OpenAI представила GPT-6 Astra — первая AGI-модель с рекордной производительностью во всех бенчмарках

OpenAI представила GPT-6 Astra — новую долгожданную ИИ-модель, которую компания уверенно причисляет к классу AGI. Модель умеет буквально все, от управления компьютером и написания кода до кибербезопасности и научных задач. Этого удалось добиться благодаря использованию наработок OpenAI за все годы существования компании, глубоких исследований в обучении/дообучении и, самое главное, контроле поведения LLM. По данным OpenAI, GPT-6 Astra стала первой моделью, которая достигла точности 99,9% в бенчмарке на абстрактное мышление ARC-AGI-3 и 100% точности в тесте на поиск эксплойтов ExploitBench, из-за чего LLM получила статус критического уровня киберугрозы. GPT-6 Astra уже доступна ограниченному кругу организаций в рамках программы OpenAI Daybreak, а доступ для платных пользователей в ChatGPT и API появится через несколько дней

GPT-6 Astra особенно сильна в практических задачах. В тесте на функционал computer use Agents' Last Exam она набирает 59,3%, обходя и Claude Opus 5, и прошлую GPT-5.6 Sol, при этом тратит на 65% меньше токенов. В OSWorld 2.0, где проверяется умение пользоваться интерфейсами, модель достигает 72,6% и выполняет задачи почти вдвое быстрее — за 40 минут вместо 75 у GPT-5.6 Sol. Ей можно поручить заполнять формы, обновлять записи в CRM, искать информацию, составлять документы, проверять сайты на ошибки — и все это она делает сама, без постоянного контроля со стороны человека.

В написании кода GPT-6 Astra тоже лучшая. В Terminal-Bench 4.0 она получает 57,7%, обходя и GPT-5.6 Sol, и Claude Fable 5.1, при этом стоимость одной задачи оказывается на 63% ниже, чем у Fable 5.1. В DeepSWE модель набирает 74,1%, опережая всех конкурентов. Внутренние тесты на миграцию баз данных показывают 63,9% против 42,7% у GPT-5.6 Sol. А еще Astra в Codex умеет сохранять заметки между сессиями: если контекст заканчивается, она не теряет важные детали, а находит их в предыдущих окнах.

В науке GPT-6 Astra тоже впереди. GPQA Diamond — 96%, выше всех. В математике FrontierMath Tier 4 — 97,6%, тогда как у прошлых моделей было 83–88%. Она помогает с анализом данных, моделированием и даже решала открытые математические проблемы.

Отдельно стоит сказать про кибербезопасность. GPT-6 Astra умеет находить уязвимости и даже обнаружила два новых эксплойта zero-day на неназванных платформах, о которых уже сообщили разработчикам. Но в публичной версии GPT-6 Astra будет отказывается создавать эксплойты — возможности кибербезопасности будут сосредоточены на задачах обороны: поиск уязвимостей, исправление кода и проверки безопасности. Для специалистов, которым нужен более широкий доступ, OpenAI запустила программу Daybreak, где ограничения в области кибербеза не настолько строги.

Самое важное — контроль поведения. В стресс-тестах, где модель провоцировали на выход за рамки, GPT-6 Astra показала 0% нарушений, тогда как GPT-5.6 Sol нарушала в 48% случаев. Она не пытается обойти запреты, честно говорит о своих возможностях и в три раза реже ошибается, описывая, что умеет. Для бизнеса это означает, что модель можно ставить на реальные задачи и не бояться, что она сделает что-то неожиданное.

Стоимость GPT-6 Astra в API будет достигать $10 за миллион входных токенов и $50 за миллион выходных — цена такая же, как и у Claude Fable 5.1, то есть OpenAI напрямую бросает вызов своему главному конкуренту в лице Anthropic. Также GPT-6 Astra поддерживает быстрый режим Fast, который ускоряет работу модели в 2,5 раза, но за двойную цену. Пользователи Pro, Business и Enterprise получат доступ к GPT-6 Astra в ближайшие несколько дней, а для корпоративных клиентов будет доступен режим нулевого хранения данных.

GPT-6 Astra — это настоящий магнум-опус компании OpenAI, который вобрал в себя лучшие принципы обучения ИИ, которые доступны в ИИ-индустрии на данный момент. но самое главное, что  OpenAI наконец-то решила главную проблему: раньше модели были либо умными, но опасными, либо безопасными, но слабыми.GPT-6 Astra показывает, что можно совместить и то, и другое. Она решает сложные задачи, управляет компьютером, пишет код и при этом не выходит за рамки, не врет о своих результатах и не пытается обмануть систему. Именно это позволило GPT-6 Astra обойти главного конкурента в лице Claude Fable 5.1, уничтожив репутацию Anthropic прямо перед IPO. Если GPT-6 Astra пройдет период охлаждения в несколько дней и успешно станет доступна в API и ChatGPT, эта модель станет самой мощной LLM из когда-либо доступных массовому пользователю.