🚀 GPT-6 Astra: полное руководство по агентной модели OpenAI, которая берёт на себя управление компьютером

GPT-6 Astra — модель OpenAI, выпущенная 3 сентября 2026 года для сложных рассуждений и прямого управления компьютером: браузером, таблицами, CAD-программами и терминалом. По собственным данным OpenAI, модель проходит 72,6% задач на OSWorld 2.0 и 92,7% на ScreenSpot-Pro, доступна через API по цене $10/$50 за миллион токенов и находится на четвёртой из пяти стадий развития ИИ-агентов — «оператор компьютера», без полной автономности.

GPT-6 Astra — передовая модель OpenAI, созданная для двух задач одновременно: сложных логических рассуждений и прямого управления компьютерами, браузерами и профессиональным софтом при выполнении многоэтапных задач. Предыдущие модели объясняли, как что-то сделать; Astra создана, чтобы делать это самой.

По формулировке OpenAI (2026), Astra — передовая система для использования компьютера, веб-серфинга, разработки ПО, кибербезопасности, науки и профессиональной работы. Это не просто более крупная языковая модель, а модель, обученная действовать в интерфейсах, рассчитанных на людей, а не только вызывать API.

Astra доступна через API под идентификатором gpt-6-astra по цене $10 за миллион входных токенов и $50 за миллион выходных, а также через Microsoft Azure и Amazon Bedrock. Fast-режим работает вдвое быстрее за вдвое большую цену.

📌 Параметры доступа:

При цене $10/$50 Astra стоит примерно в 2,5 раза дороже за токен, чем GPT-5.6 Sol по промо-цене (2026). Аргумент OpenAI: Astra выполняет задачи меньшим числом токенов и с меньшим числом неудачных попыток, поэтому оплачивается готовый результат, а не дешёвые токены.

Astra — пятое поколение в текущей линейке моделей OpenAI: GPT-5 (август 2025) → GPT-5.4 → GPT-5.5 (апрель 2026) → GPT-5.6 Sol/Terra/Luna (июль 2026) → GPT-6 Astra (сентябрь 2026). Каждое поколение улучшало рассуждения; Astra — первое поколение, спроектированное прежде всего под прямое управление софтом.

Переход от чат-бота к оператору компьютера проходит пять чётких стадий: ввод-ответ, вызов инструментов через API, самостоятельное планирование агентом, работа с интерфейсами, рассчитанными на людей, и полностью автономная работа. GPT-6 Astra находится на четвёртой стадии с первыми элементами пятой — и сама OpenAI прямо заявляет, что модель ожидает решения человека в важных точках.

🧩 Пять стадий развития ИИ-агентов:

Четвёртая стадия важна потому, что у большинства реального софта нет API: устаревшая CRM компании, портал госуслуг, CAD-инструмент, внутренняя панель, к которой никто не притрагивался с 2019 года. Агент, вызывающий только API, не имеет доступа к этой работе. Агент, работающий прямо с экраном, — имеет.

GPT-6 Astra добавляет шесть измеримых улучшений по сравнению с GPT-5.6 Sol: управление компьютером, удержание фокуса на длинных задачах, создание профессиональных документов по шаблону, программирование, научные вычисления и кибербезопасность. Каждое улучшение подтверждено конкретным бенчмарком OpenAI (2026), и у каждого есть чёткий предел применимости.

Astra отслеживает экран, находит элементы интерфейса и выполняет действия — заполняет формы, обновляет записи в CRM, тестирует интерфейс сайта. На OSWorld 2.0 модель показывает 72,6% против 65,7% у Sol и работает примерно на 47% быстрее — около 40 минут на задачу против 75 у предыдущей модели.

📊 Результаты по бенчмаркам использования компьютера:

⚠ Ограничение: 72,6% на OSWorld 2.0 означает, что примерно каждая четвёртая задача на компьютере всё ещё завершается ошибкой — это исследовательский показатель, а не гарантия для продакшена.

Более ранние модели воспринимали правку в середине задачи как новую цель и теряли исходные ограничения. По заявлению OpenAI (2026), Astra учитывает новые требования, не забывая первоначальную задачу, что устраняет распространённый сбой, при котором правка на шаге 12 стирает ограничения, заданные на шаге 2.

В Codex у Astra появилась экспериментальная функция сохранения заметок между контекстными окнами вместо их сжатия в неточное резюме — более ранние окна остаются доступными для поиска. Функция включается вручную через config.toml; по плану OpenAI она станет стандартной в течение нескольких недель после запуска.

Astra создаёт документы, таблицы и презентации, соответствующие шаблонам и визуальному стилю компании, добавляя в результат только релевантный контекст. На AutomationBench результат Astra — 41,4% против 18,1% у Sol, а на BenchCAD — 95,9% против 83,3%.

📊 Результаты по бенчмаркам профессиональных артефактов:

⚠ Ограничение: соответствие шаблону касается форматирования, а не корректности содержания — это две разные проблемы, и цифры в документе всё равно нужно проверять.

На Terminal-Bench 4.0 результат Astra — 57,9% против 37,3% у Sol и 55,8% у Claude Fable 5.1. При этом на DeepSWE v1.1 разрыв почти исчезает: Astra — 74,1%, Sol — 72,7%, Gemini 3.8 Flash — 73,8%, Claude Opus 5 — 73,7%.

📊 Результаты по бенчмаркам программирования:

Разница между этими двумя результатами — суть релиза: на одном бенчмарке Astra заметно впереди, на другом — практически неотличима от конкурентов. Для чётко определённых задач разрыв велик; для реального инженерного кода конкуренты почти сравнялись.

Astra улучшила оценку разрыва между простыми числами с 240 до 186 и продвинула член в задаче, не менявшийся более 80 лет; OpenAI (2026) опубликовала доказательства. На Terminal-Bench Science 0.1 результат Astra — 64,6% против 22,4% у Sol — крупнейший пропорциональный скачок среди всех категорий бенчмарков.

⚠ Ограничение по Hacker News (2026): файл доказательства о простых числах весит около 10 МБ и ещё не прошёл независимую семантическую проверку человеком. Проверенное компьютером доказательство и понятное человеку доказательство — разные по практической ценности достижения.

Astra — первая модель, которой OpenAI присвоила критический уровень по кибербезопасности в собственной системе оценки готовности. На ExploitBench результат — 100% против 78,5% у Sol; на SRE-Bench (реверс-инжиниринг бинарников без исходного кода) — 88,0% с одной попытки и 99,2% с четырёх, против 55,9% и 68,7% у Sol.

В ходе оценки в июне–августе 2026 года Astra нашла и использовала две ранее неизвестные уязвимости нулевого дня; OpenAI раскрыла обе разработчикам. Это прямая причина, по которой модель отказывается создавать прототипы эксплойтов вне контролируемой программы доступа.

Доступ к Astra на момент запуска ограничен, поэтому большинство ранних отзывов принадлежит людям и компаниям с эксклюзивным доступом от OpenAI, а не независимым тестировщикам. Единственный независимый источник данных вне материалов OpenAI на сегодня — индекс Artificial Analysis, который зафиксировал более низкий Elo-рейтинг оформления презентаций у Astra по сравнению с заявлениями страницы запуска.

📚 Источники и их ограничения:

Почти все положительные примеры использования Astra на момент запуска получены от людей с ранним доступом от OpenAI или от партнёров по запуску. Для дня релиза это нормально и само по себе не говорит о нечестности — но означает, что действительно независимую оценку стоит ждать через одну-две недели.

Astra открывает четыре группы рабочих процессов в первый день доступа: анализ данных, разработку и контроль качества, исследования и документы, а также административные задачи. Для каждого процесса ключевое правило одно — просить модель показать план или черновик перед любой записью в реальную систему.

Внедрение Astra в рабочий процесс требует пяти шагов независимо от задачи: профилирование входных данных, согласование определений и допущений, пробный запуск без реальной записи, независимая перепроверка результата и явный список того, что осталось проверить вручную. Пропуск пробного запуска — самая частая причина дорогостоящих сбоев.

При работе с конфиденциальными базами или почтой также рекомендуется убедиться, что администратор вашей организации включил для API Astra специальный режим нулевого хранения данных.

💡 Почему этот шаблон работает?

📈 Вы можете написать в комментариях слово шаблон и я пришлю вам этот шаблон под конкретный рабочий процесс — например, для автоматического сбора вакансий или чистки вашей финансовой таблицы с автоматическим поиском аномалий.
⚠ Каких ограничений ещё не решила GPT-6 Astra?

GPT-6 Astra не устраняет риск ошибок — она меняет их характер: примерно каждая четвёртая задача на компьютере всё ещё проваливается, а неверное действие обходится дороже неверных слов. OpenAI (2026) сама называет ухудшение прозрачности рассуждений «серьёзной регрессией» — редкое по откровенности признание для страницы запуска продукта.

Практический эффект запуска Astra различается по ролям: для аналитиков дешевеет исполнение, но не принятие решений; для разработчиков растёт помощь на чётко определённых задачах при сохранении потребности в архитектуре; для исследователей ускоряется именно работа с софтом, а не формулировка гипотез.

Для каждого — что делали раньше, что меняет Astra, готовый промпт и где это даёт сбой.

1. Анализ в таблицах. Раньше: открыть файл, почистить столбцы, написать формулы, собрать сводные таблицы и диаграмму, написать выводы — около двух часов. С Astra: модель работает прямо в табличном редакторе и выдаёт готовый файл анализа, а не просто формулу.

Предел: модель уверенно посчитает неверную метрику, если в компании принято нестандартное определение — например, «активный клиент» за 90 дней вместо стандартных 30.
2. Анализ данных и поиск аномалий. Раньше: загрузить pandas, посмотреть распределения, визуально оценить выбросы. С Astra: по данным OpenAI, 40,9% внутренних задач по анализу данных решаются самостоятельно против 30,5% у Sol — заметный, но не полный уровень делегирования.

Предел: именно последнее требование — самое сложное для модели. Всплеск активности по понедельникам обычно объясняется пакетной загрузкой данных, а не бизнес-событием — уточняйте это явно.

3. Исследование рынка и конкурентов. Раньше: тридцать вкладок и три часа на черновик. С Astra: показатель BrowseComp 91,5% — модель сама просматривает, читает и собирает материал.

Предел: модель находит то, что хорошо ранжируется в поиске, а не обязательно то, что правда — требование «НЕПРОВЕРЕНО» защищает от правдоподобного, но пустого текста.

4. Поиск работы. Раньше: обход досок объявлений, копирование в таблицу, ручная настройка каждой заявки. С Astra: модель сама просматривает доски, извлекает структурированные данные и собирает результат.

Предел: сайты по поиску работы активно блокируют автоматизацию — ожидайте неполные результаты и проверяйте актуальность каждого объявления перед подачей: устаревшие вакансии встречаются часто.

5. Программирование. Раньше: написать код, запустить, прочитать ошибку, найти решение, исправить, повторить. С Astra: 57,9% на Terminal-Bench 4.0 плюс сохранение заметок Codex между контекстными окнами для длинных сессий.

Предел: требование «сначала тесты, затем запуск» обязательно — без него можно получить код, который выглядит верным, но ни разу не запускался.

6. Отладка. Раньше: воспроизвести баг, бинарный поиск, чтение трейса, гипотезы. С Astra: результат SRE-Bench 88,0% с одной попытки при реверс-инжиниринге бинарников без исходников подтверждает реальную способность анализировать чужой код.

Предел: для подтверждения нестабильного бага нужно много прогонов — закладывайте это в бюджет времени.
7. Контроль качества сайта. С Astra: OpenAI прямо указывает на UI-проверки как сценарий использования; функция «Сайты» в ChatGPT позволяет Astra создавать, размещать и делиться сайтами прямо из командной строки.

❓ Часто задаваемые вопросы

GPT-6 Astra — модель OpenAI, выпущенная 3 сентября 2026 года, которая умеет не только отвечать на вопросы, но и сама управлять компьютером: кликать по интерфейсам, заполнять формы, работать в браузере, таблицах и терминале для выполнения многоэтапных задач.

Доступ через API стоит $10 за миллион входных токенов и $50 за миллион выходных в обычном режиме, или $20/$100 в ускоренном Fast-режиме. Это примерно в 2,5 раза дороже за токен, чем у предыдущей модели GPT-5.6 Sol.

Нет. Astra находится на четвёртой из пяти стадий развития ИИ-агентов — «оператор компьютера» — и, по прямому заявлению OpenAI, ожидает ввода человека для важных решений. Полностью автономная пятая стадия ещё не достигнута.

На Terminal-Bench 4.0 Astra опережает конкурентов — 57,9% против 55,8% у Claude Fable 5.1. Но на DeepSWE v1.1 разница почти исчезает: Astra — 74,1%, Claude Opus 5 — 73,7%, Gemini 3.8 Flash — 73,8%. Выбор модели стоит проверять на своём типе задач, а не на одном бенчмарке.

Доступ к таким системам несёт реальный риск, потому что неверное действие модели — отправленное письмо или изменённая запись в CRM — не получится просто проигнорировать, в отличие от неверного текста. Для API у Astra есть режим нулевого хранения данных, а для CRM и почты стоит требовать подтверждение перед каждой операцией записи.

🚦 Что дальше: прежде чем подключать Astra к системам с правом записи — CRM, почте, календарю, — постройте один рабочий процесс с шагом «пробный запуск без сохранения» и проверьте результат на трёх примерах, прежде чем доверить его продакшену.