GPT-6 Astra: Скачок интеллекта, 99.9% на ARC-AGI и начало эры AGI?

Результаты бенчмарков: абсолютные лидеры

GPT-6 Astra не просто улучшила предыдущие версии, она совершила качественный скачок, сравнимый с переходом от Fable 5 к Fable 5.1. Модель демонстрирует доминирующие результаты в ключевых тестах на интеллектуальные способности:

Ключевые возможности: от KiCad до Blender

Astra позиционируется как лучшая модель для «компьютерного использования» (Computer Use) и координации субагентов. В отличие от предыдущих версий, она не просто генерирует код, а активно взаимодействует с ПО:

• 3D и дизайн: Создание сцен городов в Unity, анимация трансмиссий автомобилей в FreeCAD и Blender.
• Инженерия: Проектирование печатных плат в KiCad.
• Наука: Улучшение математических результатов о разрывах между простыми числами, новые достижения в биологии, химии и физике.
• Быт: Заполнение черновиков налоговых деклараций на основе W-2.

Дискуссия об AGI и сравнение с конкурентами

Президент OpenAI Грег Брокман официально объявил о начале эры AGI. Хотя автор статьи Zvi не считает модель полноценным AGI, он отмечает, что споры об этом больше не кажутся абсурдными. При этом Astra не заменяет полностью конкурентов:

• Fable 5.1 (Anthropic): Остается предпочтительным выбором для диалогов, редактирования текстов и задач, требующих тонкой настройки стиля.
• Astra (OpenAI): Безоговорочный лидер в сложных проектах, 3D-моделировании и автоматизации.

Рекомендация экспертов: использовать обе модели параллельно («dual wielding») для самых сложных задач.

Безопасность и будущие модели

OpenAI сделала акцент на безопасности, внедрив встроенных оценщиков (Embedded Evaluators) и усилив мониторинг действий агентов. Однако развитие идет стремительно: уже анонсирована внутренняя модель уровня выше Astra, а CEO OpenAI Сэм Альтман признал, что Astra может устареть через несколько недель. На фоне этого Anthropic анонсировала односторонние обязательства по внедрению независимых аудиторов безопасности.

Источник: LessWrong ↗