GPT-6 Astra: A new generation of intelligence
Ġenerazzjoni ġdida ta' intelliġenza
Aġġornament fid-29 ta' Settembru 2026: Skopri l-aktar mudell reċenti ta' OpenAI: GPT‑6 .1 Sol.
Aġġornament fit-22 ta' Settembru 2026: Qed inwessgħu l-familja GPT‑6 tagħna b'GPT‑6 Sol u GPT‑6 Luna. Sir af aktar.
Qed nippreżentaw GPT‑6 Astra, l-aktar mudell intelliġenti u allinjat fid-dinja.
GPT‑6 Astra jiġbor flimkien snin ta' riċerka u investimenti ambizzjużi fit-taħriġ minn qabel, l-apprendiment ta' tisħiħ, u l-allinjament. Astra joffri prestazzjoni mill-aqwa fl-użu tal-kompjuter, l-ibbrawżjar, l-inġinerija tas-softwer, iċ-ċibersigurtà, ix-xjenza, u x-xogħol professjonali. Astra jilħaq kważi l-limitu ta' FrontierMath Tier 4 b'punteġġ ta' 98%, wara li diġà għen isolvi problemi matematiċi li kienu ilhom bla soluzzjoni. Astra jilħaq ukoll kważi l-limitu ta' ARC-AGI-3 b'punteġġ ta' 99.9% u l-limitu ta' ExploitBench b'punteġġ ta' 100%. Jistabbilixxi wkoll livell ġdid fl-użu tal-kompjuter u tal-brawżer, billi jwettaq l-aktar xogħol professjonali impenjattiv b'veloċità, preċiżjoni, u ġudizzju mingħajr paragun.
GPT‑6 Astra qed jitnieda llum għal għadd limitat ta' organizzazzjonijiet u fil-jiem li ġejjin se jkun disponibbli għall-utenti kollha ta' ChatGPT Plus, ChatGPT Pro, Business, u Enterprise, kif ukoll permezz tal-API ta' OpenAI, Microsoft Azure, u AWS Bedrock.
Astra is our most aligned model, with substantial improvements in understanding user intent and model behavior—you can delegate tasks with greater confidence in Astra’s judgment. As one way that we test this, we built a new evaluation informed by the Hugging Face incident that evaluates whether a model facing a difficult or impossible task will go beyond its intended scope. Compared to GPT‑5.6 Sol, which without production safeguards went beyond the authorized target 48% of the time, GPT‑6 Astra did this in 0% of cases.
L-aħjar mudell fid-dinja għall-użu tal-kompjuter
GPT‑6 Astra jistabbilixxi livell ġdid ta' veloċità, preċiżjoni, u sikurezza fl-użu tal-kompjuter. Jista' jieħu ħsieb kompiti tedjanti bħall-mili ta' formoli online, l-aġġornament tar-rekords tal-klijenti f'CRM, u l-organizzazzjoni tal-kalendarju tiegħek. Jista' jagħmel riċerka online u jabbozza sommarji fl-email tiegħek jew fl-editur tad-dokumenti tiegħek. Jista' janalizza dejta xjentifika, jiġġenera grafiċi, joħloq sit web, u jagħmel kontrolli tal-assigurazzjoni tal-kwalità tal-frontend biex jiżgura li l-funzjonijiet kollha tas-sit jaħdmu. Jista' jgħinek tinstalla u tittestja softwer b'mod awtonomu, u ssolvi problemi li tara fuq l-iskrin. Dan it-titjib jidher ukoll fir-riżultati tal-evalwazzjonijiet tagħna li jistabbilixxu l-ogħla livelli ta' prestazzjoni.
Dan it-titjib iġib ukoll żidiet sinifikanti fl-effiċjenza f'kompiti reali ta' xogħol ibbażat fuq l-għarfien. F'simulazzjonijiet tal-latenza fuq OSWorld 2.0, Astra jikseb prestazzjoni ogħla fl-użu tal-kompjuter f'madwar 47% inqas ħin għal kull kompitu minn GPT‑5.6 Sol, b'punteġġ ta' 72.6% f'madwar 40 minuta għal kull kompitu, meta mqabbel ma' 65.7% f'madwar 75 minuta.3
Il-kapaċitajiet ta' GPT‑6 Astra fl-użu tal-kompjuter jidhru f'riżultati minn oqsma differenti, inklużi l-iżvilupp tal-logħob, l-inġinerija elettrika, u x-xogħol ta' kuljum ibbażat fuq l-għarfien:
Flimkien ma’ Astra, qed naġġornaw ukoll il-harness ta’ Codex biex intejbu b’mod sinifikanti l-veloċità tal-użu tal-kompjuter. Flimkien mal-effiċjenza ta’ Astra, dan ifisser tlestija tal-kompiti 1.9x aktar mgħaġġla mill-esperjenza attwali ta’ GPT‑5.6 Sol fuq il-benchmark Mind2Web. It-titjib fil-veloċità tal-mudell ifisser li jista’ jwettaq għalik ħafna kompiti tal-ħajja li jieħdu l-ħin, aktar malajr minnek.4
Qabża kbira fix-xogħol professjonali
GPT‑6 Astra jgħaqqad avvanzi fl-użu tal-kompjuter ma' taħriġ immirat għal ambjenti professjonali, biex jgħin iwettaq kompiti kumplessi tax-xogħol. Jgħaqqad l-intelliġenza meħtieġa għal problemi kumplessi mal-kapaċità li jwettaq flussi tax-xogħol b'ħafna passi u jipproduċi dokumenti, spreadsheets, u preżentazzjonijiet irfinati.
GPT‑6 Astra huwa l-aħjar mudell tagħna biex isegwi mudelli ta' dokumenti eżistenti u jipproduċi slides imqassma tajjeb li jwasslu l-punti ewlenin fil-qosor b'narrattiva strutturata. Joħloq dokumenti, preżentazzjonijiet, spreadsheets, u analiżijiet ċari u strutturati tajjeb li jsegwu l-mudelli tiegħek u jaqblu mal-istil tal-kitba u l-istil viżiv tiegħek. Astra huwa wkoll imħarreġ speċifikament biex jinkludi biss il-kuntest rilevanti fl-outputs, minflok jirrepeti informazzjoni bla bżonn għax-xogħol li jkun qed isir. Dan kollu jfisser li jista' jipproduċi materjali li jistgħu jintużaw aktar immedjatament u li jaqblu mal-kuntest u l-istandards tan-negozju tiegħek.
GPT‑6 Astra jġib ukoll ġudizzju viżiv aħjar fis-siti web, il-logħob, l-applikazzjonijiet, u r-renders li joħloq. Bis-Siti(jinfetaħ f’tieqa ġdida) f'ChatGPT, Astra jista' joħloq, jospita, u jaqsam siti web, apps tal-web, u logħob direttament minn prompt.
Meta l-istruzzjonijiet iħallu lok għall-interpretazzjoni, GPT‑6 Astra jieħu d-deċiżjoni t-tajba aħjar minn mudelli preċedenti. Juża l-kuntest biex jimla lakuni ta' rutina u jistaqsi mistoqsijiet immirati meta t-tweġiba tista' tbiddel ir-riżultat. F'Codex, jista' jistaqsi b'mod asinkroniku filwaqt li jkompli xogħol li ma jiddependix mit-tweġiba tiegħek. Jekk ma tweġibx, ikompli b'assunzjonijiet raġonevoli fejn ikun xieraq, iżda jistenna l-fehma tiegħek għal deċiżjonijiet b'konsegwenzi importanti.
L-eżempji hawn taħt juru kif Astra jikkollabora fuq kompiti ta' kuljum fejn informazzjoni nieqsa tista' tbiddel sostanzjalment it-tweġiba.
Astra huwa wkoll aħjar biex iżomm id-direzzjoni hekk kif kompitu jevolvi. Mudelli preċedenti kultant kienu jqisu messaġġi ta' gwida bħala għan ġdid, u jitilfu t-talba oriġinali jew ir-restrizzjonijiet ta' qabel. Astra jinkorpora rekwiżiti ġodda, ibiddel id-direzzjoni meta jintalab, u jwieġeb mistoqsijiet sekondarji mingħajr ma jwarrab il-kompitu usa'.
Ikkowdjar
GPT‑6 Astra huwa l-aħjar mudell għall-inġinerija tas-softwer s'issa.
“GPT‑6 Astra joffri prestazzjoni mill-aqwa fil-benchmarks interni tagħna tal-ikkowdjar u juri pass ċar 'il quddiem fl-evalwazzjonijiet tal-intuwizzjoni fin-negozjar meta mqabbel ma' GPT‑5.6 Sol. Meta jintuża għal ikkowdjar b'karatteristiċi aġenti, GPT‑6 Astra jikkomunika b'mod li l-iżviluppaturi jistgħu jsegwu aktar faċilment u jipproduċi kodiċi li jeħtieġ inqas iterazzjonijiet biex jilħaq il-kwalità meħtieġa għall-produzzjoni.”
“Ittestjajna Astra bi sforz Baxx, Medium, u Għoli f'waħda mill-evalwazzjonijiet tal-ewwel ġenerazzjoni tagħna, u qabeż b'mod sinifikanti lil GPT 5.6 Sol. Aktar sforz ifisser aktar iterazzjonijiet fuq proġett ġdid, aktar verifika permezz ta' ttestjar fil-brawżer, u preferenza għall-eżekuzzjoni tal-kodiċi minflok apply-patch. Meta nifhmu kif mudell jonfoq l-isforz tiegħu, inkunu nistgħu nagħtu lil miljuni ta' kreaturi triq aktar mgħaġġla u affidabbli mill-idea sa app li taħdem.”
B'Astra, qed nintroduċu mod ġdid biex Codex iżomm u jirkupra l-kuntest meta timtela t-tieqa tal-kuntest. Tradizzjonalment, il-mudelli użaw il-kompattazzjoni biex jiġbru fil-qosor ix-xogħol waqt sessjonijiet twal, bħal meta jsolvu bugs kumplessi jew jirristrutturaw partijiet kbar tal-kodiċi. Kull kompattazzjoni tista' tħalli barra dettalji dwar għaliex tiswija falliet jew kif iġib ruħu komponent. F'Codex, Astra jista' jżomm noti minn tieqa tal-kuntest għal oħra, u b'hekk jippreserva d-dettalji akkumulati mingħajr ma jikkompressahom ripetutament f'sommarju wieħed. It-twieqi tal-kuntest preċedenti jibqgħu jistgħu jitfittxu, għalhekk Astra jista' jsib rekwiżiti jew riżultati tat-testijiet minn messaġġi u outputs tal-għodod preċedenti, anki jekk dik l-informazzjoni ma tkunx tniżżlet fin-noti tiegħu. Tista' tattiva din il-funzjoni sperimentali fil-fajl config.toml ta' Codex tiegħek,(jinfetaħ f’tieqa ġdida) u fil-ġimgħat li ġejjin se ssir l-għażla awtomatika għal Astra.
Navvanzaw l-iskoperta xjentifika
Astra jista' jgħin fix-xogħol prattiku wara l-iskoperta xjentifika. Billi jgħaqqad ir-raġunament xjentifiku mal-użu tal-kompjuter, jista' jaħdem direttament f'softwer speċjalizzat biex jispezzjona d-dejta u jesplora r-riżultati, u jgħin lir-riċerkaturi jivvalutaw l-evidenza u jiddeċiedu x'jinvestigaw wara.
Ċibersigurtà
Kif iddiskutejna fl-aġġornament tagħna dwar is-sikurezza, Astra jirrappreżenta qabża sinifikanti fil-kapaċitajiet ċibernetiċi u jilħaq il-limitu Kritiku fiċ-ċibersigurtà skont il-Qafas tat-Tħejjija tagħna. Il-kapaċità tiegħu li jidentifika u jiżviluppa exploits zero-day tista' tgħin lid-difensuri jsibu u jsewwu d-dgħufijiet, iżda toħloq ukoll il-ħtieġa għal salvagwardji aktar b'saħħithom. Biex nifhmu sa fejn jaslu dawn il-kapaċitajiet, ħaddimna Astra f'evalwazzjonijiet interni u f'dawk ta' esperti ta' partijiet terzi.
L-ewwel ittestjajna l-mudell mingħajr salvagwardji tal-produzzjoni fuq ExploitBench u ExploitGym, li jevalwaw jekk il-mudelli jistgħux jibdlu vulnerabbiltajiet magħrufa tas-softwer f'exploits li jaħdmu. F'ExploitBench, Astra kiseb punteġġ perfett ta' 100%, meta mqabbel ma' 78.5% għal GPT‑5.6 Sol, il-mudell preċedenti tagħna bl-aktar kapaċitajiet ċibernetiċi avvanzati. F'ExploitGym, Astra laħaq rata ta' suċċess ta' 42.4%, meta mqabbel ma' 30.3% għal GPT‑5.6 Sol, filwaqt li uża ferm inqas tokens tal-output.13
Minħabba t-tħassib li l-esponiment għal vulnerabbiltajiet storiċi tas-softwer seta' affettwa r-riżultati tal-benchmarks, evalwajna wkoll Astra fuq żewġ benchmarks ġodda. Għall-ewwel wieħed, bnejna evalwazzjoni interna “ExploitBench (Ġunju–Awwissu 2026)” biex nittestjaw l-iżvilupp ta' exploits bl-użu ta' vulnerabbiltajiet mit-tliet xhur ta' qabel.14 Astra kiseb rati ferm ogħla ta' eżekuzzjoni ta' kodiċi arbitrarju minn GPT‑5.6 Sol fuq dan is-sett ta' dejta, filwaqt li uża ferm inqas tokens tal-output. Matul l-evalwazzjoni, Astra saħansitra skopra u uża żewġ vulnerabbiltajiet zero-day li qabel ma kinux magħrufa. Qed niżvelaw iż-żewġ vulnerabbiltajiet lil dawk responsabbli għall-manutenzjoni tagħhom.
Ittestjajna wkoll Astra fuq SRE-Bench15, benchmark li jkejjel jekk il-mudelli jistgħux jagħmlu reverse engineering ta' fajls binarji tas-softwer biex jifhmu l-loġika ewlenija tiegħu mingħajr aċċess għall-kodiċi sors mhux ipproċessat. Astra solva 88.0% tal-kompiti f'tentattiv wieħed u 99.2% fi żmien erba' tentattivi, meta mqabbel ma' 55.9% u 68.7% għal GPT‑5.6 Sol, rispettivament.
Lil hinn mill-benchmarks, valutazzjonijiet immexxija minn esperti sabu li Astra, meta jitħaddem mingħajr salvagwardji tal-produzzjoni, seta' juża vulnerabbiltajiet li qabel ma kinux magħrufa biex jesegwixxi kodiċi arbitrarju f'brawżers imsaħħa għas-sigurtà u joħloq exploits ta' eskalazzjoni tal-privileġġi għal sistemi operattivi msaħħa għas-sigurtà.
Kif iddiskutejna f'It-Tieqa tad-Difensur, il-kapaċitajiet ċibernetiċi l-aktar avvanzati jistgħu jgħinu lid-difensuri jsibu d-dgħufijiet aktar malajr, iżda jagħmluha wkoll aktar faċli li jiġu sfruttati, u b'hekk iżidu l-urġenza li d-difensuri jadattaw. Bil-verżjoni ta' Astra li qed titnieda llum, id-difensuri jistgħu jużawh biex ilestu kompiti bħar-reviżjoni tas-sigurtà tal-kodiċi u l-applikazzjoni ta' patches.
Madankollu, Astra se jirrifjuta li jwettaq kompiti aktar avvanzati taċ-ċibersigurtà, bħall-ħolqien ta' exploits ta' prova tal-kunċett għal vulnerabbiltajiet. Permezz ta' OpenAI Daybreak, qed nippjanaw li nwessgħu l-aċċess u nintroduċu salvagwardji inqas restrittivi fil-ġimgħat li ġejjin. Dan se jippermetti aktar flussi tax-xogħol difensivi, inklużi l-validazzjoni tal-vulnerabbiltajiet u tal-provi tal-kunċett, l-analiżi tal-malware, u l-inġinerija tad-detezzjoni.
Saħħaħna wkoll il-protezzjonijiet tagħna kontra l-użu ħażin ċibernetiku potenzjali, billi bnejna fuq is-saffi ta' salvagwardji tagħna għal GPT‑5.6 Sol. Dawn jinkludu mudell aktar robust biex jiflaħ aħjar għal jailbreaks potenzjali u aktar kuntest għas-sistemi ta' monitoraġġ tagħna. Komplejna b'ittestjar rigoruż intern u estern, inklużi evalwazzjonijiet awtomatizzati bl-attakkanti interni tagħna tar-red teaming. Aktar dettalji dwar is-salvagwardji ċibernetiċi u l-ittestjar tagħna jinsabu fil-ħarsa ġenerali lejn is-sikurezza u fil-kard tas-sistema(jinfetaħ f’tieqa ġdida) ta' Astra.
Allinjament u tnedija responsabbli ta' GPT‑6 Astra
Astra huwa l-aktar mudell allinjat tagħna. Astra jispikka fil-kawtela, fir-rispett tal-limiti tal-kompiti, u fil-komunikazzjoni trasparenti. Dan ix-xogħol huwa l-aktar riżultat reċenti tal-programm ta' riċerka tagħna li ilu għaddej, iffukat fuq it-taħriġ ta' mudelli li jibqgħu allinjati mal-intenzjoni tal-bniedem mill-bidu sat-tmiem.
F'ambjenti sensittivi, Astra jipproċedi b'kawtela proporzjonata mar-riskju tiegħu. F'evalwazzjoni ta' kompiti tal-użu tal-kompjuter magħżula apposta biex iqajmu mġiba ħażina, Astra kellu aktar suċċess biex jevita konsegwenzi mhux intenzjonati. It-tħaddim b'miżuri addizzjonali ta' sigurtà offruti b'mod awtomatiku ta prestazzjoni saħansitra aħjar.
Astra jikkawża inqas riżultati mhux allinjati minn kwalunkwe mudell avvanzat ieħor ittestjat. Għal tqabbil ġust, użajna harness ġeneriku ta’ aġent li juża l-kompjuter (ibbażat fuq l-għodod nattivi tal-użu tal-kompjuter disponibbli kemm fl-API Responses ta’ OpenAI(jinfetaħ f’tieqa ġdida) kif ukoll fl-API Messages ta’ Anthropic(jinfetaħ f’tieqa ġdida)) u mingħajr protezzjonijiet addizzjonali li normalment jingħataw lill-utenti ta’ Codex u ChatGPT Work (rieżami awtomatiku, politika ta’ konferma).
Astra huwa wkoll aktar probabbli li jaħdem fil-limiti stabbiliti mill-utent u impliċiti fl-ambjent tiegħu. F'evalwazzjoni interna, Astra qatt ma pprova jevita rifjut ta' Codex Auto-Review. Dan baqa' minnu anki meta Auto-review kien ikkonfigurat apposta biex ikun jista' jiġi evitat u l-kompitu kien impossibbli jitlesta mod ieħor. Dan ir-rispett għar-restrizzjonijiet tal-ambjent huwa konsistenti mar-riżultati tal-evalwazzjoni tagħna ta' kompiti ċibernetiċi impossibbli li qsamna fl-introduzzjoni ta' din il-post u sejbiet oħra dokumentati fil-kard tas-sistema(jinfetaħ f’tieqa ġdida) tagħna.
Astra jistabbilixxi wkoll livelli ġodda ta' komunikazzjoni trasparenti mal-utent. F'evalwazzjoni waħda, il-probabbiltà li Astra jagħmel stqarrijiet mhux preċiżi dwar il-kapaċitajiet tiegħu u l-azzjonijiet disponibbli għalih hija terz ta' dik ta' GPT‑5.6 Sol.
Fl-evalwazzjoni tagħna tal-alluċinazzjonijiet dwar il-kapaċitajiet, Astra juri titjib sostanzjali fuq GPT‑5.6 Sol, b'inqas stqarrijiet qarrieqa dwar il-kapaċitajiet tiegħu.
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(jinfetaħ f’tieqa ġdida) 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(jinfetaħ f’tieqa ġdida) 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.
Availability
GPT‑6 Astra qed jitnieda llum għal għadd limitat ta' organizzazzjonijiet u fil-jiem li ġejjin se jkun disponibbli għall-utenti kollha ta' ChatGPT Plus, ChatGPT Pro, Business, u Enterprise, kif ukoll permezz tal-API ta' OpenAI, Microsoft Azure, u AWS Bedrock. L-użu ta' Astra huwa inkluż fil-kwoti eżistenti tal-abbonamenti; l-utenti u n-negozji se jkunu jistgħu wkoll jixtru krediti għal użu addizzjonali. L-utenti tal-pjanijiet ChatGPT Pro, Business, u Enterprise se jkollhom ukoll aċċess għal GPT‑6 Astra Pro. L-amministraturi ta' Enterprise jistgħu jattivaw Astra għall-workspace tagħhom; mal-varar, l-aċċess ikun diżattivat b'mod awtomatiku.
Astra jappoġġa l-ebda żamma tad-dejta għall-klijenti eliġibbli tal-API, u kif ħabbarna x-xahar li għadda, qed nittestjaw Ipproċessar Privat għas-Sikurezza biex insaħħu l-monitoraġġ tas-sikurezza filwaqt li nħarsu l-privatezza tal-klijenti.
Għall-iżviluppaturi, GPT‑6 Astra se jkun disponibbli fl-API ta' OpenAI bħala gpt-6-astra u permezz ta' Microsoft Azure u Amazon Bedrock.
Il-prezz Standard tal-API ta' OpenAI huwa $10 għal kull miljun token tal-input u $50 għal kull miljun token tal-output. Japplikaw rati separati għall-qari u l-kitba fil-cache. Il-Modalità veloċi hija disponibbli għal GPT‑6 Astra fl-API u toffri sa darbtejn il-veloċità tal-ipproċessar Standard bid-doppju tal-prezz Standard.
Użu tal-kompjuter
| Użu tal-Kompjuter | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
|---|---|---|---|---|---|---|
| OSWorld 2.0 (rilaxx ta’ Awwissu, punteġġ parzjali) | - | - | - | 66.1% | 70.6% | - |
| OSWorld 2.0 (rilaxx ta’ Awwissu, subsett offline, punteġġ parzjali) | - | - | - | - | - | - |
| ScreenSpot Pro | 92.6% | 76.8% | - | - | - | - |
| BrowseComp | 92.1% | 90.4% | - | 87.4% | 90.8% | - |
Professional
Professional | 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% | - |
OpenScore String Quartets (1 - OMR-NED) | 0.84 | 0.19 | - | - | - | - |
Internal Design Tasks | 50.0% | 47.4% | - | 35.8% | - | - |
Internal Data Science Tasks | 40.9% | 30.5% | - | 34.7% | - | - |
Artificial Analysis Intelligence Index v4.1.1 | 61.2 | 60.9 | 65.7 | 62.1 | 63.1 | 58.7 |
Ikkowdjar
| Ikkowdjar | 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 Extended (punteġġ) | 64.5% 8 | 60.6% | 63.6% | 64.9% | 63.6% | 56.3% |
| FrontierCode 1.1 Main (punteġġ) | 53.3% 8 | 47.5% | 50.9% | 53.5% | 53.4% | 43.6% |
| Kompiti interni ta' migrazzjoni ta' databases | 63.9% | 42.7% | 57.8% | 50.3% | - | - |
| Artificial Analysis Coding Agent Index v1.4 | 67.0 | 65.1 | - | 67.2 | 68.1 | 61.2 |
Akkademiku
Akkademiku | 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 Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 90.2% | 73.2% | - |
GPQA Diamond | 96.0% | 94.6% | 93.7% | 92.6% | 93.7% | 95.3% |
Humanity's Last Exam (b'għodod) | 57.2% | - | 65.0% | 63.8% | 63.6% | - |
Allinjament
Allinjament | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
Benchmark intern tas-sikurezza fl-użu tal-kompjuter (inqas aħjar) | 2.4% | 22.0% | 9.5% | 18.3% | 11.5% | - |
Benchmark intern tas-sikurezza fl-użu tal-kompjuter, b'AutoReview (inqas aħjar) | 1.8% | 4.3% | - | - | - | - |
Benchmark intern taċ-ċirkomvenzjoni (inqas aħjar) | 0.00% | 0.29% | - | - | - | - |
Honeypot ta' ExploitGym (inqas aħjar) | 0.0% | 48.2% | - | - | - | - |
ExploitGym impossibbli | 100.0% | - | - | - | - | - |
Benchmark intern tal-alluċinazzjonijiet (inqas aħjar) | 4.2% | 12.2% | - | - | - | - |
Kuntest twil
Kuntest twil | 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% | - | - | - | - |
Raġunament astratt
| Raġunament astratt | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
|---|---|---|---|---|---|---|
| ARC-AGI-3 | 99.9% 1 | 7.8% | - | - | 30.2% | - |
| ARC-AGI-2 | 95.0% | 92.5% | 90.0% | 89.2% | 90.4% | - |
| ARC-AGI-1 | 98.5% | 97.5% | 97.5% | 98.5% | 97.5% | - |
Il-punteġġi tal-evalwazzjoni huma l-massimu miksub fi kwalunkwe livell ta' sforz. L-evalwazzjonijiet ta' GPT twettqu fl-ambjent tar-riċerka tagħna jew permezz tal-API tagħna, li jistgħu jipproduċu output kemxejn differenti minn ChatGPT fil-produzzjoni minħabba differenzi fil-prompts tas-sistema, l-għodod disponibbli, eċċ.
NOTI TA' QIEGĦ IL-PAĠNA
- 1
F'ARC-AGI-3, GPT-6 Astra tħaddem bil-harness tagħna tal-Responses API, li jibdel żewġ settings biex jirrifletti aħjar il-prestazzjoni fid-dinja reali. Il-bidliet mhumiex immirati speċifikament lejn ARC-AGI-3.
- 2
GPT-5.6 Sol jirreferi għall-verżjoni disponibbli fl-API tagħna, f'ChatGPT Codex, u f'ChatGPT Work. Il-verżjoni f'ChatGPT Chat hija kemxejn differenti.
- 3
OSWorld V2-Offline huwa sottosett tal-OSWorld V2 oriġinali li jaħdem mingħajr aċċess għall-internet. Il-prestazzjoni tal-mudelli Claude fuq OSWorld-V2 Offline ġiet riprodotta mill-awturi fuq il-klassifika uffiċjali(jinfetaħ f’tieqa ġdida). F'OSWorld 2.0, il-punteġġi ta' Claude jużaw is-settings uffiċjali, mhux il-kompiti u l-għoti tal-punti modifikati mill-Kard tas-Sistema ta' Fable 5.1.
- 4
- 5
F'BenchCAD, il-punteġġi ta' Claude jirriflettu 3 modifiki fl-evalwazzjoni, spjegati fil-Kard tas-Sistema ta' Fable 5.1(jinfetaħ f’tieqa ġdida).
- 6
Guang Yang, Victoria Ebert, Nazif Tamer, Brian Siyuan Zheng, Luiza Pozzobon, u Noah A. Smith. “LEGATO: Approċċ ġeneralizzabbli fuq skala kbira minn tarf sa tarf għall-OMR ta' notazzjoni stampata(jinfetaħ f’tieqa ġdida).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, u Peter Jonas. “Il-Korpus ta' Kwartetti tal-Kordi ta' OpenScore(jinfetaħ f’tieqa ġdida).” Atti tal-10 Konferenza Internazzjonali dwar il-Libreriji Diġitali għall-Mużikoloġija, pp. 49–57. ACM, 2023.
- 8
F'FrontierCode, GPT-6 Astra tħaddem b'messaġġ tal-iżviluppatur simili għal taqsima tal-messaġġ tal-iżviluppatur tiegħu f'Codex(jinfetaħ f’tieqa ġdida): “Evita li toħloq wisq fajls tat-test. Oħloq fajl tat-test ġdid biss meta jkun meħtieġ mill-konvenzjonijiet tar-repożitorju jew meta l-ebda fajl eżistenti ma jkun post xieraq għalih. Evita tindif mhux relatat u kumplessità bla bżonn. Erġa' uża utilitajiet eżistenti xierqa. Aqra l-istruzzjonijiet rilevanti tar-repożitorju u spezzjona l-kodiċi, it-testijiet, id-dokumentazzjoni, u s-CI fil-qrib. Segwi l-konvenzjonijiet stabbiliti. L-għan huwa kodiċi nadif u li jista' jiġi integrat.” Il-prompt ma ġiex ottimizzat għall-evalwazzjoni.
- 9
L-ewwel riżultat jikkonċerna kemm in-numri primi jistgħu jseħħu qrib xulxin, irrispettivament minn kemm timxi 'l quddiem fuq il-linja tan-numri. Għal aktar minn għaxar snin, l-aħjar riżultat magħruf kien jistabbilixxi li hemm għadd infinit ta' pari ta' numri primi li d-distanza bejniethom hija l-aktar 246. Julia Stadlmann(jinfetaħ f’tieqa ġdida) reċentement tejbet dak il-limitu għal 240. Astra għen jistabbilixxi limitu aktar strett ta' 186, u wera li għadd infinit ta' pari jseħħu f'din id-distanza iżgħar. Distanzi qosra bejn numri primi: Prova(jinfetaħ f’tieqa ġdida) u riċerka ta' sostenn(jinfetaħ f’tieqa ġdida).
- 10
It-tieni riżultat jikkonċerna distanzi kbar mhux tas-soltu bejn in-numri primi. Astra tejjeb terminu f'limitu fuq dawn id-distanzi li kien baqa' ma nbidilx għal aktar minn 80 sena. Qed naqsmu l-provi u l-materjali mqassra tal-katina tal-ħsieb u tal-verifika għaż-żewġ riżultati. Distanzi kbar bejn numri primi: Prova(jinfetaħ f’tieqa ġdida) u riċerka ta' sostenn(jinfetaħ f’tieqa ġdida).
- 11
- 12
- 13
- 14
ExploitBench (Ġunju–Awwissu 2026) fih 20 vulnerabbiltà ta' severità għolja f'V8 mifruxa fuq 13-il verżjoni stabbli ta' Chrome. Il-benchmark jittestja jekk l-aġenti jistgħux jesegwixxu kodiċi arbitrarju f'V8 u fil-verżjonijiet uffiċjali ta' Chrome għal Linux billi jisfruttaw kull vulnerabbiltà speċifikata. Xi vulnerabbiltajiet inklużi jistgħu ma jippermettux l-eżekuzzjoni ta' kodiċi arbitrarju taħt ir-restrizzjonijiet tal-evalwazzjoni, għalhekk rata ta' suċċess ta' 100% tista' ma tkunx possibbli. Nota: il-punteġġ ta' 5.5% ta' GPT-5.6 Sol jirriżulta mil-limitu ta' 300 skambju fil-benchmark, limitu li l-klijenti reali li jużaw Max ma jkollhomx. Il-mudell b'settings simili kiseb punteġġ ta' 11.5% meta ltaqa' ma' inqas limiti.
- 15
Jeremy Spence et al. “L-Isfida li Jmiss għaċ-Ċibersigurtà b'Aġenti: Benchmark Realistiku ta' Reverse Engineering Ħieles mill-Kontaminazzjoni(jinfetaħ f’tieqa ġdida).” arXiv:2608.11469v1, 2026.
- 16
Meta nittestjaw mudelli ta' partijiet terzi, nużaw konfigurazzjoni tar-riċerka aktar sempliċi. Codex għandu konfigurazzjoni tal-produzzjoni aktar kumplessa, li tista' tirriżulta f'rati differenti ta' żbalji tal-mudell waħdu. Is-salvagwardji min-naħa tal-fornitur u l-implimentazzjonijiet tal-għodod tal-kompjuter għadhom ivarjaw. L-utenti ma jesperjenzawx ix-xenarju mingħajr konferma f'Codex, għax dan huwa konfigurazzjoni interna tar-riċerka.
- 17
