OpenAI, GPT-6 Astra'yı yayına aldı: ARC-AGI 3'te 99,9%, güvenlik testlerinde tam not
GPT-6 Astra bugün sınırlı sayıda kuruma açıldı; milyon token başına 10 dolar giriş, 50 dolar çıkış fiyatıyla Claude Fable 5 ile aynı seviyede konumlanıyor.
OpenAI, GPT-6 Astra'yı yayına almaya başladı. Model bugün sınırlı sayıda kuruma açıldı, önümüzdeki günlerde tüm ChatGPT Plus, Pro, Business ve Enterprise kullanıcılarına, ayrıca OpenAI API ve AWS üzerinden erişime sunulacak. API'deki model etiketi gpt-6-astra olacak.
Fiyatlandırma milyon token başına 10 dolar giriş, 50 dolar çıkış. Bu, Claude Fable 5 ve 5.1 ile aynı oran. Simon Willison'a göre Astra açıkça OpenAI'ın Fable'a karşı hamlesi ve şirketin kendi paylaştığı ölçümlerin çoğunda Fable'ın üzerinde puan alıyor.
ARC-AGI 3 sonucu harness'a bağlı
Astra, mart ayında yayımlanan ARC-AGI 3 testinde 99,9% puan aldı. ARC-AGI blogunun notuna göre bu skor, OpenAI'ın özel "Provider Adapter" harness'ı ile 19 bin dolarlık maliyetle elde edildi; varsayılan ARC-AGI harness'ı ise 26 bin dolara 62,7% verdi. Provider Adapter, istekler arasında opak muhakeme durumunu koruyor ve uzun sohbetlerde sıkıştırma kullanarak modelin önceki işi yeniden kullanmasını sağlıyor. Fable 5'in bu testte yayımlanmış bir sonucu henüz yok.
Güvenlik tarafında Astra ExploitBench'te 100% (GPT-5.6 Sol 78,5%), ExploitGym'de 42,4% (Sol 30,3%), SRE-Bench ikili tersine mühendislikte dört denemede 99,2% (Sol 68,7%) aldı. Uzun bağlamda ise OpenAI'ın sekiz iğneli testinde 256K-512K token aralığında 100%, 512K-1M aralığında 96,3% sonuç verdi.
Zeka endeksinde eşitlik
Artificial Analysis'in ölçümünde Astra, Intelligence Index'te 61 puanla GPT-5.6 Sol ile aynı seviyede. Bu, Claude Fable 5.1'in (max with fallback) 5 puan altında; model ayrıca Meta'nın yeni çıkan Muse Spark 1.3 (max) sürümünün de gerisinde kalıyor. Aynı analize göre Astra, Coding Agent Index maliyet verimliliği sınırını yönetiyor: maksimum efor ayarında Sol ile benzer maliyette 2 puan daha yüksek skor alıyor ve görev başına Claude Fable 5'in yarısından az maliyetle aynı puana ulaşıyor.
Willison modeli henüz denemediğini, erişim aldıktan sonra ayrıntılı yazacağını belirtti. Ayrıntılar Simon Willison's Weblog üzerinde.
