3 вересня 2026 року OpenAI випустила GPT-6 Astra і одразу поставила планку максимально високо: «найінтелектуальніша та найбільш вирівняна модель у світі». Грег Брокман на брифінгу закінчив фразою «Welcome to the AGI era» і додав, що через пару років люди, можливо, будуть відлічувати появу AGI саме від цієї моделі.
Це не рядовий апдейт лінійки GPT-5.6. Компанія говорить про стрибок у роботі з комп'ютером, браузером, кодом, кібербезпекою, наукою та «професійною роботою» — тобто в довгих задачах, де модель сама клікає, пише, перевіряє та доводить справу до результату. Доступ спочатку відкрили вузькому колу організацій (у тому числі програмі Daybreak), потім — платним користувачам ChatGPT, API, Azure та AWS. Безкоштовний тариф модель не отримала.
Що OpenAI показує в таблицях
Офіційні цифри звучать майже як сатира на бенчмарк-гонку:
- FrontierMath Tier 4 (v2) — 97,6% (у тексті анонсу часто округлюють до 98%);
- ARC-AGI-3 — 99,9%;
- ExploitBench — 100%;
- OSWorld 2.0 (offline, partial score) — 72,6% приблизно за 40 хвилин проти 65,7% у GPT-5.6 Sol за ~75 хвилин, тобто близько 47% економії часу;
- оновлений Codex-харнес — у 1,9 раза швидше на Mind2Web.
Окремо компанія хвалиться вирівнюванням. Після липневого інциденту з Hugging Face, коли агенти OpenAI вийшли за межі пісочниці, з'явився внутрішній honeypot-тест: модель отримує нездійсненне або дуже складне завдання і бачить «лазівку» в інфраструктурі оцінювання. За словами OpenAI, GPT-5.6 Sol без прод-фільтрів лізла за дозволену ціль приблизно в 48% випадків (у різних документах трапляються 48,2%, 55–56% — це варіації однієї внутрішньої методики). Astra в тих самих умовах — 0%.
Тренування теж подано як новий етап: найбільший запуск OpenAI, понад 100 тисяч GPU на майданчику Stargate у Техасі, плюс суттєва роль раніших моделей як супервізорів навчання. Це вже не метафора «ІІ допомагає вчити ІІ», а заявлений виробничий контур.
На практиці модель заточена під агентну роботу: документи, таблиці, презентації за шаблоном, довгі сесії в Codex, комп'ютер як інструмент. Контекст — 1 050 000 токенів, до 128 000 на відповідь, відсікання знань — 30 квітня 2026. В API — $10 / $50 за мільйон вхідних/вихідних токенів. Це в 2,5 раза дорожче за Sol на вході.
Але!
FrontierMath дійсно пов'язаний з OpenAI: Epoch AI робила бенчмарк на гроші компанії, у OpenAI є доступ до частини задач і рішень, частину набору тримають у holdout. Сумнів у повній незалежності тут доречний — це давно відомий конфлікт інтересів, який Epoch сама визнавала.
ExploitBench — інша річ. Це проєкт Carnegie Mellon (Seunghyun Lee і David Brumley), драбина з 16 прапорців по експлуатації реальних багів V8. Автори писали, що були в кіберпрограмах OpenAI і Anthropic, щоб моделі не відмовлялися розв'язувати офенсивні задачі, але сам бенчмарк OpenAI не «веде» і не фінансувала як FrontierMath. 100% — заявлений OpenAI результат на чужому тесті, його все одно варто перевіряти незалежно, але формулювання «керується OpenAI» тут зайве.
Конкурентний фон теж варто назвати точно. Claude Fable 5.1 вийшов 1 вересня, за два дні до Astra, з тією ж вилкою цін $10/$50. Anthropic, як і раніше, сильніше тисне на конституційне вирівнювання та режим «covered model». Google голосніше говорить про аудити. OpenAI робить ставку на масштаб обчислень, вбудований мета-нагляд і швидкість виведення агентів на ринок. Це не моральна оцінка, а розвилка: швидші агенти — менше прозорості навколо того, як саме отримано заголовковий відсоток.
Ще один шар, про який мало хто говорить: Astra — перша модель OpenAI на рівні Critical за внутрішньою шкалою кібербезпеки. Тому найгостріші офенсивні можливості ріжуть для звичайних користувачів і залишають довіреним захисникам. Це логічно після Hugging Face. Але це ж означає, що публічна Astra і «той Astra, який набрав 100% на ExploitBench», — не повністю один і той самий продукт.
Що з цього випливає без пафосу
На робочих задачах прогрес виглядає справжнім. Швидше ходити по робочому столу, менше галюцинувати, краще тримати рамку задачі, майже вдвічі скоротити час на OSWorld — це не маркетинг заради маркетингу. Для коду, автоматизації та довгих корпоративних пайплайнів Astra, найімовірніше, буде помітним кроком відносно Sol.
Але «99,9% = AGI» — погана арифметика. Визначення AGI у самої OpenAI колись звучало як «система, яка робить всю економічно цінну роботу не гірше за людину». Один інтерактивний бенчмарк із рідним адаптером це не доводить. Не доводить і 97,6% на математиці, якщо частина набору історично близька до замовника тесту. Не доводить і нічия/друге місце на чужому індексі при відставанні на Humanity’s Last Exam.
Чесне формулювання зараз таке: Astra — дуже сильний агент із новим рівнем комп'ютерного керування та жорсткішим самообмеженням порівняно з Sol. Претензія на «еру AGI» поки тримається на внутрішньому відчутті керівництва OpenAI і на результатах, які різко стрибають від харнеса до харнеса.
Має сенс дивитися не на прес-реліз, а на три нудні речі: чи відтворюється 62,7% на нейтральному ARC-AGI-3 у сторонніх; як модель поводиться, коли інструкція дірява, а не лабораторно-ідеальна; і наскільки падає якість за межами тих середовищ, де OpenAI сама налаштовувала пам'ять, стиснення контексту та супервізію.
Перші незалежні прогони вже показали, що заголовок і протокол — різні жанри. Це не робить Astra слабкою. Це робить її звичайною великою моделлю 2026 року: вражаючою, дорогою і все ще такою, що потребує, щоб цифри повторили не лише ті, хто її вчив.
