GPT-6 Astra: OpenAI stawia na pracę na komputerze
4 min czytaniaNajciekawsza w tej premierze nie jest kolejna tabela z wynikami testów, tylko przesunięcie punktu ciężkości. Model przestaje być traktowany jako maszyna do pisania odpowiedzi, a zaczyna być opisywany jako narzędzie, które samo klika, wypełnia i sprawdza.
W materiale OpenAI pada zdanie: „Przedstawiamy GPT-6 Astra, najinteligentniejszy i najlepiej dopasowany model na świecie” (w oryginale: „the world’s most intelligent and aligned model”). Model osiąga najnowszy stan wiedzy w obsłudze komputera, przeglądaniu stron, inżynierii oprogramowania, cyberbezpieczeństwie, nauce i pracy zawodowej.
Lista zadań, które opisano jako możliwe do przekazania modelowi, jest bardzo przyziemna: wypełnianie formularzy online, aktualizowanie rekordów klientów w systemie CRM i porządkowanie kalendarza. Do tego dochodzi prowadzenie badań w sieci i przygotowywanie podsumowań w kliencie poczty albo w edytorze tekstu.
W obszarze pracy zawodowej Astra ma trzymać się istniejących szablonów oraz tworzyć dokumenty, prezentacje, arkusze i analizy zgodne z Twoim stylem pisania i wizualnym stylem. Model jest też trenowany, by wciągać do wyników wyłącznie kontekst, który ma znaczenie, zamiast powtarzać informacje zbędne dla danego zadania.
Osobny wątek dotyczy zachowania modelu przy trudnych poleceniach. Powstała nowa ocena sprawdzająca, czy model postawiony przed trudnym lub niemożliwym zadaniem wyjdzie poza zamierzony zakres. GPT-5.6 Sol bez zabezpieczeń produkcyjnych wychodził poza autoryzowany cel w 48% przypadków, a GPT-6 Astra zrobił to w 0% przypadków.
Wyniki testów porównawczych podano wraz z kosztami. Na Terminal-Bench Science 0.1 Astra uzyskuje 64,6% wobec 52,6% dla Claude Fable 5.1, przy około 31% niższym szacowanym koszcie API. Na Agents’ Last Exam model osiąga 59,3% wobec 55,5% dla Claude Opus 5 i 53,6% dla GPT-5.6 Sol, zużywając przy tym o około 65% mniej tokenów wyjściowych niż Opus 5.
Do premiery dołączono komentarze firm, które testowały model wcześniej. Greg Kamradt z ARC Prize Foundation stwierdził: „Na ARC-AGI-3 Astra przekroczyła nasz ludzki punkt odniesienia efektywności działania na 96% poziomów, faktycznie osiągając ludzki poziom w tym teście”.
Alex Mashrabov, prezes i współzałożyciel Higgsfield AI, ujął to od strony kosztów: „Astra daje nam znaczącą przewagę zarówno w możliwościach, jak i w efektywności. Skutecznie wykonuje nasze najbardziej złożone kreatywne przepływy pracy, zużywając nawet o 20% mniej tokenów niż inne modele, które testowaliśmy”.
Co to znaczy dla Twojej firmy
Jeżeli w Twojej firmie ktoś co tydzień przepisuje dane między systemami, uzupełnia kartoteki klientów albo składa te same raporty z tych samych źródeł, to właśnie ta warstwa pracy staje się celem nowych modeli. Różnica wobec poprzednich generacji polega na tym, że narzędzie ma nie tylko podpowiedzieć treść, ale wykonać kroki w aplikacji lub przeglądarce.
To nie znaczy, że da się od razu oddać modelowi obsługę procesu i przestać patrzeć. Rozsądniej wybrać jedno powtarzalne zadanie o niskim ryzyku, zmierzyć, ile czasu zajmuje dziś, i porównać z wersją z asystentem. Dopiero taka liczba pozwala rozmawiać o opłacalności, bo koszt użycia najmocniejszych modeli w produkcji potrafi zjeść całą oszczędność.
Warto też pamiętać, że materiał premierowy to opis możliwości mierzonych na testach porównawczych, a nie obietnica wyniku w Twoich dokumentach i w języku polskim. Weryfikacja na własnych plikach jest tutaj jedynym uczciwym testem.
Dla praktyka
Model rozpoczął wdrażanie od ograniczonego zestawu organizacji, a w kolejnych dniach ma być dostępny dla wszystkich użytkowników ChatGPT Plus, Pro, Business i Enterprise oraz przez OpenAI API, Microsoft Azure i AWS Bedrock. Jeśli korzystasz z planu firmowego, sprawdź panel administratora - dostęp do nowych modeli bywa na starcie wyłączony i wymaga ręcznego włączenia dla zespołu.
Co realnie przetestować w pierwszej kolejności:
- przygotowanie prezentacji na bazie kilku slajdów z Twojego szablonu - model ma trzymać układ i ton wzorca;
- uzupełnianie i porządkowanie rekordów w CRM oraz wypełnianie formularzy online;
- research w sieci zakończony podsumowaniem w edytorze tekstu lub w mailu;
- analiza danych i wygenerowanie wykresów, a przy pracy nad stroną - kontrola jakości elementów interfejsu.
Czego nie robić: nie dawaj asystentowi dostępu do skrzynki, CRM-u i systemu księgowego na jednym koncie z pełnymi uprawnieniami. Skoro narzędzie wykonuje działania, a nie tylko generuje tekst, potrzebujesz osobnych kont z wąskim zakresem uprawnień, zapisu wykonanych czynności i punktów, w których człowiek zatwierdza krok przed jego wykonaniem.
Nie ustawiaj też najdroższego modelu jako domyślnego dla całego zespołu. Do prostych zadań tekstowych to strata budżetu, a różnicę widać dopiero przy wieloetapowej pracy na plikach i w przeglądarce. Jeżeli używasz AI w procesach dotyczących klientów, rekrutacji, spraw prawnych lub finansów, sprawdź wcześniej wymogi dokumentacyjne wynikające z unijnych przepisów o sztucznej inteligencji.