GPT-6 Astra مدل تازه اوپن‌ای‌آی برای کارهای حرفه‌ای و امنیتی
اوپن‌ای‌آی از GPT-6 Astra رونمایی کرده، مدلی که در استفاده از کامپیوتر، مرورگر، مهندسی نرم‌افزار، امنیت سایبری و علوم عملکردی در سطح بالا از خودش نشان داده. عددهای بنچمارک این مدل نشان می‌دهد فاصله‌ی قابل توجهی با نسخه‌های قبلی دارد، اما همراه با این قدرت، محدودیت‌های امنیتی سنگین‌تری هم اعمال شده.
اوپن‌ای‌آی از GPT-6 Astra رونمایی کرده، مدلی که در استفاده از کامپیوتر، مرورگر، مهندسی نرم‌افزار، امنیت سایبری و علوم عملکردی در سطح بالا از خودش نشان داده. عددهای بنچمارک این مدل نشان می‌دهد فاصله‌ی قابل توجهی با نسخه‌های قبلی دارد، اما همراه با این قدرت، محدودیت‌های امنیتی سنگین‌تری هم اعمال شده.
چیزی که در عددها تغییر کرده
اوپن‌ای‌آی GPT-6 Astra را مدلی معرفی کرده که در استفاده از کامپیوتر، مرورگر، مهندسی نرم‌افزار، امنیت سایبری، علوم و کارهای حرفه‌ای در بالاترین سطح عملکرد می‌کند. برای اینکه این ادعا رنگ و بو داشته باشد باید سراغ بنچمارک‌ها رفت. مدل روی FrontierMath Tier 4 v2 نمره ۹۷.۶ درصد گرفته و روی ARC-AGI-3 به ۹۹.۹ درصد رسیده؛ این دو عدد نشان می‌دهند مدل در حل مسائل پیچیده و ساختاریافته عملکرد تقریباً بی‌نقصی دارد. در ExploitBench هم نمره کامل ۱۰۰ درصد گرفته، عددی که در حوزه امنیت سایبری قابل توجه است. اما پرسش اصلی این است که این اعداد چه معنایی برای کسی دارند که می‌خواهد این مدل را در کار واقعی به کار بگیرد؟
سرعت و دقت در کارهای عملی
روی OSWorld 2.0، که وظایف تعامل با کامپیوتر و رابط کاربری را می‌سنجد، GPT-6 Astra نمره ۷۲.۶ درصد گرفته، اما هر وظیفه در شبیه‌سازی‌های تأخیر حدود ۴۰ دقیقه طول کشیده؛ یعنی مدل دقیق است ولی نه فوری. در عوض، در Mind2Web سرعت اجرا ۱.۹ برابر سریع‌تر از تجربه فعلی GPT-5.6 Sol بوده، که برای وظایف خودکارسازی مرورگر تفاوت محسوسی ایجاد می‌کند. در Terminal-Bench 4.0 نمره ۵۷.۹ درصد و در DeepSWE v1.1 نمره ۷۴.۱ درصد گرفته، دو عددی که نشان می‌دهند مدل هنوز در وظایف پیچیده مهندسی نرم‌افزار جای پیشرفت دارد. در GPQA Diamond، که پرسش‌های علمی سطح بالا را می‌سنجد، نمره ۹۶ درصد گرفته و در HealthBench Professional با امتیازدهی متناسب با طول پاسخ به ۶۳.۴ درصد رسیده؛ فاصله‌ی این دو عدد نشان می‌دهد مدل در حوزه سلامت هنوز محتاط‌تر و کمتر قطعی عمل می‌کند تا در علوم پایه.
جایی که امنیت سایبری وارد بازی می‌شود
بخش قابل توجه این عرضه، عملکرد مدل در وظایف امنیتی است. در SRE-Bench، مدل ۸۸ درصد وظایف را در یک تلاش و ۹۹.۲ درصد را در چهار تلاش حل کرده، که نشان می‌دهد با فرصت تکرار تقریباً به سقف می‌رسد. در طول ارزیابی، مدل دو آسیب‌پذیری روز-صفر که پیش‌تر شناخته‌نشده بودند را کشف کرده. این توانایی باعث شده مدل به آستانه Critical در چارچوب Preparedness اوپن‌ای‌آی برسد. در نتیجه، نسخه‌ای که هم‌اکنون عرضه شده از انجام وظایف پیشرفته‌تر مثل ساخت proof-of-concept برای اکسپلویت‌ها خودداری می‌کند. روی بنچمارک داخلی دورزدن محدودیت‌ها، مدل نمره ۰.۰۰ درصد گرفته؛ این عدد فقط نشان می‌دهد مدل در این آزمون خاص هیچ نمونه‌ی موفق دورزدن ثبت نکرده، نه اینکه چنین چیزی به‌طور کلی ممکن نباشد. در Impossible ExploitGym هم نمره کامل ۱۰۰ درصد گرفته، در حالی که در ExploitGym معمولی نرخ موفقیت ۴۲.۴ درصد بوده؛ این فاصله نشان می‌دهد سطح دشواری بین این دو بنچمارک تفاوت زیادی دارد.
چطور و از کجا می‌توان به آن دسترسی داشت
GPT-6 Astra ابتدا فقط برای مجموعه‌ی محدودی از سازمان‌ها در دسترس قرار گرفته و برنامه‌ی اوپن‌ای‌آی این است که به کاربران ChatGPT Plus، Pro، Business و Enterprise هم برسد. برای توسعه‌دهندگانی که می‌خواهند مستقیم با مدل کار کنند، دسترسی از طریق OpenAI API با شناسه gpt-6-astra، و همچنین از طریق مایکروسافت آژور و آمازون بدراک فراهم شده. قیمت‌گذاری استاندارد در API برابر ۱۰ دلار به ازای هر میلیون توکن ورودی و ۵۰ دلار به ازای هر میلیون توکن خروجی است، و مشتریان واجد شرایط API می‌توانند از قابلیت Zero Data Retention استفاده کنند تا داده‌های درخواست‌هایشان نگه‌داری نشود. برای تیم‌هایی که با داده‌های حساس یا وظایف امنیتی کار می‌کنند، همین دو نکته یعنی محدودیت آستانه Critical و گزینه‌ی Zero Data Retention نقطه‌ی شروع خوبی برای ارزیابی است پیش از هر تصمیم درباره‌ی مقیاس استفاده.
مشخصات
- شناسه مدل در API: gpt-6-astra
- OSWorld 2.0: 72.6%
- FrontierMath Tier 4 v2: 97.6%
- ARC-AGI-3: 99.9%
- ExploitBench: 100.0%
- ExploitGym: 42.4%
- SRE-Bench (یک تلاش): 88.0%
- قیمت ورودی استاندارد: ۱۰ دلار به ازای هر میلیون توکن
- قیمت خروجی استاندارد: ۵۰ دلار به ازای هر میلیون توکن
- سرعت حالت Fast: تا دو برابر حالت استاندارد
منابع
- OpenAI GPT-6 Astra announcement — OpenAI