GPT-6 Astra: najlepszy model OpenAI zachwyca możliwościami agentowymi

GPT-6 Astra to najlepszy i najbardziej wszechstronny model, jaki OpenAI dotąd udostępniło. Łączy okno kontekstowe 1,05 mln tokenów z rekordowymi wynikami w obsłudze komputera, programowaniu agentowym, pracy profesjonalnej, nauce i cyberbezpieczeństwie. Najgłośniejszy rezultat 99,9% w ARC-AGI-3 pokazuje nie tylko siłę samego modelu, ale też przewagę kompletnego stosu agentowego OpenAI.

Premiera z 3 września 2026 r. przynosi przede wszystkim skok w wykonywaniu realnej pracy. Astra nie tylko odpowiada, lecz utrzymuje cel w długich zadaniach, sprawniej używa narzędzi i potrafi działać w profesjonalnych aplikacjach. Pierwsi użytkownicy i partnerzy opisują wyraźną poprawę jakości, niezawodności oraz samodzielności. Węższe indeksy ogólnej inteligencji nie zawsze pokazują równie dużą przewagę, ale całość wyników i relacji z praktycznych testów uzasadnia pozycjonowanie Astry jako nowego modelu numer jeden OpenAI.

GPT-6 Astra w skrócie

• OpenAI ogłosiło GPT-6 Astra 3 września 2026 r.
• Model przyjmuje tekst i obrazy, generuje tekst, ma 1 050 000 tokenów kontekstu i limit odpowiedzi 128 000 tokenów.
• W API kosztuje 10 USD za 1 mln tokenów wejścia i 50 USD za 1 mln tokenów wyjścia — 2,5 raza więcej niż GPT-5.6 Sol.
• W ARC-AGI-3 uzyskał 62,7% w Standard harness oraz 99,9% z Provider Adapter.
• OpenAI nazywa Astrę swoim najlepszym modelem do obsługi komputera i programowania; wyniki producenta pokazują nowe rekordy m.in. w AutomationBench, Terminal-Bench 4.0 i BenchCAD.
• W niezależnym Artificial Analysis Intelligence Index zdobył 61 punktów, tyle samo co GPT-5.6 Sol przy maksymalnym wysiłku rozumowania.
• Najmocniejsze zdolności cybernetyczne będą objęte ograniczeniami, ponieważ Astra jako pierwszy model OpenAI osiągnęła firmowy próg Critical.
• OpenAI nie ujawniło liczby parametrów, architektury, składu danych treningowych ani pełnego kosztu treningu.

Premiera zaczyna się od ograniczonego dostępu

Zgodnie z oficjalną dokumentacją GPT-6 Astra wdrożenie zaczyna się od firm uczestniczących w Trusted Access Program. Dostęp przez API oraz w planach ChatGPT Plus, Pro, Business i Enterprise ma rozszerzać się w kolejnych dniach. Nie oznacza to, że 4 września model jest już widoczny na każdym koncie lub dostępny bez ograniczeń w każdym regionie.

W API identyfikatorem modelu jest gpt-6-astra. Astra obsługuje poziomy wysiłku rozumowania od low do max, ale nie publiczne ustawienie none. Może działać przez Responses API i Chat Completions, jednak przewodnik OpenAI wskazuje Responses API jako właściwą ścieżkę dla narzędzi i pracy agentowej.

Największa zmiana dotyczy agentów i obsługi komputera

OpenAI przedstawia Astrę jako model do złożonych przepływów obejmujących przeglądarkę, kod, dokumenty, arkusze i profesjonalne oprogramowanie. Nowości w API dobrze pokazują ten kierunek. Asynchroniczne wywołania narzędzi pozwalają modelowi kontynuować niezależną część pracy, gdy aplikacja czeka na wynik zewnętrznego narzędzia. Sterowanie w trakcie odpowiedzi umożliwia zaś przekazanie korekty bez porzucania ukończonej części zadania.

To ważniejsze niż kolejny wzrost wyniku w pojedynczym teście pytań i odpowiedzi. W praktycznym agencie koszt i niezawodność zależą od tego, czy model utrzymuje cel przez dziesiątki kroków, umie poprawić plan po błędzie i nie gubi granic zadania. Astra wyraźnie poprawia właśnie te cechy: w OSWorld 2.0 zdobyła 72,6% wobec 65,7% Sola, wykonując zadanie w około 40 zamiast 75 minut, a w Mind2Web nowy model z ulepszonym środowiskiem Codex kończy zadania 1,9 raza szybciej.

Astra jest następcą rodziny, której pozycjonowanie opisywaliśmy przy premierze GPT-5.6 Sol, Terra i Luna. Tym razem OpenAI nie proponuje trzech poziomów cenowych. GPT-6 Astra jest jednym drogim modelem flagowym, przeznaczonym do najtrudniejszych zadań od początku do końca.

99,9% w ARC-AGI-3 — wynik modelu i infrastruktury

W oficjalnym komunikacie premierowym OpenAI eksponuje 99,9% w ARC-AGI-3. ARC Prize opublikowało pełniejszy obraz: w neutralnym Standard harness Astra przy poziomie max zdobyła 62,7%, a ewaluacja kosztowała 26 098 USD. Wynik 99,9% uzyskała przy high z Provider Adapter, za 18 817 USD.

Przykład zadania ARC-AGI-3

Różnica nie musi oznaczać manipulacji. Dwa środowiska odpowiadają na inne pytania. Standard harness porównuje modele przez wspólny, minimalny interfejs i pozwala im przenosić tylko jawne notatki. Provider Adapter korzysta z mechanizmów OpenAI: zachowuje niejawny stan rozumowania między wywołaniami i używa kompakcji długiego kontekstu. W parach zadań rozwiązanych przez obie konfiguracje adapter był około 3,66 raza szybszy i zużył 49% mniej tokenów.

To mocny argument za Astrą jako kompletnym systemem agentowym. Właśnie taki system dostaje użytkownik: model, pamięć, narzędzia i środowisko pracy. ARC Prize nazwało Astrę najlepszym modelem, jaki organizacja dotąd testowała, i odnotowało osiągnięcie ludzkiej efektywności działania na 96% poziomów. Jednocześnie organizacja zaznacza, że saturacja ARC-AGI-3 nie jest sama w sobie dowodem osiągnięcia AGI.

Najlepszy w praktyce, choć indeksy mierzą różne rzeczy

Artificial Analysis pokazuje, dlaczego Astrę warto oceniać szerzej niż przez jedną liczbę. W Intelligence Index v4.1.1 model przy maksymalnym wysiłku zdobył 61 punktów, niemal tyle samo co GPT-5.6 Sol i mniej niż Claude Fable 5.1 z fallbackiem. W Coding Agent Index uzyskał natomiast 67 punktów przy około trzykrotnie mniejszym zużyciu tokenów niż Sol. Ten indeks nie obejmuje pełnej obsługi komputera, pracy w aplikacjach ani wszystkich nowych mechanizmów pamięci, które stanowią główną przewagę Astry.

Najbardziej przekonujący postęp dotyczy efektywności wykonywania długich zadań. W benchmarku agentów kodujących Astra zużyła około jednej trzeciej tokenów Sola, a w firmowych testach OpenAI osiągnęła 41,4% w AutomationBench wobec 18,1% Sola oraz 57,9% w Terminal-Bench 4.0 wobec 37,3%. Pojedyncze regresje w testach GDPval-AA v2, tau3-Banking, SciCode i rozumienia długich dokumentów są ważne przy wyborze modelu do konkretnego procesu, lecz nie zmieniają ogólnego obrazu: Astra jest dziś najmocniejszym systemem OpenAI do wieloetapowej pracy.

Pierwsi użytkownicy są pod wielkim wrażeniem

Benchmarki dobrze tłumaczą premierę, ale równie ważne są pierwsze doświadczenia z prawdziwych zadań. Matt Shumer po testach opisał Astrę jako model, który ponownie przekonał go do ekosystemu OpenAI i stał się jego codziennym wyborem. W szczegółowej relacji z użytkowania zwrócił uwagę na rozumienie dużych baz kodu, utrzymywanie ciągłości pracy oraz gotowość do samodzielnego używania komputera. Jako przykład podał naprawę niedziałającej usługi agentowej na podstawie dwuwyrazowego polecenia, wykonaną podczas jego nieobecności.

Podobny ton mają wczesne wypowiedzi partnerów OpenAI. Cognition informuje o najlepszym wyniku w swoich testach i lepszym rozumieniu kodu, Harvey o jakości analiz prawnych przypominającej pracę uważnego prawnika, Jane Street o kodzie wymagającym mniej iteracji przed wdrożeniem, a Lovable o wyraźnej przewadze nad GPT-5.6 Sol. Higgsfield wskazuje przy tym do 20% mniej tokenów w najtrudniejszych workflow przy wyższej jakości wyników. Są to testy partnerów, a nie niezależny ranking, ale zgodność obserwacji z wielu różnych zastosowań jest znacząca.

Także pierwsze relacje społeczności Codex opisują możliwości Astry jako „pretty wild” i porównują ją korzystnie z Claude Fable 5.1. Próba jest jeszcze mała i będzie wymagała dłuższej obserwacji, lecz wrażenie użytkowników jest wyjątkowo spójne: model rzadziej potrzebuje prowadzenia za rękę i częściej dowozi gotowy rezultat.

Cena GPT-6 Astra: drogie tokeny, czasem tańsze zadanie

Według cennika API obowiązującego 4 września 2026 r. Astra kosztuje 10 USD za milion tokenów wejściowych, 1 USD za odczyt danych z cache, 12,50 USD za zapis do cache i 50 USD za milion tokenów wyjściowych. To 2,5-krotność stawek GPT-5.6 Sol, który kosztuje odpowiednio 4 i 20 USD za wejście i wyjście.

Próg 272 tys. tokenów łatwo przeoczyć. Po jego przekroczeniu podwyższone stawki obejmują cały request, a nie tylko nadwyżkę. Milion tokenów wejścia i 100 tys. tokenów odpowiedzi kosztowałoby więc w trybie Standard około 27,50 USD, nie 15 USD. Duże okno kontekstowe nie jest darmowym magazynem dokumentów.

Z drugiej strony cena tokenu nie jest ceną ukończonej pracy. Jeżeli agent rozwiązuje zadanie w jednej trzeciej tokenów i mniejszej liczbie prób, droższy model może kosztować podobnie lub mniej. W Terminal-Bench 4.0 OpenAI szacuje koszt zadania Astry na około 9% niższy niż Sola i 63% niższy niż Claude Fable 5.1. Wyniki Artificial Analysis potwierdzają podobny efekt dla kodowania agentowego. Dlatego Astra może być najlepszym wyborem także ekonomicznie tam, gdzie liczy się koszt gotowego rezultatu, a nie cena pojedynczego tokenu.

Jak szkolono Astrę i czego OpenAI nie ujawniło

Oficjalny opis mówi o połączeniu pretrainingu, reinforcement learning i technik alignment. Według relacji Axios z briefingu OpenAI był to największy trening firmy, wykorzystujący ponad 100 tys. GPU w centrum Stargate w Teksasie. Inne modele miały po raz pierwszy odgrywać znaczącą rolę w nadzorowaniu treningu Astry.

To nadal za mało, by rzetelnie opisać architekturę. OpenAI nie podało liczby parametrów całkowitych i aktywnych, rodzaju architektury, składu danych, liczby tokenów treningowych, dokładnego podziału etapów ani kosztu. Astra nie jest modelem open source ani open weights. Nie można jej uruchomić na własnej infrastrukturze na podstawie publicznie dostępnych wag.

Krytyczne zdolności cyber i ograniczony dostęp

Astra jako pierwszy model OpenAI osiągnęła poziom Critical dla cyberbezpieczeństwa w firmowym Preparedness Framework. Oficjalny przegląd bezpieczeństwa wiąże ten próg ze zdolnością do pracy nad nowymi podatnościami i łańcuchami exploitów w utwardzonych systemach na poziomie wymagającym dodatkowych zabezpieczeń. Najsilniejsze funkcje cyber nie będą po prostu dostępne każdemu użytkownikowi publicznego API.

To kontynuacja historii, którą opisywaliśmy, gdy OpenAI wstrzymało część treningu RL Astry. Firma zaostrzyła izolację, monitoring i kontrole wdrożeniowe również po incydencie z agentem testowanym przy infrastrukturze Hugging Face. Publiczna Astra ma silniejsze zabezpieczenia niż model używany w najbardziej agresywnych testach, dlatego wyniku 100% w ExploitBench nie należy czytać jako obietnicy nieograniczonego „hakowania z promptu”.

Czy GPT-6 Astra to AGI?

Greg Brockman powiedział dziennikarzom, że osobiście widzi możliwość uznania Astry za początek ery AGI. To opinia kierownictwa firmy, a nie rozstrzygnięcie naukowe. Najmocniejszy kontrargument pochodzi z samego ARC Prize: organizacja uważa wynik za istotny krok w generalizacji, ale przypomina, że ARC-AGI-3 bada ograniczony zestaw interaktywnych, zamkniętych środowisk.

Najuczciwszy opis jest jednocześnie bardzo mocny: GPT-6 Astra to najlepszy model OpenAI i jeden z najsilniejszych dostępnych systemów agentowych. Jego przewaga wynika z połączenia rozumowania, pamięci, narzędzi i infrastruktury do długiej pracy, a nie z wygrania każdej możliwej tabeli. „AGI” pozostaje interpretacją, ale praktyczny skok możliwości jest dobrze widoczny.

Co realnie zmienia premiera

Dla twórców agentów Astra przesuwa punkt ciężkości z jakości pojedynczej odpowiedzi na niezawodność całego procesu. Asynchroniczne narzędzia, sterowanie w trakcie działania i ogromny kontekst mogą skrócić workflow, które wcześniej wymagały ręcznego dzielenia zadań. Najwięcej zyskają prawdopodobnie programowanie, analiza dokumentów, praca badawcza i obsługa profesjonalnych aplikacji.

Dla prostego czatu, krótkiego podsumowania lub masowego przetwarzania tekstu tańsze modele nadal mogą wystarczyć. Astra pokazuje jednak, że przy złożonym zadaniu wysoka cena tokenu nie przesądza o koszcie końcowym: lepsza skuteczność, mniejsza liczba prób i krótsze odpowiedzi potrafią odwrócić rachunek. Milion tokenów kontekstu ma sens właśnie wtedy, gdy system umie wykorzystać go do ukończenia pracy.

GPT-6 Astra zasługuje więc na miano najlepszego modelu OpenAI. Rekord 99,9% w ARC-AGI-3, ponad dwukrotna przewaga nad Solem w AutomationBench, wyraźny skok w pracy na komputerze oraz entuzjastyczne relacje pierwszych użytkowników składają się na wyjątkowo spójny obraz. To nie tylko lepszy chatbot, lecz system zdolny przejąć długi, wieloetapowy proces i doprowadzić go do gotowego rezultatu. Właśnie ta samodzielność jest najważniejszą zmianą generacji GPT-6.