GPT-6 Astra: A new generation of intelligence

Astra ဖြင့် context window ပြည့်သွားသည့်အခါ Codex က အကြောင်းအရာကို ထိန်းသိမ်းပြီး ပြန်လည်ရယူနိုင်စေမည့် နည်းလမ်းသစ်တစ်ခုကို မိတ်ဆက်ပေးနေပါသည်။ ယခင်က မော်ဒယ်များသည် ရှုပ်ထွေးသော ပြဿနာများကို အမှားရှာဖွေဖြေရှင်းသည့်အခါ သို့မဟုတ် ကြီးမားသော refactor များကို ကိုင်တွယ်သည့်အခါကဲ့သို့ ရှည်လျားသော ဆက်ရှင်များအတွင်း အလုပ်ကို အနှစ်ချုပ်ရန် အကျဉ်းချုံ့ခြင်းကို အသုံးပြုခဲ့ကြသည်။ အကျဉ်းချုံ့ခြင်းတစ်ကြိမ်စီသည် ပြင်ဆင်ချက်တစ်ခု အဘယ်ကြောင့် မအောင်မြင်ခဲ့သည် သို့မဟုတ် အစိတ်အပိုင်းတစ်ခု မည်သို့လုပ်ဆောင်သည်ဆိုသည့် အသေးစိတ်အချက်အလက်များကို ချန်လှပ်ထားနိုင်သည်။ Codex တွင် Astra သည် context window များအကြား မှတ်စုများကို ထိန်းသိမ်းထားနိုင်ပြီး စုပုံလာသော အသေးစိတ်အချက်အလက်များကို အနှစ်ချုပ်တစ်ခုတည်းအဖြစ် ထပ်ခါတလဲလဲ အကျဉ်းချုံ့စရာမလိုဘဲ ထိန်းသိမ်းထားနိုင်သည်။ ယခင် context window များကို ဆက်လက်ရှာဖွေနိုင်သောကြောင့် Astra သည် ထိုအချက်အလက်များကို ၎င်း၏မှတ်စုများတွင် မှတ်တမ်းတင်မထားခဲ့လျှင်ပင် ယခင်မက်ဆေ့ချ်များနှင့် ကိရိယာရလဒ်များမှ လိုအပ်ချက်များ သို့မဟုတ် စမ်းသပ်ရလဒ်များကို ရှာဖွေနိုင်သည်။ ဤစမ်းသပ်ဆဲလုပ်ဆောင်ချက်ကို သင့်၏ Codex config.toml တွင် ဖွင့်အသုံးပြုနိုင်သည်၊⁠(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) ပြီးတော့ ၎င်းသည် လာမည့်သီတင်းပတ်များအတွင်း Astra အတွက် ပုံသေသတ်မှတ်ချက် ဖြစ်လာပါမည်။

ယခင်က မှတ်တမ်းတင်ထားသော ဆော့ဖ်ဝဲ အားနည်းချက်များနှင့် ထိတွေ့ခဲ့မှုကြောင့် စံပြိုင်ရလဒ်များ ထိခိုက်ခဲ့နိုင်သည်ဆိုသော စိုးရိမ်ချက်များ ရှိနိုင်သဖြင့်၊ ကျွန်ုပ်တို့သည် Astra ကို အသစ်တီထွင်ထားသော စံပြိုင်နှစ်ခုတွင်လည်း အကဲဖြတ်ခဲ့ပါသည်။ ဥပမာတစ်ခုအနေဖြင့်၊ ကျွန်ုပ်တို့သည် ပြီးခဲ့သည့် သုံးလအတွင်းရှိ အားနည်းချက်များကို အသုံးပြုကာ exploit ဖွံ့ဖြိုးတီထွင်မှုကို စမ်းသပ်ရန် အတွင်းပိုင်း “ExploitBench (ဇွန်–ဩဂုတ် ၂၀၂၆ ခုနှစ်)” အကဲဖြတ်မှုတစ်ခုကို တည်ဆောက်ခဲ့သည်။ ² ဤဒေတာအစုတွင် Astra သည် GPT‑5.6 Sol ထက် မည်သည့်ကုဒ်မဆို လုပ်ဆောင်နိုင်သည့်နှုန်းကို သိသိသာသာ ပိုမိုမြင့်မားစွာ ရရှိခဲ့ပြီး အထွက်တိုကင်များကို များစွာနည်းပါးစွာ အသုံးပြုခဲ့သည်။ အကဲဖြတ်မှုအတွင်း Astra သည် ယခင်က မသိရှိရသေးသော Chrome V8 heap-sandbox မှ လွတ်မြောက်နိုင်သည့် နည်းလမ်းနှစ်ခုကို ရှာဖွေတွေ့ရှိပြီး အသုံးပြုခဲ့သည်။ ကျွန်ုပ်တို့သည် အားနည်းချက်နှစ်ခုစလုံးကို ၎င်းတို့၏ ထိန်းသိမ်းသူများထံ ထုတ်ဖော်အသိပေးနေပါသည်။

ကျွန်ုပ်တို့သည် Astra ကို SRE-Bench တွင်လည်း စမ်းသပ်ခဲ့သည်။ ၎င်းသည် မော်ဒယ်များက ဘိုင်နရီဆော့ဖ်ဝဲလ်ကို ၎င်း၏ အဓိက logic ကို နားလည်ရန် reverse engineer ပြုလုပ်နိုင်ခြင်း ရှိ၊ မရှိကို တိုင်းတာသည့် စံနှုန်းစမ်းသပ်မှုတစ်ခုဖြစ်သည်။ ဘန်ချ်မတ်၏ ရေးသားသူများသည် ဆော့ဖ်ဝဲကို အစမှစ၍ တည်ဆောက်ခဲ့ပြီး ၎င်း၏ အရင်းအမြစ်ကုဒ်ကိုလည်း သီးသန့်ထားရှိခဲ့သည်။ Astra သည် လုပ်ငန်းတာဝန်များ၏ 88.0% ကို တစ်ကြိမ်တည်း ကြိုးပမ်းမှုဖြင့် ဖြေရှင်းခဲ့ပြီး 99.2% ကို လေးကြိမ်ကြိုးပမ်းမှုအတွင်း ဖြေရှင်းခဲ့သည်။ GPT‑5.6 Sol ၏ 55.9% နှင့် 68.7% တို့နှင့် အသီးသီး နှိုင်းယှဉ်ထားခြင်း ဖြစ်သည်။

စံနှုန်းတိုင်းတာစမ်းသပ်မှုများထက် ပို၍၊ ကျွမ်းကျင်ပညာရှင်များ ဦးဆောင်သော အကဲဖြတ်မှုများအရ Astra သည် ယခင်က မသိရှိရသေးသော အားနည်းချက်များကို အသုံးပြု၍ လုံခြုံရေး တင်းကျပ်ထားသော ဘရောက်ဇာများတွင် မိမိနှစ်သက်ရာကုဒ်ကို လုပ်ဆောင်နိုင်ပြီး၊ လုံခြုံရေး တင်းကျပ်ထားသော လည်ပတ်မှုစနစ်များအတွက် အခွင့်အရေးအဆင့် မြှင့်တင်နိုင်သော အသုံးချတိုက်ခိုက်မှုများကို ဖန်တီးနိုင်ကြောင်း တွေ့ရှိခဲ့သည်။ ဤရလဒ်များကို စုစည်းသုံးသပ်ပြီးနောက် Astra သည် ကျွန်ုပ်တို့၏ ကြိုတင်ပြင်ဆင်ထားခြင်းဆိုင်ရာ ဖွဲ့စည်းမှု အရ ဆိုက်ဘာလုံခြုံရေးတွင် Critical သတ်မှတ်ချက်သို့ ရောက်ရှိပြီဟု ဆုံးဖြတ်ခဲ့သည်။

ကျွန်ုပ်တို့ ကာကွယ်သူများ၏ အခွင့်အလမ်းကာလ တွင် ဆွေးနွေးခဲ့သည့်အတိုင်း၊ စွမ်းဆောင်ရည်အမြင့်ဆုံး ဆိုက်ဘာစွမ်းရည်များသည် ကာကွယ်သူများအား အားနည်းချက်များကို ပိုမိုမြန်ဆန်စွာ ရှာဖွေတွေ့ရှိရန် ကူညီပေးနိုင်သော်လည်း၊ ထိုအားနည်းချက်များကို တိုက်ခိုက်အသုံးချရန်လည်း ပိုမိုလွယ်ကူစေသဖြင့် ကာကွယ်သူများအနေဖြင့် အလိုက်သင့်ပြောင်းလဲရန် အရေးတကြီးလိုအပ်မှုကို မြင့်တက်စေပါသည်။

ယနေ့ စတင်ထုတ်လွှင့်သည့် Astra ဗားရှင်းတွင် ကျွန်ုပ်တို့သည် လုံခြုံရေးကုဒ်ပြန်လည်သုံးသပ်ခြင်း၊ ပက်ခ်တင်ခြင်းနှင့် ခြိမ်းခြောက်မှုမော်ဒယ်ရေးဆွဲခြင်းကဲ့သို့သော အရေးကြီးသော ကာကွယ်ရေးတာဝန်များကို ပံ့ပိုးပေးသည်။ သို့သော် မူလသတ်မှတ်ချက်အရ Astra သည် exploit ရှာဖွေဖော်ထုတ်ခြင်းကဲ့သို့သော အဆင့်မြင့် ဆိုက်ဘာလုံခြုံရေးဆိုင်ရာ လုပ်ငန်းတာဝန်များကို လိုက်နာဆောင်ရွက်ရန် ငြင်းဆိုမည်။ OpenAI Daybreak မှတစ်ဆင့် ကျွန်ုပ်တို့သည် OpenAI Daybreak ပရိုဂရမ်အတွင်းရှိ ယုံကြည်ရသော ဆိုက်ဘာလုံခြုံရေး ကာကွယ်သူများ၏ အယ်လ်ဖာအုပ်စုအတွက် ကန့်သတ်ချက်နည်းသော အသုံးပြုခွင့်ကို စတင်ပေးအပ်နေပါသည်။ ၎င်းသည် အားနည်းချက်ကို ဦးစားပေးအဆင့်သတ်မှတ်ခြင်း (vulnerability triage) နှင့် အတည်ပြုစစ်ဆေးခြင်း၊ မဲလ်ဝဲလ် (malware) ခွဲခြမ်းစိတ်ဖြာခြင်း၊ ထောက်လှမ်းမှုဆိုင်ရာ အင်ဂျင်နီယာလုပ်ငန်း (detection engineering) နှင့် patch အတည်ပြုစစ်ဆေးခြင်းတို့ အပါအဝင် ကာကွယ်ရေးဆိုင်ရာ လုပ်ငန်းစဉ်များကို ဝင်ရောက်အသုံးပြုနိုင်မှုကို တိုးချဲ့ပေးပါသည်။ Daybreak Blue မှတစ်ဆင့် ဝင်ရောက်အသုံးပြုနိုင်မှုကို ပိုမိုတိုးချဲ့ရန် ကျွန်ုပ်တို့ စီစဉ်ထားပါသည်။

GPT‑5.6 Sol အတွက် ကျွန်ုပ်တို့၏ ကာကွယ်ရေးအစီအမံအလွှာကို အခြေခံ၍ ဖြစ်နိုင်ခြေရှိသော ဆိုက်ဘာ အလွဲသုံးစားမှုများကို ကာကွယ်ရန် ကျွန်ုပ်တို့၏ အကာအကွယ်များကိုလည်း အားကောင်းစေခဲ့သည်။ ၎င်းတို့တွင် ဖြစ်နိုင်ခြေရှိသော Jailbreak များကို ပိုမိုခံနိုင်ရည်ရှိစေရန် ပိုမိုအားကောင်းသော မော်ဒယ် ကြံ့ခိုင်မှုလေ့ကျင့်မှုနှင့် ကျွန်ုပ်တို့၏ စောင့်ကြည့်စနစ်များအတွက် အကြောင်းအရာဆိုင်ရာ အချက်အလက်များ ပိုမိုထည့်သွင်းပေးခြင်းတို့ ပါဝင်သည်။ ကျွန်ုပ်တို့၏ အတွင်းပိုင်း ထိုးဖောက်စမ်းသပ်ခြင်း တိုက်ခိုက်သူများနှင့် အလိုအလျောက် စမ်းသပ်မှုများအပါအဝင် တင်းကျပ်သော အတွင်းပိုင်းနှင့် ပြင်ပ စမ်းသပ်မှုများကို ဆက်လက်လုပ်ဆောင်ခဲ့သည်။ ကျွန်ုပ်တို့၏ ဆိုက်ဘာ ကာကွယ်ရေးအစီအမံများနှင့် စမ်းသပ်မှုများအကြောင်း အသေးစိတ်ကို Astra စနစ်ကဒ်နှင့် ကျွန်ုပ်တို့၏ ဘလော့ဂ်တွင် ရရှိနိုင်သည်။

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(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) 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(ဝင်းဒိုးအသစ်တွင် ဖွင့်မည်) 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 ကို ယနေ့တွင် လုပ်ငန်းများနှင့် ကျွန်ုပ်တို့၏ ယုံကြည်စိတ်ချရသော အသုံးပြုခွင့်အစီအစဉ်ရှိ သုံးစွဲသူများအတွက် အဆင့်လိုက် ဖြန့်ချိနေပြီး၊ ChatGPT Plus၊ Pro၊ Business နှင့် Enterprise ကို စာရင်းသွင်းထားသူများအတွက်မူ လာမည့်ရက်အနည်းငယ်အတွင်း ကျယ်ကျယ်ပြန့်ပြန့် ရရှိလာမည်ဖြစ်ပါသည်။ Astra အသုံးပြုမှုကို ဒေါ်လာ ၁၀၀ နှင့် ဒေါ်လာ ၂၀၀Pro အစီအစဉ်များ၊ ဒေါ်လာ ၁၀၀ Business အစီအစဉ်တို့၏ ရှိပြီးသား အသုံးပြုခွင့်ပမာဏတွင် ထည့်သွင်းထားပြီး၊ အပိုနှုန်းထားကန့်သတ်ချက်များ သို့မဟုတ် ကန့်သတ်မှုများ မရှိပါ။ ဒေါ်လာ ၂၀ Plus စာရင်းသွင်းမှုရှိသူများနှင့် ပုံမှန် Business အစီအစဉ်ရှိ သုံးစွဲသူများသည် ပိုနိမ့်သော ကန့်သတ်ချက်များဖြင့် GPT‑6 Astra ကို အသုံးပြုနိုင်ပြီး၊ ထပ်ဆောင်းအသုံးပြုခွင့်အတွက် ခရက်ဒစ်များ ဝယ်ယူနိုင်ပါသည်။ Enterprise အုပ်ချုပ်ရေးမှူးများသည် ၎င်းတို့၏ အလုပ်နေရာအတွက် Astra ကို ဖွင့်နိုင်ပြီး၊ စတင်ဖြန့်ချိချိန်တွင် အသုံးပြုခွင့်ကို မူလအတိုင်း ပိတ်ထားပါသည်။

Pro Lite၊ Pro၊ Business နှင့် Enterprise အသုံးပြုသူများသည် စကားပြောတွင် GPT‑6 Astra ကိုလည်း အသုံးပြုနိုင်ပါသည်။ Astra သည် အကျုံးဝင်သော API ဖောက်သည်များအတွက် ဒေတာ လုံးဝသိမ်းဆည်းမထားခြင်းကို ပံ့ပိုးပေးပြီး ပြီးခဲ့သည့်လတွင် ကျွန်ုပ်တို့ မျှဝေခဲ့သည့်အတိုင်း ဖောက်သည်များ၏ ကိုယ်ရေးလုံခြုံမှုကို ထိန်းသိမ်းထားစဉ် လုံခြုံရေးစောင့်ကြည့်မှုကို အားကောင်းစေရန် သီးသန့် လုံခြုံရေး စိစစ်ဆောင်ရွက်မှုကို စမ်းသပ်နေပါသည်။

developer များအတွက် GPT‑6 Astra ကို OpenAI API တွင် gpt-6-astra အဖြစ် အသုံးပြုနိုင်ပြီး AWS Bedrock တွင်လည်း အသုံးပြုနိုင်ပါသည်။ OpenAI API Standard ဈေးနှုန်းမှာ input တိုကင်တစ်သန်းလျှင် ဒေါ်လာ ၁၀ နှင့် output တိုကင်တစ်သန်းလျှင် ဒေါ်လာ ၅၀ ဖြစ်ပါသည်။ cache read နှင့် write များအတွက် သီးခြားနှုန်းထားများ သက်ရောက်ပါသည်။ API တွင် GPT‑6 Astra အတွက် အမြန်မုဒ်ကို အသုံးပြုနိုင်ပြီး Standard လုပ်ဆောင်မှု၏ အမြန်နှုန်းထက် 2.5x အထိ ပိုမိုမြန်ဆန်စွာ 2x Standard ဈေးနှုန်းဖြင့် ပေးစွမ်းပါသည်။