GPT-6 Astra: A new generation of intelligence

Astra-এর মাধ্যমে, কনটেক্সট উইন্ডো পূর্ণ হয়ে গেলে কনটেক্সট সংরক্ষণ ও পুনরুদ্ধারের জন্য আমরা Codex-এ একটি নতুন উপায় চালু করছি. অতীতে, দীর্ঘ সেশনে কাজের সারসংক্ষেপ করতে মডেলগুলো সংকোচন ব্যবহার করেছে, যেমন জটিল সমস্যা ডিবাগ করার সময় বা বড় রিফ্যাক্টর করার সময়. প্রতিটি সংকোচনে কোনো ফিক্স কেন ব্যর্থ হয়েছে বা কোনো কম্পোনেন্ট কিভাবে কাজ করে সে সম্পর্কে কিছু বিস্তারিত তথ্য বাদ পড়তে পারে. Codex-এ, Astra কনটেক্সট উইন্ডোজুড়ে নোট রাখতে পারে, ফলে জমা হওয়া বিস্তারিত তথ্যকে বারবার একটি সারসংক্ষেপে সংকুচিত না করেই সংরক্ষণ করা যায়. আগের কনটেক্সট উইন্ডোগুলো অনুসন্ধানযোগ্য থাকে, তাই Astra আগের বার্তা এবং টুল আউটপুট থেকে প্রয়োজনীয়তা বা পরীক্ষার ফলাফল খুঁজে পেতে পারে—এমনকি সেই তথ্য তার নোটে ধরা না থাকলেও. আপনি আপনার Codex config.toml⁠(একটি নতুন উইন্ডোতে খোলে)-এ এই পরীক্ষামূলক ফিচারটি চালু করতে পারেন এবং আগামী কয়েক সপ্তাহের মধ্যে এটি Astra-এর জন্য ডিফল্ট হয়ে যাবে.

পূর্ববর্তী সফটওয়্যার দুর্বলতাগুলোর সংস্পর্শে আসার কারণে বেঞ্চমার্কের ফলাফল প্রভাবিত হয়ে থাকতে পারে—এমন সম্ভাব্য উদ্বেগ বিবেচনায় রেখে, আমরা Astra-কে দুটি নতুন বেঞ্চমার্কেও মূল্যায়ন করেছি. প্রথমত, আমরা পূর্ববর্তী তিন মাসের দুর্বলতা ব্যবহার করে এক্সপ্লয়েট ডেভেলপমেন্ট পরীক্ষা করার জন্য একটি অভ্যন্তরীণ “ExploitBench (জুন–আগস্ট 2026)” মূল্যায়ন তৈরি করেছি. ² Astra অনেক কম আউটপুট টোকেন ব্যবহার করেই এই ডেটাসেটে GPT‑5.6 Sol-এর তুলনায় উল্লেখযোগ্যভাবে বেশি আরবিট্রারি কোড-এক্সিকিউশন রেট অর্জন করেছে. মূল্যায়নের সময়, Astra আগে অজানা ছিল এমন দুটি Chrome V8 হিপ-স্যান্ডবক্স থেকে বেরিয়ে যাওয়ার কৌশল আবিষ্কার করে এবং ব্যবহার করে. আমরা উভয় দুর্বলতা তাদের মেইনটেইনারদের কাছে প্রকাশ করছি.

আমরা Astra-কে SRE-Bench-এও পরীক্ষা করেছি, যা একটি বেঞ্চমার্ক এবং এটি পরিমাপ করে যে মডেলগুলো বাইনারি সফটওয়্যারের মূল লজিক বোঝার জন্য সেটিকে রিভার্স ইঞ্জিনিয়ার করতে পারে কি না. বেঞ্চমার্কটির প্রণেতারা একেবারে শুরু থেকে সফটওয়্যারটি তৈরি করেছেন এবং এর সোর্স কোড গোপন রেখেছেন. Astra একটি প্রচেষ্টায় 88.0% কাজ এবং চারটি প্রচেষ্টার মধ্যে 99.2% কাজ সমাধান করেছে, যেখানে GPT‑5.6 Sol যথাক্রমে 55.9% এবং 68.7% কাজ সমাধান করেছে.

বেঞ্চমার্কের বাইরেও, বিশেষজ্ঞ-নেতৃত্বাধীন মূল্যায়নে দেখা গেছে যে Astra পূর্বে অজানা দুর্বলতা ব্যবহার করে কঠোরভাবে সুরক্ষিত ব্রাউজারে নির্বিচারে কোড নির্বাহ করতে এবং কঠোরভাবে সুরক্ষিত অপারেটিং সিস্টেমের জন্য বিশেষাধিকার-বৃদ্ধির এক্সপ্লয়েট তৈরি করতে সক্ষম. সব মিলিয়ে, এই ফলাফলগুলো আমাদের এই সিদ্ধান্তে সহায়তা করেছে যে Astra আমাদের প্রিপেয়ার্ডনেস ফ্রেমওয়ার্ক-এর অধীনে সাইবার নিরাপত্তায় সংকটজনক সীমায় পৌঁছেছে.

The Defender’s Window-এ আমরা যেমন আলোচনা করেছি, অত্যাধুনিক সাইবার সক্ষমতা ডিফেন্ডারদের দ্রুত দুর্বলতা খুঁজে পেতে সাহায্য করতে পারে, তবে এগুলো সেই দুর্বলতাগুলোকে কাজে লাগানোও সহজ করে তোলে, ফলে ডিফেন্ডারদের মানিয়ে নেওয়ার তাগিদ আরও বেড়ে যায়.

আজ চালু হওয়া Astra-এর সংস্করণের জন্য, আমরা নিরাপদ কোড পর্যালোচনা, প্যাচিং এবং থ্রেট মডেলিংয়ের মতো গুরুত্বপূর্ণ প্রতিরক্ষামূলক কাজগুলো সমর্থন করি. তবে, ডিফল্টভাবে, Astra এক্সপ্লয়েট আবিষ্কারের মতো উন্নত সাইবার নিরাপত্তা-সংক্রান্ত কাজ সম্পাদন করতে অস্বীকার করবে. OpenAI Daybreak-এর মাধ্যমে, আমরা OpenAI Daybreak প্রোগ্রামে বিশ্বস্ত সাইবার নিরাপত্তা ডিফেন্ডারদের একটি আলফা গোষ্ঠীর জন্য কম বিধিনিষেধযুক্ত অ্যাক্সেস রোল আউট করছি. এটি প্রতিরক্ষামূলক নিরাপত্তা কর্মপ্রবাহে অ্যাক্সেসের সুযোগ প্রসারিত করে, যার মধ্যে রয়েছে দুর্বলতা বাছাই ও যাচাইকরণ, ম্যালওয়্যার বিশ্লেষণ, সনাক্তকরণ প্রকৌশল এবং প্যাচ যাচাইকরণ. আমরা Daybreak Blue-এর মাধ্যমে আরও অ্যাক্সেস প্রসারিত করার পরিকল্পনা করছি.

GPT‑5.6 Sol-এর জন্য আমাদের সুরক্ষা স্ট্যাকের উপর ভিত্তি করে, সম্ভাব্য সাইবার অপব্যবহারের বিরুদ্ধে আমরা আমাদের সুরক্ষাও জোরদার করেছি. এর মধ্যে রয়েছে সম্ভাব্য নিরাপত্তা এড়ানোর কৌশল আরও ভালোভাবে প্রতিরোধ করতে মডেলের দৃঢ়তা বাড়ানোর জন্য শক্তিশালী প্রশিক্ষণ এবং আমাদের পর্যবেক্ষণ ব্যবস্থার জন্য আরও কনটেক্সট. আমাদের অভ্যন্তরীণ রেড টিমিং আক্রমণকারীদের সঙ্গে স্বয়ংক্রিয় পরীক্ষাসহ কঠোর অভ্যন্তরীণ ও বাহ্যিক পরীক্ষা আমরা অব্যাহত রেখেছি. আমাদের সাইবার সুরক্ষা ব্যবস্থা ও পরীক্ষা সম্পর্কে আরও বিস্তারিত Astra সিস্টেম কার্ড এবং আমাদের ব্লগে পাওয়া যাবে.

Our evaluations found Astra’s written reasoning harder to monitor than GPT‑5.6 Sol’s, based on tests that explicitly asked it to evade monitoring. We attribute this to Astra’s greater control over written reasoning on simpler tasks and ability to solve problems with fewer written steps. Astra still appears to struggle to conceal the reasoning needed for complex tasks, but we take the decline seriously. Improving monitorability remains a research priority, and the accompanying system card⁠(একটি নতুন উইন্ডোতে খোলে) details our findings and ongoing work.

Alignment training is core to our approach to deployment. As an additional layer of defenses, we also build system safeguards like Codex Auto-review⁠(একটি নতুন উইন্ডোতে খোলে) and monitoring agents’ reasoning and actions to help detect and contain unsafe behavior. As described in our safety update⁠, we are also deploying misalignment monitoring in production for Astra-class models in order to have visibility into misalignment, and help contain its worst instances. These safeguards resemble our monitoring for internal deployments and involve a system of classifiers which check the model’s reasoning and actions for unauthorized behavior and automatically stop potentially unauthorized activity.

Given the significant increase in Astra’s cybersecurity capabilities, we are being especially careful to make this deployment safe and secure. Extra safety checks can sometimes slow, pause, or stop legitimate work, including defensive cybersecurity. If a task is paused in ChatGPT or Codex, you may be asked to review the action before continuing. In the API, the task will stop. These checks can sometimes interrupt legitimate work, and we are continuing to iterate on this system to reduce unnecessary interruptions. Misalignment monitoring cannot replace alignment: our goal is to build models that reliably stay within their authorized scope, so these protections do not need to intervene.

GPT‑6 Astra আজ Enterprise এবং আমাদের Trusted Access Program-এর গ্রাহকদের জন্য ধাপে ধাপে চালু করা হচ্ছে, আর আগামী কয়েক দিনের মধ্যে ChatGPT Plus, Pro, Business এবং Enterprise সাবস্ক্রাইব করা ব্যক্তিদের জন্য ব্যাপকভাবে উপলভ্য হবে. Astra ব্যবহার $100 ও $200 এর Pro প্ল্যান এবং $100 এর Business প্ল্যানের বিদ্যমান ব্যবহারের বরাদ্দের মধ্যে অন্তর্ভুক্ত, এতে কোনো অতিরিক্ত সীমা বা বিধিনিষেধ নেই. $20 এর Plus সাবস্ক্রিপশনধারী ব্যক্তি এবং স্ট্যান্ডার্ড Business প্ল্যানের গ্রাহকেরা কম সীমাসহ GPT‑6 Astra ব্যবহার করতে পারবেন এবং অতিরিক্ত অ্যাক্সেসের জন্য ক্রেডিট কেনার বিকল্প থাকবে. Enterprise অ্যাডমিনিস্ট্রেটররা তাদের ওয়ার্কস্পেসের জন্য Astra সক্ষম করতে পারবেন; চালুর সময় অ্যাক্সেস ডিফল্টভাবে বন্ধ থাকবে.

Pro Lite, Pro, Business এবং Enterprise-এর ব্যবহারকারীরাও চ্যাটে GPT‑6 Astra ব্যবহার করতে পারেন. Astra যোগ্য API গ্রাহকদের জন্য জিরো ডাটা রিটেনশন সমর্থন করে এবং গত মাসে আমরা যেমন শেয়ার করেছি, গ্রাহকের গোপনীয়তা বজায় রেখে নিরাপত্তা পর্যবেক্ষণ জোরদার করতে আমরা প্রাইভেট সেফটি প্রসেসিং পরীক্ষা করছি.

ডেভেলপারদের জন্য, GPT‑6 Astra OpenAI API-তে gpt-6-astra নামে উপলভ্য এবং AWS Bedrock-এও উপলভ্য. OpenAI API Standard-এর মূল্য প্রতি মিলিয়ন ইনপুট টোকেনের জন্য $10 এবং প্রতি মিলিয়ন আউটপুট টোকেনের জন্য $50. ক্যাশ থেকে পড়া এবং ক্যাশে লেখার জন্য পৃথক হার প্রযোজ্য. API-তে GPT‑6 Astra-এর জন্য ফাস্ট মোড উপলভ্য, যা Standard প্রসেসিংয়ের 2x মূল্যে তার চেয়ে 2.5x পর্যন্ত গতি দেয়.