Az OpenAI megkezdi a GPT-6 Astra bevezetését: a modellt teljes, több lépésből álló feladatok elvégzésére tervezték. A bemutatkozás első részletei jelentős elmozdulást vetítenek előre a puszta chatválaszokon túlmutató MI felé: az Astra alkalmazásokat kezelhet, és több lépéses munkafolyamatokat vihet végig. Az Astra kevesebb mint két hónappal a GPT-5.6 Sol után érkezik, így a fejlesztési tempó továbbra is szokatlanul gyors.
A lényegi különbség a működésben van. A GPT-6 Astra böngészőkben, táblázatkezelőkben, weboldalakon és asztali alkalmazásokban navigálhat; dokumentumokat és prezentációkat készíthet, űrlapokat tölthet ki, CRM-bejegyzéseket frissíthet, illetve olyan eszközökkel dolgozhat, mint a Power BI, a KiCad vagy a FreeCAD. Más szóval a korábban felvázolt ChatGPT átalakítása MI-ügynökökre épülő platformmá jóval kézzelfoghatóbb formát ölt.
Az Astra összetettebb ügynöki architektúrát is használhat: egy nagyobb problémát kisebb feladatokra bonthat, ezeket több alügynök között oszthatja szét, majd a fő ügynök egyesítheti az eredményeket. Ez lényeges eltérés a klasszikus „kérdés → válasz” modelltől: a rendszer hosszabb ideig dolgozhat ugyanazon a problémán, és közben többféle eszközt kapcsolhat össze.
Erős eredmények, de a benchmarkokat kontextusban kell kezelni
Az előzetes számok figyelemre méltók: a GPT-6 Astra 100%-ot ért el az ExploitBenchen, az ARC-AGI-3 teszten 98,6%-ot, a FrontierMath Tier 4 v2-n 97,6%-ot, a DeepSWE v1.1-en pedig 74,1%-ot. Greg Brockman, az OpenAI társalapítója és elnöke ezt már az „AGI-korszak” kezdetének nevezte.
Az AGI címkét ugyanakkor érdemes elkülöníteni ezektől az eredményektől. A 98,6%-os ARC-AGI-3 eredményt az értékeléshez használt harness is befolyásolhatta. Egy Claude Opus 5 köré épített NVIDIA-ügynök például saját infrastruktúrával a teljes nyilvános ARC-AGI-3 készletet megoldotta. A 100%-hoz közeli eredmény önmagában nem jelenti azt, hogy az általános intelligencia problémája megoldódott.
A gyakorlati használat szempontjából fontosabb, hogy az OpenAI a válaszadástól a szoftverekben végrehajtott konkrét feladatok felé helyezi át a hangsúlyt. A bemutatókon az Astra hangutasításokat fogad, objektumokat módosít, 3D-s játékot épít vagy eBay-hirdetést készít anélkül, hogy a felhasználónak minden lépést kézzel kellene irányítania.
A bevezetés kezdetben korlátozott ügyfélkörre terjed ki. Sam Altman szerint a jövőbeli modellek kiadásának ütemét a biztonság és az illesztés terén elért előrelépés is meghatározhatja majd, nem csupán a technikai képességek. Az Astra jelentőségét ezért nemcsak a képességei adják, hanem az a kérdés is, amelyet az OpenAI-nak meg kell válaszolnia: miként lehet autonómabb ügynököt kiadni úgy, hogy az önállósága ne előzze meg az ellenőrzési mechanizmusokat?
