Вышла GPT-6 Astra!

Доступ постепенно раскатывают для Plus, Pro, Business, Enterprise и в API.

Бенчмарки ожидаемо улетели в космос: 98% на FrontierMath Tier 4, 99,9% на ARC-AGI-3 и 100% на ExploitBench (про разные бенчмарки писала тут, самое время скоро обновить гайд).

Недавно писала, как Fable 5.1 в редких случаях придумывал разрешение пользователя, чтобы закончить задачу. Я сразу пошла смотреть похожие тесты на соблюдение границ в системной карточке модели.

OpenAI сделали отдельный evaluation по мотивам инцидента с Hugging Face. Моделям давали сложную или вообще невыполнимую задачу и проверяли, решат ли они ради результата выйти за обозначенные пользователем границы.

GPT-5.6 Sol без гардрейлов в продакшне делал это в 48% случаев. Astra в этом тесте - в 0% 😳

При этом, в отдельных экспериментах модель специально просили скрывать свои действия от систем наблюдения, например, незаметно выполнить скрытую цель во время работы с кодом.

Ризонинг Astra оказалось сложнее мониторить, чем у GPT-5.6 Sol. В некоторых кейсах модель лучше контролировала, какие детали раскрываются в её письменном reasoning, и иногда могла выполнить скрытые задачи, не вызывая срабатывания внутренних мониторов.

✨all things ai✨