GPT-6 Astra: A new generation of intelligence
Нове покоління інтелекту
Ми представляємо GPT‑6 Astra — найінтелектуальнішу й найбільш узгоджену модель у світі.
GPT‑6 Astra поєднує роки досліджень і масштабних інвестицій у попереднє навчання, навчання з підкріпленням та узгодження. Astra демонструє передові результати в роботі з комп'ютером, вебперегляді, розробці програмного забезпечення, кібербезпеці, науці та професійних завданнях. Astra досягає практично максимального результату на FrontierMath (рівень 4), набираючи 98%, і вже допомогла розв'язати давні відкриті математичні задачі. Astra також досягає практично максимального результату на ARC-AGI-3 з оцінкою 99,9% і максимального результату на ExploitBench з оцінкою 100%. Вона також встановлює передовий рівень у роботі з комп'ютером і браузером, виконуючи найскладніші професійні завдання з неперевершеною швидкістю, точністю та якістю рішень.
Сьогодні GPT‑6 Astra починає ставати доступною для обмеженого кола організацій, а протягом найближчих днів стане доступною всім користувачам ChatGPT Plus, Pro, Business і Enterprise, а також через OpenAI API, Microsoft Azure і AWS Bedrock.
Astra — наша найбільш узгоджена модель, яка значно краще розуміє наміри користувача й дотримується належної поведінки моделі, тож ви можете делегувати їй завдання з більшою впевненістю в її рішеннях. Щоб перевірити це, ми розробили нове оцінювання з урахуванням інциденту з Hugging Face. Воно визначає, чи не вийде модель, зіткнувшись зі складним або неможливим завданням, за встановлені для неї межі. GPT‑5.6 Sol без захисних механізмів виробничого середовища виходила за межі дозволеної цілі у 48% випадків, тоді як GPT‑6 Astra не зробила цього в жодному випадку.
Найкраща у світі модель для роботи з комп’ютером
GPT‑6 Astra відкриває новий рівень швидкості, точності та безпеки роботи з комп’ютером. Вона може брати на себе рутинні завдання, як-от заповнення онлайн-форм, оновлення записів клієнтів у CRM та впорядкування календаря. Вона може проводити онлайн-дослідження та готувати чернетки стислих викладів у вашій електронній пошті або редакторі документів. Вона може аналізувати наукові дані, створювати графіки й вебсайти та проводити перевірки якості фронтенду, щоб переконатися, що всі функції сайту працюють. Вона може допомагати вам самостійно встановлювати й тестувати програмне забезпечення, а також усувати проблеми, які ви бачите на екрані. Ці вдосконалення також відображаються в результатах наших найсучасніших оцінювань.
Ці вдосконалення також забезпечують значний приріст ефективності в реальних завданнях інтелектуальної роботи. У симуляціях затримки на OSWorld 2.0 Astra демонструє кращі результати роботи з комп'ютером, витрачаючи приблизно на 47% менше часу на завдання, ніж GPT‑5.6 Sol: 72,6% за приблизно 40 хвилин на завдання порівняно з 65,7% за приблизно 75 хвилин.3
Можливості GPT‑6 Astra для роботи з комп’ютером можна побачити в результатах у різних сферах, зокрема в розробці ігор, електротехніці та повсякденній інтелектуальній роботі:
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
Новий рівень професійної роботи
GPT‑6 Astra поєднує вдосконалені можливості роботи з комп’ютером із цільовим навчанням для професійних робочих середовищ, допомагаючи виконувати складні робочі завдання. Вона поєднує інтелект, необхідний для розв'язання складних завдань, зі здатністю виконувати багатоетапні робочі процеси та створювати професійно оформлені документи, електронні таблиці й презентації.
GPT‑6 Astra — наша найкраща модель для дотримання наявних шаблонів і створення слайдів із продуманим компонуванням, які стисло передають ключові тези в межах структурованої оповіді. Вона створює зрозумілі, добре структуровані документи, презентації, електронні таблиці й аналітичні матеріали, що відповідають вашим шаблонам і узгоджуються з вашим стилем письма та візуальним стилем. Astra також спеціально навчена включати в результати лише релевантний контекст, а не повторювати інформацію, непотрібну для поточного завдання. Усе це дає їй змогу створювати готові до практичного використання матеріали, що відповідають контексту й стандартам вашої компанії.
GPT‑6 Astra також краще оцінює візуальну складову вебсайтів, ігор, застосунків і візуалізацій, які створює. Завдяки Sites(відкривається у новому вікні) у ChatGPT Astra може створювати, розміщувати й поширювати вебсайти, вебзастосунки та ігри безпосередньо за запитом.
Коли інструкції допускають різні тлумачення, GPT‑6 Astra краще за попередні моделі визначає, як правильно діяти. Вона використовує контекст, щоб самостійно заповнювати типові прогалини, і ставить конкретні уточнювальні запитання, якщо відповідь може вплинути на результат. У Codex вона може поставити запитання асинхронно й водночас продовжити роботу, яка не залежить від вашої відповіді. Якщо ви не відповідаєте, вона, де це доречно, продовжує роботу на основі обґрунтованих припущень, але перед рішеннями, що можуть мати суттєві наслідки, чекає на вашу відповідь.
Наведені нижче приклади показують, як Astra допомагає з повсякденними завданнями, у яких відсутність інформації може суттєво вплинути на відповідь.
Astra також краще зберігає контекст у міру розвитку завдання. Попередні моделі іноді сприймали вказівки щодо зміни напряму роботи як нову ціль, втрачаючи з поля зору початковий запит або попередні обмеження. Astra враховує нові вимоги, змінює підхід за запитом і відповідає на додаткові запитання, не втрачаючи з поля зору основне завдання.
Програмування
GPT‑6 Astra — найкраща на сьогодні модель для програмної інженерії.
«GPT‑6 Astra демонструє передові результати на наших внутрішніх бенчмарках із програмування та явний прогрес в оцінюваннях торгової інтуїції порівняно з GPT‑5.6 Sol. Під час автономної розробки коду GPT‑6 Astra спілкується так, що розробникам легше стежити за її роботою, і створює код, який потребує менше доопрацювань, щоб досягти якості, придатної для виробничого середовища.»
«Ми протестували Astra з низьким, середнім і високим рівнями зусиль на одному з наших оцінювань першого покоління, і вона значно випередила GPT 5.6 Sol. Вищий рівень зусиль дає більше ітерацій під час створення з нуля, більше перевірок через тестування в бравзері та більшу схильність до виконання коду замість apply-patch. Розуміння того, як модель витрачає свої зусилля, допомагає нам забезпечити мільйонам розробників швидший і надійніший шлях від ідеї до робочої програми».
З Astra ми впроваджуємо новий спосіб, який дає Codex змогу зберігати й відновлювати контекст, коли ліміт контексту вичерпується. Раніше моделі використовували ущільнення, щоб узагальнювати виконану роботу під час тривалих сеансів, наприклад під час налагодження складних проблем або масштабного рефакторингу. Під час кожного ущільнення можуть втрачатися деталі про те, чому виправлення не спрацювало або як поводиться певний компонент. У Codex Astra може зберігати нотатки між лімітами контексту, не втрачаючи накопичених деталей і не стискаючи їх щоразу в один стислий виклад. Попередні ліміти контексту залишаються доступними для пошуку, тому Astra може знаходити вимоги або результати тестів у попередніх повідомленнях і результатах роботи інструментів, навіть якщо ця інформація не була зафіксована в її нотатках. Цю експериментальну функцію можна ввімкнути у файлі config.toml Codex(відкривається у новому вікні), і протягом найближчих тижнів вона стане стандартною для Astra.
Прискорення наукових відкриттів
Astra може допомагати з практичною роботою, що стоїть за науковими відкриттями. Поєднуючи наукове міркування з можливістю працювати з комп'ютером, вона може безпосередньо працювати у спеціалізованому програмному забезпеченні, щоб перевіряти дані та досліджувати результати, допомагаючи науковцям оцінювати отримані докази й визначати, що досліджувати далі.
Кібербезпека
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(відкривається у новому вікні)..
Відповідальне узгодження та розгортання GPT‑6 Astra
Astra — наша найбільш узгоджена модель. Astra вирізняється обачністю, дотриманням меж завдання та прозорою комунікацією. Ця робота є найновішим результатом нашої багаторічної дослідницької програми, спрямованої на навчання моделей, які залишаються узгодженими з намірами людини від початку до кінця.
У середовищах із підвищеними вимогами до безпеки Astra діє з обережністю, що відповідає рівню ризику. Під час оцінювання завдань із роботи з комп'ютером, спеціально підібраних так, щоб провокувати небажану поведінку, Astra успішніше уникала непередбачених наслідків. Використання додаткових заходів безпеки, увімкнених за замовчуванням, дало ще кращі результати.
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(відкривається у новому вікні) and Anthropic Messages API(відкривається у новому вікні)) and without additional protections that are normally deployed to Codex and ChatGPT Work users (auto-review, confirmation policy). 16
Astra також частіше діє в межах, установлених користувачем і передбачених середовищем. Під час внутрішнього оцінювання Astra жодного разу не намагалася обійти відхилення дії системою Codex Auto-Review. Astra не намагалася цього робити навіть тоді, коли Auto-Review навмисно налаштовували так, щоб її можна було обійти, а без обходу виконати завдання було неможливо. Таке дотримання обмежень середовища узгоджується з результатами нашого оцінювання завдань, які неможливо вирішити, у сфері кібербезпеки, про яке ми згадували на початку цієї публікації, а також з іншими результатами, наведеними в нашій картці системи(відкривається у новому вікні).
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.
У нашому оцінюванні галюцинацій щодо власних можливостей Astra демонструє суттєве покращення порівняно з GPT‑5.6 Sol і рідше робить оманливі твердження про свої можливості.
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(відкривається у новому вікні) 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(відкривається у новому вікні) 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.
Доступність
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% | - |
Узгодженість
Узгодженість | GPT‑6 Astra | GPT‑5.6 Sol | Claude Fable 5.1 | Claude Fable 5 | Claude Opus 5 | Gemini 3.8 Flash |
Внутрішній бенчмарк безпеки роботи з комп'ютером (що нижче, то краще) | 2,4% | 22,0% | 9,5% | 18,3% | 11,5% | - |
Внутрішній бенчмарк безпеки роботи з комп'ютером з AutoReview (що нижче, то краще) | 1,8% | 4,3% | - | - | - | - |
Внутрішній бенчмарк обходу обмежень (що нижче, то краще) | 0,00% | 0,29% | - | - | - | - |
Пастка ExploitGym (що нижче, то краще) | 0,0% | 48,2% | - | - | - | - |
Завдання ExploitGym без можливого рішення | 100,0% | - | - | - | - | - |
Внутрішній бенчмарк щодо галюцинацій (що нижче, то краще) | 4,2% | 12,2% | - | - | - | - |
Розширений контекст
Розширений контекст | 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% | - | - | - | - |
Абстрактне мислення
| 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% | - |
Результати оцінювання наведено як максимальні значення, досягнуті за будь-якого рівня зусилля. Оцінювання GPT проводили в нашому дослідницькому середовищі або через наш API, тому через відмінності в системних запитах, доступних інструментах тощо результати можуть дещо відрізнятися від результатів у робочій версії ChatGPT.
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(відкривається у новому вікні). 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(відкривається у новому вікні).
- 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(відкривається у новому вікні).” arXiv:2506.19065, 2025.
- 7
Mark R. H. Gotham, Maureen Redbond, Bruno Bower, and Peter Jonas. “The OpenScore String Quartet Corpus(відкривається у новому вікні).” 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(відкривається у новому вікні): "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(відкривається у новому вікні) 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(відкривається у новому вікні) and supporting research(відкривається у новому вікні).
- 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(відкривається у новому вікні) and supporting research(відкривається у новому вікні).
- 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(відкривається у новому вікні).” 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
