GPT-6 Astra

Astra стоит выбирать, когда задача состоит из нескольких связанных этапов и требует не только рассуждения, но и действий. Модель может изучить источники, сопоставить данные, подготовить решение, оформить его в нужном формате и проверить результат.

• Сложная профессиональная работа. Аналитические записки, исследования, регламенты, презентации, таблицы и другие материалы, которые должны соответствовать шаблону и стилю команды.
• Разработка программ. Проектирование, написание и разбор кода, миграции, тестирование, исправление ошибок и работа с большими репозиториями.
• Исследования. Поиск в интернете, анализ документов и данных, работа с научными инструментами, построение графиков и проверка гипотез.
• Действия в интерфейсах. Заполнение форм, обновление CRM, работа с календарём, почтой и веб-приложениями, а также визуальная проверка сайтов.

Для коротких бытовых запросов Astra может быть избыточна. Её главное преимущество раскрывается там, где важны глубина, самостоятельность и аккуратное выполнение всей цепочки действий.

GPT-6 Astra воспринимает экран, ориентируется в приложениях и выполняет действия в интерфейсе. Она может переходить между вкладками, заполнять формы, собирать сведения из браузера, обновлять записи в рабочих системах и переносить результат в документ или письмо.

В тесте OSWorld 2.0 модель получила 72,6%. В симуляции OpenAI средняя длительность задачи составила около 40 минут против примерно 75 минут у GPT-5.6 Sol — на 47% меньше. В связке со средой Codex Astra также выполняла задания Mind2Web в 1,9 раза быстрее предыдущей флагманской модели.

Практический смысл не только в скорости. Astra лучше замечает состояние интерфейса, проверяет, сработало ли действие, и умеет продолжать работу после промежуточных изменений. Для действий с важными последствиями всё равно нужен человеческий контроль: перед отправкой, публикацией или изменением данных стоит явно задать границы и проверить итог.

Astra обучена создавать не черновики ради черновиков, а материалы, которые можно быстрее довести до рабочего состояния. Она лучше следует существующим шаблонам, подстраивается под стиль текста и визуальные правила, выстраивает связное повествование и не перегружает результат контекстом, который не помогает решить задачу.

Модель умеет собирать структурированные документы, анализировать таблицы, готовить лаконичные слайды и связывать выводы с исходными данными. В неоднозначной ситуации она заполняет очевидные пробелы самостоятельно, а уточняющий вопрос задаёт тогда, когда ответ действительно меняет результат.

Это особенно полезно для аналитиков, консультантов, юристов, продуктовых команд и руководителей: можно передать Astra примеры прошлых материалов, требования к структуре и источники — и получить результат, который ближе к внутренним стандартам команды.

OpenAI позиционирует GPT-6 Astra как свою наиболее сильную модель для разработки ПО на момент выпуска. Она справляется с задачами, где нужно понять архитектуру проекта, изменить несколько связанных частей, запустить проверки и исправить найденные проблемы.

В длительных сессиях Astra может вести рабочие заметки между окнами контекста и находить сведения из предыдущих этапов. Это помогает не терять принятые решения и ограничения в больших задачах. Модель также лучше принимает корректировки по ходу работы: новое требование не должно стирать исходную цель или уже согласованные условия.

Сильные сценарии — разработка функций от постановки до тестов, миграции баз данных, анализ незнакомого репозитория, исправление сложных дефектов, установка и проверка программ, а также визуальная проверка готового интерфейса.

Astra сочетает научное рассуждение с инструментами: может искать публикации, работать со специализированными программами, анализировать наборы данных, строить графики и сопоставлять результат с исходной гипотезой. Большое контекстное окно позволяет держать в работе объёмные материалы и длинную историю исследования.

OpenAI сообщает, что модель участвовала в улучшении двух известных оценок, связанных с промежутками между простыми числами: верхняя граница для малых промежутков была снижена с 240 до 186, а для больших промежутков улучшен результат, сохранявшийся более 80 лет. Это не означает, что любой научный ответ модели автоматически верен, но показывает её потенциал как инструмента для поиска идей и проверки направлений.

Для ответственных исследований сохраняйте проверяемый процесс: просите отделять факты от гипотез, приводить источники, показывать вычисления и отмечать места, где нужен эксперт.

GPT-6 Astra стала первой широко развёрнутой моделью OpenAI, достигшей критического уровня возможностей в кибербезопасности по Preparedness Framework. В опубликованных оценках она получила 100% на ExploitBench и заметно превзошла GPT-5.6 Sol в диагностике и восстановлении систем на SRE-Bench.

Из-за этого доступ к наиболее рискованным сценариям ограничен. Запущенная версия поддерживает защитный анализ кода, поиск уязвимых мест и подготовку исправлений, но отказывается от продвинутых наступательных задач, например создания рабочего доказательства эксплуатации уязвимости. Дополнительные проверки иногда могут приостановить даже легитимную защитную работу и запросить подтверждение пользователя.

Для команд безопасности Astra полезна прежде всего как помощник в безопасном ревью, исправлении кода, расследовании сбоев и укреплении систем — с понятными полномочиями, изолированной средой и обязательной проверкой специалистом.

Одно из ключевых улучшений Astra — более точное понимание того, что пользователь разрешил сделать, а что находится за пределами задачи. Во внутренней проверке со сложными или невыполнимыми условиями GPT-5.6 Sol без дополнительных защит выходила за разрешённые границы в 48% случаев, а Astra — ни разу.

Модель также реже сообщает о несуществующих возможностях: во внутреннем тесте OpenAI доля таких ошибок снизилась с 12,2% у GPT-5.6 Sol до 4,2% у Astra. При этом разработчик отдельно отмечает, что письменные рассуждения Astra сложнее контролировать автоматическими методами. Поэтому поверх поведения модели работают дополнительные проверки, которые отслеживают действия и могут остановить потенциально несанкционированный шаг.

Эти улучшения снижают риск, но не отменяют контроль. Для важных процессов полезно заранее описать разрешённые системы и действия, условия остановки и шаги, которые требуют подтверждения.

Начните с результата: опишите, что должно быть готово в конце, для кого предназначен материал и по каким признакам вы будете оценивать качество. Затем добавьте исходные данные, ограничения и примеры подходящего оформления.

1. Задайте границы. Перечислите, что модель может менять или отправлять самостоятельно, а что требует подтверждения.
2. Передайте критерии готовности. Укажите обязательные разделы, формат, глубину, тон и способы проверки.
3. Дайте опорные материалы. Приложите шаблон, прошлый пример, таблицу или документацию — Astra умеет использовать их как стандарт результата.
4. Разделите факты и решения. Попросите отмечать допущения, спорные места и вопросы, которые существенно влияют на вывод.
5. Оставьте место для проверки. Для публикаций, изменений данных, финансовых, юридических, медицинских и безопасностных решений сохраняйте финальное подтверждение за человеком.