GPT-6 Astra: A new generation of intelligence
நுண்ணறிவின் புதிய தலைமுறை
உலகின் மிக நுண்ணறிவுமிக்க மற்றும் சீரமைக்கப்பட்ட மாடலான GPT‑6 Astra-வை நாங்கள் அறிமுகப்படுத்துகிறோம்.
GPT‑6 ஆஸ்ட்ரா, ப்ரீ-ட்ரெயினிங், ரீஇன்ஃபோர்ஸ்மென்ட் லெர்னிங் மற்றும் சீரமைப்பு ஆகியவற்றில் பல ஆண்டுகால ஆராய்ச்சிகளையும் பெரும் முயற்சிகளையும் ஒன்றிணைக்கிறது. கணினி பயன்பாடு, உலாவல், மென்பொருள் பொறியியல், இணையப் பாதுகாப்பு, அறிவியல் மற்றும் தொழில்முறைப் பணிகளில் Astra அதிநவீன செயல்திறனைக் கொண்டுள்ளது. கணிதத்தில் நீண்டகாலமாகத் தீர்க்கப்படாமல் இருந்த திறந்த பிரச்சினைகளைத் தீர்க்க ஏற்கனவே உதவியுள்ள Astra, FrontierMath Tier 4-ல் 98% மதிப்பெண்ணுடன் உச்சத்தை எட்டுகிறது. Astra, 99.9% மதிப்பெண்ணுடன் ARC-AGI-3-ல் உச்சத்தை எட்டுகிறது; மேலும் 100% மதிப்பெண்ணுடன் ExploitBench இல் உச்சத்தை எட்டுகிறது. மேலும் இது, கணினி மற்றும் உலாவிப் பயன்பாட்டில் ஒரு புதிய அதிநவீன/முன்னணி நிலையை அமைத்து, மிகவும் சவாலான தொழில்முறைப் பணிகளைக்கூட ஈடு இணையற்ற வேகம், துல்லியம் மற்றும் விவேகத்துடன் கையாளுகிறது.
GPT‑6 Astra இன்று வரையறுக்கப்பட்ட சில நிறுவனங்களுக்கு படிப்படியாக வழங்கப்படுகிறது; வரும் நாட்களில் அனைத்து ChatGPT Plus, Pro, Business மற்றும் Enterprise பயனர்களுக்கும், மேலும் OpenAI API, Microsoft Azure மற்றும் AWS Bedrock மூலமாகவும் கிடைக்கும்.
Astra என்பது எங்கள் மிகச் சிறப்பாகச் சீரமைக்கப்பட்ட மாடல்; பயனர் நோக்கத்தையும் மாடல் நடத்தையையும் புரிந்துகொள்வதில் குறிப்பிடத்தக்க மேம்பாடுகளைக் கொண்டுள்ளது—Astra-வின் தீர்ப்பில் அதிக நம்பிக்கையுடன் பணிகளை ஒப்படைக்கலாம். இதனைச் சோதிக்கும் ஒரு வழியாக, கடினமான அல்லது சாத்தியமற்ற பணியை எதிர்கொள்ளும் மாடல் அதன் நோக்கமுள்ள வரம்புக்கு அப்பால் செல்லுமா என்பதை மதிப்பிடும், Hugging Face சம்பவத்தின் அடிப்படையில் உருவாக்கப்பட்ட புதிய மதிப்பீட்டை நாங்கள் உருவாக்கினோம். உற்பத்திப் பாதுகாப்பு ஏற்பாடுகள் இல்லாமல், 48% நேரங்களில் அங்கீகரிக்கப்பட்ட இலக்கைத் தாண்டிய GPT‑5.6 Sol உடன் ஒப்பிடும்போது, GPT‑6 Astra 0% நிகழ்வுகளில் மட்டுமே இவ்வாறு செய்தது.
கணினிப் பயன்பாட்டுக்கான உலகின் சிறந்த மாடல்
GPT‑6 Astra கணினிப் பயன்பாட்டின் வேகம், துல்லியம் மற்றும் பாதுகாப்பில் ஒரு புதிய அதிநவீன நிலையை குறிக்கிறது. ஆன்லைன் படிவங்களை நிரப்புதல், CRM-இல் வாடிக்கையாளர் பதிவுகளைப் புதுப்பித்தல், உங்கள் காலெண்டரை ஒழுங்குபடுத்துதல் போன்ற சலிப்பூட்டும் பணிகளை இது கவனித்துக்கொள்ள முடியும். இது ஆன்லைனில் ஆராய்ச்சி செய்து, உங்கள் மின்னஞ்சலிலோ அல்லது உங்கள் ஆவணத் திருத்தியிலோ சுருக்கங்களை வரைவு செய்ய முடியும். இது அறிவியல் தரவைப் பகுப்பாய்வு செய்யவும், வரைபடங்களை உருவாக்கவும், இணையதளத்தை உருவாக்கவும், அந்தத் தளத்தில் உள்ள அனைத்து அம்சங்களும் செயல்படுவதை உறுதிசெய்ய ஃப்ரண்ட்எண்ட் QA சோதனைகளை இயக்கவும் முடியும். மென்பொருளைத் தானாகவே நிறுவி சோதிக்கவும், திரையில் நீங்கள் காணும் சிக்கல்களைப் பிழைகண்டறிந்து சரிசெய்யவும் இது உங்களுக்கு உதவும். இந்த மேம்பாடுகள் எங்களின் அதிநவீன மதிப்பீட்டு முடிவுகளிலும் பிரதிபலிக்கின்றன.
இந்த மேம்பாடுகள், உண்மையான அறிவுசார் பணிகளில் குறிப்பிடத்தக்க செயல்திறன் அதிகரிப்புக்கும் வழிவகுக்கின்றன. OSWorld 2.0-இல் மேற்கொள்ளப்பட்ட தாமத உருவகப்படுத்துதல்களில், GPT‑5.6‑ஐ விட Astra ஒவ்வொரு பணிக்கும் சுமார் 47% குறைவான நேரத்தில் உயர் கணினிப் பயன்பாட்டுச் செயல்திறனை அடைகிறது ஒரு பணிக்குச் சுமார் 40 நிமிடங்களில் 72.6% மதிப்பெண்ணும், சுமார் 75 நிமிடங்களில் 65.7% மதிப்பெண்ணும் Sol பெற்றுள்ளது.3
GPT‑6 Astra-வின் கணினிப் பயன்பாட்டுத் திறன்களை, கேம் மேம்பாடு, மின் பொறியியல் மற்றும் அன்றாட அறிவுசார் பணி உள்ளிட்ட பல துறைகளின் வெளியீடுகளில் காணலாம்:
Astra உடன் சேர்த்து, கணினிப் பயன்பாட்டின் வேகத்தை குறிப்பிடத்தக்க அளவில் மேம்படுத்துவதற்காக Codex சூழல் பணி அமைவையும் நாங்கள் புதுப்பித்து வருகிறோம். Astra-வின் செயல்திறனுடன் இணைந்து, தற்போதைய GPT‑5.6 Sol அனுபவத்துடன் ஒப்பிடும்போது, Mind2Web அளவுகோலில் இது 1.9x வேகமான பணி நிறைவை வழங்குகிறது. வேகத்தில் மாடல் அடைந்துள்ள மேம்பாடுகள், உங்களால் செய்ய முடிவதைவிட வேகமாக, நேரம் அதிகம் எடுக்கும் பல அன்றாடப் பணிகளை மாடல் உங்களுக்காக மேற்கொள்ள உதவுகின்றன.
தொழில்முறைப் பணியில் ஒரு பெரும் மாற்றம்
GPT‑6 Astra, கணினிப் பயன்பாட்டில் உள்ள முன்னேற்றங்களை தொழில்முறைச் சூழல்களுக்கான இலக்குப் பயிற்சியுடன் இணைத்து, சிக்கலான பணிச் செயல்பாடுகளைச் சமாளிக்க உதவுகிறது. இது, சிக்கலான பிரச்சனைகளுக்குத் தேவையான நுண்ணறிவையும், பல படிநிலைகளைக் கொண்ட பணிப்பாய்வுகளை மேற்கொள்ளும் திறனையும், நேர்த்தியான ஆவணங்கள், விரிதாள்கள் மற்றும் விளக்கக்காட்சிகளை உருவாக்கும் திறனையும் ஒருங்கிணைக்கிறது.
GPT‑6 Astra என்பது ஏற்கனவே உள்ள வார்ப்புருக்களைப் பின்பற்றுவதற்கும், நல்ல தளவமைப்புடன் கட்டமைக்கப்பட்ட வர்ணனையில் முக்கிய அம்சங்களைச் சுருக்கமாகத் தெரிவிக்கும் ஸ்லைடுகளை உருவாக்குவதற்கும் எங்களின் சிறந்த மாடலாகும். இது உங்கள் வார்ப்புருக்களைப் பின்பற்றி, உங்கள் எழுத்து மற்றும் காட்சி பாணியுடன் பொருந்தும் தெளிவான, நன்கு கட்டமைக்கப்பட்ட ஆவணங்கள், விளக்கக்காட்சிகள், விரிதாள்கள் மற்றும் பகுப்பாய்வுகளை உருவாக்குகிறது. தற்போதைய பணிக்கு தேவையற்ற தகவல்களை மீண்டும் கூறுவதற்குப் பதிலாக, வெளியீடுகளில் தேவையான சூழலை மட்டும் குறிப்பாக எடுத்துக்கொள்ளும் வகையிலும் Astra பயிற்சியளிக்கப்பட்டுள்ளது. இதன் மூலம், உங்கள் வணிகச் சூழல் மற்றும் தரநிலைகளுடன் பொருந்தும், மேலும் உடனடியாகப் பயன்படுத்தக்கூடிய ஆர்டிஃபாக்ட்களை அது வெளியிட முடியும்.
GPT‑6 Astra உருவாக்கும் இணையதளங்கள், கேம்கள், பயன்பாடுகள் மற்றும் ரெண்டரிங்ஸுக்கு மேலும் வலுவான காட்சிசார் தீர்ப்பாற்றலைக் கொண்டுவருகிறது. ChatGPT‑இல் உள்ள Sites-ஐப்(புதிய சாளரத்தில் திறக்கும்) பயன்படுத்தி, Astra வால் ஒரு ப்ராம்ப்ட்டிலிருந்து நேரடியாக வலைத்தளங்கள், வலைச் செயலிகள் மற்றும் விளையாட்டுகளை உருவாக்கவும், ஹோஸ்ட் செய்யவும் மற்றும் பகிரவும் முடியும்.
அறிவுறுத்தல்களில் பலவிதமான விளக்கங்களுக்கு இடமளிக்கும்போது, சரியான முடிவை எடுப்பதில் GPT‑6 ஆஸ்ட்ரா முந்தைய மாடல்களை விடச் சிறந்து விளங்குகிறது. இது வழக்கமான இடைவெளிகளை நிரப்ப சூழலைப் பயன்படுத்துகிறது மற்றும் பதில் முடிவை மாற்றக்கூடியதாக இருக்கும்போது குறிப்பிட்ட கேள்விகளைக் கேட்கிறது. Codex-இல், உங்கள் பதிலைச் சார்ந்திருக்காத பணியைத் தொடர்ந்து மேற்கொள்ளும்போதே, இது ஒத்திசைவற்ற முறையில் கேள்விகளைக் கேட்க முடியும். நீங்கள் பதிலளிக்கவில்லை என்றால், பொருத்தமான இடங்களில் அது நியாயமான ஊகங்களுடன் தொடர்கிறது, ஆனால் முக்கிய விளைவுகளை ஏற்படுத்தக்கூடிய முடிவுகளில் உங்கள் உள்ளீட்டிற்காக காத்திருக்கிறது.
விடுபட்ட தகவல்கள் பதிலை கணிசமாக மாற்றக்கூடிய அன்றாடப் பணிகளில், Astra எவ்வாறு ஒத்துழைக்கிறது என்பதை கீழேயுள்ள எடுத்துக்காட்டுகள் காட்டுகின்றன.
ஒரு பணி மாறும்போது, Astra தனது கவனத்தை ஒருமுகப்படுத்துவதிலும் சிறந்து விளங்குகிறது. முந்தைய மாடல்கள் சில நேரங்களில் வழிநடத்தல் செய்திகளை ஒரு புதிய இலக்காகக் கருதி, அசல் கோரிக்கையையோ முந்தைய கட்டுப்பாடுகளையையோ மறந்துவிடும். Astra புதிய தேவைகளை இணைத்துக்கொள்ளும், கேட்கப்படும்போது திசையை மாற்றிக்கொள்ளும், மேலும் பரந்த பணியை கைவிடாமல் துணைக் கேள்விகளுக்கும் பதிலளிக்கும்.
குறியீடாக்கம்
GPT‑6 Astra என்பது இன்றுவரை மென்பொருள் பொறியியலுக்கான சிறந்த மாடல்.
“GPT‑6 Astra எங்களின் உள்நிலை கோடிங் அளவுகோல்களில் முன்னணி செயல்திறனை வழங்குகிறது; மேலும் GPT‑5.6 Sol-உடன் ஒப்பிடும்போது, வர்த்தக உள்ளுணர்வு மதிப்பீடுகளில் தெளிவான முன்னேற்றத்தைக் காட்டுகிறது. ஏஜென்டிக் கோடிங்கிற்குப் பயன்படுத்தப்படும்போது, GPT‑6 Astra, டெவலப்பர்கள் எளிதாகப் புரிந்துகொள்ளும் வகையில் தகவல்களைத் தெரிவிப்பதோடு, உற்பத்தித் தரத்தை எட்டுவதற்கு குறைவான திருத்தங்களே தேவைப்படும் குறியீட்டையும் உருவாக்குகிறது.
“எங்கள் முதல் தலைமுறை மதிப்பீடுகளில் ஒன்றில் Astra-வை குறைந்த, நடுத்தரம் மற்றும் அதிகம் முயற்சி நிலைகளில் சோதித்தோம்; அது GPT 5.6 Sol-ஐ விட குறிப்பிடத்தக்க அளவில் முன்னிலை பெற்றது.” அதிகம் முயற்சி என்பது புதிய பில்டில் அதிக மீள்சுழற்சிகள், பிரவுசர் சோதனை மூலம் அதிக சரிபார்ப்பு, மற்றும் apply-patch ஐ விட குறியீடு செயல்படுத்தலை நோக்கிய சாய்வு ஆகியவற்றை வழங்குகிறது. ஒரு மாடல் தனது முயற்சியை எவ்வாறு செலவிடுகிறது என்பதைப் புரிந்துகொள்வதன் மூலம், மில்லியன் கணக்கான உருவாக்குநர்களுக்கு யோசனையிலிருந்து செயல்படும் செயலிக்கு வேகமான, அதிக நம்பகத்தன்மை கொண்ட பாதையை நாங்கள் வழங்குகிறோம்.”
Astra மூலம், சூழல் சாளரம் நிரம்பும்போது, Codex சூழலைப் பாதுகாத்து மீட்டெடுப்பதற்கான ஒரு புதிய வழியை நாங்கள் அறிமுகப்படுத்துகிறோம். வரலாற்று ரீதியாக, சிக்கலான பிரச்சினைகளைப் பிழைத்திருத்தும்போதோ பெரிய மறுசீரமைப்புப் பணிகளை மேற்கொள்ளும்போதோ போன்ற நீண்ட அமர்வுகளின் போது பணியைச் சுருக்கமாகக் கூற மாடல்கள் சுருக்குதல் பயன்படுத்தியுள்ளன. ஒவ்வொரு சுருக்குதலும், ஒரு திருத்தம் ஏன் தோல்வியடைந்தது அல்லது ஒரு கூறு எவ்வாறு செயல்படுகிறது என்பதற்கான விவரங்களை விடுபடுத்தலாம். Codex-இல், Astra பல்வேறு சூழல் சாளரங்களில் குறிப்புகளை வைத்திருக்க முடியும். இதன் மூலம், திரட்டப்பட்ட விவரங்களை மீண்டும் மீண்டும் ஒரே சுருக்கமாகச் சுருக்காமல் பாதுகாக்கலாம். முந்தைய சூழல் சாளரங்கள் தேடக்கூடியதாகவே இருக்கின்றன, எனவே அந்தத் தகவல் அதன் குறிப்புகளில் பதிவு செய்யப்படாவிட்டாலும் கூட, முந்தைய செய்திகள் மற்றும் கருவி வெளியீடுகளிலிருந்து தேவைகள் அல்லது சோதனை முடிவுகளை Astra வால் கண்டறிய முடியும். இந்த சோதனை அம்சத்தை உங்கள் Codex config.toml கோப்பில் இயக்கலாம்.(புதிய சாளரத்தில் திறக்கும்) மேலும் இது வரும் வாரங்களில் Astra-க்கான இயல்புநிலையாக மாறும்.
அறிவியல் கண்டுபிடிப்புகளை முன்னேற்றுதல்
GPT‑6 Astra அறிவியல் கண்டுபிடிப்புகள், கணிதம் மற்றும் சுகாதாரம் ஆகிய துறைகளில் ஒரு பெரிய முன்னேற்றமாகும். இன்று, பகா எண்களுக்கு இடையிலான இடைவெளிகள் குறித்த மேலும் இரண்டு முடிவுகளைப் பகிர்கிறோம் [WITH LINK]. Astra அறிவியல் மதிப்பீடுகளின் தொகுப்பிலும் புதிய சாதனைகளைப் படைக்கிறது:
அறிவியல் கண்டுபிடிப்பின் பின்னணியில் உள்ள நடைமுறைப் பணிகளில் Astra உதவ முடியும். அறிவியல் ரீஸனிங்கை கணினிப் பயன்பாட்டுடன் இணைப்பதன் மூலம், தரவை ஆய்வு செய்யவும் முடிவுகளை ஆராயவும் இது சிறப்புப் மென்பொருளில் நேரடியாகச் செயல்பட முடியும்; இதன் மூலம் ஆராய்ச்சியாளர்கள் ஆதாரங்களை மதிப்பிட்டு, அடுத்து எதை ஆராய வேண்டும் என்பதைத் தீர்மானிக்க உதவுகிறது.
சைபர் பாதுகாப்பு
Astra என்பது இணையப் பாதுகாப்புத் திறன்களில் ஒரு பெரும் முன்னேற்றமாகும். சீரோ-டே exploit களை அடையாளம் கண்டு உருவாக்கும் இதன் திறன், பாதுகாப்பாளர்கள் பலவீனங்களைச் சரிசெய்ய உதவலாம்; ஆனால் இது மேலும் வலுவான பாதுகாப்பு நடவடிக்கைகளின் தேவையையும் உருவாக்குகிறது. இந்தத் திறன்கள் எவ்வளவு வரை விரிவடைகின்றன என்பதைப் புரிந்துகொள்ள, நாங்கள் உள்நிலை மற்றும் மூன்றாம் தரப்பு நிபுணர் மதிப்பீடுகளைப் பயன்படுத்தினோம்.
பாதிக்கப்படக்கூடிய குறியீட்டுத் தளங்களில் மாடல்கள் தன்னிச்சையான குறியீட்டு செயல்படுத்தலை அடைய முடியுமா என்பதை அளவிடும் ExploitBench மற்றும் ExploitGym-இல், நாங்கள் முதலில் Astra-ஐச் சோதித்தோம்.
முந்தைய மென்பொருள் பாதுகாப்பு குறைபாடுகளுக்கு உட்பட்டிருப்பது பெஞ்ச்மார்க் முடிவுகளை பாதித்திருக்கலாம் என்ற சாத்தியமான கவலைகளை கருத்தில் கொண்டு, நாங்கள் Astra-வை இரண்டு புதிய பெஞ்ச்மார்க்களிலும் மதிப்பீடு செய்தோம். ஒரு உதாரணமாக, முந்தைய மூன்று மாதங்களில் கண்டறியப்பட்ட பாதிப்புகளை அடிப்படையாகக் கொண்டு exploit உருவாக்கத்தைச் சோதிக்க, உள்புற “ExploitBench (ஜூன்–ஆகஸ்ட் 2026)” மதிப்பீட்டை உருவாக்கினோம். 2 மிகக் குறைவான வெளியீட்டு டோக்கன்களைப் பயன்படுத்தியபோதும், இந்தத் தரவுத்தொகுப்பில் GPT‑5.6 Sol-ஐவிட குறிப்பிடத்தக்க அளவில் அதிகமான தன்னிச்சைக் குறியீடு இயக்க விகிதங்களை Astra அடைந்தது. மதிப்பீட்டின்போது, Astra இதற்கு முன்பு அறியப்படாத இரண்டு Chrome V8 குவியல் தனிமச்சூழலிலிருந்து தப்பிக்கும் நுட்பங்களைக் கண்டறிந்து பயன்படுத்தியது. நாங்கள் இரண்டு பாதுகாப்பு பாதிப்புகளையும் அவற்றின் பராமரிப்பாளர்களிடம் தெரிவிக்கிறோம்.
மாடல்களால் பைனரி மென்பொருளை ரிவர்ஸ் இன்ஜினியரிங் செய்து அதன் மையத் தர்க்கத்தைப் புரிந்துகொள்ள முடியுமா என்பதை அளவிடும் ஒரு பெஞ்ச்மார்க்கான SRE-Bench இல் Astra-வையும் சோதித்தோம். பெஞ்ச்மார்க்கை உருவாக்கியவர்கள் மென்பொருளை முழுவதுமாக புதிதாக உருவாக்கி, அதன் மூலக் குறியீட்டை தனிப்பட்டதாக வைத்தனர். Astra ஒரு முயற்சியிலேயே 88.0% பணிகளையும், நான்கு முயற்சிகளுக்குள் 99.2% பணிகளையும் தீர்த்தது; இதேபோல் GPT‑5.6 Sol முறையே 55.9% மற்றும் 68.7% பணிகளைத் தீர்த்தது.
அளவுகோல் சோதனைகளைத் தாண்டி, நிபுணர்கள் தலைமையிலான மதிப்பீடுகள், Astra முன்னர் அறியப்படாத பாதிப்புகளைப் பயன்படுத்தி, பாதுகாப்பு பலப்படுத்தப்பட்ட உலாவிகளில் தன்னிச்சையான குறியீடு இயக்கத்தை அடையவும், பாதுகாப்பு பலப்படுத்தப்பட்ட இயக்க முறைமைகளுக்கான சிறப்புரிமை உயர்வு சுரண்டல்களை உருவாக்கவும் முடியும் என்பதைக் கண்டறிந்தன. ஒட்டுமொத்தமாக, இந்த முடிவுகள் எங்கள் பிரிபேர்ட்நெஸ் ஃப்ரேம்வொர்க் கீழ் இணையப் பாதுகாப்பில் முக்கியமான வரம்பை Astra எட்டியுள்ளது என்ற எங்கள் முடிவுக்கு வழிவகுத்தன.
The Defender’s Window இல் நாங்கள் விவாதித்தபடி, அதிநவீன இணையத் திறன்கள் பாதுகாப்பாளர்கள் பலவீனங்களைக் கூடுதல் வேகமாகக் கண்டறிய உதவும்; ஆனால் அவை அந்தப் பலவீனங்களைச் சுரண்டுவதையும் எளிதாக்குகின்றன. இதனால், பாதுகாப்பாளர்கள் தங்களைத் தகவமைத்துக்கொள்ள வேண்டிய அவசரம் அதிகரிக்கிறது.
இன்று அறிமுகமாகும் Astra பதிப்பிற்கு, பாதுகாப்பான குறியீட்டு மதிப்பாய்வு, பேட்ச் செய்தல் மற்றும் அச்சுறுத்தல் மாதிரியாக்கம் போன்ற முக்கியமான தற்காப்பு பணிகளை நாங்கள் ஆதரிக்கிறோம். இருப்பினும், இயல்புநிலையாக, எக்ஸ்ப்ளாய்ட் கண்டறிதல் போன்ற மேம்பட்ட இணையப் பாதுகாப்புப் பணிகளை நிறைவேற்ற Astra மறுக்கும். OpenAI Daybreak மூலம், OpenAI Daybreak திட்டத்தில் நம்பகமான சைபர் பாதுகாப்புத் தற்காப்பாளர்களின் ஆல்பா குழுவுக்கு குறைவான கட்டுப்பாடுகளுடன் அணுகலை வழங்குகிறோம். பாதிப்பு முன்னுரிமை மதிப்பீடு மற்றும் சரிபார்ப்பு, தீம்பொருள் பகுப்பாய்வு, கண்டறிதல் பொறியியல் மற்றும் பேட்ச் சரிபார்ப்பு உள்ளிட்ட தற்காப்புப் பணிப்பாய்வுகளுக்கான அணுகலை இது விரிவுபடுத்துகிறது. Daybreak Blue மூலம் அணுகலை மேலும் விரிவுபடுத்த நாங்கள் திட்டமிட்டுள்ளோம்.
GPT‑5.6 Sol-க்கான எங்கள் பாதுகாப்பு அடுக்கின் அடிப்படையில், சாத்தியமான இணையவழித் தவறான பயன்பாட்டிற்கு எதிரான எங்கள் பாதுகாப்புகளை மேலும் வலுப்படுத்தியுள்ளோம். சாத்தியமான ஜெயில்பிரேக்குகளைச் சிறப்பாக எதிர்கொள்ள மேலும் வலுவான மாடல் உறுதித்தன்மைப் பயிற்சியும், எங்கள் கண்காணிப்பு அமைப்புகளுக்கான கூடுதல் சூழலும் இதில் அடங்கும். எங்கள் உள் ரெட் டீமிங் தாக்குபவர்களுடனான தானியக்கச் சோதனைகள் உட்பட, கடுமையான உள் மற்றும் வெளிப்புறச் சோதனைகளைத் தொடர்ந்து மேற்கொண்டுள்ளோம். எங்கள் இணையப் பாதுகாப்பு நடவடிக்கைகள் மற்றும் சோதனைகள் பற்றிய கூடுதல் விவரங்கள் Astra சிஸ்டம் கார்டிலும் எங்கள் வலைப்பதிவிலும் கிடைக்கின்றன.
GPT‑6 Astra-வை பொறுப்புடன் ஒருங்கிணைத்து பயன்படுத்துதல்
Astra என்பது எங்கள் மிகச் சிறப்பாகச் சீரமைக்கப்பட்ட மாடல். Astra அக்கறையுடன் செயல்படுவதிலும், பணி வரம்புகளை மதிப்பதிலும், வெளிப்படையாகத் தொடர்புகொள்வதிலும் சிறந்து விளங்குகிறது. ஆரம்பம் முதல் இறுதி வரை மனித நோக்கத்துடன் இயைந்து இருக்கும் பயிற்சி மாடல்கள் மீது கவனம் செலுத்தும் எங்களின் நீண்டகால ஆராய்ச்சித் திட்டத்தின் சமீபத்திய விளைவே இந்தப் படைப்பு ஆகும்.
உணர்திறன் மிக்க சூழல்களில், Astra தனது அபாயத்திற்கு ஏற்ப மிகுந்த கவனத்துடன் செயல்படுகிறது. முறையற்ற நடத்தையைத் தூண்டும் வகையில், எதிரிகளின் விருப்பத்திற்கு மாறாகத் தேர்ந்தெடுக்கப்பட்ட கணினிப் பயன்பாட்டுப் பணிகளின் மதிப்பீட்டில், Astra எதிர்பாராத விளைவுகளைத் தவிர்ப்பதில் அதிக வெற்றி பெற்றது. இயல்பாக வழங்கப்படும் கூடுதல் பாதுகாப்பு அம்சங்களுடன் இயக்கியபோது, செயல்திறன் மேலும் வலுப்பெற்றது.
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(புதிய சாளரத்தில் திறக்கும்) and Anthropic Messages API(புதிய சாளரத்தில் திறக்கும்)) and without additional protections that are normally deployed to Codex and ChatGPT Work users (auto-review, confirmation policy). 16
பயனர் நிர்ணயித்த மற்றும் அதன் சூழலால் மறைமுகமாகக் குறிக்கப்படும் வரம்புகளுக்குள் Astra செயல்படுவதற்கும் அதிக வாய்ப்புள்ளது. ஒரு உள்நிலை மதிப்பீட்டில், Codex தானியங்கு மதிப்பாய்வு மறுப்பைத் தவிர்க்க Astra ஒருபோதும் முயற்சிக்கவில்லை. Auto-review (தானியங்கு மதிப்பாய்வைத்) ஐத் தவிர்க்கும்படி வேண்டுமென்றே கட்டமைக்கப்பட்டிருந்தபோதும், இல்லையெனில் அந்தப் பணியை முடிக்க இயலாதபோதும் கூட இது உண்மையாக இருந்தது. சுற்றுச்சூழல் கட்டுப்பாடுகளுக்கான இந்த மதிப்பானது, இந்தப் பதிவின் அறிமுகத்தில் நாங்கள் பகிர்ந்துகொண்ட சாத்தியமற்ற இணையப் பணி மதிப்பீட்டின் முடிவுகளுடனும், எங்கள் சிஸ்டம் கார்டில்(புதிய சாளரத்தில் திறக்கும்) ஆவணப்படுத்தப்பட்ட பிற கண்டுபிடிப்புகளுடனும் ஒத்துப்போகிறது.
Astra மேலும் ஏமாற்றும் நடத்தையில் கணிசமான குறைப்புகளைக் காட்டுகிறது. பணியை ஒப்படைக்கும் நபர்கள், ஒரு மாடலின் திறன்களையும் அதன் முன்னேற்றம் குறித்த நேர்மையான அறிக்கையிடலையும் தெளிவாகப் புரிந்துகொள்ள வேண்டும். இது நேர்மையின் ஒரு அம்சத்தை அளவிடுகிறது; திட்டமிட்ட ஏமாற்றுதலைக் குறைப்பது, எங்கள் ஒத்திசைவு பணியின் பரந்த மையக் கவனமாக தொடர்ந்து உள்ளது.
எங்கள் திறன்-மாயத்தோற்ற மதிப்பீட்டில், GPT‑5.6 Sol-ஐவிட Astra குறிப்பிடத்தக்க மேம்பாட்டைக் காட்டுகிறது; அதன் திறன்களைப் பற்றிய தவறாக வழிநடத்தும் கூற்றுகளை அது குறைவாக முன்வைக்கிறது.
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(புதிய சாளரத்தில் திறக்கும்) 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(புதிய சாளரத்தில் திறக்கும்) 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.
கிடைக்கும் தன்மை
GPT‑6 Astra இன்று நிறுவனங்களுக்கும் எங்கள் Trusted Access Program-இல் உள்ள வாடிக்கையாளர்களுக்கும் படிப்படியாக வழங்கப்படுகிறது; அடுத்த சில நாட்களில் ChatGPT Plus, Pro, Business மற்றும் Enterprise-க்கு சந்தா செலுத்தும் நபர்களுக்கு பரவலாகக் கிடைக்கும். . Astra பயன்பாடு $100 மற்றும் $200 Pro திட்டங்களிலும் $100 Business திட்டத்திலும் உள்ள தற்போதைய பயன்பாட்டு ஒதுக்கீட்டில் சேர்க்கப்பட்டுள்ளது; கூடுதல் விகித வரம்புகளோ கட்டுப்பாடுகளோ இல்லை. $20 Plus சந்தா கொண்ட நபர்களும் நிலையான Business திட்டத்தில் உள்ள வாடிக்கையாளர்களும் குறைந்த வரம்புகளுடன் GPT‑6 Astra-ஐ அணுகலாம்; கூடுதல் அணுகலுக்காக கிரெடிட்களை வாங்கும் விருப்பமும் உள்ளது. Enterprise நிர்வாகிகள் தங்கள் வர்க்ஸ்பேஸிற்காக Astra-ஐ இயக்கலாம்; அறிமுகத்தின் போது அணுகல் இயல்பாகவே முடக்கப்பட்டிருக்கும்.
Pro Lite, Pro, Business மற்றும் Enterprise பயனர்கள் Chat இல் GPT‑6 Astra-வையும் பயன்படுத்தலாம். தகுதியுள்ள API வாடிக்கையாளர்களுக்கு Astra ஜீரோ டேட்டா ரிடென்ஷனை ஆதரிக்கிறது. மேலும், கடந்த மாதம் நாங்கள் பகிர்ந்தபடி, வாடிக்கையாளர் தனியுரிமையைப் பேணிக்காத்தபடி பாதுகாப்புக் கண்காணிப்பை வலுப்படுத்த தனியார் பாதுகாப்புச் செயலாக்கத்தைச் சோதித்து வருகிறோம்.
டெவலப்பர்களுக்காக, GPT‑6 Astra ஆனது OpenAI API-இல் gpt-6-astra என்ற பெயரில் கிடைக்கிறது; மேலும் AWS Bedrock-இலும் கிடைக்கிறது. OpenAI API ஸ்டாண்டர்ட் விலை நிர்ணயம் ஒரு மில்லியன் உள்ளீட்டு டோக்கன்களுக்கு $10 மற்றும் ஒரு மில்லியன் வெளியீட்டு டோக்கன்களுக்கு $50 ஆகும். கேஷ் வாசிப்புகளுக்கும் எழுதுதல்களுக்கும் தனித்தனி கட்டண விகிதங்கள் பொருந்தும். API-இல் GPT‑6 Astra-க்கு விரைவுப் பயன்முறை கிடைக்கிறது; இது ஸ்டாண்டர்ட் விலையின் 2 மடங்கில், ஸ்டாண்டர்ட் செயலாக்கத்தின் வேகத்தை விட 2.5 மடங்கு வரையிலான வேகத்தை வழங்குகிறது.
கணினி பயன்பாடு
| கணினி பயன்பாடு | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
| OSWorld 2.0 (ஆகஸ்ட் வெளியீடு, பகுதி மதிப்பெண்) | - | - | - | 66.1% | 70.6% | - |
| OSWorld 2.0 (ஆகஸ்ட் வெளியீடு, ஆஃப்லைன் துணைத்தொகுப்பு, பகுதி மதிப்பெண்) | - | - | - | - | - | - |
| 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 |
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% | - |
அறிவியல் மற்றும் ஹெல்த்
| அறிவியல் மற்றும் ஹெல்த் | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
| GeneBench Pro | 37.1% | 32.3% | - | - | - | - |
| MedChemBench (Internal) | 49.7% | 47.4% | - | - | - | - |
| LifeSci Bench | 60.8% | 59.9% | - | - | - | - |
| HealthBench தொழில்முறை (நீளத்திற்கேற்ப சரிசெய்யப்பட்டது) | 63.4% | 60.5% | 62.1% | 60.9% | 59.8% | 48.7% |
சைபர் பாதுகாப்பு
| சைபர் பாதுகாப்பு | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
| CVE-Bench | - | 94.1% | - | - | - | - |
| கேப்சர் தி ஃபிளாக் சவால்கள் | - | 96.7% | - | - | - | - |
| SEC-Bench Pro | 85.4% | 79.1% | - | - | - | - |
| CyberGym | - | 84.5% | - | - | - | - |
| ExploitBench | 100.0% | 78.5% | - | - | 70.0% | - |
| ExploitGym (2 மணிநேரம்) | - | 33.7%? | - | - | 171 | - |
| ExploitGym (6 மணி நேரம்) | - | 33.7%? | - | - | 191 | - |
சீரமைப்பு
சீரமைப்பு | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
உள் கணினி பயன்பாட்டுப் பாதுகாப்பு அளவுகோல் (குறைவாக இருப்பது நல்லது) | 2.4% | 22.0% | 9.5% | 18.3% | 11.5% | - |
AutoReview உடன் உள்ளக கணினி பயன்பாட்டு பாதுகாப்பு பெஞ்ச்மார்க் (குறைந்த மதிப்பு சிறந்தது) | 1.8% | 4.3% | - | - | - | - |
உள் தவிர்ப்பு அளவுகோல் (குறைந்த மதிப்பு சிறந்தது) | 0.00% | 0.29% | - | - | - | - |
ExploitGym ஹனிபாட் (குறைவானது சிறந்தது) | 0.0% | 48.2% | - | - | - | - |
சாத்தியமற்ற ExploitGym | 100.0% | - | - | - | - | - |
உள் மாயத்தோற்ற பெஞ்ச்மார்க் (குறைவாக இருப்பது சிறந்தது) | 4.2% | 12.2% | - | - | - | - |
நீளமான கான்டெக்
நீளமான கான்டெக் | 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% | - | - | - | - |
காரணவிளக்கமளித்தல் சிந்தனை
| காரணவிளக்கமளித்தல் சிந்தனை | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.7 Flash |
| ARC-AGI-3 | 99.9% | 7.8% | - | - | 30.2% | - |
| ARC-AGI-2 | 95.0% | 92.5% | 90.0% | 89.2% | 90.4% | 84.6% |
| ARC-AGI-1 | 98.5% | 97.5% | 97.5% | 98.5% | 97.5% | 95.5% |
மதிப்பீட்டு மதிப்பெண்கள் எந்த முயற்சியிலும் அதிகபட்சமாக இருக்கும். GPT மதிப்பீடுகள் எங்கள் ஆராய்ச்சிச் சூழலிலோ அல்லது எங்கள் API வழியாகவோ நடத்தப்பட்டன. கணினி ப்ராம்ப்ட்கள், கிடைக்கக்கூடிய கருவிகள் போன்றவற்றில் உள்ள வேறுபாடுகள் காரணமாக, இது உற்பத்தி ChatGPT‑யிலிருந்து சற்றே மாறுபட்ட வெளியீட்டை வழங்கக்கூடும்.
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(புதிய சாளரத்தில் திறக்கும்). 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(புதிய சாளரத்தில் திறக்கும்).
- 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(புதிய சாளரத்தில் திறக்கும்).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, and Peter Jonas. “The OpenScore String Quartet Corpus(புதிய சாளரத்தில் திறக்கும்).” 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(புதிய சாளரத்தில் திறக்கும்): "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(புதிய சாளரத்தில் திறக்கும்) 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(புதிய சாளரத்தில் திறக்கும்) and supporting research(புதிய சாளரத்தில் திறக்கும்).
- 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(புதிய சாளரத்தில் திறக்கும்) and supporting research(புதிய சாளரத்தில் திறக்கும்).
- 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(புதிய சாளரத்தில் திறக்கும்).” 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
