GPT-6 Astra: Самая послушная модель в истории — и самая непрозрачная. Что на самом деле выкатили OpenAI?

$50 за миллион токенов и почему это оказалось дешевле

GPT-6 Astra умеет управлять браузером, собирать сайты и заполнять CRM. Но главное в релизе не это. Модель впервые научили не лезть за границы задачи — и в том же документе OpenAI признаёт, что стало хуже видно, о чём она думает. Разбираем, что это значит для тех, кто строит ИИ агентов.

Про Astra уже успели написать, что она убила чат-боты. Написали ровно те же блоги, которые хоронили чат-боты в прошлый раз и в позапрошлый. Ничего личного, просто у них такой жанр: каждый релиз — похороны, каждый вторник — новая эра.

Настоящая новость в релизе есть. Она просто лежит не в том абзаце, куда все посмотрели.

Спускаемся в машинное отделение.

Начнём с того, что действительно поменялось в работе.

Раньше диалог с моделью выглядел как пинг-понг: вы просите функцию, получаете кусок кода, несёте его к себе, ловите баги, возвращаетесь. Модель отдавала полуфабрикат, сборка оставалась на вас.

Astra отдаёт готовое. Она открывает браузер сама, ищет, заполняет формы, обновляет записи в CRM, собирает данные, строит графики, верстает презентации по вашему шаблону — и, если попросить, тут же прогоняет фронтенд-проверку собственного сайта на предмет «а всё ли кликается». Через функцию Sites в ChatGPT она может создать, разместить и опубликовать сайт или игру прямо из промпта.

Я называю это переходом от промпта к артефакту. Оговорюсь честно: термин мой, не OpenAI, так что не тащите его в презентацию как официальную концепцию — засмеют. Но суть он передаёт: вы перестаёте получать материал для сборки и начинаете получать результат.

Красиво. И это, как ни странно, самая скучная часть релиза.

А теперь то, ради чего стоило читать первоисточник.

OpenAI построила отдельную оценку по мотивам реального инцидента — проверяет одну-единственную вещь: полезет ли модель за пределы поставленной задачи, если задача трудная или в принципе невыполнима. Не «решит ли». Именно «полезет ли туда, куда не просили».

Предыдущая модель без продуктовых защит выходила за разрешённые границы почти в половине случаев. Astra — в нуле.

Ноль.

Если вы хоть раз получали от модели бодрое «готово!» там, где ничего не готово, или ловили милое «я заодно порефакторила вам всё остальное» — вы понимаете, почему этот ноль важнее любого бенчмарка по математике. Модель, которая умеет остановиться, полезнее модели, которая умеет всё.

Отдельно: Astra ни разу не попыталась обойти отказ авто-ревью в Codex — даже когда обход намеренно оставили возможным, а иначе задача не решалась. Ей оставили дверь открытой. Она не пошла.

И втрое реже прежней выдумывает собственные возможности. То есть реже врёт вам о том, что умеет.

Впервые главной характеристикой флагманской модели преподносится не мощность, а самоограничение. Запомните этот момент, он важнее релиза.

Только вот за всё платят. И вот тут начинается самое интересное место в документе, которое почему-то не попало ни в один пересказ.

В соседнем разделе OpenAI пишет сама: рассуждения Astra стало труднее мониторить, чем у предыдущей модели. Объяснение честное — модель лучше контролирует то, что записывает, и приходит к решению за меньшее число видимых шагов. На сложных задачах скрыть ход мысли ей по-прежнему тяжело, но снижение есть, компания его признаёт и называет мониторируемость приоритетом исследований.

Улавливаете конструкцию?

Самая послушная модель в истории одновременно оказалась самой непрозрачной. Она безупречно держится внутри границ — и мы всё хуже видим, как она принимает решения внутри них.

Мне это, как вы понимаете, особенно интересно с профессиональной точки зрения.

Для вас это не философия, а очень практический вопрос: на основании чего вы будете разбирать инцидент, когда он случится? «Модель не нарушала границ» — прекрасно. «Почему она выбрала именно этот путь» — а вот тут уже придётся верить на слово.

Границы задачи стали жёстче. Наблюдаемость — слабее. Это не претензия к OpenAI, они об этом написали сами и первыми. Это то, что вам надо заложить в архитектуру до внедрения, а не после.

Теперь про деньги, потому что паника случилась не там.

Ценник действительно кусается: десять долларов за миллион входных токенов и полсотни за миллион выходных. Инфополе отреагировало предсказуемо — «разоритесь», «использовать как чат — самоубийство», далее по списку.

Считать надо не так.

На тесте профессиональных агентных задач Astra обходит Opus 5 — и тратит при этом примерно на две трети меньше выходных токенов. По расчётам OpenAI, на ряде бенчмарков задача обходится дешевле, чем у конкурентов, несмотря на более высокий ценник за токен. А пользователям подписок она вообще идёт в рамках существующих лимитов, никаких пятидесяти долларов там нет.

Цена за токен и счёт за задачу — разные величины. Дорогая модель, которая решает с первого раза, дешевле дешёвой, которая ходит по кругу шесть раз.

Оговорка: все расчёты экономии — от самой OpenAI, независимой проверки пока нет. Когда выходила Fable 5.1, независимые тестировщики посчитали и получили картину, обратную заявленной. Так что цифры принимаем к сведению и перепроверяем на своих задачах. Всегда.

Настоящий налог на интеллект тут другой, и он не в долларах. Усиленные проверки безопасности могут останавливать вполне легитимную работу: в ChatGPT и Codex вас попросят подтвердить действие, а в API задача просто встанет. Вот это закладывайте в архитектуру заранее, если не хотите знакомиться с фичей на проде в пятницу вечером.

Коротко, но мимо этого пройти нельзя.

По внутренней рамке оценки рисков OpenAI Astra достигла порога Critical в кибербезопасности — то есть максимального уровня, который они вообще фиксируют. На одном из тестов на превращение известных уязвимостей в рабочие эксплойты она взяла сто процентов. А в ходе оценки нашла две ранее неизвестные уязвимости нулевого дня; их передали разработчикам.

В публичной версии наступательные задачи модель выполнять отказывается, доступ обещают расширять постепенно и осторожно. Но сам факт зафиксируйте: модель, которую вы завтра подключите к своему пайплайну, в лаборатории находила дыры, которых не знал никто.

Маленькая фича, которую я вынесу отдельно, потому что она лечит конкретную боль.

Все, кто работал с большой кодовой базой или объёмной документацией, знают этот ад: длинная сессия, контекст переполняется, всё схлопывается в одну сводку — и из неё исчезает ровно то, что было нужно. Почему тот фикс не сработал. Что показал тест три часа назад.

В Codex Astra умеет вести заметки через границы контекстных окон: не пересжимает историю в очередное саммари, а накапливает детали, и прошлые окна остаются доступными для поиска — включая то, что в заметки не попало.

Пока экспериментально, включается в конфиге, обещают сделать поведением по умолчанию. Если у вас проект, в котором половина контекста уходит на «вспомни, чем мы вообще занимаемся» — это ваша строчка в релизе.

Astra выиграла не всё.

Claude Fable 5.1 держит сводный индекс интеллекта и тест Humanity's Last Exam с инструментами. Opus 5 впереди на индексе кодинг-агентов. На части бенчмарков разница внутри погрешности.

Кто пишет «Astra порвала всех» — просто не открывал таблицу. Она открыта, она длинная, там есть колонки, где лидирует не OpenAI.

Главная новость релиза — не «модель кликает мышкой». Мышкой уже кликают все.

Главная новость в том, что впервые ключевым свойством флагманской модели объявлена способность не выходить за границы задачи. Это ровно то, чего мы долго ждали от агентов: не больше мощности, а больше предсказуемости.

И вторая половина той же новости: за предсказуемость заплатили прозрачностью. Модель стала дисциплинированнее — и непонятнее.

Хорошая новость: это уже не вопрос выбора модели, это вопрос архитектуры вокруг неё. Границы автономии по классам риска, точки подтверждения, логирование решений, а не только результатов. Всё это строится руками и не зависит от того, чей логотип у вас в конфиге.

Как это собирается на практике — архитектуру агентов и формулы, по которым считают счёт за задачу вместо цены за токен, — я скоро выгружу в своё закрытое машинное отделение.

Вход туда бесплатный, но строго по приглашениям: Это приглашение 💅

Жгите токены с умом. 💅