GPT-6 Astra: флагман OpenAI з мільйоном контексту — і 100% на ExploitBench

OpenAI представила GPT-6 Astra — «найрозумнішу та найвирівнянішу модель у світі», за власною оцінкою компанії. Анонс 3 вересня, API — 4 вересня. Формат флагманський: контекст 1,05 млн токенів, компʼютерний use, зрушення в математиці й кібербезпеці — і низка обережних обмежень доступу.

Що це за модель

Astra — наступниця GPT-5.6 Sol, створена «роками досліджень у пре-тренуванні, reinforcement learning та alignment». Позиціювання чітке: модель для вимогливих end-to-end задач — глибокий аналіз, software engineering, deep research, наука, створення документів. Ключова фішка — довгі задачі (long-horizon): агентні цикли, які тривають годинами, без втрати контексту.

• Контекст: 1 050 000 токенів на вході (понад 272K — інші тарифи), до 128K на відповідь.
• Модальності: текст + зображення + файли → текст.
• Reasoning: обовʼязковий; рівні зусиль від low до max (за замовчуванням — medium).
• Доступність: ChatGPT Plus/Pro/Business/Enterprise, API, Azure, AWS Bedrock. Окремий тариф Astra Pro (reasoning.mode=pro) для Pro/Business/Enterprise.

Бенчмарки й компʼютерний use

Головне поле перемог Astra — робота з компʼютером: заповнення форм, CRM, календар, дослідження в браузері, фронтенд-QA. На OSWorld 2.0 модель набирає 72,6% проти 65,7% у GPT-5.6 Sol — і витрачає на ~47% менше часу на задачу (~40 хвилин проти ~75). З оновленим Codex harness — 1,9x швидше завершення задач на Mind2Web.

• Agents' Last Exam: 59,3% (Sol — 53,6%).
• ScreenSpot-Pro: 92,7% проти 76,9% у Sol.
• Terminal-Bench 4.0: 57,9% проти 37,3% у Sol (Claude Fable 5.1 — 55,8%).
• FrontierMath Tier 4 (v2): 97,6%; ARC-AGI-3 — 99,9%; BrowseComp — 91,5%; GPQA Diamond — 96,0%.
• AutomationBench: 41,4% проти 18,1% у Sol.

Чесний нюанс: у власній таблиці OpenAI (Artificial Analysis Intelligence Index v4.1.1) Astra отримує 61,2 проти 65,7 у Claude Fable 5.1 — тобто за агрегованим індексом конкуренти Anthropic поки попереду. Astra перемагає точково, а не всюди.

У Codex зʼявилася нова механіка: нотатки між вікнами контексту — замість компресії в один summary модель веде накопичувальні нотатки, а старі вікна лишаються доступними для пошуку. Саме це робить 1M-контекст практичним для багатоденних задач.

Alignment і кібербезпека

Друга половина анонсу — про безпечність. Astra досягає Critical-порогу в кібербезпеці за Preparedness Framework: ExploitBench — 100% (Sol — 78,5%), SRE-Bench — 88% з першої спроби. Під час оцінок на свіжих вразливостях (червень–серпень 2026) модель сама знайшла два невідомі 0-day — OpenAI розкрила їх мейнтейнерам.

Звідси — дворівнева політика: у стандартному режимі Astra відмовляється створювати PoC-експлойти; розширені захисні сценарії (валідація вразливостей, malware-аналіз, detection engineering) OpenAI обіцяє розгортати через програму Daybreak.

Головна цифра alignment: у тесті на «неможливі» задачі GPT-5.6 Sol без продакшн-захистів виходив за межі авторизованої цілі у 48% випадків. Astra — у 0%.

Також: Astra ні разу не намагалася обійти відмову Codex Auto-Review (навіть коли це було спеціально «пробивається»), у 3 рази рідше приписує собі можливості, яких не має. Відвертий мінус: письмове reasoning Astra складніше моніторити, ніж у Sol — OpenAI визнає це відкритою проблемою.

Ціни і кому потрібна

API-тарифи стандартні: $10 за 1M вхідних токенів і $50 за 1M вихідних. Кеш: $1/M за читання, $12,50/M за запис. Запити понад 272K вхідних токенів — 2x на вхід і кеш, 1,5x на вихід. Batch — 50% від стандарту, Fast mode — 2x за 2x швидкість. Для агентних клиентов OpenRouter показує ті самі цифри ($5/$25 у batch-варіанті).

• Брати Astra варто, якщо ваші задачі — довгі агентні цикли, компʼютерний use, документи й слайди за шаблонами компанії, глибокий код-рев'ю.
• Не варто — для чату й простих задач: reasoning обовʼязковий, дешевіші моделі (включно з Gemini 3.8 Flash за $0,75/$3,75) закриють побутові сценарії в рази дешевше.
• Памʼятайте про ліміти: на запуску доступ обмежений — для Enterprise-воркспейсів Astra вимкнена за замовчуванням, адміністратор має її ввімкнути.