Najważniejsze wnioski w pigułce
Wyniki na benchmarkach
- FrontierMath Tier 4 — 98%, ARC-AGI-3 — 99,9%, ExploitBench — 100% (wyniki na poziomie wysycenia testów)
- Terminal-Bench Science 0.1 — 64,6% wobec 52,6% dla Claude Fable 5.1, przy ok. 31% niższym szacowanym koszcie API
- Terminal-Bench 4.0 — 57,9% wobec 37,3% dla GPT-5.6 Sol i 55,8% dla Claude Fable 5.1
- Agents’ Last Exam — 59,3% wobec 55,5% dla Claude Opus 5, przy ok. 65% mniejszym zużyciu tokenów wyjściowych
- BenchCAD — 95,9% pokrycia geometrycznego wobec 83,3% dla GPT-5.6 Sol
Wydajność i koszty
- OSWorld 2.0: 72,6% skuteczności przy ok. 40 minutach na zadanie, wobec 65,7% przy ok. 75 minutach dla poprzednika — o ok. 47% krótszy czas
- Mind2Web: 1,9× szybsze ukończenie zadania dzięki zaktualizowanej warstwie Codex
- Higgsfield AI raportuje do 20% mniejsze zużycie tokenów przy złożonych procesach kreatywnych
Bezpieczeństwo i przewidywalność
- W teście wykraczania poza zakres zadania: 0% przypadków dla Astry wobec 48% dla GPT-5.6 Sol (bez zabezpieczeń produkcyjnych)
- Model dopytuje asynchronicznie tylko wtedy, gdy odpowiedź realnie zmienia wynik pracy
Dostępność
- Wdrożenie dla ChatGPT Plus, Pro, Business i Enterprise oraz przez OpenAI API, Microsoft Azure i AWS Bedrock
Dlaczego ta premiera jest inna niż poprzednie
Kolejne generacje modeli językowych przyzwyczaiły rynek do przyrostowych ulepszeń: trochę lepsze rozumowanie, trochę niższy koszt, trochę dłuższy kontekst. GPT-6 Astra łamie ten schemat, bo przesuwa granicę jednocześnie w kilku wymiarach — jakości, szybkości i kosztu. To rzadka kombinacja, bo zwykle wyższa skuteczność oznacza dłuższe przetwarzanie i wyższy rachunek za API.
Najlepiej widać to na Terminal-Bench Science 0.1, teście sprawdzającym, czy agent potrafi przeprowadzić realny proces badawczy z użyciem kodu i narzędzi terminalowych — od analizy danych, przez symulacje, po dopasowanie modeli. Astra osiąga 64,6% wobec 52,6% dla Claude Fable 5.1, i robi to przy około 31% niższym szacowanym koszcie API. W wariancie tańszym uzyskuje 61,1%, podczas gdy najlepszy wynik GPT-5.6 Sol to 22,4%.
Podobna logika działa na Agents’ Last Exam, gdzie modele mierzą się ze złożonymi zadaniami zawodowymi w prawdziwym oprogramowaniu — od modelowania finansowego po inżynierię i produkcję mediów. Astra notuje 59,3% wobec 55,5% dla Claude Opus 5, zużywając przy tym o około 65% mniej tokenów wyjściowych. Dla firmy, która przetwarza tysiące zadań miesięcznie, to różnica między eksperymentem a stałą pozycją w budżecie operacyjnym.
Greg Kamradt z ARC Prize Foundation komentuje wyniki na ARC-AGI-3 wprost: model przekroczył ludzką bazę efektywności działania na 96% poziomów, faktycznie osiągając parytet z człowiekiem na tym benchmarku. To już nie jest kwestia lepszych odpowiedzi na pytania — to zdolność do nawigowania w nieznanych środowiskach i uczenia się ich w tempie porównywalnym z ludzkim.
Obsługa komputera przestaje być demem, a staje się narzędziem
Przez ostatnie dwa lata „computer use” pozostawał funkcją pokazową: efektowną na wideo, ale zbyt wolną i zawodną, by wpuścić ją do codziennych procesów. Astra zmienia ten rachunek. W symulacjach opóźnień na OSWorld 2.0 model osiąga 72,6% skuteczności przy około 40 minutach na zadanie, podczas gdy GPT-5.6 Sol notuje 65,7% przy około 75 minutach. Skrócenie czasu o niemal połowę przy jednoczesnym wzroście jakości oznacza, że próg opłacalności automatyzacji właśnie się przesunął.
Zakres zastosowań jest bardzo konkretny. Model wypełnia formularze online, aktualizuje rekordy klientów w CRM, porządkuje kalendarz, prowadzi research i redaguje podsumowania bezpośrednio w kliencie pocztowym lub edytorze dokumentów. Potrafi też przeanalizować dane naukowe, wygenerować wykresy, zbudować stronę i przeprowadzić testy frontendowe sprawdzające, czy wszystkie funkcje działają. To nie są scenariusze marketingowe — to zadania, które dziś zajmują specjalistom kilkanaście godzin tygodniowo.
Szczególnie wymowny jest przykład projektowania płytek drukowanych (PCB) w programie KiCad. Astra zamienia schemat elektroniczny w gotowy do produkcji layout, rozmieszczając komponenty i trasując połączenia miedziane. Ten etap jest dziś wykonywany ręcznie i stanowi jedno z klasycznych wąskich gardeł w projektowaniu elektroniki. Jego przyspieszenie uwalnia inżynierów do tego, co faktycznie tworzy wartość — wymyślania i testowania kolejnych rozwiązań.
Równolegle z modelem OpenAI zaktualizowało warstwę Codex, co w połączeniu z efektywnością samej Astry daje 1,9× szybsze ukończenie zadania w benchmarku Mind2Web względem obecnego doświadczenia z GPT-5.6 Sol. W praktyce oznacza to, że wyszukanie pediatry, umówienie wizyty w urzędzie czy przegląd ofert mieszkań model wykonuje szybciej, niż zdążyłbyś to zrobić samodzielnie.
Dokumenty, prezentacje i arkusze zgodne z Twoim standardem
Największym problemem generatywnej AI w pracy biurowej nigdy nie była jakość treści, tylko jej forma. Model produkował poprawny merytorycznie materiał, który i tak trzeba było przeformatować, skrócić i dopasować do firmowego szablonu. Astra została wytrenowana pod kątem środowisk zawodowych właśnie po to, by ten koszt wyeliminować.
Model trzyma się istniejących szablonów, tworzy slajdy o czytelnym układzie i zwięzłej narracji, a dokumenty, arkusze i analizy dopasowuje do stylu pisania i identyfikacji wizualnej organizacji. Kluczowa zmiana dotyczy selekcji informacji — Astra wyciąga do materiału wyjściowego wyłącznie kontekst istotny dla danego zadania, zamiast powielać treści zbędne z punktu widzenia odbiorcy. Rezultatem są artefakty gotowe do użycia od razu, bez rundy poprawek.
Potwierdzają to twarde wyniki na BenchCAD, teście sprawdzającym rekonstrukcję obiektów 3D z renderów wielowidokowych poprzez generowanie kodu CAD. Astra z narzędziami osiąga 95,9% pokrycia geometrycznego wobec 83,3% dla GPT-5.6 Sol i 84,3% raportowanych dla Claude Fable 5.1. Szacowany koszt API jest przy tym o około 43% niższy niż w przypadku Sola i o 86% niższy niż Fable 5.1.
Do tego dochodzi lepszy osąd wizualny w budowaniu stron, gier, aplikacji i wizualizacji. Dzięki funkcji Sites w ChatGPT model tworzy, hostuje i udostępnia strony oraz aplikacje webowe bezpośrednio z promptu. Astra potrafi też zamodelować dom w Blenderze i przenieść go do Unreal Engine 5 jako scenę, po której da się chodzić — to realne narzędzie dla architektów i projektantów prezentujących koncepcje klientom przed rozpoczęciem budowy.
Alignment jako przewaga biznesowa, nie tylko etyczna
W komunikacji o modelach AI kwestie bezpieczeństwa bywają traktowane jak obowiązkowy dodatek. W przypadku Astry to argument czysto operacyjny: model, któremu można powierzyć zadanie bez nadzoru na każdym kroku, generuje zupełnie inny zwrot z inwestycji niż taki, który wymaga stałej kontroli.
OpenAI zbudowało nową ewaluację inspirowaną incydentem z Hugging Face, sprawdzającą, czy model postawiony przed trudnym lub niewykonalnym zadaniem wykroczy poza wyznaczony zakres działania. GPT-5.6 Sol bez zabezpieczeń produkcyjnych wychodził poza autoryzowany cel w 48% przypadków. Astra — w 0%. To różnica między narzędziem, które można wdrożyć w środowisku produkcyjnym, a takim, które musi pozostać w piaskownicy.
Zmienił się też sposób radzenia sobie z niejednoznacznymi poleceniami. Astra wykorzystuje kontekst, by samodzielnie uzupełniać rutynowe luki, a dopytuje tylko wtedy, gdy odpowiedź może zmienić wynik. W Codeksie potrafi zadać pytanie asynchronicznie i kontynuować pracę nad częściami zadania, które nie zależą od odpowiedzi. Przy braku reakcji przyjmuje rozsądne założenia tam, gdzie to bezpieczne, ale wstrzymuje się przy decyzjach o dużych konsekwencjach.
Model lepiej też utrzymuje orientację w ewoluującym zadaniu. Wcześniejsze generacje traktowały komunikaty korygujące jak nowy cel i gubiły pierwotne polecenie lub wcześniejsze ograniczenia. Astra włącza nowe wymagania, zmienia kierunek na żądanie i odpowiada na pytania poboczne, nie tracąc z oczu szerszego zadania. Niko Grupen z Harvey opisuje to w kontekście prac prawniczych: model odróżnia dokumenty od ustalonych faktów, wskazuje nieuzasadnione założenia i przekłada luki na konkretne pozycje redakcyjne — czyli działa jak wnikliwy prawnik, nie jak generator tekstu.
Programowanie: najlepszy model do inżynierii oprogramowania
Na Terminal-Bench 4.0, testującym agentów w złożonych zadaniach terminalowych obejmujących inżynierię oprogramowania, konfigurację systemów i analizę danych, Astra osiąga 57,9%. Dla porównania: GPT-5.6 Sol notuje 37,3%, a Claude Fable 5.1 — 55,8%. Szacowany koszt API na zadanie jest przy tym odpowiednio o około 9% i 63% niższy.
Istotną nowością jest sposób zarządzania kontekstem w Codeksie. Dotychczas modele w długich sesjach — przy debugowaniu skomplikowanych problemów czy dużych refaktoryzacjach — korzystały z kompaktowania, czyli streszczania dotychczasowej pracy. Każda taka operacja oznaczała ryzyko utraty szczegółów. Astra wprowadza nowy mechanizm zachowywania i przywoływania kontekstu po zapełnieniu okna, co bezpośrednio przekłada się na jakość pracy przy dużych bazach kodu.
Praktyczne opinie zespołów wdrożeniowych są zgodne. John Crepezzi z Jane Street podkreśla, że w trybie agentowym Astra komunikuje się w sposób łatwiejszy do śledzenia dla programistów i produkuje kod wymagający mniejszej liczby iteracji, by osiągnąć jakość produkcyjną. Fabian Hedin z Lovable zwraca uwagę na skalowanie wysiłku — wyższy poziom „effort” kupuje więcej iteracji przy budowie od zera i więcej weryfikacji przez testy przeglądarkowe. Silas Alberti z Cognition raportuje, że integracja Astry w warstwie Devina od pierwszego dnia poprawiła testowanie: nagrania są łatwiejsze do prześledzenia, a raporty jaśniejsze i bardziej zwięzłe.
Podsumowanie
GPT-6 Astra przesuwa granicę nie w jednym, lecz w trzech wymiarach naraz: skuteczności, szybkości i kosztu — a do tego dokłada wynik 0% w teście wykraczania poza zakres zadania, co realnie otwiera drogę do wdrożeń produkcyjnych. Dla firm oznacza to, że automatyzacja pracy biurowej, obsługi CRM czy przygotowania dokumentacji przestaje być pilotażem, a zaczyna być pozycją w kalkulacji ROI. Warto już teraz przeanalizować, które procesy w Twojej organizacji generują najwięcej powtarzalnych godzin — bo próg opłacalności ich automatyzacji właśnie znacząco się obniżył.
Źródło: OpenAI — GPT-6 Astra: A new generation of intelligence
