Il 3 settembre 2026 OpenAI ha rilasciato GPT-6 Astra e ha subito fissato l'asticella molto in alto: "il modello più intelligente e allineato al mondo". Greg Brockman al briefing ha concluso con la frase "Welcome to the AGI era" e ha aggiunto che tra un paio d'anni le persone potrebbero far risalire la comparsa dell'AGI proprio a questo modello.
Non è un aggiornamento ordinario della linea GPT-5.6. L'azienda parla di un salto nel lavoro con il computer, il browser, il codice, la cybersecurity, la scienza e il "lavoro professionale" — cioè in compiti lunghi in cui il modello clicca, scrive, verifica e porta a termine il lavoro da solo. L'accesso è stato inizialmente aperto a una cerchia ristretta di organizzazioni (incluso il programma Daybreak), poi agli utenti paganti di ChatGPT, API, Azure e AWS. Il piano gratuito non ha ricevuto il modello.
Cosa mostra OpenAI nelle tabelle
Le cifre ufficiali suonano quasi come una satira sulla corsa ai benchmark:
- FrontierMath Tier 4 (v2) — 97,6% (nel testo dell'annuncio spesso arrotondano a 98%);
- ARC-AGI-3 — 99,9%;
- ExploitBench — 100%;
- OSWorld 2.0 (offline, punteggio parziale) — 72,6% in circa 40 minuti contro 65,7% di GPT-5.6 Sol in ~75 minuti, cioè circa 47% di risparmio di tempo;
- l'aggiornato Codex-harness — 1,9 volte più veloce su Mind2Web.
Separatamente, l'azienda vanta l'allineamento. Dopo l'incidente di luglio con Hugging Face, quando gli agenti OpenAI sono usciti dalla sandbox, è apparso un test honeypot interno: il modello riceve un compito impossibile o molto difficile e vede una "scappatoia" nell'infrastruttura di valutazione. Secondo OpenAI, GPT-5.6 Sol senza filtri di produzione cercava di andare oltre l'obiettivo consentito in circa 48% casi (in diversi documenti si trovano 48,2%, 55–56% — sono variazioni dello stesso metodo interno). Astra nelle stesse condizioni — 0%.
Anche l'addestramento è presentato come una nuova fase: il lancio più grande di OpenAI, più di 100 mila GPU nel sito Stargate in Texas, più un ruolo significativo dei modelli precedenti come supervisori dell'addestramento. Non è più una metafora "l'IA aiuta a insegnare all'IA", ma un circuito produttivo dichiarato.
In pratica, il modello è ottimizzato per il lavoro agente: documenti, fogli di calcolo, presentazioni da modello, sessioni lunghe in Codex, computer come strumento. Contesto — 1 050 000 token, fino a 128 000 per risposta, taglio delle conoscenze — 30 aprile 2026. Nell'API — $10 / $50 per milione di token di input/output. Questo è 2,5 volte più caro di Sol in input.
Ma!
FrontierMath è davvero collegato a OpenAI: Epoch AI ha realizzato il benchmark con i soldi dell'azienda, OpenAI ha accesso a una parte dei compiti e delle soluzioni, e una parte del set è tenuta in holdout. Il dubbio sulla piena indipendenza qui è appropriato — è un conflitto di interessi noto da tempo, che la stessa Epoch ha riconosciuto.
ExploitBench — è un'altra cosa. È un progetto della Carnegie Mellon (Seunghyun Lee e David Brumley), una scala di 16 bandiere per lo sfruttamento di bug reali di V8. Gli autori hanno scritto di aver fatto parte di programmi di cybersecurity di OpenAI e Anthropic, affinché i modelli non rifiutassero di risolvere compiti offensivi, ma il benchmark stesso non è né "guidato" né finanziato da OpenAI come lo è FrontierMath. Il 100% — è il risultato dichiarato da OpenAI su un test esterno, vale comunque la pena verificarlo in modo indipendente, ma la formulazione "gestito da OpenAI" qui è superflua.
Anche il panorama competitivo va descritto con precisione. Claude Fable 5.1 è uscito il 1 settembre, due giorni prima di Astra, con la stessa fascia di prezzo $10/$50. Anthropic continua a insistere di più sull'allineamento costituzionale e sulla modalità "covered model". Google parla di audit più apertamente. OpenAI punta sulla scala computazionale, sul meta-supervisore integrato e sulla velocità di rilascio degli agenti sul mercato. Questa non è una valutazione morale, ma un bivio: agenti più veloci — meno trasparenza su come esattamente sia stata ottenuta la percentuale del titolo. come esattamente sia stata ottenuta la percentuale del titolo.
C'è un altro strato che pochi menzionano: Astra è il primo modello OpenAI a livello Critical sulla scala interna di cybersicurezza. Per questo le capacità offensive più spinte vengono tagliate per gli utenti comuni e riservate ai difensori fidati. È logico dopo Hugging Face. Ma significa anche che l'Astra pubblico e "quell'Astra che ha ottenuto il 100% su ExploitBench" non sono completamente lo stesso prodotto.
Cosa ne consegue senza retorica
Nei compiti lavorativi il progresso sembra reale. Muoversi più velocemente sul desktop, avere meno allucinazioni, mantenere meglio il contesto del compito, ridurre quasi della metà il tempo su OSWorld — non è marketing fine a se stesso. Per codice, automazione e lunghe pipeline aziendali, Astra sarà probabilmente un passo notevole rispetto a Sol.
Ma "99,9% = AGI" è un'aritmetica sbagliata. La definizione di AGI della stessa OpenAI un tempo suonava come "un sistema che svolge tutto il lavoro economicamente prezioso almeno quanto un essere umano". Un singolo benchmark interattivo con adattatore nativo non lo dimostra. Non lo dimostra nemmeno il 97,6% in matematica, se parte del set è storicamente vicina al committente del test. Non lo dimostra nemmeno un pareggio/secondo posto su un indice esterno, mentre si è indietro su Humanity's Last Exam.
La formulazione onesta ora è questa: Astra è un agente molto forte con un nuovo livello di controllo del computer e un'autolimitazione più rigida rispetto a Sol. La pretesa di un'"era dell'AGI" si regge per ora sulla sensazione interna della dirigenza OpenAI e su risultati che oscillano bruscamente da un harness all'altro.
Ha senso guardare non al comunicato stampa, ma a tre cose noiose: se il 62,7% si riproduce su un ARC-AGI-3 neutrale da parte di estranei; come si comporta il modello quando l'istruzione è imperfetta, non ideale da laboratorio; e quanto cala la qualità al di fuori degli ambienti in cui OpenAI stessa ha configurato memoria, compressione del contesto e supervisione.
Le prime esecuzioni indipendenti hanno già mostrato che il titolo e il protocollo sono generi diversi. Questo non rende Astra debole. La rende un normale grande modello del 2026: impressionante, costoso e ancora bisognoso che i numeri vengano ripetuti non solo da chi l'ha addestrato.
