3 сентября 2026 года OpenAI выпустила GPT-6 Astra и назвала ее «самой умной и самой согласованной моделью в мире». Президент компании Грег Брокман сформулировал это еще резче: «Добро пожаловать в эру AGI». Формулировки маркетинговые, а вот цифры под ними – вполне конкретные, и по ним видно, что прыжок действительно есть, но не там, где его ждали.
Ниже взвешенный обзор без лишнего восхищения: что Astra умеет делать лучше предыдущей версии, где она обходит Claude и Gemini, где проигрывает, сколько стоит и кому переходить прямо сейчас. Все числа взяты из официальной таблицы бенчмарков OpenAI и перепроверены по независимым разборам.
Коротко: главное про GPT-6 Astra
- Дата выхода: 3 сентября 2026 года, раскатка волнами – сначала часть организаций, затем ChatGPT Plus, Pro, Business, Enterprise и API.
- Предыдущая версия: GPT-5.6 Sol. Astra – не обновление, а следующее поколение: крупнейший тренировочный запуск OpenAI на более чем 100 000 GPU в дата-центре Stargate в Техасе.
- Главный прирост: работа с компьютером и агентные задачи. На OSWorld 2.0 – 72,6% против 65,7% у Sol, и задача проходится примерно за 40 минут вместо 75.
- Самые громкие цифры: ARC-AGI-3 – 99,9%, FrontierMath Tier 4 – 97,6%, ExploitBench – 100%.
- Где проигрывает: Humanity's Last Exam – 57,2% против 65,0% у Claude Fable 5.1. В сводном Artificial Analysis Intelligence Index Astra тоже ниже Fable 5.1.
- Цена в API: $10 за миллион входных токенов и $50 за миллион выходных – в 2,5 раза дороже Sol.
- Контекст: до 1 млн токенов, с сохранением качества на дальнем конце окна.
Разрыв между поколениями удобнее всего читать именно так: на привычных академических тестах прирост в единицы процентов, а на агентных и научных задачах – кратный.
Что такое GPT-6 Astra
Astra – флагманская модель OpenAI шестого поколения, пришедшая на смену линейке GPT-5.x. В отличие от прошлых релизов, вариантов у нее пока два: обычная Astra и Astra Pro. Отдельных Luna, Terra или Sol в этом поколении не анонсировали.
Технически это самый большой тренировочный запуск в истории компании и первая модель OpenAI, обучение которой в значительной степени контролировали предыдущие модели – то есть ИИ участвовал в подготовке следующего ИИ. Обучение шло на инфраструктуре Stargate в Техасе, задействовано более 100 тысяч ускорителей.
Позиционирование сместилось. GPT-5.x продавали как «умного собеседника и помощника по тексту». Astra продают как исполнителя: модель, которая сама водит мышкой по интерфейсу, доводит многошаговую задачу до конца и отдает готовый документ, а не черновик.
Чем GPT-6 Astra лучше GPT-5.6 Sol
Разберем по направлениям – от того, где разница заметна невооруженным глазом, к тому, где она видна только в цифрах.
1. Работа с компьютером: главный прорыв
Это то, ради чего Astra делалась. Модель управляет реальными приложениями – открывает программы, кликает по меню, заполняет формы, переносит данные между окнами.
| Бенчмарк | GPT-6 Astra | GPT-5.6 Sol | Claude Opus 5 |
| Agents' Last Exam | 59,3% | 53,6% | 55,5% |
| OSWorld 2.0 | 72,6% | 65,7% | 70,2% |
| ScreenSpot-Pro (без инструментов) | 92,7% | 76,9% | – |
Важнее процентов здесь скорость. На OSWorld Astra проходит задачу примерно за 40 минут против 75 минут у Sol – это 47% экономии времени. А вместе с обновленной обвязкой Codex на бенчмарке Mind2Web задачи закрываются в 1,9 раза быстрее, чем в текущем опыте с GPT-5.6.
Разница между «модель справляется за час» и «модель справляется за полчаса» – это разница между демонстрацией и рабочим инструментом. Часовую задачу проще сделать руками, чем ждать.
График с презентации OpenAI показывает не только результат, но и цену за него: синяя линия Astra идет выше и левее – выше точность при меньшей стоимости прогона. На максимальных настройках Astra тратит примерно на 65% меньше выходных токенов, чем Claude Opus 5 при более высоком результате.
2. Профессиональная работа: документы, таблицы, презентации
Второе направление, куда вложились целенаправленно. Формулировка OpenAI – модель «следует существующим шаблонам»: не выдает универсальный черновик, а собирает документ в вашем корпоративном формате.
| Бенчмарк | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 |
| AutomationBench (офисная автоматизация) | 41,4% | 18,1% | 31,4% |
| BenchCAD (3D-модель из рендеров) | 95,9% | 83,3% | 84,3% |
| BrowseComp (поиск в вебе) | 91,5% | 90,4% | – |
| Внутренние задачи по анализу данных | 40,9% | 30,5% | – |
Рост на AutomationBench в 2,3 раза – самый большой скачок среди «офисных» тестов. Это как раз рутина вроде «перенеси данные из выгрузки в CRM» и «заполни двадцать однотипных форм».
BenchCAD – тест на восстановление трехмерного объекта по рендерам через генерацию CAD-кода. Здесь интересна не столько точность, сколько цена: по оценке OpenAI, прогон обходится примерно на 43% дешевле, чем у Sol, и на 86% дешевле, чем у Claude Fable 5.1.
На презентации показали и практический сценарий: разводку печатной платы в KiCad – модель превращает электрическую схему в производимую плату, расставляя компоненты и разводя медные дорожки.
3. Код: прирост есть, но лидерство спорное
В программировании Astra тоже выросла, однако именно здесь конкуренты держатся ближе всего.
| Бенчмарк | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
| Terminal-Bench 4.0 | 57,9% | 37,3% | 55,8% | 52,3% |
| DeepSWE v1.1 | 74,1% | 72,7% | 67,4% | 73,7% |
| FrontierCode 1.1 Main | 53,3% | 47,5% | 50,9% | 53,4% |
| Внутренние задачи миграции БД | 63,9% | 42,7% | 57,8% | – |
Terminal-Bench 4.0 вырос в полтора раза – это реальный скачок в агентной работе с терминалом. А вот на DeepSWE отрыв от Claude Opus 5 составляет 0,4 процентного пункта, и модель Meta Muse Spark 1.3 на максимальном режиме рассуждений выдает 75,4% – то есть обходит Astra. На FrontierCode Main Opus 5 буквально на десятую долю впереди.
Практический вывод: если у вас уже настроен рабочий процесс на другой модели для кода, одного релиза Astra недостаточно, чтобы все переносить. Подробнее про выбор модели под задачи разработки – в разборе нейросетей для программирования.
4. Наука и математика: местами насыщение бенчмарков
Здесь цифры выглядят почти неприлично высокими.
| Бенчмарк | GPT-6 Astra | GPT-5.6 Sol | Лучший из Claude |
| FrontierMath Tier 4 | 97,6% | 83,0% | 87,8% |
| Terminal-Bench Science 0.1 | 64,6% | 22,4% | 52,6% |
| GPQA Diamond | 96,0% | 94,6% | 93,7% |
| ARC-AGI-3 | 99,9% | 7,8% | 30,2% |
| ARC-AGI-2 | 95,0% | 92,5% | 90,0% |
Прыжок на ARC-AGI-3 с 7,8% до 99,9% – это не улучшение, это смена категории. Но у него есть важная оговорка, которую OpenAI вынесла в сноску: результат получен со специальной обвязкой, сохраняющей состояние между шагами. В обычных вызовах без такой обвязки результат заметно ниже. Часть исследователей после публикации указала именно на это – цифра честная, но она характеризует связку «модель плюс окружение», а не одну модель.
Terminal-Bench Science проверяет, доводит ли агент до конца исследовательский цикл: анализ данных, запуск симуляций, подгонку моделей. Рост с 22,4% до 64,6% – самый практически значимый результат в научном блоке, потому что это про воспроизводимую работу, а не про решение олимпиадной задачи.
5. Длинный контекст: миллион токенов, который работает
Заявленное окно контекста само по себе мало что значит – важно, насколько модель помнит то, что лежит на дальнем конце. Тест MRCR проверяет именно это: в длинный текст прячут несколько «иголок» и просят их найти.
| Диапазон контекста | GPT-6 Astra | GPT-5.6 Sol |
| MRCR v2, 8 иголок, 256K–512K | 100% | 91,5% |
| MRCR v2, 8 иголок, 512K–1M | 96,3% | 73,8% |
Разница в самой дальней зоне – почти 23 процентных пункта. Для работы с большими кодовыми базами, договорами и архивами переписки это ощутимее, чем плюс два процента на GPQA.
Отдельно появилась работа с заметками: в Codex модель ведет searchable-заметки между окнами контекста вместо того, чтобы сжимать историю. То есть детали не теряются при переходе через границу окна.
6. Меньше выдумок и меньше «читерства»
Самый недооцененный блок релиза. OpenAI отдельно мерила, как часто модель обходит правила, чтобы формально закрыть задачу.
| Метрика (меньше – лучше) | GPT-6 Astra | GPT-5.6 Sol |
| Внутренний тест на галлюцинации | 4,2% | 12,2% |
| Обход ограничений (circumvention) | 0,00% | 0,29% |
| ExploitGym honeypot – попытки «схитрить» | 0,0% | 48,2% |
| Внутренний тест безопасности при работе с ПК | 2,4% | 22,0% |
ExploitGym honeypot – это ловушка: в задачу подкладывают легкий обходной путь, который формально дает результат, но нарушает условия. Sol шел коротким путем почти в половине случаев, Astra не пошла ни разу. Втрое меньше галлюцинаций – тоже прикладной результат: меньше времени уходит на перепроверку.
Честная оговорка от самой OpenAI: рассуждения Astra стало сложнее отслеживать, чем у предыдущих моделей. Модель ведет себя дисциплинированнее, но заглянуть внутрь ее логики труднее.
Сравнение GPT-6 Astra с другими моделями
Теперь к главному вопросу – не «лучше ли Astra предыдущей версии» (лучше), а «лучше ли она конкурентов».
GPT-6 Astra против Claude
Картина неоднородная, и это самое интересное в релизе. Astra уверенно впереди там, где нужно довести многошаговую задачу до конца: AutomationBench, BenchCAD, Terminal-Bench Science, математика. Claude Fable 5.1 остается впереди на Humanity's Last Exam – 65,0% против 57,2%. Это единственный академический тест, который OpenAI не стала упоминать в тексте анонса, хотя в таблицу включила.
Еще один неудобный факт: в сводном Artificial Analysis Intelligence Index v4.1.1 Astra набирает 61,2 против 65,7 у Claude Fable 5.1 и 63,1 у Claude Opus 5. То есть по агрегированной «общей интеллектуальности» независимого рейтинга Astra идет не первой.
Как это читать: Astra – модель-исполнитель, Claude – модель-эрудит. Если задача звучит как «разберись и сделай сам в интерфейсе», выигрывает Astra. Если как «ответь на очень сложный вопрос» – разрыв сокращается или переворачивается. Что умеет линейка Anthropic, разбираем на странице про Claude.
GPT-6 Astra против Gemini
Прямых сравнений мало: в таблице OpenAI из линейки Google присутствует только Gemini 3.8 Flash – быстрая и дешевая модель, а не флагман. Она ожидаемо отстает на агентных тестах (Terminal-Bench 4.0 – 19,1% против 57,9%), но почти догоняет на академических: GPQA Diamond – 95,3% против 96,0% у Astra, DeepSWE v1.1 – 73,8% против 74,1%. Разница в пределах погрешности.
Вывод простой: на массовых задачах разрыв между флагманом за $50 за миллион токенов и быстрой моделью за $3,75 гораздо меньше, чем разница в цене. Сравнение линеек – в обзоре Gemini.
Кибербезопасность: отдельная история
Здесь Astra ушла в отрыв настолько, что OpenAI признала: модель пересекла внутренний порог «Critical» по киберспособностям. ExploitBench – 100% против 78,5% у Sol и 70% у Claude Opus 5, SRE-Bench – 88,0% против 55,9%. В ходе тестов модель нашла две ранее неизвестные уязвимости.
Практическое следствие: наступательные возможности в обычном доступе ограничены. Полный набор выдается только через отдельную программу Daybreak, а обычным пользователям доступна защитная часть – ревью кода и подготовка патчей.
Что Astra показала на презентации
Помимо графиков, OpenAI показала несколько прикладных демонстраций – они лучше объясняют смысл релиза, чем проценты.
Модель собирает дом в Blender и переносит его в проходимую сцену Unreal Engine 5 – заказчик может «пройтись» по планировке до начала строительства. Это не генерация картинки, а работа в профессиональном 3D-пакете через интерфейс.
Гоночная аркада, собранная по описанию: графика, управление, физика движения. Смысл демо – не в игре, а в том, что визуальное качество результата у модели заметно выросло. Через функцию Sites в ChatGPT такие проекты можно сразу разместить и открыть по ссылке.
Третья демонстрация – сборка презентации по нескольким слайдам корпоративного шаблона OpenAI с сохранением верстки и тона. Если вас интересует именно это применение, у нас есть отдельный разбор нейросетей для презентаций.
Сколько стоит GPT-6 Astra
| Модель | Вход, за 1 млн токенов | Выход, за 1 млн токенов |
| GPT-6 Astra | $10 | $50 |
| GPT-5.6 Sol | $4 | $20 |
| Claude Fable 5.1 | $10 | $50 |
| Gemini 3.8 Flash | $0,75 | $3,75 |
Astra в 2,5 раза дороже предыдущего флагмана и стоит ровно столько же, сколько Claude Fable 5.1. Есть режим Fast – ускоренная выдача примерно за двойную цену.
Важный нюанс, который теряется в спорах о цене за токен: Astra тратит меньше выходных токенов на ту же задачу. На агентных сценариях OpenAI показывает экономию до 65% против Claude Opus 5 и до 86% на BenchCAD против Fable 5.1. Поэтому итоговый счет за конкретный рабочий процесс может оказаться ниже, чем у формально более дешевой модели, – считать надо по стоимости решенной задачи, а не по прайсу.
Где доступна GPT-6 Astra
- ChatGPT: тарифы Plus, Pro, Business и Enterprise. Использование входит в лимиты подписки, дополнительные объемы докупаются кредитами.
- Astra Pro: только Pro, Business и Enterprise.
- API OpenAI: идентификатор модели gpt-6-astra.
- Облака: Microsoft Azure и AWS Bedrock.
- Корпоративные аккаунты: на старте модель выключена по умолчанию – включает администратор рабочего пространства.
Для API-клиентов поддерживается Zero Data Retention, а режим Private Safety Processing – усиленный мониторинг безопасности без раскрытия содержимого запросов – пока в тестировании.
В России сервисы OpenAI официально не работают, поэтому доступ обычно получают через посредников. В Aidesk модели ChatGPT открываются на русском без VPN и зарубежной карты – там же появляются новые версии по мере подключения. Предыдущее поколение разобрано на странице GPT-5.6.
Кому есть смысл переходить
Переходить стоит, если ваша работа – это многошаговые операции в интерфейсах: перенос данных между системами, заполнение форм, регулярные отчеты по шаблону, разбор больших массивов документов, работа в CAD и 3D. Здесь разрыв с предыдущим поколением измеряется не процентами, а разами.
Можно не спешить, если вы пишете тексты, переводите, отвечаете на письма и делаете обычные аналитические задачи. На этих сценариях GPT-5.6 Sol отстает незначительно, а стоит в 2,5 раза дешевле. Разница в 1–2 процентных пункта на GPQA не окупает утроения счета.
Стоит сравнить лично, если вы пишете код. Формально Astra впереди, но конкуренты держатся вплотную, а на отдельных бенчмарках обходят ее. Тут решает не таблица, а тест на вашем собственном проекте.
Что в итоге
GPT-6 Astra – это не «модель, которая пишет лучше». Это модель, которая доводит работу до конца сама. Прирост сконцентрирован в трех зонах: управление компьютером, длинные многошаговые задачи и дисциплина исполнения – меньше выдумок, ноль попыток срезать угол.
Одновременно релиз показывает, что эпоха однозначных лидеров закончилась. По сводному индексу независимого рейтинга Astra не первая, на главном академическом тесте проигрывает Claude, на одном из ключевых кодовых бенчмарков – модели Meta. Заголовок «эра AGI» стоит воспринимать как позицию компании, а не как вывод из таблицы.
Практический совет остается прежним: выбирать модель не по громкости анонса, а по своему типу задач. Обзор актуальных моделей и того, что они реально умеют, собран в хабе нейросетей.
Частые вопросы
Когда вышла GPT-6 Astra?
3 сентября 2026 года. Раскатка шла волнами: сначала ограниченный круг организаций, затем – все платные тарифы ChatGPT, API, Azure и AWS Bedrock.
Чем GPT-6 Astra отличается от GPT-5.6?
Главное отличие – работа с компьютером и агентные задачи. На OSWorld 2.0 Astra дает 72,6% против 65,7% и проходит задачу за 40 минут вместо 75. На офисной автоматизации разрыв двукратный: 41,4% против 18,1%. Плюс втрое меньше галлюцинаций и стабильная работа с контекстом до миллиона токенов.
GPT-6 Astra лучше Claude?
Не по всем направлениям. Astra впереди на агентных, офисных и математических тестах. Claude Fable 5.1 выигрывает на Humanity's Last Exam – 65,0% против 57,2% – и опережает Astra в сводном Artificial Analysis Intelligence Index.
Сколько стоит GPT-6 Astra в API?
$10 за миллион входных токенов и $50 за миллион выходных. Это в 2,5 раза дороже GPT-5.6 Sol и столько же, сколько Claude Fable 5.1. Но Astra расходует меньше выходных токенов на задачу, поэтому итоговая стоимость сценария может оказаться ниже.
Правда ли, что GPT-6 Astra – это AGI?
Президент OpenAI Грег Брокман назвал релиз началом «эры AGI», но сам признал, что термин определен нечетко, и оставил оценку пользователям. Цифры показывают сильный, но неравномерный прогресс: рекорды на агентных задачах и одновременно проигрыш конкурентам на части академических тестов.
Какой контекст у GPT-6 Astra?
До 1 млн токенов. На тесте MRCR v2 в диапазоне 512K–1M модель находит 96,3% спрятанной информации против 73,8% у GPT-5.6 Sol.
Что такое GPT-6 Astra Pro?
Более мощная версия модели, доступная на тарифах Pro, Business и Enterprise. Отдельных вариантов вроде Luna, Terra или Sol в шестом поколении не анонсировали.