GPT-6 Astra: A new generation of intelligence
Glúin nua intleachta
Nuashonrú an 22 Meán Fómhair 2026: Táimid ag leathnú ár dteaghlach GPT‑6 le GPT‑6 Sol agus GPT‑6 Luna. Faigh tuilleadh eolais.
Táimid ag tabhairt isteach GPT‑6 Astra, an tsamhail is cliste agus is ailínithe ar domhan.
Tugann GPT‑6 Astra le chéile blianta taighde agus geallta móra sa réamhoiliúint, san fhoghlaim atreisiúcháin agus san ailíniú. Tá Astra ar thús cadhnaíochta in úsáid ríomhairí, sa bhrabhsáil, in innealtóireacht bogearraí, sa chibearshlándáil, san eolaíocht agus in obair ghairmiúil. Sáithíonn Astra Leibhéal 4 FrontierMath le scór 98%, agus é tar éis cuidiú cheana le fadhbanna oscailte atá ann le fada a réiteach sa mhatamaitic. Sáithíonn Astra ARC-IGS-3 le scór 99.9% chomh maith agus sáithíonn sí ExploitBench le scór 100%. Leagann sé síos teorainn nua freisin maidir le húsáid ríomhairí agus brabhsálaithe, agus é in ann an obair ghairmiúil is dúshlánaí a láimhseáil le luas, cruinneas agus breithiúnas gan sárú.
Tá GPT‑6 Astra á chur ar fáil inniu do líon teoranta eagraíochtaí agus, sna laethanta amach romhainn, beidh sé ar fáil do gach úsáideoir ChatGPT Plus, Pro, Business agus Enterprise, chomh maith le trí API OpenAI, Microsoft Azure agus AWS Bedrock.
Is í Astra an tsamhail is ailínithe againn, le feabhsuithe suntasacha ar thuiscint rún an úsáideora agus iompar na samhla—féadfaidh tú tascanna a tharmligean le níos mó muiníne as breithiúnas Astra. Mar bhealach amháin chun é seo a thástáil, chruthaíomar meastóireacht nua bunaithe ar eachtra Hugging Face lena ndéantar measúnú ar an rachadh samhail a bhfuil tasc deacair nó dodhéanta roimpi thar a raon beartaithe. I gcomparáid le GPT‑5.6 Sol, a chuaigh thar an sprioc údaraithe 48% den am gan chosaintí táirgthe, rinne GPT‑6 Astra amhlaidh i 0% de chásanna.
An tsamhail is fearr ar domhan le húsáid ríomhaire
Tugann GPT‑6 Astra ré nua isteach maidir le luas, cruinneas agus sábháilteacht úsáid ríomhairí. Is féidir leis tascanna leadránacha a láimhseáil, cosúil le foirmeacha ar líne a líonadh, taifid chustaiméirí in CRM a nuashonrú, agus d’fhéilire a eagrú. Is féidir leis taighde ar líne a dhéanamh agus achoimrí a dhréachtú i do ríomhphost nó i d’eagarthóir doiciméad. Tá sé in ann sonraí eolaíocha a anailísiú, graif a ghiniúint, suíomh gréasáin a chruthú, agus seiceálacha QA ar an gcomhéadan tosaigh a rith chun a chinntiú go n-oibríonn na gnéithe uile ar an suíomh sin. Is féidir leis cabhrú leat bogearraí a shuiteáil agus a thástáil go huathrialach, agus fadhbanna a fheiceann tú ar an scáileán a réiteach. Léirítear na feabhsuithe seo freisin inár dtorthaí meastóireachta úrscothacha.
Fágann na feabhsuithe seo freisin go mbíonn gnóthachain shuntasacha éifeachtúlachta ann i bhfíorthascanna oibre eolais. In ionsamhlaitheí aga folaigh ar OSWorld 2.0, baineann Astra feidhmíocht úsáide ríomhaireachta níos airde amach i dtuairim is 47% níos lú ama in aghaidh an taisc ná GPT‑5.6 Sol, agus scór 72.6% aige i gceann thart ar 40 nóiméad in aghaidh an taisc, i gcomparáid le 65.7% i gceann thart ar 75 nóiméad.3
Is féidir cumais úsáide ríomhaire GPT‑6 Astra a fheiceáil in aschuir thar raon leathan disciplíní, lena n-áirítear forbairt cluichí, innealtóireacht leictreach agus gnáthobair eolais:
In éineacht le hAstra, táimid ag nuashonrú an chreata Codex freisin chun luas úsáide ríomhaire a fheabhsú go suntasach. I dteannta éifeachtúlachta Astra, ciallaíonn sé sin go gcuirtear tascanna i gcrích 1,9x níos tapúla i gcomparáid leis an eispéireas reatha GPT‑5.6 Sol, ar an tagarmharc Mind2Web. Ciallaíonn feabhsuithe luais na samhla gur féidir léi tabhairt faoi go leor tascanna saoil a thógann am ar do shon, níos tapúla ná mar is féidir leat féin.4
Céimathrú ar shaothar gairmiúil
Comhcheanglaíonn GPT‑6 Astra dul chun cinn in úsáid ríomhairí le hoiliúint spriocdhírithe do thimpeallachtaí gairmiúla, chun cabhrú le dul i ngleic le tascanna oibre casta. Comhcheanglaíonn sé an intleacht atá riachtanach d’fhadhbanna casta leis an gcumas sreafaí oibre ilchéime a chur i gcrích agus doiciméid, scarbhileoga agus láithreoireachtaí snasta a chruthú.
Is í GPT‑6 Astra an tsamhail is fearr againn chun cloí le teimpléid atá ann cheana agus sleamhnáin a chruthú atá leagtha amach go maith agus a chuireann príomhphointí in iúl go gonta trí insint struchtúrtha. Cruthaíonn sé cáipéisí, láithreoireachtaí, scarbhileoga agus anailísí atá soiléir agus dea-struchtúrtha, a chloíonn le do theimpléid agus atá ag teacht le do stíl scríbhneoireachta agus amhairc. Tá Astra oilte freisin chun an comhthéacs ábhartha amháin a chur san áireamh sna haschuir, seachas faisnéis nach bhfuil riachtanach don obair atá idir lámha a athrá. Ciallaíonn sé seo go léir gur féidir leis déantáin atá níos inúsáidte láithreach a aschur, atá ag teacht le comhthéacs agus caighdeáin do ghnó.
Cuireann GPT‑6 Astra breithiúnas amhairc níos láidre i bhfeidhm freisin ar na suíomhanna gréasáin, cluichí, feidhmchláir agus rindreáil a chruthaíonn sé. Le Sites(osclaíonn i bhfuinneog nua) in ChatGPT, is féidir le Astra suíomhanna gréasáin, aipeanna gréasáin agus cluichí a chruthú, a óstáil agus a roinnt go díreach ó leid.
Nuair a fhágann treoracha spás le haghaidh léirmhínithe, tá GPT‑6 Astra níos fearr ná samhlacha roimhe seo ag déanamh an chinnidh cheart. Baineann sé úsáid as comhthéacs chun bearnaí coitianta a líonadh agus cuireann sé ceisteanna spriocdhírithe nuair a d’fhéadfadh an freagra an toradh a athrú. In Codex, is féidir leis ceisteanna a chur go neamhshioncronach agus é ag leanúint leis an obair nach mbraitheann ar do fhreagra. Mura bhfreagraíonn tú, téann sé ar aghaidh le toimhdí réasúnta nuair is cuí, ach fanann sé le d'ionchur maidir le cinntí a bhfuil tábhacht mhór ag baint leo.
Léiríonn na samplaí thíos conas a chomhoibríonn Astra ar thascanna laethúla ina bhféadfadh eolas atá in easnamh an freagra a athrú go suntasach.
Tá Astra níos fearr freisin maidir leis an treo ceart a choinneáil de réir mar a fhorbraíonn tasc. Uaireanta chaith samhlacha níos luaithe le teachtaireachtaí stiúrtha mar sprioc nua, agus chaill siad rian ar an iarraidh bhunaidh nó ar shrianta níos luaithe. Ionchorpraíonn Astra riachtanais nua, athraíonn sé treo nuair a iarrtar air é, agus freagraíonn sé ceisteanna taobhacha gan an tasc níos leithne a ligean ar lár.
Códú
Is é GPT‑6 Astra an tsamhail is fearr don innealtóireacht bhogearraí go dtí seo.
“Soláthraíonn GPT‑6 Astra feidhmíocht úrscothach ar ár dtagarmharcanna códaithe inmheánacha agus léiríonn sé dul chun cinn soiléir i measúnuithe ar iomas trádála i gcomparáid le GPT‑5.6 Sol. Nuair a úsáidtear é le haghaidh códú gníomhaireach, déanann GPT‑6 Astra cumarsáid ar bhealach atá níos éasca d’fhorbróirí a leanúint agus táirgeann sé cód a éilíonn níos lú atriallta chun cáilíocht táirgthe a bhaint amach.”
“Thástáileamar Astra ar leibhéil ísle, mheánacha agus arda iarrachta ar cheann dár measúnuithe den chéad ghlúin, agus bhí sé i bhfad chun tosaigh ar GPT 5.6 Sol. Le hiarracht níos airde, faightear níos mó atriallta ar thógáil nua, níos mó fíoraithe trí thástáil sa bhrabhsálaí, agus claonadh i dtreo cód a rith seachas apply-patch. Trí thuiscint a fháil ar an gcaoi a gcaitheann samhail a hiarracht, tugaimid bealach níos tapúla agus níos iontaofa do na milliúin forbróirí ó smaoineamh go feidhmchlár feidhmiúil.”
Le Astra, táimid ag tabhairt isteach bealach nua chun go bhféadfaidh Codex comhthéacs a chaomhnú agus a aisghabháil nuair a líontar an fhuinneog chomhthéacs. Go stairiúil, bhain samhlacha úsáid as comhdhlúthú chun obair a achoimriú le linn seisiúin fhada, mar shampla agus fadhbanna casta á ndífhabhtú nó athfhachtóirithe móra á ndéanamh. Is féidir le gach comhdhlúthú sonraí a fhágáil ar lár faoin gcúis ar theip ar cheartú nó faoin gcaoi a n-iompraíonn comhpháirt. Is féidir le Astra in Codex nótaí a choinneáil thar fhuinneoga comhthéacs, agus sonraí carntha á gcaomhnú aici gan iad a chomhdhlúthú arís agus arís eile in aon achoimre amháin. Fanann fuinneoga comhthéacs níos luaithe inchuardaithe, ionas gur féidir le Astra ceanglais nó torthaí tástála a aimsiú i dteachtaireachtaí roimhe seo agus in aschuir uirlisí—fiú mura raibh an fhaisnéis sin gafa ina nótaí. Is féidir leat an ghné thurgnamhach seo a chumasú i do chomhad config.toml de chuid Codex,(osclaíonn i bhfuinneog nua) agus beidh sé mar réamhshocrú do Astra sna seachtainí atá romhainn.
Fionnachtain eolaíoch a chur chun cinn
Is féidir le Astra cabhrú leis an obair phraiticiúil atá taobh thiar den fhionnachtain eolaíoch. Trí réasúnaíocht eolaíoch a chomhcheangal le húsáid ríomhaire, is féidir léi oibriú go díreach i mbogearraí speisialaithe chun sonraí a scrúdú agus torthaí a iniúchadh, rud a chabhraíonn le taighdeoirí an fhianaise a mheas agus cinneadh a dhéanamh faoi cad ba cheart a fhiosrú ina dhiaidh sin.
Cibearshlándáil
Mar a phléamar inár nuashonrú sábháilteachta, is léim shuntasach i gcumais chibearshlándála í Astra agus sásaíonn sí an tairseach Chriticiúil sa chibearshlándáil faoin gCreat Ullmhachta atá againn. Is féidir lena chumas dúshaothruithe nialas-lae a aithint agus a fhorbairt cabhrú le cosantóirí leochaileachtaí a aimsiú agus a phaisteáil, ach cruthaíonn sé gá le coimircí níos láidre freisin. Chun tuiscint a fháil ar cé chomh fairsing agus atá na cumais seo, rinneamar Astra a rith ar mheastóireachtaí ó shaineolaithe inmheánacha agus ó shaineolaithe tríú páirtí.
Rinneamar an tsamhail a thástáil ar dtús gan cosaintí táirgthe ar ExploitBench agus ExploitGym, a dhéanann measúnú ar cibé an féidir le samhlacha leochaileachtaí bogearraí aitheanta a thiontú ina ndúshaothruithe feidhmiúla. Ar ExploitBench, ghnóthaigh Astra scór foirfe 100%, i gcomparáid le 78.5% do GPT‑5.6 Sol, an tsamhail chibear-chumasach ar thús cadhnaíochta a bhí againn roimhe seo. Ar ExploitGym, bhain Astra ráta ratha 42.4% amach, i gcomparáid le 30.3% do GPT‑5.6 Sol, agus i bhfad níos lú téacschomharthaí aschuir á n-úsáid aige.13
I bhfianaise na n-imní go bhféadfadh nochtadh do leochaileachtaí stairiúla bogearraí a bheith tar éis tionchar a imirt ar thorthaí na dtagarmharcanna, rinneamar Astra a mheas ar dhá thagarmharc úrnua freisin. Mar shampla, d’fhorbraíomar meastóireacht inmheánach “ExploitBench (Meitheamh–Lúnasa 2026)” chun forbairt dúshaothruithe a thástáil trí úsáid a bhaint as leochaileachtaí ó na trí mhí roimhe sin.14 Bhain Astra rátaí i bhfad níos airde amach d’fhorghníomhú cód treallach ná GPT‑5.6 Sol ar an tacar sonraí seo, agus i bhfad níos lú téacschomharthaí aschuir á n-úsáid aige. Le linn na meastóireachta, d’aimsigh agus d’úsáid Astra fiú dhá leochaileacht nialas-lae nach raibh ar eolas roimhe sin. Táimid ag cur an dá leochaileacht in iúl dá gcothabhálaithe.
Rinneamar Astra a thástáil freisin ar SRE-Bench15, tagarmharc a thomhaiseann an féidir le samhlacha innealtóireacht droim ar ais a dhéanamh ar dhénártha bogearraí chun a chroíloighic a thuiscint gan rochtain ar chód foinseach amh. Réitigh Astra 88.0% de na tascanna in aon iarracht amháin agus 99.2% díobh laistigh de cheithre iarracht, i gcomparáid le 55.9% agus 68.7% do GPT‑5.6 Sol, faoi seach.
Seachas tagarmharcanna, fuair measúnuithe faoi stiúir saineolaithe amach go bhféadfadh Astra, nuair a ritear í gan coimircí táirgthe, leochaileachtaí nach raibh ar eolas roimhe seo a úsáid chun forghníomhú cód treallach a bhaint amach i mbrabhsálaithe cruaite agus chun dúshaothraithe ardaithe pribhléidí a chruthú do chórais oibriúcháin chruaite.
Mar a phléamar i Fuinneog an Chosantóra, is féidir le cibearchumais cheannródaíocha cabhrú le cosantóirí leochaileachtaí a aimsiú níos tapa, ach fágann siad freisin gur fusa na leochaileachtaí sin a shaothrú, rud a mhéadaíonn an phráinn atá ar chosantóirí oiriúnú. Maidir leis an leagan de Astra atá á sheoladh inniu, is féidir le cosantóirí é a úsáid chun tascanna a chur i gcrích amhail athbhreithniú slándála ar chód agus paisteáil.
Mar sin féin, diúltóidh Astra cloí le tascanna cibearshlándála níos ardleibhéil amhail cruthúnais choincheapa saothraithe a chruthú le haghaidh leochaileachtaí. Trí OpenAI Daybreak, tá sé beartaithe againn rochtain a leathnú agus bearta cosanta nach bhfuil chomh sriantach a chur ar fáil sna seachtainí amach romhainn. Cumasóidh sé seo tuilleadh sreafaí oibre cosanta, lena n-áirítear bailíochtú leochaileachtaí agus bailíochtú cruthúnais coincheapa, anailís ar bhogearraí mailíseacha, agus detection engineering.
Neartaíomar freisin ár gcosaintí i gcoinne mí-úsáid chibearshlándála a d’fhéadfadh tarlú, ag tógáil ar ár gcruach chosaintí do GPT‑5.6 Sol. Áirítear orthu sin seasmhacht níos láidre na samhla chun sárú srianta a d’fhéadfadh tarlú a sheasamh níos fearr, agus níos mó comhthéacs dár gcórais mhonatóireachta. Leanamar ar aghaidh le tástáil dhian inmheánach agus sheachtrach, lena n-áirítear measúnuithe uathoibrithe lenár n-ionsaitheoirí inmheánacha tástála ionsaithí. Tá tuilleadh sonraí faoinár gcosaintí cibearshlándála agus faoinár dtástáil ar fáil i bhforbhreathnú sábháilteachta Astra agus i gcárta córais(osclaíonn i bhfuinneog nua) Astra..
GPT‑6 Astra a ailíniú agus a imscaradh go freagrach
Is í Astra an tsamhail is ailínithe againn. Tá Astra ar fheabhas ag gníomhú go cúramach, ag urramú teorainneacha tascanna, agus ag cumarsáid go trédhearcach. Is í an obair seo an toradh is déanaí ar ár gclár taighde fadbhunaithe atá dírithe ar shamhlacha a oiliúint a fhanann ailínithe le hintinn an duine ó thús go deireadh.
I dtimpeallachtaí íogaire, téann Astra ar aghaidh le leibhéal cúraim atá comhréireach leis an riosca atá i gceist. I meastóireacht ar thascanna úsáide ríomhaire a roghnaíodh ar bhealach sáraíochta chun mí-iompar a spreagadh, bhí Astra níos rathúla maidir le hiarmhairtí neamhbheartaithe a sheachaint. Nuair a ritheadh é leis na bearta slándála breise a chuirtear ar fáil de réir réamhshocraithe, baineadh feidhmíocht níos láidre fós amach.
Bíonn Astra ina cúis le níos lú torthaí neamhailínithe ná aon samhail cheannródaíoch eile a tástáladh. Chun comparáid chothrom a dhéanamh, d’úsáideamar creat ginearálta do ghníomhaire a úsáideann ríomhaire (bunaithe ar na huirlisí dúchasacha úsáide ríomhaire atá ar fáil san OpenAI Responses API(osclaíonn i bhfuinneog nua) agus san Anthropic Messages API(osclaíonn i bhfuinneog nua) araon) agus rinneamar amhlaidh gan na cosaintí breise a chuirtear i bhfeidhm de ghnáth d’úsáideoirí Codex agus ChatGPT Work (athbhreithniú uathoibríoch, beartas deimhnithe).
Is dóichí freisin go bhfeidhmeoidh Astra laistigh de na teorainneacha atá leagtha síos ag an úsáideoir agus atá intuigthe óna thimpeallacht. I meastóireacht inmheánach, ní dhearna Astra iarracht riamh diúltú ó Codex Auto-Review a sheachaint. Bhí sé seo fós fíor fiú nuair a cumraíodh Auto-review d’aon ghnó sa chaoi go bhféadfaí é a sheachaint agus nuair nach bhféadfaí an tasc a chur i gcrích ar aon bhealach eile. Tá an meas seo ar shrianta na timpeallachta comhsheasmhach le torthaí ár meastóireachta ar thasc cibearshlándála dodhéanta, a roinneamar sa réamhrá don phost seo, agus le torthaí eile atá doiciméadaithe inár gcárta córais(osclaíonn i bhfuinneog nua).
Ina theannta sin, leagann Astra caighdeáin nua i gcumarsáid thrédhearcach le húsáideoirí. I meastóireacht amháin, tá Astra trí huaire níos lú seans ann ná GPT‑5.6 Sol chun léirithe míchruinne a dhéanamh faoina cumais agus a féidearthachtaí úsáide.
Inár meastóireacht ar siabhránachtaí cumais, léiríonn Astra feabhas suntasach i gcomparáid le GPT‑5.6 Sol, agus déanann sí níos lú éileamh míthreorach faoina cumais.
Fuair ár meastóireachtaí amach go raibh sé níos deacra monatóireacht a dhéanamh ar réasúnaíocht scríofa Astra ná ar réasúnaíocht GPT‑5.6 Sol, bunaithe ar thástálacha a d’iarr go sainráite air faireachán a sheachaint. Cuirimid é seo i leith smacht níos fearr Astra ar réasúnaíocht scríofa i dtascanna níos simplí agus a cumas fadhbanna a réiteach le níos lú céimeanna scríofa. Is cosúil go mbíonn Astra fós ag streachailt leis an réasúnaíocht atá riachtanach do thascanna casta a cheilt, ach glacaimid go dáiríre leis an laghdú. Tá feabhas a chur ar inbhraiteacht fós ina thosaíocht taighde, agus tugtar mionsonraí sa chárta córais(osclaíonn i bhfuinneog nua) a ghabhann leis faoinár dtorthaí agus faoinár n-obair leanúnach.
Tá oiliúint ailínithe lárnach dár gcur chuige maidir le himscaradh. Mar shraith bhreise cosanta, tógann muid cosaintí córais freisin, amhail uath-athbhreithniú(osclaíonn i bhfuinneog nua) Codex agus monatóireacht ar réasúnaíocht agus ar ghníomhartha gníomhairí, chun cabhrú le hiompar neamhshábháilte a bhrath agus a shrianadh. Mar a thuairiscítear inár nuashonrú sábháilteachta, tá monatóireacht ar mhí-ailíniú á himscaradh againn i dtáirgeadh freisin do shamhlacha d’aicme Astra, chun léargas a fháil ar mhí-ailíniú agus chun cabhrú leis na cásanna is measa de a shrianadh. Tá na cosaintí seo cosúil lenár monatóireacht ar imscaradh inmheánach agus baineann siad le córas aicmitheoirí a sheiceálann réasúnaíocht agus gníomhartha na samhla le haghaidh iompair neamhúdaraithe agus a stopann gníomhaíocht a d’fhéadfadh a bheith neamhúdaraithe go huathoibríoch.
I bhfianaise an mhéadaithe shuntasaigh ar chumais chibearshlándála Astra, táimid thar a bheith cúramach chun an t-imscaradh seo a dhéanamh sábháilte agus slán. Uaireanta, is féidir le seiceálacha sábháilteachta breise moill a chur ar obair dhlisteanach, í a chur ar sos, nó í a stopadh, lena n-áirítear cibearshlándáil chosantach. Má chuirtear tasc ar sos in ChatGPT nó Codex, d’fhéadfaí iarraidh ort an gníomh a athbhreithniú sula leanfaidh tú ar aghaidh. In API, stopfaidh an tasc. Is féidir leis na seiceálacha seo cur isteach uaireanta ar obair dhlisteanach, agus táimid ag leanúint de bheith ag feabhsú an chórais seo chun cur isteach neamhriachtanach a laghdú. Ní féidir leis an bhfaireachán ar neamhailíniú teacht in ionad ailínithe: is é ár sprioc samhlacha a thógáil a fhanann go hiontaofa laistigh dá raon údaraithe, ionas nach gá do na cosaintí seo idirghabháil a dhéanamh.
Infhaighteacht
Tá GPT‑6 Astra á chur ar fáil inniu do líon teoranta eagraíochtaí agus, sna laethanta amach romhainn, beidh sé ar fáil do gach úsáideoir ChatGPT Plus, Pro, Business agus Enterprise, chomh maith le trí API OpenAI, Microsoft Azure agus AWS Bedrock. Tá úsáid Astra san áireamh sna liúntais síntiúis reatha — beidh úsáideoirí agus gnólachtaí in ann creidmheasanna a cheannach le haghaidh úsáide breise freisin. Gheobhaidh úsáideoirí ar na pleananna Pro, Business agus Enterprise rochtain ar GPT‑6 Astra Pro freisin. Is féidir le riarthóirí Enterprise Astra a chumasú dá spás oibre; tá rochtain múchta de réir réamhshocraithe nuair a sheoltar é.
Tacaíonn Astra le Gan Choinneáil Sonraí do chustaiméirí API incháilithe agus, mar a roinneamar an mhí seo caite, táimid ag tástáil Próiseáil Sábháilteachta Phríobháideach chun monatóireacht sábháilteachta a neartú agus príobháideacht custaiméirí á caomhnú.
D’fhorbróirí, beidh GPT‑6 Astra ar fáil in API OpenAI mar gpt-6-astra agus trí Microsoft Azure agus Amazon Bedrock.
Is é praghsáil Chaighdeánach API OpenAI ná $10 in aghaidh an mhilliúin téacschomhartha ionchuir agus $50 in aghaidh an mhilliúin téacschomhartha aschuir. Baineann rátaí ar leith le léamha taisce agus scríobhanna taisce. Tá mód tapa ar fáil do GPT‑6 Astra in API agus soláthraíonn sé suas le 2x luas na próiseála Caighdeánaí ar 2x an phraghais Chaighdeánaigh.
Gairmiúil
Gairmiúil | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
AutomationBench | 41.4% | 18.1% | 31.4% | 17.4% | 26.9% | - |
BenchCAD | 95.9% | 83.3% | 84.3% 5 | 67.5% 5 | 82.1% 5 | - |
BrowseComp | 91.5% | 90.4% | - | 87.4% | 90.8% | - |
Ceathairéid Téadacha OpenScore (1 - OMR-NED) | 0.84 | 0.19 | - | - | - | - |
Tascanna dearaidh inmheánacha | 50.0% | 47.4% | - | 35.8% | - | - |
Tascanna Inmheánacha Eolaíochta Sonraí | 40,9% | 30.5% | - | 34.7% | - | - |
Innéacs Intleachta Anailíse Saorga v4.1.1 | 61.2 | 60.9 | 65.7 | 62.1 | 63.1 | 58.7 |
Códú
| Códú | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|---|
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 44.5% | 52.6% | 19.1% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 69.9% | 73.7% | 73.8% |
| FrontierCode 1.1 Leathnaithe (scór) | 64.5% 8 | 60.6% | 63.6% | 64.9% | 63.6% | 56.3% |
| FrontierCode 1.1 Príomh (scór) | 53.3% 8 | 47.5% | 50.9% | 53.5% | 53.4% | 43.6% |
| Tascanna Inmheánacha Imirce an Bhunachair Sonraí | 63.9% | 42.7% | 57.8% | 50.3% | - | - |
| Innéacs Gníomhaire Códaithe Artificial Analysis v1.4 | 67.0 | 65.1 | - | 67.2 | 68.1 | 61.2 |
Acadúil
Acadúil | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
Terminal-Bench Science 0.1 | 64.6% | 22.4% | 52.6% | 21.4% | 30.0% | - |
FrontierMath Leibhéal 4 (v2) | 97.6% | 83.0% | 87.8% | 90.2% | 73,2% | - |
GPQA Diamant | 96.0% | 94,6% | 93.7% | 92.6% | 93.7% | 95.3% |
Scrúdú Deireanach an Chine Daonna (le huirlisí) | 57.2% | - | 65.0% | 63.8% | 63.6% | - |
Eolaíocht agus Sláinte
Ailíniú
Ailíniú | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
Tagarmharc sábháilteachta d’úsáid inmheánach ríomhairí (is ísle is fearr) | 2.4% | 22.0% | 9.5% | 18.3% | 11.5% | - |
Tagarmharc inmheánach sábháilteachta maidir le húsáid ríomhaire, le AutoReview (dá ísle is ea is fearr) | 1.8% | 4.3% | - | - | - | - |
Tagarmharc inmheánach imchéimnithe (is fearr níos ísle) | 0.00% | 0.29% | - | - | - | - |
Pota meala ExploitGym (Is ísle is fearr) | 0.0% | 48.2% | - | - | - | - |
ExploitGym Dodhéanta | 100.0% | - | - | - | - | - |
Tagarmharc inmheánach siabhránachta (níos ísle is fearr) | 4.2% | 12.2% | - | - | - | - |
Comhthéacs fada
Comhthéacs fada | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
OpenAI MRCR v2 8-needle 256K-512K | 100.0% | 91.5% | - | - | - | - |
OpenAI MRCR v2 8-needle 512K-1M | 96.3% | 73.8% | - | - | - | - |
Réasúnaíocht theibí
| réasúnaíocht theibí | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|---|
| ARC-IGS-3 | 99.9% 1 | 7.8% | - | - | 30.2% | - |
| ARC-IGS-2 | 95.0% | 92.5% | 90.0% | 89.2% | 90.4% | - |
| ARC-IGS-1 | 98.5% | 97.5% | 97.5% | 98.5% | 97.5% | - |
Tá scóir mheastóireachta ar an uasmhéid ag aon leibhéal iarrachta. Rinneadh meastóireachtaí GPT inár dtimpeallacht taighde nó trínár API, a d’fhéadfadh aschur beagán difriúil ó ChatGPT sa táirgeadh a chur ar fáil mar gheall ar dhifríochtaí sna leideanna córais, sna huirlisí atá ar fáil, etc.
FONÓTAÍ
- 1
Ar ARC-IGS-3, ritheadh GPT-6 Astra lenár gcreat Responses API, a athraíonn dhá shocrú chun teacht níos fearr le feidhmíocht sa bhfíorshaol. Ní dhíríonn na hathruithe go sonrach ar ARC-IGS-3.
- 2
Tagraíonn GPT-5.6 Sol don leagan atá ar fáil inár API, ChatGPT Codex, agus ChatGPT Work. Tá an leagan in ChatGPT Chat beagán difriúil.
- 3
Is fothacar den OSWorld V2 bunaidh é OSWorld V2-Offline, agus oibríonn sé gan rochtain ar an idirlíon. Rinne na húdair feidhmíocht na samhla Claude ar OSWorld-V2 Offline a atáirgeadh ar an clár ceannairí oifigiúil(osclaíonn i bhfuinneog nua). Maidir le OSWorld 2.0, úsáideann scóir Claude na socruithe oifigiúla, ní na tascanna modhnaithe ná an grádú modhnaithe ón gcárta córais Fable 5.1.
- 4
- 5
Ar BenchCAD, léiríonn scóir Claude trí mhodhnú ar an meastóireacht, atá mionsonraithe sa Chárta Córais Fable 5.1(osclaíonn i bhfuinneog nua).
- 6
Guang Yang, Victoria Ebert, Nazif Tamer, Brian Siyuan Zheng, Luiza Pozzobon, agus Noah A. Smith. “LEGATO: Cur chuige inghinearálaithe ó thús go deireadh ar mhórscála maidir le OMR clóchurtha(osclaíonn i bhfuinneog nua).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, agus Peter Jonas. “Corpas Cheathairéid Téadacha OpenScore(osclaíonn i bhfuinneog nua).” Imeachtaí an 10ú Comhdhála Idirnáisiúnta ar Leabharlanna Digiteacha don Cheoleolaíocht, lgh. 49–57. ACM, 2023.
- 8
Ar FrontierCode, ritheadh GPT-6 Astra le teachtaireacht forbróra cosúil le rannán dá theachtaireacht forbróra in Codex(osclaíonn i bhfuinneog nua): "Seachain comhaid thástála iomarcacha a chruthú. Cruthaigh comhad tástála nua ach amháin nuair a éilíonn coinbhinsiúin an stóir é nó nuair nach bhfuil aon chomhad atá ann cheana ina áit oiriúnach dó. Seachain glanadh nach mbaineann leis an ábhar agus castacht neamhriachtanach. Athúsáid na fóntais oiriúnacha atá ann cheana. Léigh treoracha ábhartha an stóir agus scrúdaigh cód, tástálacha, doiciméadú agus CI in aice láimhe. Cloígh leis na coinbhinsiúin bhunaithe. Is é an sprioc cód glan in-chumaiscthe a bheith ann." Níor optamaíodh an leid don mheastóireacht.
- 9
Baineann an chéad cheann le cé chomh gar dá chéile is féidir le príomhuimhreacha tarlú, is cuma cé chomh fada feadh na huimhirlíne a théann tú. Ar feadh breis agus deich mbliana, dheimhnigh an toradh ab fhearr a bhí ar eolas go bhfuil líon gan teorainn de phéirí príomhuimhreacha ann atá 246 óna chéile ar a mhéad. D’fheabhsaigh Julia Stadlmann(osclaíonn i bhfuinneog nua) an teorainn sin go 240 le déanaí. Chuidigh Astra le teorainn níos láidre de 186 a bhunú, rud a léirigh go dtarlaíonn líon gan teorainn péirí laistigh den achar níos lú seo. Bearnaí gearra idir phríomhuimhreacha: Cruthúnas(osclaíonn i bhfuinneog nua) agus taighde tacaíochta(osclaíonn i bhfuinneog nua).
- 10
Baineann an dara ceann le bearnaí neamhghnách móra idir phríomhuimhreacha. D’fheabhsaigh Astra téarma i dteorainn ar na bearnaí seo a bhí gan athrú le breis agus 80 bliain. Táimid ag roinnt na gcruthúnas, na sraithe smaointe giorraithe agus na n-ábhar fíoraithe don dá thoradh. Bearnaí móra idir phríomhuimhreacha: Cruthúnas(osclaíonn i bhfuinneog nua) agus taighde tacaíochta(osclaíonn i bhfuinneog nua).
- 11
- 12
- 13
- 14
Tá 20 leochaileacht V8 ard-déine in ExploitBench (Meitheamh–Lúnasa 2026) ar fud 13 leagan cobhsaí de Chrome. Déanann an tagarmharc tástáil ar cibé acu an féidir le gníomhairí cód treallach a fhorghníomhú in V8 agus in eisiúintí oifigiúla Chrome do Linux trí leas a bhaint as gach leochaileacht shonraithe. D’fhéadfadh sé nach gceadódh cuid de na leochaileachtaí atá san áireamh forghníomhú cód treallach faoi shrianta na meastóireachta, mar sin b’fhéidir nach mbeadh ráta ratha 100% indéanta. Nóta: is déantán den teorainn 300 cas sa tagarmharc é scór 5.5% GPT-5.6 Sol, agus ní teorainn í sin a bheadh ag fíorchustaiméirí a úsáideann max. Bhain an tsamhail, le socruithe comhchosúla, scór 11.5% amach nuair a bhuail sí le níos lú teorainneacha.
- 15
Jeremy Spence et al. “An Chéad Dúshlán Eile don Chibearshlándáil Ghníomhaireach: Tagarmharc Réalaíoch Innealtóireachta Droim ar Ais atá Saor ó Éilliú(osclaíonn i bhfuinneog nua).” arXiv:2608.11469v1, 2026.
- 16
Nuair a dhéanaimid tástáil ar shamhlacha tríú páirtí, bainimid úsáid as socrú taighde níos simplí. Tá cumraíocht léiriúcháin níos casta ag Codex, rud a d’fhéadfadh rátaí earráide éagsúla den tsamhail amh a bheith mar thoradh air. Tá difríochtaí fós idir cosaintí ar thaobh an tsoláthraí agus cur chun feidhme uirlisí ríomhaireachta. Ní bhíonn an cás gan deimhniú ag úsáideoirí i gCodex, toisc gur cumraíocht taighde inmheánach í.
- 17
