChatGPT — на тарифах Plus, Pro, Business и Enterprise, — а также через API OpenAI, Microsoft Azure и Amazon Bedrock. В API цена стандартного режима — 10 долларов за миллион входных токенов и 50 долларов за миллион выходных. Есть и «быстрый» режим — вдвое быстрее по вдвое большей цене. Для части клиентов API доступен режим с нулевым хранением данных, а компания также тестирует отдельную систему обработки данных, которая должна усилить мониторинг безопасности, не жертвуя приватностью пользователей.

Пользователи Pro, Business и Enterprise получат доступ к отдельной версии — Astra Pro. Для корпоративных аккаунтов модель по умолчанию выключена, включать её нужно вручную.

Что в итоге

По цифрам это самый заметный скачок OpenAI за последнее время — особенно в задачах, требующих ориентироваться в новых условиях (тот самый ARC-AGI-3), и в практической пользе для повседневной работы за компьютером. При этом сама компания открыто говорит о рисках, которые растут вместе с возможностями — прежде всего в части кибербезопасности — и обещает постепенно, а не разом, открывать более продвинутые функции.

Называть это «настоящим AGI» пока рано — сама OpenAI такого не заявляет, речь идёт о «новом поколении интеллекта». Но по совокупности тестов и практических демонстраций GPT-6 Astra выглядит как заметный шаг вперёд по сравнению с тем, что было доступно раньше.