Вышла GPT-6 Astra: 98% в сложнейшем тесте по математике и новая граница для простых чисел

OpenAI выпустила GPT-6 Astra и называет её самой умной и самой послушной своей моделью. На математическом бенчмарке FrontierMath Tier 4 она набрала 98%, на ARC-AGI-3 — 99,9%, а на ExploitBench, где модель пишет эксплойты под известные уязвимости, — 100%. У предыдущей модели, GPT-5.6 Sol, на ExploitBench было 78,5%.

Главный упор сделан на управление компьютером. Astra сама заполняет онлайн-формы, обновляет записи в CRM, разбирает календарь, собирает сайты и проверяет, всё ли на них работает. На OSWorld 2.0 она решает 72,6% задач и тратит на задачу около 40 минут. Sol решала 65,7%, а на задачу у неё уходило около 75 минут.

В Codex, агенте OpenAI для программистов, Astra может вести заметки во время долгой работы. Любая модель помнит за раз только ограниченный объём текста — это её контекстное окно. Когда окно заполняется, историю работы сжимают в краткую сводку, и подробности могут потеряться, например почему не сработало исправление. Заметки Astra переходят из одного окна в следующее, так что при долгой отладке детали сохраняются.

Есть и научный результат. Уже больше десяти лет было известно, что бесконечно много пар простых чисел стоят друг от друга не дальше чем на 246. Недавно Юлия Штадльман улучшила эту границу до 240. С помощью Astra её опустили до 186. Во второй задаче, о необычно больших промежутках между простыми числами, модель улучшила оценку, которая не менялась больше 80 лет. OpenAI публикует доказательства и материалы для проверки.

По кибервозможностям Astra первой из моделей OpenAI достигла «критического» порога по внутренней шкале рисков компании. Во время тестов она нашла и использовала две ранее неизвестные уязвимости. Поэтому в общей версии модель разбирает код на предмет уязвимостей и исправляет его, но отказывается писать демонстрационные эксплойты. Более свободный доступ для специалистов по защите OpenAI обещает через программу Daybreak в ближайшие недели. Компания честно признаёт и минус: рассуждения Astra стало труднее отслеживать, чем у Sol, если модель прямо попросить скрыть их от мониторинга.

Сначала модель получил ограниченный круг организаций. В ближайшие дни её откроют подписчикам ChatGPT Plus, Pro, Business и Enterprise, а также в API, Microsoft Azure и AWS Bedrock. В API модель стоит 10 долларов за миллион входных токенов и 50 долларов за миллион выходных. Быстрый режим работает до двух раз быстрее и стоит вдвое дороже. Подписчикам Pro, Business и Enterprise достанется и более мощная версия, GPT-6 Astra Pro. В корпоративных аккаунтах модель по умолчанию выключена: её включает администратор.