«Добро пожаловать в эпоху AGI»: OpenAI представила GPT-6 Astra

Автор: Сяо Цзин, Tencent Technology

«Добро пожаловать в эру AGI».

Соучредитель и президент OpenAI Грег Брокман завершил презентацию GPT-6 Astra этой фразой.

3 сентября по местному времени США OpenAI официально представила GPT-6 Astra. В отличие от предыдущих моделей, которые в основном отвечали на вопросы, генерировали контент и вызывали инструменты, Astra способна непрерывно выполнять полноценные задачи: от приема команд и работы с программами до корректировки следующих действий на основе результатов. Одна из причин, почему OpenAI вновь заговорила об «эре AGI», кроется именно в этом.

OpenAI позиционирует Astra как «самую мощную в мире модель для работы с компьютером». Эта способность вышла за рамки простых задач в браузере, почте и таблицах и распространилась на профессиональное программное обеспечение, такое как Power BI, KiCad и FreeCAD, начиная охватывать более сложные рабочие процессы: анализ данных, инженерный дизайн, тестирование программного обеспечения и устранение неполадок.

В демонстрационном видео OpenAI показано, как Astra начинает с простой фигуры и продолжает работу над созданием 3D-игр или страниц товаров. Компания также привела примеры проектирования печатных плат, моделирования в Blender, работы с юридическими документами, Excel и научного анализа.

Среди большого числа опубликованных OpenAI базовых показателей рост производительности сконцентрирован на задачах, требующих последовательных действий: работа с компьютером, долгосрочное программирование, инженерный дизайн и научные исследования. Astra достигла 100% на ExploitBench и существенно превзошла модель прошлого поколения в тестах по работе с ПК и CAD.

В настоящее время Astra уже доступна некоторым организациям, а в ближайшие дни станет доступна пользователям ChatGPT Plus, Pro, Business и Enterprise, а также через OpenAI API и Amazon Bedrock. Стандартная цена API составляет 10 долларов за миллион вводных токенов и 50 долларов за миллион выводных токенов, что в 2,5 раза выше, чем у GPT-5.6 Sol.

01 Сначала AI нужно научиться «пользоваться компьютером»

Ключевое изменение, на которое делает акцент Astra, — это «работа с компьютером». Раньше, чтобы поручить AI выполнение задач, пользователям обычно приходилось интегрировать его с конкретным ПО. Для этого компаниям требовалось разрабатывать API, плагины, системы поиска и различные коннекторы, чтобы модель могла вызывать внутренние инструменты.

Astra пытается обойти часть этих процессов. Она напрямую видит интерфейс компьютера и выполняет действия с помощью мыши, клавиатуры и браузера. Примеры от OpenAI включают заполнение онлайн-форм, обновление записей клиентов в CRM, планирование встреч в календаре, поиск в сети и оформление найденных данных в виде писем или документов.

Она также умеет открывать Python-ноутбуки для анализа научных данных, обрабатывать информацию в Power BI, создавать инженерные проекты в KiCad и FreeCAD, разрабатывать сайты и проводить фронтенд-тестирование, устанавливать программы, диагностировать ошибки и решать проблемы, возникающие на экране.

На примере KiCad OpenAI показала, как Astra выполняет компоновку печатной платы. Модель начинается со схематического черновика, размещает компоненты на плате и завершает разводку медных дорожек. Весь процесс занимает всего 15 секунд. То, что инженерам ранее приходилось делать вручную, теперь можно поручить модели.

Еще одна демонстрация показывает создание 3D-моделей в Blender и Unreal Engine 5. Сначала Astra строит дом в Blender, затем конвертирует модель в интерактивную сцену для виртуальной ходьбы в Unreal Engine 5, где дизайнеры и заказчики могут заранее осмотреть пространство.

OpenAI также продемонстрировала работу с играми, Excel, Power BI, автоматическими коробками передач автомобиля, юридической документацией и налоговой формой 1040.

В тестовом наборе OSWorld 2.0 (офлайн-подмножество) Astra набрала 72,6%, тогда как GPT-5.6 Sol — 65,7%. После симуляции реальной задержки OpenAI обнаружила, что Astra в среднем тратит около 40 минут на задачу, а GPT-5.6 Sol — около 75 минут, что сокращает время примерно на 47%.

В Agents' Last Exam Astra получила 59,3%, GPT-5.6 Sol — 53,6%, Claude Opus5 — 55,5%. При этом в конфигурации с максимальной оценкой Astra использовала примерно на 65% меньше выводных токенов, чем Claude Opus5.

Результат ScreenSpot-Pro составил 92,7% против 76,9% у GPT-5.6 Sol.

Увеличивается и скорость. Одновременно обновляется фреймворк Codex. В связке с Astra он ускоряет выполнение задач в тесте Mind2Web в 1,9 раза по сравнению с текущими показателями GPT-5.6 Sol.

Официальная демо включает несколько бытовых сценариев: поиск педиатра, аренда квартиры, запись в DMV, поиск продуктов с низким содержанием углеводов и анализ детского сада. На демо Астра выполнила одну задачу за 2 минуты 54 секунды.

Инвестор и специалист по AI Мэтт Шумер (Matt Shumer) поделился своим опытом в X. Он попросил Astra создать мир в Unreal Engine, добавить туда антропоморфных агентов, управляемых самой Astra, и наблюдать, как эти агенты сосуществуют.

На следующий день он услышал разговоры в гостиной из спальни и сначала подумал, что кто-то проник в квартиру. Позже выяснилось, что звуки издавали эти агенты Astra, которые уже начали взаимодействовать друг с другом.

Хотя эксперимент еще не отличается полной стабильностью, Шумер считает, что сам эффект погружения множества агентов ИИ в одно виртуальное пространство и их самостоятельного взаимодействия оказался для него достаточно неожиданным.

Вице-президент Cognition по научно-исследовательской работе Сайлас Альберти (Silas Alberti) сообщил, что компания планирует подключить Astra к платформе Devin в день выхода. По результатам внутренних тестов использование Astra значительно улучшило навыки работы с ПК, написания текстов и понимания репозиториев кода, сделало анализ видео более точным, а отчеты — лаконичными.

02 От написания кода до выполнения полноценных задач

После усиления возможностей работы с компьютером спектр задач Astra расширился. OpenAI классифицирует ее как модель для программной инженерии, профессиональной деятельности и научных исследований. Она способна обрабатывать длительные проекты и гибко корректировать направление работы при изменении условий.

Эти способности наиболее ярко проявляются в тестах на программирование.

В тесте Terminal-Bench 4.0 Astra набрала 57,9% (против 37,3% у GPT-5.6 Sol и 55,8% у Claude Fable 5.1).

В DeepSWE v1.1 Astra показала 74,1% против 72,7% у GPT-5.6 Sol. Во внутренних задачах миграции баз данных Astra достигла 63,9%, тогда как GPT-5.6 Sol — 42,7%.

Для Astra была внедрена новая оптимизация для длительных задач в Codex.

Раньше при достижении ограничений контекстного окна во время долгих задач модель часто приходилось сжимать предыдущий прогресс и сводить большие объемы информации к одному резюме. Это приводило к потере важных деталей, таких как причины неудачных исправлений или ранее возникшие проблемы с отдельными компонентами.

В Codex Astra сохраняет важные данные в процессе работы и позволяет искать их в дальнейших контекстах. Ранние сообщения и выходы инструментов остаются доступными для поиска, благодаря чему модель может заново выявлять исходные требования, результаты тестов и историю операций.

Аналогичные изменения наблюдаются и в профессиональных задачах. В тесте BenchCAD Astra получила 95,9% за геометрическое перекрытие (83,3% у GPT-5.6 Sol, 84,3% у Claude Fable 5.1). В BrowseComp она набрала 91,5% против 90,4% у GPT-5.6 Sol. В тесте OpenScore String Quartets результат Astra составил 0,84, тогда как у GPT-5.6 Sol — лишь 0,19.

OpenAI также продемонстрировала возможность Astra создавать презентации, электронные таблицы и документы.

При подаче нескольких слайдов из шаблонов OpenAI модель создает новую презентацию, сохраняя оригинальный тон, верстку и структуру. Она также умеет расставлять приоритеты в обработке информации. По словам OpenAI, Astra проходит специализированное обучение, благодаря которому важные контексты включаются в финальный результат, а дублирование уже выполненной работы минимизируется.

Когда инструкции к задаче неполные, Astra сама определяет, когда стоит задать вопрос пользователю. Если нехватка данных повлияет на итог, модель запросит уточняющую информацию. Если упущение не критично, она продолжит работу, используя обоснованные предположения. В Codex модель может продолжать обработку остальных частей даже без немедленного ответа пользователя; однако при принятии важных решений она приостанавливается до подтверждения.

Нико Групен (Niko Grupen), руководитель прикладных исследований в Harvey, отметил, что в ранних тестах юридических задач Astra точнее различает документы и существующие записи, эффективнее выявляет необоснованные гипотезы и трансформирует пробелы в информации в конкретные проекты документов.

Джон Крепецци (John Crepezzi) из команды ассистентов Jane StreetAI заявил, что Astra выделяется на внутренних тестах кодинга. При использовании в режиме агентского программирования ее стиль коммуникации понятнее для разработчиков, а сгенерированный код требует меньшего количества правок для достижения производственного качества.

Отдельное внимание уделяется научной сфере. В FrontierMath Tier4 v2 Astra набрала 80,5 балла при точности 97,6% (у GPT-5.6 Sol — 83,0 балла). В GPQA Diamond результат составила 96,0% (против 94,6% у GPT-5.6 Sol).

Тест Terminal-Bench Science 0.1 проверяет исследовательский процесс, включая анализ данных, моделирование и аппроксимацию. Astra достигла 64,6% (Claude Fable 5.1 — 52,6%, GPT-5.6 Sol — 22,4%).

В продемонстрированном научном приложении Astra способна взаимодействовать со специализированным ПО, проверять качество секвенирования, визуализировать генетические варианты и определять следующие шаги анализа на основе полученных данных.

Благодаря интеграции научного мышления и управления компьютером, модель теперь может напрямую работать в среде приложений, которыми традиционно пользуются исследователи.

Грег Бернхэм (Greg Burnham) из Epoch AI, занимающийся оценкой моделей, на пресс-конференции обозначил эту инновацию как конец одной эпохи и начало другой. OpenAI использует этот момент, чтобы подчеркнуть: ценность Astra выходит далеко за рамки ответов на научные вопросы и теперь включает прямое участие в научных рабочих процессах.

03 Чем выше возможности, тем выше требования к безопасности

В новой версии Astra присутствует и особо важная функция: кибербезопасность.

В ExploitBench Astra показала 100% (против 78,5% у GPT-5.6 Sol); в ExploitGym — 42,4% (против 30,3% у GPT-5.6 Sol).

OpenAI провела внутренний тест на уязвимостях июня–августа 2026 года. В нем показатель успешного выполнения произвольного кода у Astra значительно превысил таковой у GPT-5.6 Sol при меньшем расходе выходных токенов. В ходе тестирования Astra нашла два ранее неизвестных нулевых дня, о которых OpenAI уведомила соответствующих разработчиков.

SRE-Bench оценивает способность реверс-инжиниринга бинарных файлов ПО и понимания их основной логики без наличия исходного кода. Astra решила 88,0% задач с первой попытки и 99,2% с четырех попыток, тогда как у GPT-5.6 Sol показатели составили 55,9% и 68,7% соответственно.

Рост потенциала влечет за собой новые требования к безопасности. OpenAI отмечает, что Astra преодолела критический порог в рамках собственной структуры готовности к киберугрозам. Модели доступны обнаружение ранее неизвестных уязвимостей и потенциальное формирование цепочек эксплойтов.

Поэтому текущая версия Astra отказывается выполнять продвинутые задачи по кибербезопасности, такие как создание PoC-эксплойтов. OpenAI планирует постепенно расширять доступ для доверенных специалистов через платформу Daybreak для проверки уязвимостей, анализа вредоносного ПО и разработки систем обнаружения угроз.

Данные по выравниванию (alignment) также впечатляют. Во внутреннем бенчмарке безопасности использования ПК Astra показала уровень некорректного поведения 2,4% против 22,0% у GPT-5.6 Sol; после активации AutoReview этот показатель снизился до 1,8% (против 4,5% у GPT-5.6 Sol). Во внутреннем тесте на обход ограничений Astra показала 0,00% (против 0,29% у GPT-5.6 Sol).

В тесте honeypot ExploitGym Astra показала 0% (против 48,2% у GPT-5.6 Sol). Данный тест направлен на выявление попыток модели обойти ограничения при столкновении со сложностями. Во внутреннем тесте галлюцинаций результат Astra составил 4,2% против 12,2% у GPT-5.6 Sol.

Как заявляет OpenAI, Astra лучше понимает границы задач, эффективнее справляется с неоднозначными инструкциями и прозрачнее информирует пользователя о своих возможностях. Вероятность проявления «галлюцинаций способностей» у нее примерно в три раза ниже, чем у GPT-5.6 Sol.

Тем не менее, OpenAI признает одну проблему: чем мощнее становится модель, тем сложнее контролировать процесс ее рассуждений. Главный ученый Якуб Пацковский (Jakub Pachocki) полагает, что способность модели решать все более сложные задачи с использованием меньшего объема токенов естественного языка одновременно усложняет для людей задачу определения того, что именно делает алгоритм, анализируя его текстовые рассуждения.

В связи с этим OpenAI внедрила в развертывание Astra мониторинг несоответствия. Система анализирует рассуждения и действия модели и при обнаружении несанкционированных паттернов может приостановить выполнение задачи.

Эта система оказывает непосредственное практическое влияние. Задания иногда могут замедляться, приостанавливаться или полностью останавливаться. В интерфейсах ChatGPT или Codex пользователю придется подтверждать действие перед продолжением; в API-рабочих процессах помеченные задания могут блокироваться автоматически.

Выпуск Astra принес реальное изменение в правила игры: по мере получения ИИ все больших прав доступа к компьютеру фокус внимания бизнеса смещается с простого вопроса «не ошибется ли модель?» на комплексные риски: «что именно она сможет управлять, к каким ресурсам получит доступ и когда система должна автоматически остановиться?».

Также было отмечено, что Astra стала первой моделью, предварительно обученной на инфраструктуре Stargate с потреблением более 100 000 DBU. Вице-президент OpenAI по исследованиям Эйден Кларк (Aidan Clark) заявил, что согласно оценке на этапе предварительного обучения, скачок потенциала по сравнению с предыдущими моделями превзошел рост GPT-5.6 Sol относительно своего предшественника.

OpenAI объясняет этот скачок синергией масштабного предварительного обучения и обучения с подкреплением, сместив фокус подготовки на связывание данных, выполнение длительных заданий и устойчивую работу в сложных средах.

04 Дороже, но «эффективнее справляется с задачами»

Ценообразование для Astra также подверглось значительным изменениям.

Стандартные тарифы OpenAI API составляют 10 долларов за миллион вводных токенов и 50 долларов за миллион выводных токенов. Ранее для GPT-5.6 Sol цены были 4 доллара и 20 долларов соответственно. Тарифы увеличились ровно в 2,5 раза.

Чтение и запись в кэш тарифицируются отдельно. Дополнительно предлагается быстрый режим, обеспечивающий производительность до 2,5 раз выше стандартной обработки по цене, в два раза превышающей стандартный тариф.

Если судить исключительно по стоимости токенов, Astra явно дороже. Однако OpenAI призывает компании пересмотреть подход к расчету затрат. По мнению Брокмана, поскольку модели все больше становятся автономными агентами, стоимость отдельного токена перестала точно отражать реальную экономическую эффективность. Даже если модель дешевле в пересчете на токены, потребность в многократных попытках и ручной коррекции может сделать конечную реализацию задачи экономически менее выгодной.

Данные OpenAI подтверждают эту логику. В Terminal-Bench Science 0.1 Astra достигла 64,6% (по сравнению с 52,6% у Claude Fable 5.1), что, по прогнозу, снижает затраты на API примерно на 31%. В конфигурации с низким бюджетом Astra набрала 61,1% против лучшего результата GPT-5.6 Sol в 22,4%, что сулит экономию на API около 27%.

В BenchCAD Astra показала 95,9%, что обещает снизить расходы на API приблизительно на 43% по сравнению с GPT-5.6 Sol и на 86% по сравнению с Claude Fable 5.1. В Terminal-Bench 4.0 результат Astra составил 57,9% против 37,3% (GPT-5.6 Sol) и 55,8% (Claude Fable 5.1). По расчетам OpenAI, стоимость одной задачи окажется ниже примерно на 9% и 63% соответственно.

Противоположную картину рисуют данные независимой аналитической платформы Artificial Analysis.

В Intelligence Index от Artificial Analysis GPT-6 Astra набирает 61,2 балла, что сопоставимо с результатом GPT-5.6 Sol (60,9), хотя расход выходных токенов сокращается примерно на 10%. Из-за пятикратного роста базовой ставки себестоимость выполнения отдельной задачи оказывается почти на 75% выше, чем у GPT-5.6 Sol.

В индексе Coding Agent Index от Artificial Analysis Astra получает 67,0 балла, что близко к результатам Claude Fable 5 (67,2) и Claude Opus 5 (68,1). Эксперты Artificial Analysis полагают, что в среде Codex Astra значительно сокращает объем токенов, требуемых для завершения проекта: при максимальных усилиях стоимость одного задания сравнивается с показателями GPT-5.6 Sol, а по сравнению с Claude Fable 5 затраты на аналогичную задачу снижаются вдвое.

Однако Astra лидирует не во всех дисциплинах. Согласно данным Artificial Analysis, в рейтинге GDPval-AA v2 наблюдается падение примерно на 80 очков Elo, также фиксируется некоторое снижение в тестах τ³-Banking, SciCode и AA-LCR. В то же время результат Humanity's Last Exam вырос примерно на 6 баллов.

Это примечательный момент релиза. OpenAI в этот раз не обнародовала результаты Astra по GDPval. Сам GDPval создан OpenAI специально для оценки эффективности в реальных экономических профессиях, охватывая 44 специальности и 1320 рабочих задач, таких как составление юридических справок, инженерное проектирование, ведение электронных таблиц, подготовка презентаций, служба поддержки и разработка планов ухода.

Исходя из продемонстрированного функционала, результаты GDPval должны были иметь высокую корреляцию с ключевыми сценариями профессиональной деятельности, однако в основные материалы презентации эта метрика не попала.

В связи с этим практическая состоятельность Astra сегодня в большей степени подтверждается показателями в Agents' Last Exam, BenchCAD, AutomationBench, а также внутренними проектами по дизайну и науке о данных.

В конечном счете, станет ли Astra настоящим ИИ-сотрудником, которого компании захотят использовать на долгосрочной основе, зависит от стоимости выполнения реальных проектов, скорости реакции, точности и частоты вмешательства человека.

Что касается статуса AGI у Astra, ответы Брокмана лишены уклончивости. Он считает, что единого общепринятого стандарта понятия «общий искусственный интеллект» не существует, поэтому спор о том, относится ли Astra к этой категории, вполне правомерен. Но если система уже способна самостоятельно выполнять колоссальный объем задач в браузере, операционных системах, программировании, математике, науке, юриспруденции и других профессиональных сферах, то утверждение о переходе в эпоху AGI выглядит абсолютно обоснованным.

Генеральный директор OpenAI Сам Алтман (Sam Altman) также охарактеризовал Astra как модель, запускающую новое поколение предпринимательства, научных открытий и созидательных процессов.

Специальный переводчик Цзинь Лу внес свой вклад в статью