GPT-6 Astra: A new generation of intelligence
Uma nova geração de inteligência
Apresentamos o GPT‑6 Astra, o modelo mais inteligente e alinhado do mundo.
O GPT‑6 Astra reúne anos de pesquisa e grandes apostas em pré-treinamento, aprendizado por reforço e alinhamento. O Astra está na vanguarda do uso do computador, da navegação na web, da engenharia de software, da cibersegurança, da ciência e do trabalho profissional. O Astra atinge praticamente o limite do FrontierMath Tier 4, com pontuação de 98%, e já ajudou a resolver problemas matemáticos que permaneciam em aberto há muito tempo. Ele também atinge praticamente o limite do ARC-AGI-3, com pontuação de 99,9%, e o limite do ExploitBench, com 100%. Além disso, estabelece um novo patamar no uso do computador e do navegador, realizando os trabalhos profissionais mais exigentes com velocidade, precisão e discernimento sem precedentes.
O GPT‑6 Astra começa a ser disponibilizado hoje para um grupo limitado de organizações e, nos próximos dias, estará disponível para todos os usuários do ChatGPT Plus, Pro, Business e Enterprise, além de ser oferecido pela API da OpenAI, pelo Microsoft Azure e pelo AWS Bedrock.
O Astra é nosso modelo mais alinhado, com melhorias significativas na compreensão da intenção do usuário e no comportamento do modelo. Isso permite delegar tarefas com mais confiança no discernimento do Astra. Uma das formas de testar isso foi criar uma nova avaliação com base no incidente da Hugging Face para verificar se um modelo diante de uma tarefa difícil ou impossível ultrapassa o escopo previsto. Sem as salvaguardas de produção, o GPT‑5.6 Sol foi além do alvo autorizado em 48% dos casos; já o GPT‑6 Astra fez isso em 0% dos casos.
O melhor modelo do mundo para uso do computador
O GPT‑6 Astra representa uma nova fronteira em velocidade, precisão e segurança no uso do computador. Ele pode cuidar de tarefas tediosas, como preencher formulários online, atualizar registros de clientes em um CRM e organizar seu calendário. Pode realizar pesquisas online e redigir resumos no seu e-mail ou editor de documentos. Pode analisar dados científicos, gerar gráficos, criar um site e executar verificações de QA no frontend para garantir que todos os recursos do site funcionem. Pode ajudar você a instalar e testar software de forma autônoma e a solucionar problemas exibidos na tela. Essas melhorias também se refletem nos resultados de ponta que o modelo alcança em nossas avaliações.
Essas melhorias também resultam em ganhos significativos de eficiência em tarefas reais de trabalho intelectual. Em simulações de latência no OSWorld 2.0, o Astra alcança um desempenho maior no uso do computador em cerca de 47% menos tempo por tarefa que o GPT‑5.6 Sol: 72,6% em aproximadamente 40 minutos por tarefa, em comparação com 65,7% em cerca de 75 minutos.3
As capacidades de uso do computador do GPT‑6 Astra aparecem em resultados de várias áreas, incluindo desenvolvimento de jogos, engenharia elétrica e trabalho intelectual do dia a dia:
Alongside Astra, we are also updating the Codex harness to significantly improve the speed of computer use. Combined with Astra’s efficiency, this translates to a 1.9x faster task completion compared to the current GPT‑5.6 Sol experience, on the Mind2Web benchmark. The model’s improvements on speed mean it can take on many time-consuming life tasks for you, faster than you can.4
Um novo patamar para o trabalho profissional
O GPT‑6 Astra combina avanços no uso do computador com treinamento direcionado a ambientes profissionais para ajudar a realizar tarefas complexas de trabalho. Ele reúne a inteligência necessária para resolver problemas complexos e a capacidade de executar fluxos de trabalho com várias etapas e produzir documentos, planilhas e apresentações bem-acabados.
O GPT‑6 Astra é o que melhor segue modelos predefinidos e produz slides bem diagramados que transmitem os pontos principais com concisão e uma narrativa estruturada. Ele cria documentos, apresentações, planilhas e análises com clareza e boa estrutura, seguindo os modelos fornecidos e reproduzindo seu estilo visual e de escrita. O Astra também é treinado especificamente para incorporar aos resultados apenas o contexto relevante, em vez de repetir informações desnecessárias para o trabalho em questão. Com tudo isso, ele gera materiais prontos para uso e alinhados ao contexto e aos padrões da sua empresa.
O GPT‑6 Astra também demonstra maior discernimento visual nos sites, jogos, aplicativos e renderizações que cria. Com o Sites(abre em uma nova janela) no ChatGPT, o Astra pode criar, hospedar e compartilhar sites, aplicativos web e jogos diretamente a partir de um prompt.
Quando as instruções deixam margem para interpretação, o GPT‑6 Astra toma decisões melhores que os modelos anteriores. Ele usa o contexto para preencher lacunas corriqueiras e faz perguntas específicas quando a resposta pode mudar o resultado. No Codex, pode fazer perguntas de forma assíncrona enquanto continua o trabalho que não depende da sua resposta. Se você não responder, ele prossegue com suposições sensatas quando isso é adequado, mas espera sua contribuição para decisões de maior impacto.
Os exemplos abaixo mostram como o Astra colabora em tarefas do dia a dia nas quais a falta de informações pode mudar significativamente a resposta.
O Astra também mantém melhor o rumo conforme uma tarefa evolui. Modelos anteriores às vezes tratavam mensagens de orientação como um novo objetivo, perdendo de vista a solicitação original ou as restrições anteriores. O Astra incorpora novos requisitos, muda de direção quando solicitado e responde a perguntas paralelas sem abandonar a tarefa mais ampla.
Programação
O GPT‑6 Astra é o melhor modelo até hoje para engenharia de software.
"O GPT‑6 Astra oferece desempenho de ponta em nossos benchmarks internos de programação e apresenta um avanço claro nas avaliações de intuição para operações de mercado em relação ao GPT‑5.6 Sol. Quando usado para programação com agentes, o GPT‑6 Astra se comunica de uma forma mais fácil de acompanhar para os desenvolvedores e produz código que exige menos iterações para atingir qualidade de produção."
“Testamos o Astra com níveis de esforço baixo, médio e alto em uma de nossas avaliações de primeira geração, e ele ficou significativamente à frente do GPT‑5.6 Sol. Um nível de esforço mais alto permite mais iterações em uma criação do zero, mais verificações por meio de testes no navegador e maior preferência pela execução de código em vez do apply-patch. Entender como um modelo emprega seu esforço é o que nos permite oferecer a milhões de criadores um caminho mais rápido e confiável da ideia ao aplicativo funcional.”
Com o Astra, apresentamos uma nova maneira de o Codex preservar e recuperar o contexto quando a janela de contexto fica cheia. Historicamente, os modelos usam a compactação para resumir o trabalho durante sessões longas, como ao depurar problemas complexos ou realizar grandes refatorações. Cada compactação pode omitir detalhes sobre por que uma correção falhou ou como um componente se comporta. No Codex, o Astra pode manter anotações entre janelas de contexto, preservando os detalhes acumulados sem comprimi-los repetidamente em um único resumo. As janelas de contexto anteriores continuam disponíveis para busca, de modo que o Astra pode encontrar requisitos ou resultados de testes em mensagens anteriores e saídas de ferramentas, mesmo que essas informações não estejam nas anotações. Você pode ativar esse recurso experimental no config.toml do Codex,(abre em uma nova janela) e ele se tornará o padrão para o Astra nas próximas semanas.
Impulsionando descobertas científicas
O Astra pode ajudar no trabalho prático por trás das descobertas científicas. Ao combinar raciocínio científico com uso do computador, ele pode trabalhar diretamente em softwares especializados para examinar dados e explorar resultados, ajudando pesquisadores a avaliar as evidências e decidir o que investigar a seguir.
Segurança cibernética
As we discussed in our safety update, Astra is a significant jump in cyber capabilities and meets the Critical threshold in cybersecurity under our Preparedness Framework. Its ability to identify and develop zero-day exploits can help defenders find and patch weaknesses, but it also creates a need for stronger safeguards. To understand how far these capabilities extend, we ran Astra on internal and third-party expert evaluations.
We first tested the model without production safeguards on ExploitBench and ExploitGym, which evaluate whether models can turn known software vulnerabilities into working exploits. On ExploitBench, Astra achieved a perfect score of 100%, compared with 78.5% for GPT‑5.6 Sol, our previous frontier cyber-capable model. On ExploitGym, Astra reached a 42.4% success rate, compared with 30.3% for GPT‑5.6 Sol, while using substantially fewer output tokens.13
Given concerns that exposure to historical software vulnerabilities may have affected benchmark results, we also evaluated Astra on two novel benchmarks. For one, we built an internal “ExploitBench (June–August 2026)” evaluation to test exploit development using vulnerabilities from the previous three months.14 Astra achieved substantially higher arbitrary code-execution rates than GPT‑5.6 Sol on this dataset while using far fewer output tokens. During the evaluation, Astra even discovered and used two previously unknown zero-day vulnerabilities. We are disclosing both vulnerabilities to their maintainers.
We also tested Astra on SRE-Bench15, a benchmark that measures whether models can reverse engineer software binaries to understand its core logic without access to raw source code. Astra solved 88.0% of tasks in a single attempt and 99.2% within four attempts, compared with 55.9% and 68.7% for GPT‑5.6 Sol, respectively.
Beyond benchmarks, expert-led assessments found that Astra, when run without production safeguards, could use previously unknown vulnerabilities to achieve arbitrary code execution in hardened browsers and create privilege-escalation exploits for hardened operating-systems.
As we discussed in The Defender’s Window, frontier cyber capabilities can help defenders find weaknesses faster, but they also make those weaknesses easier to exploit, raising the urgency for defenders to adapt. With the version of Astra launching today, defenders can use it to complete tasks such as secure code review and patching.
However, Astra will refuse to comply with more advanced cybersecurity tasks such as creating proof-of-concept exploits for vulnerabilities. Through OpenAI Daybreak, we plan to expand access and roll out less restrictive safeguards in the coming weeks. This will enable more defensive workflows, including vulnerability and proof-of-concept validation, malware analysis, and detection engineering.
We have also strengthened our protections against potential cyber misuse, building upon our safeguards stack for GPT‑5.6 Sol. These include stronger model robustness to better withstand potential jailbreaks and more context for our monitoring systems. We have continued rigorous internal and external testing, including automated evaluations with our internal red-teaming attackers. More details about our cyber safeguards and testing are available in the Astra safety overview and system card(abre em uma nova janela)..
Alinhamento e implantação responsáveis do GPT‑6 Astra
O Astra é nosso modelo mais alinhado. Ele se destaca por agir com cuidado, respeitar os limites das tarefas e se comunicar com transparência. Esse trabalho é o resultado mais recente de nosso programa de pesquisa de longa data, voltado ao treinamento de modelos que se mantêm alinhados à intenção humana do início ao fim.
Em ambientes sensíveis, o Astra age com um cuidado proporcional ao risco. Em uma avaliação de tarefas de uso do computador selecionadas de forma adversarial para induzir comportamentos inadequados, o Astra foi mais bem-sucedido em evitar consequências indesejadas. A execução com as medidas adicionais de segurança oferecidas por padrão produziu um desempenho ainda melhor.
Astra causes fewer misaligned outcomes than any other frontier models tested. For a fair comparison, we used a generic computer-using-agent harness (based on the native computer use tools available in both the OpenAI Responses API(abre em uma nova janela) and Anthropic Messages API(abre em uma nova janela)) and without additional protections that are normally deployed to Codex and ChatGPT Work users (auto-review, confirmation policy). 16
O Astra também tem maior probabilidade de operar dentro dos limites definidos pelo usuário e implícitos no ambiente. Em uma avaliação interna, o Astra nunca tentou contornar uma negativa do Codex Auto-Review. Isso se manteve mesmo quando o Auto-review foi deliberadamente configurado para poder ser contornado e não havia outra forma de concluir a tarefa. Esse respeito às restrições do ambiente é consistente com os resultados de nossa avaliação de tarefas cibernéticas impossíveis, compartilhados na introdução deste post, e com outras constatações documentadas em nosso system card(abre em uma nova janela).
Astra additionally sets new marks in transparent user communication. In one evaluation, Astra is three times less likely than GPT‑5.6 Sol to make inaccurate representations about its capabilities and affordances.
Em nossa avaliação de alucinações sobre capacidades, o Astra apresenta uma melhoria substancial em relação ao GPT‑5.6 Sol, fazendo menos afirmações enganosas sobre as próprias capacidades.
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(abre em uma nova janela) 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(abre em uma nova janela) 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.
Disponibilidade
GPT‑6 Astra is rolling out today to a limited set of organizations and over the coming days will become available to all ChatGPT Plus, Pro, Business, and Enterprise users, as well as through the OpenAI API, Microsoft Azure, and AWS Bedrock. Astra usage is included within the existing subscription allowances—users and businesses will also be able to purchase credits for additional usage. Users on the Pro, Business, and Enterprise plans will also get access to GPT‑6 Astra Pro. Enterprise administrators can enable Astra for their workspace; access is off by default at launch.
Astra supports Zero Data Retention for eligible API customers, and as we shared last month, we're testing Private Safety Processing to strengthen safety monitoring while preserving customer privacy.
For developers, GPT‑6 Astra will be available in the OpenAI API as gpt-6-astra and through Microsoft Azure and Amazon Bedrock.
OpenAI API Standard pricing is $10 per million input tokens and $50 per million output tokens. Separate rates apply to cache reads and writes. Fast mode is available for GPT‑6 Astra in the API and delivers up to 2x the speed of Standard processing at 2x the Standard price.
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 |
Coding
| Coding | 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 (score) | 64.5% 8 | 60.6% | 63.6% | 64.9% | 63.6% | 56.3% |
| FrontierCode 1.1 Main (score) | 53.3% 8 | 47.5% | 50.9% | 53.5% | 53.4% | 43.6% |
| Internal Database Migration Tasks | 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 |
Acadêmico
Acadêmico | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
GPQA Diamond | 96,0% | 94,6% | 93.7% | 92.6% | 93,2% | 94.5% |
Ciência da computação teórica | 75,4% | |||||
FrontierMath Tier 1-3 (v2) | 89.0% | 90,2% | 87,0% | 85.6% | 71,6% | |
FrontierMath Tier 4 (v2) | 97,6% | 83.00% | 87,8% | 87,8% | 73,2% | 36.6% |
Humanity's Last Exam (ferramentas) | 65,0% | 63,8% | 63,6% | |||
Humanity's Last Exam (sem ferramentas) | 59,1% | 55,5% | 54,9% | 47,9% |
Alinhamento
Alinhamento | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
Benchmark interno de segurança no uso do computador (quanto menor, melhor) | 2,4% | 22,0% | 9,5% | 18,3% | 11,5% | - |
Benchmark interno de segurança no uso do computador, com AutoReview (quanto menor, melhor) | 1,8% | 4,3% | - | - | - | - |
Benchmark interno de evasão de controles (quanto menor, melhor) | 0,00% | 0,29% | - | - | - | - |
Honeypot do ExploitGym (quanto menor, melhor) | 0,0% | 48,2% | - | - | - | - |
ExploitGym impossível | 100% | - | - | - | - | - |
Benchmark interno de alucinação (quanto menor, melhor) | 4,2% | 12,2% | - | - | - | - |
Contexto longo
Contexto longo | 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% | 91,5% | - | - | - | - |
OpenAI MRCR v2 8-needle 512K-1M | 96,3% | 73,8% | - | - | - | - |
Raciocínio abstrato
| Abstract reasoning | 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% | - |
As pontuações das avaliações são as máximas alcançadas em qualquer nível de esforço. As avaliações dos modelos GPT foram realizadas em nosso ambiente de pesquisa ou por meio de nossa API, que podem produzir resultados ligeiramente diferentes dos do ChatGPT em produção devido a diferenças nos prompts de sistema, nas ferramentas disponíveis etc.
FOOTNOTES
- 1
On ARC-AGI-3, GPT-6 Astra was run with our responses API harness, which changes two settings to better match real-world performance. The changes do not specifically target ARC-AGI-3.
- 2
GPT-5.6 Sol refers to the version available in our API, ChatGPT Codex, and ChatGPT Work. The version in ChatGPT Chat is slightly different.
- 3
OSWorld V2-Offline is a subset of the original OSWorld V2 that works without internet access. Claude model performance on OSWorld-V2 Offline was reproduced by the authors on the official leaderboard(abre em uma nova janela). On OSWorld 2.0, the scores for Claude use the official settings, and not the modified tasks and modified grading from the Fable 5.1 System Card.
- 4
- 5
On BenchCAD, Claude's scores reflect 3 modifications to the eval, detailed in the Fable 5.1 System Card(abre em uma nova janela).
- 6
Guang Yang, Victoria Ebert, Nazif Tamer, Brian Siyuan Zheng, Luiza Pozzobon, and Noah A. Smith. “LEGATO: Large-scale End-to-end Generalizable Approach to Typeset OMR(abre em uma nova janela).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, and Peter Jonas. “The OpenScore String Quartet Corpus(abre em uma nova janela).” Proceedings of the 10th International Conference on Digital Libraries for Musicology, pp. 49–57. ACM, 2023.
- 8
On FrontierCode, GPT-6 Astra was run with a developer message similar to a section of its developer message in Codex(abre em uma nova janela): "Avoid creating excessive test files. Create a new test file only when required by repository conventions or when no existing file is a suitable home. Avoid unrelated cleanup and unnecessary complexity. Reuse suitable existing utilities. Read relevant repository instructions and inspect nearby code, tests, documentation, and CI. Follow established conventions. The goal is clean, mergeable code." The prompt was not optimized for the eval.
- 9
The first concerns how close together prime numbers can occur, however far along the number line you go. For more than a decade, the best known result established that infinitely many pairs of primes are at most 246 apart. Julia Stadlmann(abre em uma nova janela) recently improved that bound to 240. Astra helped establish a stronger bound of 186, showing that infinitely many pairs occur within this smaller distance. Short prime gaps: Proof(abre em uma nova janela) and supporting research(abre em uma nova janela).
- 10
The second concerns unusually large gaps between primes. Astra improved a term in a bound on these gaps that had remained unchanged for more than 80 years. We’re sharing the proofs and abridged chain of thought and verification materials for both results. Large prime gaps: Proof(abre em uma nova janela) and supporting research(abre em uma nova janela).
- 11
- 12
- 13
- 14
ExploitBench (June–August 2026) contains 20 high-severity V8 vulnerabilities across 13 stable Chrome releases. The benchmark tests whether agents can achieve arbitrary code execution in V8 and official Chrome releases for Linux by exploiting each specified vulnerability. Some included vulnerabilities may not permit arbitrary code execution under the evaluation’s constraints, so a 100% success rate may not be achievable. Note: the 5.5% score of GPT-5.6 Sol is an artifact of the 300-turn limit in the benchmark, which is not a limit that real customers using max would have. The model at similar settings achieved an 11.5% score when hitting fewer limits.
- 15
Jeremy Spence et al. “The Next Challenge for Agentic Cybersecurity: A Realistic, Contamination-Free Reverse Engineering Benchmark(abre em uma nova janela).” arXiv:2608.11469v1, 2026.
- 16
When we test across third-party models, we use a simpler research setup. Codex has a more complex production configuration, which can result in different raw-model error rates. Provider-side safeguards and computer-tool implementations still differ. Users do not experience the no-confirmation scenario in Codex, as it's an internal research configuration.
- 17
