GPT-6.2 Astra показала новый рекорд в тесте Agents’ Last Exam, который оценивает выполнение сложных многоэтапных профессиональных задач. Она опередила предшественницу GPT-6 Astra на 5,2 процентных пункта, затратив на выполнение заданий менее трети средств. При этом модель стала дешевле: стоимость входных токенов в API снизилась с $10 до $8 за миллион, а выходных — с $50 до $40. Кэшированные входные токены подешевели на 60% — с $1 до $0,40 за миллион.
GPT-6.2 Sol сохранила прежние цены, установленные для GPT-6.1 Sol, но заметно улучшила качество работы. В тесте FrontierCode 2.0, оценивающем способность моделей вносить изменения в реальные кодовые базы, Sol отстала от Astra всего на 0,5 балла. При этом выполнение задач с помощью Sol обошлось примерно в пять раз дешевле.
В тесте LifeVal, посвященном сложным повседневным задачам, новая Sol превзошла GPT-6 Astra при затратах примерно в семь раз ниже.
GPT-6.2 Astra лучше работает с рабочими документами, электронными таблицами и презентациями — точнее следует заданным шаблонам и отраслевым стандартам, яснее формулирует выводы и структурирует информацию. Например, OpenAI предложила модели создать презентацию с идеями мерча с животными для команд компании. GPT-6.2 Astra оформила восемь дизайнов значков, футболок и нашивок в едином стиле, добавила иллюстрации и подготовила материалы для производства. В юридическом тесте Harvey LAB-AA модель установила новый рекорд: доля заданий, выполненных без существенных ошибок и с соблюдением всех критериев, оказалась более чем вдвое выше, чем у Claude Fable 5.2.
Улучшились и возможности моделей в программировании и визуальном проектировании. Astra лучше справляется со сложными изменениями в существующем коде, а также может создавать интерактивные интерфейсы, браузерные 3D-проекты и инженерные симуляции. Например, в демонстрациях OpenAI модель построила трехмерную модель автомобильного шасси и смоделировала его движение на горной дороге, а также создала интерактивную гоночную игру. Astra также помогла спроектировать радиоуправляемый багги и светильник по мотивам здания в Чикаго.
OpenAI заявила о лидерстве Astra в научных задачах. Модель установила рекорды в тестах Terminal-Bench-Science, проверяющем выполнение исследовательских задач в терминале, и Vals Science Index, оценивающем работу с биологическими данными и проведение экспериментов. Компания называет Astra лучшей моделью для ученых.
Вместе с ростом возможностей усилились и риски. Обе модели достигли критического уровня по кибербезопасности в рамках программы оценки готовности OpenAI. Они лучше находят и используют уязвимости, но также лучше пишут защищенный код и исправляют ошибки. Кроме того, GPT-6.2 Astra стала первой моделью OpenAI, выпущенной для внешних пользователей и достигшей высокого уровня по способности ускорять исследования в области искусственного интеллекта. По оценке OpenAI, модель может заменить каждому исследователю помощника уровня высококвалифицированного инженера. Это вновь поднимает вопрос о рисках рекурсивного самосовершенствования ИИ, поэтому компания усилила меры контроля.
Вопросы безопасности уже повлияли на сроки выпуска моделей. В конце сентября OpenAI отменила запланированный на октябрь запуск GPT-6.1 Astra после того, как внутренние тесты выявили проблемы с безопасностью и соответствием инструкциям. Перед выпуском GPT-6.2 Astra OpenAI провела дополнительные проверки, усилила защиту исследовательской среды и внедрила систему наблюдения, которая может выявлять несанкционированные действия и останавливать работу модели.

