GPT-6 Astra: A new generation of intelligence

С Astra мы представляем новый способ, с помощью которого Codex может сохранять и извлекать контекст, когда контекстное окно заполняется. Исторически модели использовали сжатие контекста, чтобы подводить итог проделанной работе во время длительных сеансов, например при отладке сложных проблем или выполнении масштабного рефакторинга. При каждом сжатии контекста могут быть опущены сведения о том, почему исправление не сработало или как ведет себя компонент. В Codex Astra может хранить заметки между контекстными окнами, сохраняя накопленные сведения без необходимости снова и снова сжимать их в единую сводку. Предыдущие контекстные окна по-прежнему доступны для поиска, поэтому Astra может находить требования или результаты тестов из предыдущих сообщений и выходных данных инструментов — даже если эта информация не была зафиксирована в заметках Astra. Вы можете включить эту экспериментальную функцию в вашем файле config.toml для Codex,⁠(открывается в новом окне) и в ближайшие недели эта функция будет включена для Astra по умолчанию.

Учитывая опасения, что ознакомление с историческими уязвимостями программного обеспечения могло повлиять на результаты бенчмарков, мы также оценили Astra на двух новых бенчмарках. Во-первых, мы разработали внутреннюю оценку «ExploitBench (июнь–август 2026 г.)» для тестирования разработки эксплойтов с использованием уязвимостей за предыдущие три месяца.¹⁴ Astra показала значительно более высокие показатели выполнения произвольного кода по сравнению с GPT‑5.6 Sol на этом наборе данных, при этом используя гораздо меньше выходных токенов. В ходе оценки Astra даже обнаружила и использовала две ранее неизвестные уязвимости нулевого дня. Мы раскрываем информацию об обеих уязвимостях сопровождающим соответствующих проектов.

Мы также протестировали Astra на SRE-Bench¹⁵ — бенчмарке, который оценивает, способны ли модели выполнять реверс-инжиниринг бинарных файлов программного обеспечения, чтобы понять основную логику ПО без доступа к исходному коду. Astra решила 88,0% задач с первой попытки и 99,2% — не более чем за четыре попытки, тогда как GPT‑5.6 Sol — 55,9% и 68,7% соответственно.

Помимо бенчмарков, экспертные оценки показали, что Astra при запуске без защитных механизмов, используемых в рабочей среде, могла использовать ранее неизвестные уязвимости для выполнения произвольного кода в защищённых браузерах и создавать эксплойты для повышения привилегий в защищённых операционных системах.

Как мы обсуждали в материале «Окно возможностей для защитников», передовые возможности в области кибербезопасности помогают защитникам быстрее находить уязвимости, но вместе с тем упрощают их эксплуатацию, поэтому защитникам особенно важно адаптироваться. В версии Astra, которая выходит сегодня, специалисты по защите могут использовать ее для выполнения таких задач, как анализ кода на безопасность и внесение исправлений.

Однако Astra откажется выполнять более сложные задачи в области кибербезопасности, такие как создание PoC-эксплойтов для уязвимостей. В рамках OpenAI Daybreak⁠ мы планируем расширить доступ и внедрить менее ограничительные защитные меры в ближайшие недели. Это позволит реализовать больше защитных сценариев, включая проверку уязвимостей и PoC, анализ вредоносного ПО и разработку средств обнаружения.

Мы также усилили защиту от потенциальных злоупотреблений в киберсфере, опираясь на комплекс защитных мер GPT‑5.6 Sol. К ним относятся повышенная устойчивость модели, позволяющая лучше противостоять потенциальным джейлбрейкам, и больше контекста для наших систем мониторинга. Мы продолжили тщательное внутреннее и внешнее тестирование, включая автоматизированные оценки с участием наших внутренних моделей для red teaming, выступающих в роли атакующих. Более подробные сведения о наших мерах киберзащиты и тестировании доступны в обзоре безопасности⁠ Astra и системной карточке⁠(открывается в новом окне).

Наши оценки показали, что письменные рассуждения Astra сложнее отслеживать, чем у GPT‑5.6 Sol, согласно тестам, в которых модель прямо просили обходить мониторинг. Мы объясняем это более высоким уровнем контроля Astra над письменными рассуждениями на более простых задачах и способностью решать проблемы с меньшим количеством письменных шагов. Astra, похоже, по-прежнему испытывает трудности с сокрытием рассуждений, необходимых для сложных задач, но мы серьезно относимся к этому снижению. Повышение наблюдаемости остается приоритетным направлением исследований, а сопроводительная системная карточка⁠(открывается в новом окне) подробно описывает наши выводы и текущую работу.

В основе нашего подхода к развертыванию моделей лежит обучение, направленное на согласование их поведения. В качестве дополнительного уровня защиты мы также создаем системные защитные механизмы, такие как автоматическая проверка⁠(открывается в новом окне) в Codex и мониторинг рассуждений и действий агентов, которые помогают выявлять и сдерживать небезопасное поведение. Как описано в нашем материале о безопасности⁠, мы также внедряем в рабочей среде мониторинг несогласованного поведения моделей класса Astra, чтобы отслеживать такое поведение и помогать сдерживать его наиболее серьезные проявления. Эти меры защиты сходны с мониторингом, который мы применяем при развертывании моделей для внутреннего использования. Они включают систему классификаторов, которые проверяют рассуждения и действия модели на признаки несанкционированного поведения и автоматически останавливают потенциально несанкционированные действия.

Учитывая значительное расширение возможностей Astra в области кибербезопасности, мы проявляем особую осторожность, чтобы это развертывание было безопасным и защищенным. Дополнительные проверки безопасности иногда могут замедлять, приостанавливать или останавливать правомерную работу, включая защитную деятельность в области кибербезопасности. Если выполнение задачи в ChatGPT или Codex приостановлено, вам может быть предложено проверить действие перед продолжением. В API задача остановится. Эти проверки иногда могут мешать выполнению правомерных рабочих задач, и мы продолжаем дорабатывать эту систему, чтобы уменьшить количество ненужных прерываний. Мониторинг несогласованности не может заменить согласованность: наша цель — создавать модели, которые надежно остаются в пределах предоставленных им полномочий, чтобы этим мерам защиты не приходилось вмешиваться.

Сегодня начинается развертывание GPT‑6 Astra для ограниченного числа организаций, а в ближайшие дни модель станет доступна всем пользователям ChatGPT Plus, Pro, Business и Enterprise, а также через OpenAI API, Microsoft Azure и AWS Bedrock. Использование Astra включено в существующие лимиты подписки — пользователи и компании также смогут приобретать кредиты для дополнительного использования. Пользователи планов Pro, Business и Enterprise также получат доступ к GPT‑6 Astra Pro. Администраторы Enterprise могут включить Astra для своей рабочей области; при запуске доступ по умолчанию отключен.

Astra поддерживает нулевое хранение данных (ZDR) для соответствующих требованиям клиентов API, и, как мы сообщали в прошлом месяце, мы тестируем Конфиденциальная обработка данных в целях безопасности (Private Safety Processing), чтобы усилить мониторинг безопасности, сохраняя конфиденциальность данных клиентов.

Для разработчиков модель GPT‑6 Astra будет доступна в OpenAI API под именем gpt-6-astra, а также через Microsoft Azure и Amazon Bedrock.

Стандартная стоимость OpenAI API составляет 10 долларов США за миллион входных токенов и 50 долларов США за миллион выходных токенов. К операциям чтения и записи кэша применяются отдельные тарифы. Быстрый режим доступен для GPT‑6 Astra в API и обеспечивает скорость до 2 раз выше, чем при стандартной обработке, по цене в 2 раза выше стандартной.