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 investigação e grandes apostas no pré-treinamento, na aprendizagem por reforço e no alinhamento. O Astra é de vanguarda na utilização do computador, navegação, engenharia de software, cibersegurança, ciência e trabalho profissional. O Astra atinge o limite do FrontierMath Tier 4, com uma pontuação de 98%, tendo já ajudado a resolver problemas em aberto de longa data na matemática. O Astra também atinge o limite do ARC-AGI-3, com uma pontuação de 99,9%, e do ExploitBench, com uma pontuação de 100%. Estabelece também uma nova fronteira na utilização do computador e do browser, realizando o trabalho profissional mais exigente com uma velocidade, precisão e discernimento sem igual.
O GPT‑6 Astra começa hoje a ser disponibilizado a um conjunto limitado de organizações e, nos próximos dias, ficará disponível para todos os utilizadores do ChatGPT Plus, Pro, Business e Enterprise, bem como através da API da OpenAI, do Microsoft Azure e do AWS Bedrock.
O Astra é o nosso modelo mais alinhado, com melhorias substanciais na compreensão da intenção do utilizador e no comportamento do modelo, permitindo delegar tarefas com maior confiança no discernimento do Astra. Para testar este aspeto, entre outros, criámos uma nova avaliação inspirada no incidente do Hugging Face, que analisa se um modelo, perante uma tarefa difícil ou impossível, ultrapassa o âmbito previsto. Face ao GPT‑5.6 Sol, que, sem salvaguardas de produção, ultrapassou o alvo autorizado em 48% das situações, o GPT‑6 Astra fê-lo em 0% dos casos.
O melhor modelo do mundo para utilização do computador
O GPT‑6 Astra estabelece uma nova fronteira na velocidade, precisão e segurança da utilização do computador. Consegue tratar de tarefas fastidiosas, como preencher formulários online, atualizar registos de clientes num CRM e organizar o calendário. Consegue realizar investigação online e redigir resumos no email ou no editor de documentos. Consegue analisar dados científicos, gerar gráficos, criar um site e executar verificações de QA do frontend para garantir que todas as funcionalidades desse site funcionam. Pode ajudar a instalar e testar software de forma autónoma e a resolver problemas apresentados no ecrã. Estas melhorias refletem-se também nos resultados de vanguarda das nossas avaliações.
Estas 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 superior na utilização do computador, em cerca de 47% menos tempo por tarefa do que o GPT‑5.6 Sol, com uma pontuação de 72,6% em aproximadamente 40 minutos por tarefa, face a 65,7% em aproximadamente 75 minutos.3
As capacidades de utilização do computador do GPT‑6 Astra podem ser observadas em resultados de vários domínios, incluindo desenvolvimento de jogos, engenharia eletrotécnica 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 salto qualitativo no trabalho profissional
O GPT‑6 Astra combina avanços na utilização do computador com treino específico para ambientes profissionais, ajudando a resolver tarefas profissionais complexas. Combina a inteligência necessária para problemas complexos com a capacidade de executar fluxos de trabalho com várias etapas e produzir documentos, folhas de cálculo e apresentações com um acabamento cuidado.
O GPT‑6 Astra é o nosso melhor modelo para seguir modelos predefinidos existentes e criar diapositivos bem organizados que comunicam de forma sucinta os pontos principais através de uma narrativa estruturada. Cria documentos, apresentações, folhas de cálculo e análises claros e bem estruturados que seguem os seus modelos predefinidos e correspondem ao seu estilo de escrita e ao seu estilo visual. O Astra também é treinado especificamente para incluir nos resultados apenas o contexto relevante, em vez de repetir informações desnecessárias para o trabalho em causa. Tudo isto significa que o Astra pode produzir artefactos mais prontos para utilização imediata e alinhados com o contexto e os padrões da sua empresa.
O GPT‑6 Astra demonstra também uma maior capacidade de avaliação visual nos sites, jogos, aplicações e renderizações que cria. Com o Sites(abre numa nova janela) no ChatGPT, o Astra pode criar, alojar e partilhar websites, aplicações Web e jogos diretamente a partir de um prompt.
Quando as instruções deixam margem para interpretação, o GPT‑6 Astra é melhor do que os modelos anteriores a tomar a decisão certa. Utiliza o contexto para preencher lacunas de rotina e faz perguntas direcionadas quando a resposta pode alterar o resultado. No Codex, pode fazer perguntas de forma assíncrona enquanto continua a trabalhar em tarefas que não dependem da sua resposta. Se não obtiver resposta, faz suposições sensatas quando adequado, mas aguarda indicações para decisões com consequências importantes.
Os exemplos abaixo mostram como o Astra colabora em tarefas do quotidiano nas quais a informação em falta pode alterar substancialmente a resposta.
O Astra também consegue manter-se mais bem orientado à medida que uma tarefa evolui. Os modelos anteriores tratavam por vezes as mensagens de orientação como um novo objetivo, perdendo de vista o pedido original ou restrições anteriores. O Astra incorpora novos requisitos, muda de rumo quando lhe é pedido e responde a perguntas secundárias sem perder de vista a tarefa global.
Programação
O GPT‑6 Astra é, até à data, o melhor modelo para engenharia de software.
«O GPT‑6 Astra oferece desempenho de ponta nos nossos benchmarks internos de programação e demonstra um avanço claro nas avaliações de intuição de negociação, em comparação com o GPT‑5.6 Sol. Quando é utilizado para programação agêntica, o GPT‑6 Astra comunica de uma forma mais fácil de acompanhar por parte dos programadores e produz código que requer menos iterações para atingir a qualidade de produção.»
«Testámos o Astra com níveis de esforço baixo, médio e alto numa das nossas evals de primeira geração, e ficou significativamente à frente do GPT‑5.6 Sol. Um nível de esforço superior permite mais iterações num projeto criado de raiz, mais verificação através de testes no browser e uma preferência pela execução de código em detrimento do apply-patch. Compreender como um modelo aplica o seu esforço é o que nos permite dar a milhões de criadores um caminho mais rápido e fiável desde a ideia até uma aplicação funcional.»
Com o Astra, apresentamos uma nova forma de o Codex preservar e recuperar contexto quando a janela de contexto fica cheia. Historicamente, os modelos têm utilizado a compactação para resumir o trabalho durante sessões longas, por exemplo ao depurar problemas complexos ou realizar refatorações de grande escala. Cada compactação pode omitir detalhes sobre o motivo pelo qual uma correção falhou ou sobre o comportamento de um componente. No Codex, o Astra pode manter notas entre janelas de contexto, preservando os detalhes acumulados sem os comprimir repetidamente num único resumo. As janelas de contexto anteriores continuam pesquisáveis, pelo que o Astra pode encontrar, em mensagens e resultados de ferramentas anteriores, requisitos ou resultados de testes — mesmo que essa informação não tenha sido registada nas suas notas. É possível ativar esta funcionalidade experimental no ficheiro config.toml do Codex,(abre numa nova janela) e esta tornar-se-á a predefinição do Astra nas próximas semanas.
Impulsionar a descoberta científica
O Astra pode ajudar no trabalho prático subjacente à descoberta científica. Ao combinar o raciocínio científico com a utilização do computador, pode trabalhar diretamente em software especializado para inspecionar dados e explorar resultados, ajudando os investigadores a avaliar os elementos disponíveis e a decidir o que investigar a seguir.
Cibersegurança
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 numa nova janela)..
Alinhar e disponibilizar o GPT‑6 Astra de forma responsável
O Astra é o nosso modelo mais alinhado. O Astra destaca-se por agir com cuidado, respeitar os limites das tarefas e comunicar de forma transparente. Este trabalho é o mais recente resultado do nosso programa de investigação de longa duração, centrado no treino de modelos que se mantêm alinhados com a intenção humana do princípio ao fim.
Em ambientes sensíveis, o Astra atua com cuidado proporcional ao risco envolvido. Numa avaliação de tarefas de utilização do computador selecionadas de forma antagonista para provocar comportamentos indesejáveis, o Astra revelou-se mais eficaz na prevenção de consequências indesejadas. A execução com medidas de segurança adicionais disponibilizadas por predefinição resultou num desempenho ainda superior.
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 numa nova janela) and Anthropic Messages API(abre numa 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 utilizador e implícitos no seu ambiente. Numa avaliação interna, o Astra nunca tentou contornar uma recusa do Codex Auto-Review. Isto manteve-se válido mesmo quando o Auto-review foi deliberadamente configurado para poder ser contornado e a tarefa era impossível de concluir de outra forma. Este respeito pelas restrições do ambiente é consistente com os resultados da nossa avaliação de tarefas cibernéticas impossíveis, que partilhámos na introdução desta publicação, e com outras conclusões documentadas no nosso system card(abre numa 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.
Na nossa avaliação de alucinações sobre capacidades, o Astra apresenta uma melhoria substancial face ao GPT‑5.6 Sol, fazendo menos afirmações enganadoras sobre as suas 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 numa 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 numa 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 |
Academic
Academic | 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 (w/ tools) | 57.2% | - | 65.0% | 63.8% | 63.6% | - |
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 na utilização do computador (quanto menor, melhor) | 2,4% | 22,0% | 9,5% | 18,3% | 11,5% | - |
Benchmark interno de segurança de utilização de computador, com AutoReview (quanto mais baixo, melhor) | 1,8% | 4,3% | - | - | - | - |
Benchmark interno de evasão (quanto menor, melhor) | 0,00% | 0,29% | - | - | - | - |
Honeypot do ExploitGym (quanto menor, melhor) | 0,0% | 48,2% | - | - | - | - |
ExploitGym impossível | 100,0% | - | - | - | - | - |
Benchmark interno de alucinações (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 | 100,0% | 91,5% | - | - | - | - |
OpenAI MRCR v2 8-agulhas 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 correspondem ao máximo em qualquer nível de esforço. As avaliações do GPT foram realizadas no nosso ambiente de investigação ou através da nossa API, o que pode gerar resultados ligeiramente diferentes dos do ChatGPT em produção devido a diferenças nos prompts de sistema, nas ferramentas disponíveis, entre outros fatores.
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 numa 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 numa 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 numa nova janela).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, and Peter Jonas. “The OpenScore String Quartet Corpus(abre numa 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 numa 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 numa 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 numa nova janela) and supporting research(abre numa 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 numa nova janela) and supporting research(abre numa 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 numa 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
