GPT-6 Astra для разработчиков: использование компьютера, цены и изменения в API

Каждые несколько месяцев объявляются новые модели с теми же фразами о том, что они меняют всё, но это обычно преувеличение. GPT-6 Astra — один из редких случаев, когда такое утверждение имеет основания. Речь не идёт о лучших эссе или более сложных математических задачах, хотя, по сообщениям, модель действительно способна на это. Главное преимущество заключается в том, что модель может управлять компьютером так же, как человек: открывать браузер, заполнять формы, отлаживать код в терминале, даже проектировать печатные платы и выполнять всю работу без постоянного контроля со стороны человека.

В этой статье рассматривается, что такое Astra, какие изменения происходят при использовании API OpenAI и как она сравнивается с Claude и Gemini. Последняя часть особенно важна, если вы готовитесь к собеседованиям по теме искусственного интеллекта, поскольку от вас будет ожидаться знание всей области, а не только одного поставщика решений.

Что такое Astra

GPT-6 Astra — это новый флагманский продукт OpenAI, представленный как самая умная и наилучшим образом сбалансированная модель, когда-либо выпущенная компанией. Релиз происходит поэтапно: сначала получают доступ отдельные организации, затем пользователи ChatGPT Plus, Pro, Business и Enterprise. Также модель доступна через API OpenAI, Microsoft Azure и AWS Bedrock.

В API её выбирают по этому имени модели:

model = "gpt-6-astra"

В стандартном режиме стоимость составляет 10 долларов за каждый миллион входных токенов и 50 долларов за каждый миллион выходных токенов. «Быстрый режим» стоит в два раза дороже, но обеспечивает примерно в два раза более высокую скорость.

В пресс-релизе доминируют два понятия: интеллект и сбалансированность. Интеллект означает более высокие результаты в тестах на сложное рассуждение и программирование. Сбалансированность подразумевает, что модель действует в пределах установленных ограничений и реже делает что-то, чего от неё не просили. Как покажет следующий раздел, сбалансированность оказывается важнее, чем кажется.

Почему использование компьютера — это настоящая новость

Типичный LLM, будь то GPT-4, GPT-5 или большинство моделей, с которыми вы сталкивались до сих пор, является чат-партнером. Вы вводите вопрос, и он пишет ответ. Он не может открыть вкладку, нажать кнопку или проверить, корректно ли выполняется написанный им код.

Модель с агентными возможностями, предназначенная для использования на компьютере, устраняет этот барьер. Она может:

• Просматривать веб-страницы и самостоятельно навигировать по сайтам
• Подавать формы, редактировать записи в CRM, организовывать календарь
• Писать программы, запускать их в терминале, анализировать отчеты об ошибках и исправлять их
• Читать скриншот рабочего стола и определять, где следует нажать дальше
• Управлять специализированным программным обеспечением, таким как Excel, Blender, KiCad (дизайн схем) и Unreal Engine

Именно скорость делает его практичным инструментом. В тесте OSWorld 2.0, который измеряет время выполнения реальных компьютерных задач моделью, Astra потребовала примерно на 47% меньше времени, чем её предшественник GPT-5.6 Sol. Она достигла точности 72,6% за примерно 40 минут на задачу, тогда как GPT-5.6 Sol показал точность 65,7% за примерно 75 минут.

Подумайте о той работе, которую он может заменить: младший аналитик, вводящий вручную 50 записей в CRM, инженер по контролю качества, просматривающий каждую страницу сайта, студент, отправляющий одну и ту же государственную форму пять раз из-за опечатки. Вот цель — не творческое мышление, а просто утомительная работа, которую кто-то должен выполнить до конца.

В нем также объясняется причина особого внимания к соблюдению заданных рамок. Модель, которая может только говорить, причиняет небольшой ущерб при неправильном понимании ваших запросов. Однако модель, способная нажимать кнопки и запускать код на вашем устройстве, может нанести реальный вред. Поэтому в описании уделяется много внимания тому, как Astra соблюдает пределы своих задач. В одном внутреннем тесте на сложной задаче предыдущая версия GPT-5.6 Sol превышала установленные рамки в 48% случаев, тогда как Astra — ни разу.

Критерии оценки

Критерии оценки — это стандартизированные тесты для моделей, аналогичные тестам LeetCode на знание структур данных и алгоритмов. Каждый из них оценивает разные навыки, и для понимания некоторых показателей Astra необходим контекст.

ARC-AGI-3 разработан с учетом необходимости избегания запоминания информации, и, по сообщениям, Astra достигла уровня эффективности человека на 96% уровней этого теста. В области математики она, как утверждается, помогла уточнить границы расстояний между простыми числами, которые не менялись более 80 лет.

ExploitBench также заслуживает более внимательного рассмотрения. 100-процентный результат в обнаружении и использовании уязвимостей безопасности помогает защитникам быстрее устранять их, но он опасен в неправильных руках. Именно поэтому при запуске OpenAI ограничил некоторые функции кибербезопасности Astra. Доступ исключительно в защитных целях постепенно открывается через программу под названием OpenAI Daybreak.

Что меняется в вашем коде

Если вы уже используете API OpenAI, переход на Astra в основном подразумевает изменение всего одной строки кода. Способ использования меняется только в том случае, если вы хотите воспользоваться функциями агента.

Базовый вызов выглядит так же, как и у любой модели GPT:

from openai import OpenAI
client = OpenAI()  # reads OPENAI_API_KEY from environment
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Explain what a REST API is in 3 lines."}
    ]
)
print(response.choices[0].message.content)

Ничего нового. Для обычного чата Astra представляет собой простое обновление.

Настоящие изменения происходят, когда вы предоставляете ему инструменты и позволяете ему вести себя как агент, самостоятельно выбирая, какой инструмент использовать и когда, вместо того чтобы вы сами закодировали эту логику. Вот упрощенная версия такой структуры:

from openai import OpenAI
client = OpenAI()
tools = [
    {
        "type": "function",
        "function": {
            "name": "run_python_code",
            "description": "Executes a Python snippet and returns the output",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {"type": "string", "description": "Python code to run"}
                },
                "required": ["code"]
            }
        }
    }
]
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "user", "content": "Write and test a function that reverses a string, then tell me if it works."}
    ],
    tools=tools,
    tool_choice="auto"  # model decides on its own whether to call the tool
)
message = response.choices[0].message
if message.tool_calls:
    for call in message.tool_calls:
        print("Model wants to call:", call.function.name)
        print("With arguments:", call.function.arguments)
else:
    print(message.content)

Важной частью кода является строка tool_choice="auto". Вы не приказываете модели сразу выполнять код — вы предоставляете ей возможность самой решить, что проверка функции — правильный следующий шаг, как это сделал бы разработчик. Если повторять такие решения в течение множества итераций, когда модель составляет код, выполняет его, сталкивается с ошибкой, исправляет её и пробует снова, то это и есть практическое воплощение концепции «агентности».

Ещё одна важная функция — это возможность создания долгосрочных агентов. Astra добавляет в Codex функцию «заметки между окнами контекста». Вместо того чтобы снова и снова подводить итоги длительной процедуры отладки, теряя при этом детали, агент может хранить поисковые заметки и вызывать предыдущий контекст при необходимости. Это особенно важно, если агент работает часами, а не секундами.

Astra, Claude и Gemini рядом друг с другом

Ожидайте вопроса «Какую модель вы бы выбрали для X?» на собеседовании по генеративному ИИ. Это сравнение взято из опубликованной самой OpenAI таблицы тестовых показателей, поэтому независимые цифры могут немного отличаться. В практическом плане:

• Для агентных рабочих процессов, связанных с работой компьютера, таких как заполнение форм, автоматизация браузера и тестирование качества, в настоящее время лидирует Astra.
• Для помощи в программировании Astra и Claude находятся примерно на одном уровне. Выбирайте в зависимости от уже имеющихся у вас инструментов: Claude подходит к Claude Code, а Astra — к Codex.
• Для обычного чат-расчета все три модели достаточно хороши, поэтому более важны навыки формулировки запросов и настройка инструментов, чем сама модель.

Предположим, вы проходите собеседование на должность в сфере финтеха в такой компании, как Razorpay или Paytm. То, кто победит в этом сравнении, имеет меньшее значение, чем три других вопроса: сможет ли решение беспроблемно интегрироваться в вашу текущую технологическую стек, каковы будут затраты при таком объеме работы и насколько надежно оно соблюдает правила безопасности при работе с деньгами и данными пользователей.

Что делать с этой информацией, если вы ищете работу

Для студентов, стремящихся получить должности в области SDE или генеративного ИИ, важно понимать, что компании переходят от концепции «LLM отвечает на вопросы» к концепции «LLM выполняет задачи полностью самостоятельно». Это и есть сдвиг к агентному подходу. Если вы сможете объяснить это на собеседовании, вы будете впереди многих кандидатов, которые использовали ChatGPT только в качестве чат-бота:

• Разница между чат-моделью и агентной или моделью для работы с компьютером
• Как на самом деле происходит вызов инструментов, помимо простого знания о их существовании

Почему согласованность и ограничения становятся ещё важнее по мере повышения автономности моделей

Не ограничивайтесь только чтением об Astra. Создайте небольшой агент с использованием описанного выше паттерна вызова инструментов, даже что-то простое, например агент, который проверяет, доступен ли веб-сайт, и отправляет вам электронное письмо, если он недоступен. Именно такие практические знания проявляются на собеседованиях.

Односложная версия, которую можно произнести вслух: индустрия перешла от ответов на вопросы к выполнению работы.