GPT-6 Astra, מודל הדגל החדש של OpenAI

ב־3 בספטמבר שחררה OpenAI את GPT-6 Astra, מודל הדגל החדש שלה. הנשיא שלה, גרג ברוקמן, קבע את הטון: "לא בלתי סביר להרגיש שאנחנו נמצאים עכשיו בעידן ה־AGI". חודש אחר כך, יש מספיק ראיות ממבחנים בלתי תלויים וממשתמשים מוקדמים כדי לשפוט אותו בצורה רגועה יותר.

קל להתבלבל עם השם. Project Astra של Google DeepMind הוא משהו אחר: אב טיפוס מחקרי של עוזר אוניברסלי, שנבדק בידי קבוצה מצומצמת, והיכולות שלו עוברות ל־Gemini Live. הסקירה הזאת עוסקת במודל של OpenAI.

מה הוא

Astra הוא תוצר של הרצת האימון הגדולה ביותר של OpenAI עד היום. איידן קלארק, סגן נשיא המחקר שלה, אמר שזו הפעם הראשונה שהחברה ביצעה אימון מקדים למודל על יותר מ־100,000 מעבדים גרפיים (GPU), באתר Stargate שלה בטקסס. הוא מחזיק הקשר של קצת יותר ממיליון טוקנים, כותב עד 128,000 טוקנים בתשובה אחת, מציע חמש רמות מאמץ מ־low ועד max, והידע שלו מגיע עד סוף אפריל 2026.

היכולת המרכזית שלו היא שימוש במחשב: המודל מפעיל מחשב כמו שאדם עושה, דרך גיליונות אלקטרוניים, טפסים ודפי אינטרנט. Microsoft, שמציעה אותו ב־Foundry, מתארת מודל שמתכנן, שוקל חלופות, משתמש בכלים ומגיש מסמכים, גיליונות ומצגות גמורים לבדיקה.

זה גם המודל הראשון של OpenAI שעומד ב"רף יכולת הסייבר הקריטי" שהיא עצמה הגדירה. OpenAI אמרה שהוא יכול למצוא פרצות אבטחה לא מוכרות ולהבין איך לנצל אותן בלי שאדם ינחה כל שלב. המודל הגיע קודם למגינים בתוכנית Daybreak של OpenAI, והגרסה לכל השאר מסרבת ל"משימות סייבר מתקדמות". אחר כך הוא הגיע למסלולים בתשלום של ChatGPT, ל־API, ל־AWS ול־Microsoft Foundry.

במה הוא טוב

התוצאה הבלתי תלויה החזקה ביותר מגיעה מ־ARC-AGI-3, סט של משחקים אינטראקטיביים בלי הוראות שאנשים רגילים מסוגלים לפתור. ARC Prize Foundation מדדה 62.7 אחוזים בתצורה הסטנדרטית שלה ו־99.9 אחוזים בתצורה ששומרת את החשיבה הנסתרת של המודל בין שלבים. היא כינתה את זה קפיצת מדרגה ניכרת, והוסיפה: "אנחנו לא טוענים שזה AGI". המשחקים סגורים ודטרמיניסטיים, ואינם משקפים עד כמה העולם האמיתי פתוח.

בודקים מוקדמים, שאת דבריהם ריכז Decrypt, מצאו ש־Astra חזק בחשיבה מרחבית, בסצנות תלת־ממד, בבניית משחקים ובהפעלת תוכנות שולחניות עם עכבר ומקלדת. OpenAI מדווחת שהוא פותר יותר משימות מחשב ב־OSWorld 2.0 מקודמו, בכמחצית מהזמן לכל משימה. אפילו הטבלה של Anthropic עצמה עבור Opus 5.5 מראה את Astra מקדים בעבודה מדעית בטרמינל וב־AutomationBench.

הסיכום של Decrypt הוגן: טוב מאוד בעבודה שיש לה תשובה נכונה שאפשר לאמת, בינוני בעבודה שבה הטעם הוא אמת המידה.

איפה הוא חלש יותר

כתיבה מקצועית היא הפער הברור ביותר. ב־GDPval-AA, שמדרג משימות בעלות ערך כלכלי ב־44 מקצועות, מצאה Artificial Analysis ש־Astra נמוך בכ־80 נקודות Elo מקודמו, עם ירידות קטנות יותר בתמיכת לקוחות ובחשיבה על הקשר ארוך. במדד האינטליגנציה הכולל שלה קיבל Astra באותו זמן 61.2, לעומת 60.9 ל־GPT-5.6 Sol ו־65.7 ל־Claude Fable 5.1 של Anthropic. בודקים תיארו את הפרוזה שלו כגנרית.

העקביות היא שאלה שנייה. בתוך עשרה ימים התלוננו מפתחים שהמודל נעשה גרוע יותר; צוות אחד שבונה כלי קוד חזר ל־GPT-5.6 Sol כי ההוצאות שלו הוכפלו. OpenAI לא הגיבה, ואף אחד לא הראה שהמודל שונה.

השאלה השלישית נוגעת לפיקוח. The Information דיווח לפני ההשקה ש־Astra משתמש בטכניקה בשם recurrent depth, שמשאירה פחות עקבות קריאים של החשיבה של המודל. באק שלגריס מ־Redwood Research אמר שהוא "מודאג מאוד". המדען הראשי של OpenAI, יאקוב פחוצקי, אמר ששמירה על החשיבה פתוחה לניטור נשארת מטרה מרכזית, ו־TechCrunch ציין שהשימוש של Astra בטכניקה נראה מוגבל.

מחיר ותלות בספק

Astra עולה 10 דולר למיליון טוקני קלט ו־50 דולר למיליון טוקני פלט, פי שניים וחצי מקודמו. פרומפטים ארוכים מ־272,000 טוקנים עולים פי שניים בקלט ופי אחד וחצי בפלט. עיבוד Batch ו־Flex עולה חצי, ומצב מהיר עולה כפול.

האח הצעיר שלו משנה את החישוב. ב־29 בספטמבר שחררה OpenAI את GPT-6.1 Sol, שלדבריה מספק "כמעט אותה רמת אינטליגנציה כמו GPT-6 Astra בתכנות סוכני, בשימוש במחשב ובעבודה מקצועית", בחמישית ממחירי הטוקנים הרגילים. GPT-6.1 Astra לא יושק כצפוי: ה־Wall Street Journal דיווח, לפי TechCrunch, ש־OpenAI ויתרה עליו אחרי שבדיקות פנימיות הראו יותר הונאה ונטייה לפעול בלי לשאול.

Astra רץ רק כמודל מאוחסן, אצל OpenAI, AWS ו־Microsoft. ב־Foundry, Microsoft מצהירה שפרומפטים ותוצרים אינם משמשים לאימון המודלים.

השורה התחתונה

Astra הוא מודל חזק לעבודה שאפשר לבדוק: קוד, ניתוח מובנה, משימות ארוכות על מחשב ובעיות שיש להן תשובה נכונה. לטקסט שפונה ללקוחות, הראיות עד כה מעדיפות מודלים אחרים. לרוב הצוותים בעולם של OpenAI, GPT-6.1 Sol היא נקודת פתיחה טובה יותר, ו־Astra נשמר למשימות שבהן הבדיקות שלכם מראות שהוא מצדיק את המחיר הגבוה יותר. ולגבי AGI, אפילו הקרן שמאחורי התוצאה הטובה ביותר שלו אומרת שהיא לא טוענת זאת.

העמדה שלנו פשוטה: השתמשו במודל הטוב ביותר לכל משימה, ובדקו אותו על העבודה שלכם. Twin, מוח ה־AI שאנחנו בונים לחברות, עובד ב־ChatGPT וב־Codex כמו גם ב־Claude או במודל פרטי, כך שחברה יכולה לנסות את Astra או את Sol על המשימות שלה בלי להזיז את הידע, הכללים והמיומנויות שלה. כשמודל הדגל הבא מגיע, המוח נשאר במקומו.