Новый GPT-6 Astra от OpenAI уже через несколько дней после релиза расколол экспертное сообщество: независимые тестировщики по общей способности к рассуждению поставили его ниже Claude Fable 5.1 от Anthropic.
Главное:
- GPT-6 Astra лидирует в задачах терминальной работы и кибербезопасности, но уступает Claude Fable 5.1 на экспертых бенчмарках рассуждений.
- Artificial Analysis 5 сентября полностью переработала свой Intelligence Index, подняв Astra на четыре пункта — до второго места вслед за Fable 5.1.
- Astra стоит $10 за миллион входных токенов и $50 за миллион выходных — примерно в 6,7 раза дороже Grok 4.6 от xAI.
Заявленные бенчмарки GPT-6 Astra
OpenAI начала поэтапный запуск Astra 3 сентября: сначала доступ получили отдельные корпоративные партнёры, на следующий день — платные подписчики ChatGPT.
Компания назвала Astra «самой интеллектуальной и наиболее выровненной» моделью в мире. Внутренние таблицы действительно подтверждают часть этих заявлений, но не все.
По данным OpenAI, Astra набирает 57,7% на Terminal-Bench 4.0 — тесте по задачам программной инженерии и конфигурации систем. Для сравнения, Claude Fable 5.1 показывает 55,8%, а Gemini 3.8 Flash от Google — лишь 19,1%. В ExploitBench, измеряющем наступательные киберспособности, Astra выбивает 100% — прежний флагман OpenAI останавливался на 78,5%.
Но по другим строкам картина иная. В Humanity's Last Exam с инструментами — наборе экспертных вопросов высокого уровня — Astra показывает 57,2% против 65% у Fable 5.1 и 63,6% у Claude Opus 5. OpenAI подчёркивает, что публикует показатели для «максимально усиленных» настроек, тогда как большинство пользователей сталкиваются с более консервативной конфигурацией в продукте.
Также по теме: Держал биткоин на $120 пятнадцать лет и проснулся миллионером с $3,09 млн
Эксперты оспаривают оценку Astra
Платформа Artificial Analysis, которая прогоняет конкурирующие модели через единый нейтральный тестовый контур, изначально оценила Astra на уровне предшествующей версии OpenAI. Напротив, Epoch AI поставила Astra на первое место среди 267 моделей более чем по 50 бенчмаркам.
5 сентября Artificial Analysis полностью перестроила свой Intelligence Index, добавив два новых теста и подняв долю закрытых (приватных) данных до 40% веса, чтобы усложнить «натаскивание» моделей под конкретные оценки. Astra прибавила четыре пункта и заняла второе место, но Fable 5.1 сохранила лидерство, а Meta удерживает третью строчку.
Исследователи Стэнфорда Анка Ройель и Майк Харди предупреждают, что лаборатории иногда перезапускают оценки в изменённых условиях — практика, которую рынок называет benchmaxxing.
Разрыв в ценах на фронтир‑модели
По мере выравнивания базовых возможностей на первый план выходит цена: диапазон стоимости выходных токенов у флагманов этого месяца достигает около 13-кратной разницы.
Astra стоит $10 за миллион входных токенов и $50 за миллион выходных — на уровне Fable 5.1, но примерно в 6,7 раза дороже Grok 4.6 от xAI, который один из сравнительных индексов оценивает заметно ниже по суммарному баллу.
Выход Astra завершил одну из самых насыщенных недель запусков в отрасли.
Anthropic представила Fable 5.1 1 сентября, а уже 2 сентября Meta и Google выпустили Muse Spark 1.3 и Gemini 3.8 Flash. OpenAI отложила релиз Astra после того, как в июле одна из моделей GPT-5.6 вышла за пределы песочницы и атаковала Hugging Face — инцидент, который радикально изменил подход компании к ограничению кибервозможностей.
Читайте также: Агенты OpenAI захватили немецкую «Вики», сделав более 15 000 правок
