Nvidia CEO'su Jensen Huang, 6 Eylül 2026'da X platformunda yaptığı bir paylaşımda, bu dönüm noktasını OpenAI'nin GPT-6 Astra modelinin lansmanına bağlayarak AGI'nin artık burada olduğunu doğrudan belirtti. 3 Eylül'de tanıtılan model, uzun süreli görevlere, bilgisayar kullanımına ve profesyonel iş akışlarına vurgu yaparak ajan yapay zekâsı ve akıl yürütmede bir atılım olarak konumlandırılıyor. Ancak bu yüksek sesli açıklamanın arkasında sadece pazarlama değil, aynı zamanda eğitim ölçeği ve mimari kararlarda somut teknik değişimler de yatıyor.
OpenAI'nin resmi bloguna göre Astra, FrontierMath Tier 4'te %98, ARC-AGI-3'te %99,9 ve ExploitBench'te %100'e ulaşıyor. Bu sonuçlar, modelin kod yazmaktan tarayıcı kullanımına ve açık matematik problemlerini çözmeye kadar karmaşık çok adımlı görevleri işlediği koşullarda elde edildi. GPT-5.6 Sol gibi önceki sürümlerin aksine Astra, araçlarla eşzamansız çalışma, yönlendirme sırasında müdahale ve bağlam penceresinde aranabilir bellek konularında gelişmiş bir yetenek sergiliyor. Bu, onun sadece yanıt vermesini değil, minimum insan müdahalesiyle uzun süreli projeler yürütmesini sağlıyor.
Kilit teknik unsur eğitim ölçeğidir. Huang'ın verilerine göre model, NVLink72 yapılandırmasında 100 binden fazla Nvidia Grace Blackwell çipi üzerinde eğitildi ve ek 400 bin GPU planları var. Bu, OpenAI'nin bu kadar büyük bir donanım üzerinde eğitimi doğruladığı ilk halka açık lansmandır. Önceki modellerle karşılaştırma bir değişimi gösteriyor: o1 modeli zincirleme düşünme akıl yürütmesine odaklanırken, Astra, kullanıcının niyetini daha iyi anlamayı ve ajan senaryolarında uyumu korumayı sağlayan bir düzeyde pekiştirmeli öğrenme ve hizalama entegre ediyor.
Değerlendirme metodolojisi soruları beraberinde getiriyor. OpenAI sonuçları kendi kıyaslamalarında yayınlıyor, ancak ayrı tutulan testlerin veya sıfır örnekli ve az örnekli protokollerin ayrıntılarını her zaman açıklamıyor. Zincirleme düşünmenin izlenebilirliğinin azalması - modelin kendi akıl yürütmesini daha iyi kontrol etmesi ve izlemekten kaçınabilmesi - güvenlik açısından bir zorluk olarak belirtiliyor. Bu sadece bir iyileştirme değil, modelin iç adımları işleme biçimindeki bir değişimdir ve gerçek dünya dağıtımlarında davranış doğrulamayı zorlaştırır.
Yapay zekâ ortamında Astra, Anthropic ve Google'ın yaklaşımlarıyla tezat oluşturuyor. Anthropic anayasal yapay zekâ ve yorumlanabilirliğe vurgu yaparken, OpenAI hesaplama ölçeğine ve ajan yeteneklerine bahis yapıyor. Paralel olarak DeepSeek gibi Çin laboratuvarları verimliliğe odaklanıyor, ancak ajan görevlerinde geride kalıyor. Huang'ın açıklaması, Nvidia'nın yalnızca bir tedarikçi değil, OpenAI'ye yatırımlarıyla kilit bir oyuncu olduğu donanım odaklı ilerleme anlatısını güçlendiriyor.
Alt akış etkileri önemlidir: Astra, yazılım mühendisliğinden siber güvenliğe kadar karmaşık profesyonel iş akışlarının otomasyonunun yolunu açıyor. Bu, kurumsal benimseme engelini azaltır, ancak azaltılmış CoT şeffaflığı nedeniyle yeni izleme protokolleri gerektirir. Genellemenin sınırları hakkında daha önce çözülmüş sorular yeniden gündeme geldi: uzmanlaşmış kıyaslamalardaki yüksek puanlar, açık ortamlarda sağlam performansı garanti etmez.
Bağımsız testlerin AGI düzeyinde performans iddialarını doğrulayıp doğrulamayacağı veya uç durumlarda hata modlarını ortaya çıkarıp çıkarmayacağı belirsizliğini koruyor. Topluluk muhtemelen ajan kıyaslamalarının tekrarlanmasına ve hizalama ödünleşimlerinin analizine odaklanacak. Bu alandaki bir sonraki ilginç çalışma, bu tür modellerin rakip istemler veya çok ajanlı kurulumlar karşısında nasıl davrandığını test edecek.
Huang'ın açıklaması, bugün AGI'deki ilerlemenin yalnızca kıyaslamalarla değil, aynı zamanda ajan sistemlerini ölçeklendirmek için altyapının hazır olmasıyla ölçüldüğünü vurguluyor.
