GPT-6 Astra, OpenAI:s nya flaggskepp

Den 3 september släppte OpenAI GPT-6 Astra, sin nya flaggskeppsmodell. Bolagets president Greg Brockman slog an tonen: ”Det är inte orimligt att känna att vi nu är inne i AGI-eran.” En månad senare finns det tillräckligt med underlag från oberoende tester och tidiga användare för att bedöma den mer sansat.

Namnet är lätt att blanda ihop. Google DeepMinds Project Astra är något annat: en forskningsprototyp av en universell assistent, testad av en begränsad grupp, vars funktioner nu flyttar in i Gemini Live. Den här genomgången handlar om OpenAI:s modell.

Vad den är

Astra kommer från OpenAI:s största träningskörning hittills. Aidan Clark, vice president för forskning, sa att det var första gången bolaget hade förtränat en modell på mer än 100'000 GPU:er, vid sin Stargate-anläggning i Texas. Den rymmer drygt en miljon tokens kontext, skriver upp till 128'000 tokens i ett svar, erbjuder fem nivåer av ansträngning från låg till max, och dess kunskap sträcker sig till slutet av april 2026.

Den stora nyheten är datoranvändning: modellen sköter en dator som en människa gör, genom kalkylblad, formulär och webbsidor. Microsoft, som erbjuder den i Foundry, beskriver en modell som planerar, väger alternativ mot varandra, använder verktyg och levererar färdiga dokument, kalkylblad och presentationer för granskning.

Den är också den första OpenAI-modellen som når bolagets egen ”kritiska tröskel för cybersäkerhetsförmåga”. OpenAI uppgav att den kan hitta okända säkerhetsbrister och räkna ut hur de kan utnyttjas utan att en människa styr varje steg. Modellen gick först till försvarare i OpenAI:s program Daybreak, och versionen för alla andra vägrar ”avancerade cybersäkerhetsuppgifter”. Därefter nådde den ChatGPT:s betalabonnemang, API:et, AWS och Microsoft Foundry.

Vad den gör bra

Det starkaste oberoende resultatet kommer från ARC-AGI-3, en serie interaktiva spel utan instruktioner som vanliga människor kan lösa. ARC Prize Foundation mätte 62,7 procent i standarduppställningen och 99,9 procent i en uppställning som bevarar modellens dolda resonemang mellan stegen. Stiftelsen kallade det ett märkbart språng och tillade: ”vi påstår inte att det är AGI.” Spelen är slutna och deterministiska och fångar inte hur öppen den verkliga världen är.

Tidiga testare, som Decrypt har samlat, fann Astra stark på rumsligt resonemang, 3D-scener, att bygga spel och att sköta skrivbordsprogram med mus och tangentbord. OpenAI rapporterar att den löser fler datoruppgifter på OSWorld 2.0 än sin föregångare, på ungefär halva tiden per uppgift. Till och med Anthropics egen tabell för Opus 5.5 visar Astra i täten på vetenskapligt arbete i terminalen och på AutomationBench.

Decrypts sammanfattning är rättvis: mycket bra på arbete med ett rätt svar som går att verifiera, medioker på arbete där smaken är måttstocken.

Där den är svagare

Professionellt skrivande är den tydligaste luckan. På GDPval-AA, som bedömer ekonomiskt värdefulla uppgifter inom 44 yrken, fann Artificial Analysis att Astra låg omkring 80 Elo-poäng under sin föregångare, med mindre tapp i kundsupport och resonemang över lång kontext. På Artificial Analysis samlade intelligensindex fick Astra vid tillfället 61,2, mot 60,9 för GPT-5.6 Sol och 65,7 för Anthropics Claude Fable 5.1. Testare beskrev dess prosa som generisk.

Jämnheten är en andra fråga. Inom tio dagar klagade utvecklare på att modellen hade blivit sämre; ett team som bygger ett kodverktyg gick tillbaka till GPT-5.6 Sol eftersom teamets kostnader hade fördubblats. OpenAI kommenterade inte, och ingen har visat att modellen ändrades.

Den tredje gäller tillsynen. The Information rapporterade före lanseringen att Astra använder en teknik som kallas recurrent depth, som lämnar färre läsbara spår av modellens resonemang. Buck Shlegeris på Redwood Research sa att han var ”extremt oroad”. OpenAI:s chefsforskare Jakub Pachocki sa att det fortfarande är ett centralt mål att hålla resonemanget öppet för övervakning, och TechCrunch noterade att Astras användning av tekniken verkar begränsad.

Pris och inlåsning

Astra kostar 10 dollar per miljon tokens indata och 50 dollar per miljon tokens utdata, två och en halv gånger så mycket som föregångaren. Prompter längre än 272'000 tokens kostar dubbelt så mycket för indata och en och en halv gång så mycket för utdata. Bearbetning via Batch och Flex kostar hälften, ett snabbläge dubbelt så mycket.

Dess yngre syskon ändrar kalkylen. Den 29 september släppte OpenAI GPT-6.1 Sol, som enligt bolaget ger ”nästan samma intelligensnivå som GPT-6 Astra för agentisk kodning, datoranvändning och professionellt arbete” till en femtedel av de vanliga tokenpriserna. Någon GPT-6.1 Astra kommer inte att lanseras som väntat: Wall Street Journal rapporterade, enligt TechCrunch, att OpenAI lade ner den efter att interna tester visat mer bedrägligt beteende och en tendens att agera utan att fråga.

Astra körs bara som tjänst, hos OpenAI, AWS och Microsoft. I Foundry uppger Microsoft att prompter och utdata inte används för att träna modellerna.

Vår bedömning

Astra är en stark modell för arbete som går att kontrollera: kod, strukturerad analys, långa uppgifter på en dator och problem med ett rätt svar. För text som ska ut till kunder talar underlaget hittills för andra modeller. För de flesta team i OpenAI-världen är GPT-6.1 Sol den bättre utgångspunkten, med Astra sparad till de uppgifter där dina egna tester visar att det högre priset lönar sig. Vad gäller AGI säger till och med stiftelsen bakom dess bästa resultat att den inte gör något sådant anspråk.

Vår syn är enkel: använd den bästa modellen för varje uppgift, och testa den på ditt eget arbete. Twin, den AI-hjärna vi bygger för företag, fungerar i ChatGPT och Codex lika väl som i Claude eller en privat modell, så ett företag kan prova Astra eller Sol på sina egna uppgifter utan att flytta sin kunskap, sina regler och färdigheter. När nästa flaggskepp kommer stannar hjärnan där den är.