⚡️ Гайд по GPT-6 Astra: Что такое GPT-6 Astra и как он меняет работу ИИ с компьютером?

🤖 GPT-6 Astra — флагманская модель OpenAI, выпущенная 3 сентября 2026 года и созданная для автономной работы с компьютером, браузером и разработки программного обеспечения. Она работает внутри ChatGPT, Codex и API как нативная модель, а не как отдельный агент, и демонстрирует передовые результаты в понимании экрана, автоматизации задач и профессиональной работе. Главная идея: всё, что вы можете сделать на компьютере, Astra может сделать за вас, причём завершает задачи в 1,9 раза быстрее своей предшественницы GPT-5.6 Sol.

Что изменилось в GPT-6 Astra
Как настроить Astra за 5 минут
Как правильно поставить задачу Astra для максимальной автономности
Что делает Astra быстрее и точнее
Сколько стоит Astra
Почему Astra приостанавливает или отказывается от задач
Как использовать Astra для типичных рабочих процессов
Каковы лимиты токенов и ценовые пороги
Часто задаваемые вопросы

🚀 3 сентября 2026 года OpenAI представила GPT-6 Astra как серьёзный скачок в возможностях модели. Она получила пять важных улучшений: более быстрое выполнение компьютерных задач (72,6% в OSWorld 2.0 против 65,7%), понимание контекста при уточняющих вопросах с сохранением ограничений задачи, создание документов по заданному шаблону, поиск информации в заметках между окнами контекста и действительно улучшенное соответствие требованиям безопасности. Начальная цена составляет $10 за миллион входных токенов и $50 за миллион выходных токенов. Fast-режим удваивает обе ставки, обеспечивая скорость до 2,5 раза выше.

🛡 Astra оснащена системой мониторинга несоответствия требованиям безопасности, которая приостанавливает или прекращает работу, если классифицирует действие как несанкционированное. Этот мониторинг одновременно является и функцией безопасности, и ограничением. В рабочих пространствах Enterprise он по умолчанию отключён, а на остальных тарифах активны защитные механизмы.

⚙ Чтобы запустить Astra, нужно выполнить пять последовательных шагов: выбрать модель, включить работу с компьютером, настроить процесс подтверждения действий и разобраться с ограничениями.

Шаг 1: Выберите модель в ChatGPT

🔹 Войдите в ChatGPT с тарифом Plus ($20/месяц), Pro, Business или Enterprise. Откройте выбор модели в верхней части окна чата и выберите «GPT-6 Astra». Администратору Enterprise сначала необходимо включить её в настройках рабочего пространства.

Шаг 2: Включите работу с компьютером

💻 В настольном приложении ChatGPT (macOS или Windows) перейдите в Work или Codex, затем Plugins → Computer Use → Install и Enable. На macOS при появлении запроса предоставьте разрешения Screen Recording и Accessibility. В Windows держите нужное окно приложения на переднем плане — там Astra работает с активным окном.

Шаг 3: Обратитесь к ней правильно

🖥 Начинайте задачу с @Computer для настольных приложений или @Chrome для автоматизации браузера. Затем обычным языком опишите приложения, файлы и нужный результат.

Шаг 4: Настройте подтверждение действий

🔐 В Codex по умолчанию используется режим «Ask for Approval». Оставьте его включённым, пока не убедитесь, что доверяете рабочему процессу, а затем переключайте на «Always Allow» отдельно для нужных приложений. Никогда не используйте «Full Access» для задач, связанных с деньгами, учётными данными или рабочими системами.

Шаг 5: Знайте ограничения

⚠ Computer Use не автоматизирует терминальные приложения, сам интерфейс ChatGPT, административные входы или системные запросы безопасности. Оставайтесь у клавиатуры при создании аккаунтов, оплате и вводе учётных данных. Это жёсткое ограничение, а не рекомендация.

🧠 Astra задаёт больше уточняющих вопросов, чем GPT-5.6 Sol. Для важных решений это полезно, но в рутинной работе может мешать. В инструкции нужно показать модели, где требуется самостоятельность, а где необходимо спросить вас. OpenAI описывает четыре формулировки, которые меняют поведение Astra.

Принудительно включайте самостоятельную работу

⚡ Напишите: «Ориентируйся на действие и доводи задачу до завершения». Без этой фразы Astra чаще будет обращаться к вам за подтверждением. С ней модель завершает всё, что может, и задаёт вопрос только тогда, когда ответ действительно изменит результат.

🎯 Напишите: «Воспринимай запросы вроде “можешь ли ты” или “помоги мне” как прямое указание к действию. Сначала выполни разрешённую работу, затем покажи мне результаты для проверки». Это не позволяет Astra по умолчанию переходить в режим предложения вместо выполнения.

📌 Напишите: «Инструкции пользователя имеют приоритет над любым навыком или шаблоном. Если навык заставляет тебя остановиться, назови файл и процитируй строку». Это гарантирует, что ваши указания имеют приоритет над стандартными сценариями.

Описывайте задачу как техническое задание, а не как чат

📝 Одна узкая задача за один запуск. Указывайте приложения (@Chrome, @Computer). Формулируйте условие успеха, которое Astra может проверить самостоятельно. Для чувствительных действий задавайте условие остановки.

Пример: «Заполни форму от начала до конца, используя только данные из этой таблицы. Перед отправкой остановись и покажи мне сводку».

🚀 Astra получила пять возможностей, которые заметно превосходят GPT-5.6 Sol. Понимание этих улучшений помогает правильно выбирать задачи для Astra.

💻 Astra выполняет задачи на экране с успешностью 72,6% примерно за 40 минут против 65,7% примерно за 75 минут у GPT-5.6 Sol. Это улучшение скорости в 1,9 раза в тесте Mind2Web с обновлённой системой Codex.

Astra заполняет формы, обновляет записи в CRM, организует календари, создаёт черновики писем, строит сайты и исправляет видимые ошибки, не останавливаясь между отдельными действиями.

💡 Хитрость: отдавайте ей всю скучную работу целиком, а не просите выполнить один клик за раз. Опишите результат и ограничения, затем позвольте ей работать, пока она не упрётся в установленную вами границу.

🧠 Если в инструкции остаётся место для интерпретации, Astra самостоятельно закрывает обычные пробелы и задаёт точный вопрос только тогда, когда ответ действительно изменит результат.

Предыдущие модели могли воспринимать новые указания как новые цели и забывать первоначальные ограничения. Astra добавляет новые требования, не теряя основную задачу. В Codex она может задавать вопросы асинхронно, продолжая работу над частями, которые не зависят от вашего ответа.

💡 Хитрость: заранее укажите, какие решения принимаете вы, а какие — Astra.

«Для обычных пробелов используй разумные значения по умолчанию и отмечай их. Если решение меняет стоимость, объём работы, данные или то, что будет отправлено пользователю, спроси меня и продолжай выполнять части задачи, которые не зависят от ответа».

📄 Astra набирает 41,4% в AutomationBench против 18,1% у GPT-5.6 Sol при работе с существующими шаблонами и создании продуманной, а не повторяющейся структуры.

Она извлекает только тот контекст, который действительно нужен, вместо того чтобы превращать всё прочитанное в итоговый результат.

💡 Хитрость: прикрепите шаблон и два готовых примера, затем попросите создать нужный результат. Astra повторно использует макеты, шрифты, цвета и интервалы.

🔎 Вместо того чтобы сжимать длинную сессию в одно теряющее детали резюме, Astra сохраняет заметки между окнами контекста.

Предыдущие окна остаются доступными для поиска, поэтому она может найти требование или результат теста, полученный несколько часов назад. Это устраняет потерю логики, которая раньше происходила при каждом сжатии контекста.

💡 Хитрость: включите экспериментальную функцию заметок контекста в config.toml Codex. В ближайшие недели она станет настройкой по умолчанию.

🛡 В тесте OpenAI с невозможной задачей GPT-5.6 Sol обходила защитные механизмы в 48% случаев без специального мониторинга. Astra показала 0%.

Она ни разу не пыталась обойти отказ Auto-Review, даже когда отказ специально делали потенциально обходным. Частота галлюцинаций снизилась с 12,2% до 4,2% на внутренних тестах.

💡 Хитрость: устанавливайте чёткие границы прямо в инструкции. Astra соблюдает их, поэтому ограничение в промпте действительно становится ограничением.

💰 GPT-6 Astra стоит $10 за миллион входных токенов и $50 за миллион выходных токенов по стандартным тарифам. Fast-режим удваивает обе ставки. На пользовательских тарифах одна задача Astra обычно расходует примерно в три раза больше токенов, чем аналогичная задача GPT-5.6 Sol.

⚠ Проверяйте счётчик использования перед тем, как отдавать Astra большую задачу. Каждая задача обычно стоит примерно в три раза больше, чем аналогичная задача GPT-5.6 Sol.

🛡 Astra работает с мониторингом соответствия требованиям безопасности в продакшене. Классификаторы следят за её рассуждениями и действиями и автоматически останавливают всё, что выглядит несанкционированным.

Поскольку Astra находится на критическом уровне в рамках Preparedness Framework OpenAI по кибербезопасности, дополнительные проверки могут замедлять, приостанавливать или прекращать даже легитимную работу.

В ChatGPT и Codex вам предлагают проверить действие перед продолжением. В API задача останавливается без предупреждения. Это не ошибка — это уровень безопасности.

Продвинутая работа по кибербезопасности полностью запрещена. Проверка защищённости кода и исправление уязвимостей сегодня разрешены. Эксплойты для подтверждения концепции и более глубокие наступательные сценарии блокируются. Доступ к более глубоким защитным сценариям осуществляется через OpenAI Daybreak.

Пять решений, если Astra остановилась или отказалась

Держите задачи в чётко обозначенных границах. Astra воспринимает ваши ограничения всерьёз, как и система мониторинга.
Ожидайте отказов при продвинутой работе с кибербезопасностью. Планируйте обходные варианты или используйте Daybreak для таких задач.
В API предусматривайте остановку задачи: обрабатывайте прерывание, показывайте последнее действие и продолжайте с более узкой инструкцией.
Не пытайтесь бороться с Auto-Review. Astra не будет обходить отказ, поэтому лучше перепишите инструкцию.
Если Astra останавливается перед важным решением — это функция, а не ошибка. Ответьте на вопрос, и она продолжит работу.

🎯 Каждая инструкция ниже построена вокруг того, что Astra умеет хорошо, и заранее показывает модели границы её полномочий.

ФОРМА: [URL или название приложения] ИСТОЧНИК ДАННЫХ: [прикреплённый файл / данные профиля ниже] ПРАВИЛА: Используй только данные, которые я предоставил. Если обязательное поле не имеет ответа, остановись и спроси меня, указав точное название поля. Не отправляй форму, пока не покажешь мне сводку всех заполненных полей. ГОТОВО, КОГДА: Есть скриншот заполненной формы перед отправкой и моё явное «отправляй».

Astra выполняет эту задачу примерно вдвое быстрее GPT-5.6 Sol и не будет придумывать отсутствующие данные ради завершения работы.

Обнови нашу CRM на основе этих заметок разговора.

CRM: [название, вход уже выполнен] ЗАМЕТКИ: [вставить или прикрепить] ДЛЯ КАЖДОГО АККАУНТА: обнови этап, следующий шаг и ответственного. Добавь запись активности с датой и цитатой из заметки. ОГРАНИЧЕНИЯ: Никогда не удаляй запись. Никогда не меняй сумму сделки. Никогда не отправляй письмо контакту. Неоднозначные записи добавляй в список «требует проверки», а не угадывай. РЕЗУЛЬТАТ: Таблица всех изменений со ссылкой на каждую запись.

AutomationBench вырос с 18,1% до 41,4% на этой задаче. Инструкция «требует проверки» помогает Astra не придумывать решения при работе с грязными данными.

Перестрой мой календарь на следующие две недели.

ЦЕЛЬ: Два 90-минутных блока для концентрации каждое буднее утро, никаких встреч до 10:00. ПРАВИЛА: Ты можешь перемещать внутренние встречи, которыми я владею. Нельзя перемещать встречи с внешними участниками, регулярные встречи 1:1 или всё, что отмечено как «фиксированное». Если не уверен — предложи изменение, но не применяй его. РЕЗУЛЬТАТ: Список до/после и приглашения, которые ты планируешь отправить. Дождись моего подтверждения перед отправкой.

Astra сохраняет первоначальные ограничения, даже если вы меняете требования во время выполнения. Предыдущие модели могли терять общую цель после добавления нового требования.

Инструкция 4: Исследовать тему и сразу подготовить письмо

Исследуй [тема] и подготовь ответ непосредственно в [Gmail / Google Docs / Notion]. ИСТОЧНИКИ: Предпочитай первичные источники за последние 90 дней. Добавляй ссылку для каждого утверждения. ФОРМАТ: [письмо для X / одностраничный документ]. Соответствуй стилю прикреплённого примера. ОСТАНОВИСЬ, ЕСЛИ: Не можешь найти первичный источник для ключевой цифры. Скажи мне, какой именно цифры не хватает.

Результат BrowseComp: 91,5%. Astra извлекает в документ только нужный контекст вместо того, чтобы повторять всё, что прочитала.

Инструкция 5: Создать презентацию по шаблону

Создай презентацию из [N] слайдов на тему [тема], используя ТОЛЬКО прикреплённый шаблон. ШАБЛОН: [файл]. Повторно используй его макеты, шрифты, цвета и интервалы точно. Не создавай новый макет. СЮЖЕТ: [3 пункта основной истории] СТИЛЬ: Коротко, одна идея на слайд, соответствуй тону двух прикреплённых примеров презентаций. РЕЗУЛЬТАТ: Файл плюс комментарий по каждому слайду с указанием, какой макет шаблона ты использовал и почему.

Это сильнейший профессиональный навык Astra. AutomationBench: 41,4% против 18,1% у GPT-5.6 Sol.

Инструкция 6: Проанализировать данные и построить графики

Проанализируй прикреплённый набор данных и создай графики, которые отвечают на вопрос: [вопрос]. ШАГИ: Сначала изучи данные и расскажи мне, что обнаружил, прежде чем строить графики. Отметь выбросы и пропущенные значения. Затем создай [N] графиков с заголовками, подписями осей и однострочным выводом для каждого. ЧЕСТНОСТЬ: Отделяй то, что показывают данные, от собственных выводов. Если результат нестабилен, скажи об этом. РЕЗУЛЬТАТ: Графики, код и краткое резюме из пяти строк.

Внутренние задачи по анализу данных: 40,9% против 30,5% у GPT-5.6 Sol. Astra работает непосредственно в специализированном программном обеспечении, а не просто описывает, как это сделать.

Инструкция 7: Создать сайт и самостоятельно проверить его

Создай, размести и предоставь ссылку на [тип сайта] с помощью Sites в ChatGPT. СПЕЦИФИКАЦИЯ: [страницы, назначение, аудитория]. ДИЗАЙН: [референс или описание]. ЗАТЕМ ПРОВЕДИ ПРОВЕРКУ: Перейди по каждой ссылке и форме, протестируй сайт на мобильной ширине и исправь всё, что не работает. Не говори, что всё работает, пока действительно не проверишь. РЕЗУЛЬТАТ: Рабочая ссылка, список проверенных элементов и всё, что исправить не удалось.

Astra лучше оценивает визуальную часть создаваемых сайтов и самостоятельно проводит проверку интерфейса перед публикацией.

Инструкция 8: Установить программу и устранить проблему

Установи и настрой [программа] на этом компьютере и добейся, чтобы [функция] работала. ОГРАНИЧЕНИЯ: Не меняй системные настройки за пределами [приложение]. Не вводи пароли; передай управление мне, когда появится вход или двухфакторная аутентификация. ЕСЛИ ВОЗНИКЛА ОШИБКА: Прочитай ошибку на экране, попробуй наиболее вероятное решение и веди журнал каждой попытки. ГОТОВО, КОГДА: [конкретный тест проходит]. Покажи мне успешный результат теста.

ScreenSpot-Pro: 92,7% против 76,9% у GPT-5.6 Sol. Astra достаточно точно читает содержимое экрана, чтобы устранять проблемы непосредственно по нему.

Инструкция 9: Принимать решения асинхронно в Codex

Выполни эту задачу от начала до конца в Codex. ЗАДАЧА: [описание] ПРАВИЛА РЕШЕНИЙ: Для обычных пробелов используй разумные значения по умолчанию и отмечай их. Если решение меняет стоимость, объём, данные или то, что будет опубликовано, спроси меня и продолжай выполнять части, которые не зависят от ответа. Если я не отвечаю, продолжай обычные задачи и жди по важным решениям. РЕЗУЛЬТАТ: Итог, список всех сделанных предположений и всех оставшихся открытых вопросов.

Astra задаёт вопросы асинхронно и продолжает работу. Предыдущие модели либо останавливались, либо начинали угадывать важные решения.

Инструкция 10: Долгие задачи с доступными для поиска заметками

[Сначала включи экспериментальную функцию заметок контекста в config.toml Codex] Это займёт много окон контекста. Веди рабочие заметки: что ты пробовал, почему это не сработало и как ведёт себя каждый компонент. Перед любым серьёзным изменением ищи в предыдущих окнах связанные требования или результаты тестов и ссылайся на них. ЗАДАЧА: [масштабный рефакторинг / длительная отладка] РЕЗУЛЬТАТ: Изменения и файл с заметками, чтобы я мог увидеть ход работы.

Раньше сжатие контекста стирало причину, по которой исправление не сработало. Теперь заметки сохраняются, а предыдущие окна остаются доступными для поиска.

⚠ Astra имеет окно контекста на 1 050 000 токенов. Однако два отдельных ограничения фактически мешают использовать его полностью, причём ни одно из них не обязательно выдаёт ошибку. Это критически важно понимать.

💰 Любой запрос, содержащий более 272 000 входных токенов, автоматически переводится на тариф в 2 раза дороже для входных токенов и в 1,5 раза дороже для выходных — для всего запроса целиком.

Не только для превышения. Для всего запроса. Один токен сверх лимита повышает стоимость всего вызова, включая ответ, который ещё даже не был написан.

Стандартные ставки: $10 за вход, $1 за кэшированный вход, $12,50 за запись в кэш и $50 за выход.

Ответ объёмом 30 тыс. токенов стоит $1,50 по стандартной ставке, но $2,25 после пересечения ценового порога.

📊 Окно в 1 050 000 токенов указано в документации как 1,05 млн, но после 272 тыс. включается повышенная стоимость, а отправить весь объём одним запросом невозможно при API-доступе ниже уровня Tier 3.

Фактическое ограничение одного запроса определяется количеством токенов в минуту.

🔎 Ваш реальный потолок — наименьшее из трёх значений: размер окна, ценовой порог и лимит токенов в минуту вашего уровня.

💡 Перед каждым вызовом выполняйте предварительную проверку:

CLIFF = 272_000 WORKING_CEILING = 260_000 def preflight(prompt: str, tier_tpm: int): est_tokens = len(prompt) // 4 # приблизительно: 4 символа на токен if est_tokens > tier_tpm: raise ValueError(f"~{est_tokens:,} токенов не поместятся при лимите {tier_tpm:,} TPM") if est_tokens > WORKING_CEILING: raise ValueError(f"~{est_tokens:,} токенов превышают рабочий потолок. Сожмите контекст или извлеките нужную информацию.") return est_tokens

Эвристика по количеству символов специально приблизительная. Её задача — обнаруживать запросы, которые могут удвоить ваш счёт, а не точно считать токены.

💵 Эта функция переводит любой ответ API в доллары с учётом всех множителей, применяемых в тарифах:

def price(usage, mode="standard"): RATE = { "fresh": 10.00, "cached": 1.00, "write": 12.50, "output": 50.00, } MODE = {"standard": 1.0, "batch": 0.5, "flex": 0.5, "fast": 2.0} cached = usage.input_tokens_details.cached_tokens fresh = usage.input_tokens - cached out = usage.output_tokens over = usage.input_tokens > 272_000 in_mult = 2.0 if over else 1.0 out_mult = 1.5 if over else 1.0 base = (fresh / 1e6 * RATE["fresh"] + cached / 1e6 * RATE["cached"] + out / 1e6 * RATE["output"]) charged = (fresh / 1e6 * RATE["fresh"] * in_mult + cached / 1e6 * RATE["cached"] * in_mult + out / 1e6 * RATE["output"] * out_mult) return { "usd": round(charged * MODE[mode], 4), "over_cliff": over, "cache_hit_rate": round(cached / max(usage.input_tokens, 1), 3), "penalty": round((charged - base) * MODE[mode], 4), }

📈 Записывайте этот словарь при каждом вызове в течение одного дня. Два поля расскажут практически всё:

over_cliff true: за этот вызов вы заплатили вдвое больше. penalty показывает точную сумму переплаты.
cache_hit_rate близок к нулю: префикс меняется при каждом запросе. Обычно из-за временной метки, ID сессии или заново создаваемого системного промпта.

⚡ Режимы Batch и Flex работают по 50% стандартной стоимости. Всё, что не требует ожидания человека, стоит отправлять туда.

Fast-режим стоит в 2 раза дороже и обеспечивает скорость до 2,5 раза выше. Вы покупаете меньшую задержку, а не более высокое качество.

🧠 reasoning.effort принимает значения low, medium, high, xhigh и max.

Оценки в презентации OpenAI содержат важное примечание: показатели являются максимальными при любом уровне рассуждения. FrontierMath Tier 4 — 97,6%, ARC-AGI-3 — 99,9%, и всё это на самом медленном и дорогом режиме.

Начинайте с low. Повышайте до high для этапа, который действительно этого требует. xhigh и max оставляйте для задач, которые иначе пришлось бы выполнять самостоятельно.

⚡Метод «Стратегия лёгкого диспетчера». Суть метода. Обычно люди заставляют мощную и дорогую нейросеть управлять простыми моделями. В этом подходе роли меняются местами: маленькая и дешёвая модель (например, Luna) выступает в роли координатора, а крупная и умная модель (например, Astra) выполняет всю основную работу.Пошаговое описание метода

Верхнеуровневая постановка задачи. Маленькая модель-диспетчер передаёт умной модели главную цель и краткое описание желаемого результата. Диспетчер не должен давать технических советов, навязывать детали или расписывать конкретные шаги.
Непрерывная реализация. Умная модель получает задачу и делает всю работу по написанию кода или созданию проекта в одном непрерывном потоке.
Отказ от самопроверки умной моделью. Крупную модель сразу инструктируют не тратить время и токены на самостоятельное тестирование или рецензирование, а сразу останавливаться после завершения разработки.
Внешнее тестирование и передача замечаний. Маленькая модель берет на себя роль тестировщика: она запускает проверку (например, в браузере), делает скриншот результата и передаёт его вместе с кратким списком обнаруженных проблем обратно умной модели.
Ограничение раундов. Процесс исправления ошибок повторяется не более 3 раз или прекращается, когда умная модель сообщат о полной готовности.

💡Почему стандартный подход проваливается. Когда крупная модель пытается раздавать указания маленьким агентам, она тратит слишком много токенов на подробные инструкции, проверку их работы и исправление их ошибок. Попытка передать понимание «хорошего стиля» слабой модели приводит к потере качества. В итоге традиционное делегирование выходит дороже и медленнее.Главные преимущества «Стратегии лёгкого диспетчера»

Сокращение расхода токенов и квоты более чем в 2 раза.
Увеличение скорости выполнения задачи на 30%.
Высокое качество результата, так как весь код пишет сильная модель.

Когда метод не подходит

Если приоритетом является идеальная точность или вы создаёте сложную многокомпонентную систему, лучше доверить весь процесс или этап планирования крупной модели.
Важно следить, чтобы маленькая модель указывала на проблемы, а не предлагала свои технические решения

🚀Вот готовый шаблон системного промпта для маленькой модели-диспетчера (например, Luna), составленный на основе правил «Стратегии лёгкого диспетчера»

Скопируйте текст ниже и вставьте его в качестве системного промпта или вводной инструкции для вашей модели-координатора:

Ты выполняешь роль диспетчера и тестировщика. Твоя задача — координировать работу субагента [Укажите модель-исполнитель, например: Astra] для реализации описанного ниже продукта. ТВОИ ПРАВИЛА И ОГРАНИЧЕНИЯ: 1. Запуск реализации: - Передай Исполнителю исходное ТЗ. - Заставь Исполнителя выполнять всю работу по написанию кода в одном непрерывном потоке. - Явно запрети Исполнителю тратить время и токены на самопроверку, тестирование или рецензирование своего кода — он должен останавливаться сразу после завершения реализации. 2. Формат общения с Исполнителем: - Каждое твоё сообщение Исполнителю должно быть МИНИМАЛЬНЫМ по объёму. - Передавай Исполнителю только: 1) исходное ТЗ, 2) свежий скриншот интерфейса, 3) краткий список обнаруженных проблем. - СТРОГО ЗАПРЕЩЕНО давать Исполнителю технические советы, предлагать архитектурные решения или писать код. Ты описываешь ТОЛЬКО симптомы/проблемы (что выглядит или работает не так), а выбор способа решения полностью доверяешь Исполнителю. - Проси Исполнителя давать лишь самое краткое резюме сделанных изменений. 3. Тестирование и цикл обратной связи: - После каждого ответа Исполнителя заходи в приложение/браузер, проверяй работу и делай скриншот результата. - Передавай найденные ошибки и скриншот обратно Исполнителю. 4. Условие остановки: - Прекращай цикл работы максимум после 3 раундов исправления ошибок либо сразу, как только Исполнитель сообщит о полной готовности продукта. --- ИСХОДНОЕ ТЗ ДЛЯ ПЕРЕДАЧИ ИСПОЛНИТЕЛЮ: [Вставьте сюда ваше высокуровневое описание задачи / приложения]

Важные нюансы настройки

Отсутствие технических советов: Маленькая модель должна отвечать только за связи и визуальный контроль, не пытаясь диктовать архитектуру — иначе качество кода сильной модели упадет.
Непрерывный контекст исполнителя: Убедитесь, что исполнитель работает в одной непрерывной сессии, чтобы сохранять кэш контекста и не переоткрывать файлы заново

Часто задаваемые вопросы

GPT-6 Astra — базовая модель, доступная на тарифах Plus, Pro, Business и Enterprise. Astra Pro — отдельный, более высокий уровень, доступный только пользователям Pro, Business и Enterprise.

Пользователи Plus получают Astra, а не Astra Pro. Разница в производительности пока не опубликована.

💻 Да. Astra выполняет задачи разработки через Codex и API. Она может устанавливать программное обеспечение, устранять ошибки, писать и проверять код, а также создавать полноценные приложения.

Формулируйте задачу узко: «Установи X и добейся, чтобы Y работало», а не «помоги мне с моим проектом».

🖥 Astra работает в Windows через настольное приложение, но нужное приложение должно находиться на переднем плане. Она не может автоматически работать с окнами в фоне.

Для удалённых машин используйте API с инструментом computer_use, чтобы запускать Astra на облачной инфраструктуре.

⚠ Astra отказывается от продвинутых задач по кибербезопасности, включая эксплойты для подтверждения концепции, не автоматизирует терминальные приложения или сам ChatGPT и останавливается перед системными запросами безопасности и экранами с учётными данными.

Это жёсткие ограничения. Если задача была отклонена, проверьте, не относится ли она к одной из этих категорий. Если относится, перепишите инструкцию с учётом ограничения или используйте OpenAI Daybreak для чувствительных задач безопасности.

🚀 В OSWorld 2.0 по работе с компьютером Astra достигает успешности 72,6% примерно за 40 минут против 65,7% у GPT-5.6 Sol примерно за 75 минут.

Это улучшение скорости в 1,9 раза при более высокой точности. Реальная скорость зависит от сложности задачи и того, насколько точно вы её сформулировали.

💸 Весь запрос, включая ответ, будет пересчитан по цене в 2 раза выше для входных токенов и в 1,5 раза выше для выходных.

Один токен сверх порога увеличивает стоимость всего запроса. Используйте функцию preflight(), чтобы проверять запросы до отправки.

Enterprise-рабочие пространства могут полностью отключить мониторинг несоответствия требованиям, но для этого требуется активация администратором.

На всех остальных тарифах защитные механизмы остаются активными. В ChatGPT и Codex мониторинг приостанавливает работу и просит вас проверить действие, а в API полностью останавливает задачу.

🌐 Работа с компьютером позволяет Astra взаимодействовать с вашим рабочим столом, установленными приложениями и полями форм.

Браузинг позволяет ей перемещаться по интернету через @Chrome.

Их можно комбинировать: использовать @Chrome для исследования информации и @Computer для заполнения формы на основе найденных данных.

📅 Нет. Данные обучения Astra заканчиваются в январе 2025 года. У неё нет знаний о событиях между январём 2025 и сентябрём 2026 года.

Используйте веб-поиск или браузинг, чтобы передавать ей актуальную информацию.

🔎 Context notes — экспериментальная функция. Включите её в config.toml Codex с соответствующим параметром.

В ближайшие недели она станет настройкой по умолчанию. После включения Astra сохраняет доступные для поиска заметки между окнами контекста вместо того, чтобы просто сжимать их.

🎯 GPT-6 Astra особенно сильна в работе с компьютером, понимании содержимого экрана, следовании шаблонам и сложных многоэтапных задачах, где требуется автономность.

Она расходует примерно в три раза больше токенов на задачу, чем GPT-5.6 Sol, поэтому её стоит использовать для работы, где скорость и точность действительно важны, а не для обычного общения.

Начните с этого:

💻 Используйте Astra для заполнения форм, обновления CRM, перестройки календаря и устранения проблем непосредственно на экране.
📊 Используйте её для создания презентаций по шаблонам и подготовки исследований непосредственно в вашем редакторе.
🧠 Используйте Codex для долгих программных проектов с асинхронным принятием решений.

Избегайте:

⚠ Слепого ориентирования на результаты тестов при максимальных уровнях рассуждения; начинайте с «low» и повышайте уровень под конкретную задачу.
💸 Отправки запросов свыше 272K токенов; используйте функцию preflight.
🛡 Сложной работы с кибербезопасностью; такие задачи заблокированы намеренно.

Главный плюс: один раз дайте Astra чёткую задачу с понятными ограничениями, установите режим подтверждения «Always Allow» и позвольте ей закончить работу, пока вы занимаетесь тем, где действительно требуется человеческое решение.

Astra соблюдает установленные вами границы, поэтому ограничение в промпте становится настоящим ограничением.

⚡️ Гайд по GPT-6 Astra: Что такое GPT-6 Astra и как он меняет работу ИИ с компьютером?

Содержание

Что изменилось в GPT-6 Astra: ключевые улучшения по сравнению с GPT-5.6 Sol

Как настроить Astra за 5 минут

Как ставить задачи Astra для максимальной автономности и точности

Воспринимайте мягкие просьбы как указание к действию

Ставьте инструкции пользователя выше файлов навыков

Какие 5 улучшений действительно имеют значение

Улучшение 1: Работа с компьютером стала быстрее

Улучшение 2: Она задаёт правильный вопрос и продолжает работать

Улучшение 3: Документы и презентации строго по шаблону

Улучшение 4: Заметки между окнами контекста (только Codex)

Улучшение 5: Безопасность, которую действительно заметно

Сколько стоит Astra и какой тариф нужен

Почему Astra приостанавливает, прекращает или отклоняет некоторые задачи

Как использовать Astra для типичных рабочих процессов: 10 готовых инструкций

Инструкция 2: Обновить CRM на основе заметок встречи

Инструкция 3: Перестроить календарь

Каковы лимиты токенов и ценовые пороги

Ценовой порог на 272 000 токенов

Ваш тариф не позволяет отправить всё окно целиком

Как избежать ценового порога

Функция расчёта стоимости

Batch и Fast: половина и двойная стоимость

Уровней глубины рассуждения пять

В чём разница между GPT-6 Astra и Astra Pro?

Можно ли использовать Astra для написания кода и отладки программ?

Работает ли Astra на Windows? А на удалённых компьютерах?

Почему Astra отказалась от моей задачи?

Насколько Astra действительно быстрее?

Что произойдёт, если я случайно отправлю запрос больше 272K токенов?

Можно ли использовать Astra в API без мониторинга соответствия требованиям безопасности?

Чем работа с компьютером отличается от браузинга?

Знает ли Astra о событиях после 3 сентября 2026 года?

Как включить заметки контекста в Codex?

Главные выводы: когда и как использовать Astra