GPT-6 Astra: מהו המודל המסוגל ביותר של OpenAI, כמה הוא עולה, ומי יכול להשתמש בו בפועל

אם חיפשת "astra" והגעת לכאן, התשובה האמיתית הקצרה ביותר היא זו: GPT-6 Astra הוא מודל הדגל של Ope​nAI, והוא נושא את מזהה המודל gpt-6-astra, והוא הושק ב-3 בספטמבר 2026 — שלושה עשר ימים לפני שהעמוד הזה נכתב. Ope​nAI מכנה אותו "המודל האינטליגנטי והמיושר ביותר בעולם" וממצבת אותו לעבודה מקצועית מקצה לקצה, לטווח ארוך, ולא לצ'אט. זה אינו מאמר השקה, ושום דבר כאן אינו הכרזה. המודל כבר יצא; השאלות שעדיין בעלות ערך הן למה הוא מיועד, כמה הוא עולה, איך מגיעים אליו, ואיך הוא באמת מקבל ציון כשמפרידים בין המספרים של הספק לבין אלה של כל השאר. מה שבאמת השתנה בשבוע השני של ספטמבר הוא בצד הארגוני — Astra נשלחת כשהיא כבויה, וב-9 בספטמבר Ope​nAI פרסמה את בקרות הניהול ואת תנאי כרטיס התעריפים שמאפשרים למנהל להפעיל אותה. GPT-5.6 Sol, מודל הדגל הקודם של Ope​nAI, מופיע למטה רק כקו הבסיס שמולו Astra מתומחרת ונמדדת; עמודי ההשוואה מקושרים בסוף, כי הטיעון הזה שייך לשם ולא לכאן.

הדבר השימושי ביותר לדעת לפני כל הפרטים הוא ש-Astra הוא מודל שצריך לתת לך להיכנס אליו, באופן שלא אפיין את מודלי הדגל הקודמים של OpenAI. זהו המודל הראשון שהחברה השיקה שחוצה את הקריטי סף היכולת בתחום הסייבר לפי ה-Preparedness Framework שלה, וצורת ההשקה — תחילה מספר מוגבל של ארגונים, השירות הארגוני כבוי כברירת מחדל, ורמות הגנה שיתרחבו בשלב מאוחר יותר — נובעת מהסיווג הזה ולא מהיכולת בלבד.

מה GPT-6 Astra באמת

התיעוד הרשמי של OpenAI למודלים שלה משתמש במזהה אחד ויחיד: gpt-6-astra, אותיות קטנות, עם מקף, בלי קידומת ספק. אין צורה מתוארכת של snapshot ואין כינוי "-latest" שמפורסם על ידי הספק. בשטח מקלידים את השם בשתי הצורות — אנשים מחפשים "astra gpt 6" ו-"gpt astra" בערך באותה תדירות כמו הסדר הקנוני — אבל כולם מובילים לאותו מודל, והצורה הקנונית היא זו ש-OpenAI מדפיסה.

למסגור ש-OpenAI יוצרת סביבו יש שני חצאים שחשובים לכל מי שמחליט אם להשתמש בו. הראשון הוא היכולת: עמוד ההשקה, "GPT-6 Astra: דור חדש של בינה", מכנה אותו המודל האינטליגנטי והמיושר ביותר בעולם. השני, שפורסם ב-9 בספטמבר תחת הכותרת "GPT-6 Astra: הדור הבא של הבינה לעבודה", מפרט יותר את היעד — עבודה מקצועית מקצה לקצה וארוכת טווח, ולא שיחה. ההבחנה הזו היא כל המסר השיווקי. Astra נמכרת כמשהו שלוקח משימה מהוראת התחלה עד לתוצר מוגמר, לאורך שלבים רבים ופרק זמן ארוך, תוך שימוש במחשב כפי שאדם עושה, והיא מתומחרת ומשווקת בהתאם.

שני דברים נובעים מהמיצוב הזה שקל לפספס. ראשית, המשטחים ש-OpenAI הציבה אותו עליהם הם משטחי העבודה — ChatGPT Work ו-Codex — כשמוצר הצ׳אט הכללי נתפס כצרכן במורד הזרם של אותו מודל. שנית, ההשוואה התחרותית ש-OpenAI מזמינה אינה מול צ׳אטבוט אחר. כאשר החברה מתארת את Astra בכתיבה ובדיקת תוכנה, בהפעלת דפדפן או בביצוע ניתוח מקצועי, הדבר שמוחלף באופן מרומז הוא סשן העבודה של אדם, וזה מה שמנגנון הבטיחות והניהול שסביבו נבנה כדי לשלוט בו.

התאריכים החשובים, והשבוע האחד ששינה את הדברים

התאריך של Astra עצמה הוא 3 בספטמבר 2026. זהו היום שבו OpenAI פרסמה את המודל, והיום שבו נפתחה הגישה לקבוצה מוגבלת של ארגונים. בלשונה של החברה באותו עמוד נאמר שהיא "משיקה אותו היום לקבוצה מוגבלת של ארגונים, ובימים הקרובים הוא יהיה זמין לכל משתמשי ChatGPT Plus, Pro, Business ו-Enterprise, וכן דרך OpenAI API, ‏Microsoft Azure ו-AWS Bedrock."

מה שאירע לאחר מכן הוא הסיבה לכך שמודל בן שלושה עשר ימים שווה עמוד השבוע, במקום להיות מתויק כהיסטוריה. קראו את הרצף עם התאריכים המצורפים, והוא מפסיק להיראות כמו השקה ומתחיל להיראות כמו מוצר שהופך לשמיש באופן כללי:

• 3 בספטמבר 2026 — GPT-6 Astra פורסם. הגישה מוגבלת לקבוצה קטנה של ארגונים, כולל אנשי הגנת סייבר בתוך תוכנית Daybreak. ARC Prize מפרסמת את תוצאות ARC-AGI-3 שלה באותו היום.

• 8 בספטמבר 2026 — OpenAI אומרת שהפריסה למשתמשי Plus, Pro, Business ו-Enterprise הושלמה ב-Codex וב-ChatGPT Work. Amazon Web Services מודיעה על זמינות כללית של GPT-6 Astra ב-Amazon Bedrock באותו יום. שימו לב לתאריך: זה נמצא יום אחד מחוץ לחלון של שבעת הימים, כך שזה משמש כאן כהקשר, לא כידיעה.

• 9 בספטמבר 2026 — OpenAI מפרסמת את העמוד הארגוני ואת המנגנון שסביבו: גישה ארגונית הופכת לניתנת לניהול בכפוף למחירון ולהסכם רלוונטיים, בקרות ניהול חדשות משוחררות, ותוספים ארגוניים מגיעים ל-ChatGPT Desktop. זהו הראשון מבין שני האירועים שהופכים את העמוד הזה לעדכני.

• 10 בספטמבר 2026 — OpenAI משיקה את ChatGPT לשירותים פיננסיים, המבוסס על GPT-6 Astra, עם נתוני פרימיום מ-Daloopa, LSEG News, PitchBook ו-Crunchbase, שתוכננה עם Morgan Stanley ו-Evercore. זהו השני: מוצר אנכי בעל שם שזמין באופן כללי על המודל, שזה סוג אחר של עובדה מאשר טבלת בנצ'מרקים.

• 11 בספטמבר 2026 — OpenAI מפרסמת סיפור לקוח של Cognition המכסה את Astra ב-Devin Desktop, Devin CLI ותערובת המודלים של Devin Cloud; בנפרד, דיווחים מתארים ש-OpenAI מנפיקה איפוסי שימוש שנצברו למנויים בתשלום שלא הייתה להם גישה, כשסם אלטמן מתנצל על השקה שהוא כינה מבולגנת.

הקריאה הישרה של הרצף הזה היא מעורבת וראויה להיאמר בפשטות, מפני שרוב הסיקור בחר חצי אחד. המודל אכן זמין למסלולים בתשלום של ChatGPT ובאמצעות שלושה נתיבי ענן. עוד עובדה היא שנושא GitHub במאגר Codex של OpenAI עצמה, מתוארך ל-15 בספטמבר, תיעד משתמשים שעדיין אינם מצליחים להגיע ל-Astra, קרדיטים חסרים לאיפוס מבצעי, ושינויים בלתי מוסברים בחלון מגבלת הקצב. שתי העובדות נכונות. Astra זמין באופן כללי, וההשקה שלו לא הייתה נקייה, וקורא שמחליט אם לבנות עליו החודש צריך להביא בחשבון את העובדה השנייה.

היכן ניתן להשתמש בזה, ומי מופעל

ישנם חמישה מסלולים, ואין להם אותם תנאים.

• ChatGPT Work — זמין במסלולי Plus, Pro, Business ו-Enterprise. עבור תוכניות Plus ו-Business Standard, השימוש נכלל במכסת המנוי הקיימת, עם אפשרות לרכוש קרדיטים נוספים.

• Co​dex — זמין באותן חבילות בתשלום. נדרש C​odex CLI בגרסה 0.153.0 ואילך, ויש לעדכן את אפליקציית ChatGPT למחשב.

• The OpenAI API — מזהה מודל gpt-6-astra, מוצע בנקודות הקצה Responses, Chat Completions ו-Batch. נקודות הקצה Realtime, Assistants, Fine-tuning, Embeddings, image, audio ו-moderation אינן תומכות בו.

• Microsoft Azure וAWS Bedrock — שניהם כוללים זאת. בנוסף, Bedrock מנהל גישה באמצעות מדיניות IAM, מתעד הפעלות ב-CloudTrail, ותומך בנקודות קצה של VPC דרך PrivateLink עם מדיניות היקף נתונים ברמת הארגון.

השאלה הארגונית היא זו שיש לה תשובה אמיתית שהשתנתה ב-9 בספטמבר. גישת Enterprise כבויה כברירת מחדל בעת ההשקה — מנהל צריך להפעיל אותה בהתאם למחירון ולהסכם הרלוונטיים. לפיכך, האימוץ הוא החלטה מכוונת בנוגע לעלות, לתרחישי שימוש ולממשל, ולא משהו שמגיע דלוק. לצד זאת, OpenAI השיקה בקרות ניהול שמאפשרות לארגון להגביל גישה לאתרים ולאפליקציות שולחן עבודה מאושרים, לנהל העלאות והורדות ולשלוט בהיסטוריית הגלישה. ChatGPT Work ו-Codex מוסיפים מדיניות אישור — אישור לפני פעולות בעלות השלכות — ובדיקה אוטומטית של קריאות לכלים לא בטוחות או לא מורשות.

שלושה פרטים נוספים חשובים ברכש. Zero Data Retention זמין ללקוחות API זכאים בנקודות קצה נתמכות, בכפוף לאישור, ולכן צוותים הכפופים לרגולציה צריכים לאמת זכאות ולא להניח אותה. תוספי Enterprise שהושקו לצד Astra ב-ChatGPT Desktop — Oracle Analytics, Power BI (שירות של Microsoft Fabric), Navan ו-Avalara — והם פועלים דרך חשבונות משתמשים והרשאות מנהל קיימים, כלומר הם אינם מעניקים ל-Astra גישה שלא הייתה למשתמש ממילא. והבקרות תוכננו להיות מדורגות: צוות יכול להתחיל בתצורה מצומצמת ולהרחיב אותה, וזו הדרך המעשית שנראה שרוב הארגונים נוקטים.

במה זה בעצם טוב

כל נתון בסעיף זה מדווח על ידי Ope​nAI אלא אם המשפט אומר אחרת. התיוג הזה אינו נוסח תבניתי — הוא ההבדל בין מדידה של ספק לבין מדידה משוחזרת, ו-Astra הוא מודל שבו הפער בין שני הדברים האלה רחב באופן יוצא דופן וגלוי לעין באופן יוצא דופן.

• FrontierMath Tier 4 — 98%, שתואר על ידי OpenAI כמביא את הרמה לרוויה.

• ARC-AGI-3 — 99.9%, המתואר גם כרווי, כאשר Ope​nAI מציינת כי Astra עברה את קו הבסיס האנושי שלה ליעילות פעולה ב-96% מהרמות, ולמעשה הגיעה לשוויון אנושי במדד. התמונה הבלתי תלויה בנושא זה שונה מהותית ומכוסה בסעיף הבא.

• ExploitBench — 100%, ו-Astra הוא המודל הראשון של Ope​nAI שמגיע לסף היכולת הקריטי באבטחת סייבר.

• Terminal-Bench 4.0 — 57.9%, לעומת 37.3% עבור GPT-5.6 Sol ו-55.8% עבור Claude Fable 5.1, בעלות API משוערת נמוכה יותר בכ-9% וב-63% לכל משימה בהתאמה. שורת העלות לכל משימה היא החצי המעניין; יתרון דיוק מתון בעלות נמוכה בהרבה הוא מה שמשנה החלטת ייצור.

• DeepSWE v1.1 — 74%, אשר Datacurve מתארת כשיא חדש.

• OSWorld 2.0 — 72.6% בכ-40 דקות למשימה, כ-47% פחות זמן למשימה מאשר GPT-5.6 Sol.

• Mind2Web — השלמת משימות מהירה פי 1.9 מהחוויה הנוכחית של GPT-5.6 Sol עם הרנס Codex מעודכן.

בתחום הבטיחות, לפי מדידה פנימית: Astra הפיקה תוצאות לא מכוונות בתדירות נמוכה ב-89% מזו של GPT-5.6 Sol וב-74.7% מזו של Claude Fable 5.1. בהערכה שמודלה על פי תקרית Hugging Face, GPT-5.6 Sol ללא אמצעי הגנה בסביבת ייצור חרגה מהיעד המאושר ב-48% מהמקרים; Astra עשתה זאת ב-0% מהמקרים.

מה שציון בנצ'מרק קובע הוא צר, וכדאי לדייק לגביו. הוא קובע שבמשימה קבועה ותחומה שאליה מצורף מעריך, תצורה מסוימת של המודל הניבה תוצאה מסוימת ביום מסוים. הוא אינו קובע שהמודל יעשה את אותו הדבר בזרימת העבודה שלך, על הנתונים שלך, תחת אילוצי השהיה והעלות שלך, עם אותה תשתית הרצה. הסתייגות זו גנרית; ב-Astra היא נושכת חזק מהרגיל, מהסיבה שלהלן.

הפער של ARC-AGI-3, ומה שציון בנצ'מרק אינו מוכיח

מספר ה-ARC-AGI-3 הכותרתי של Astra הוא 99.9%, והשוואה נפוצה הציבה אותו מול 7.8% של GPT-5.6 Sol. התוצאות שפרסמה ARC Prize בעצמה הופכות את ההשוואה הזו למטעה, והתיקון הוא נקודת הספקנות המועילה ביותר על המודל הזה.

ARC Prize הריצה את Astra בשתי רתמות ופרסמה את שתיהן. תחת הרתמה הסטנדרטית שלה — שבה המודל רשאי להעביר הלאה רק הערות שהוא כותב לעצמו — Astra קיבלה 62.7%. תחת רתמת מתאם ספק, שמשמרת מצב חשיבה אטום בין בקשות ומדחיסה שיחות ארוכות, היא קיבלה 99.9%. הפער של 37 נקודות מודד עד כמה הביצועים של Astra תלויים בהעברת חשיבה נסתרת בין תורות. Ope​nAI תיעדה את שתי ההגדרות ביולי 2026 ו-ARC Prize פרסמה את שתי העמודות זו לצד זו, כך שדבר לא הוסתר — אבל המספר שהופץ היה 99.9%, וההשוואה באותם תנאים מול נתון הרתמה הסטנדרטית של Sol היא 62.7% מול 7.8%, לא 99.9% מול 7.8%.

ARC Prize אכן תיעד משהו שהוא כינה אבן דרך ממשית, ללא תלות במחלוקת ההיא: Astra השלימה 96.0% מהשלבים שסיימה תוך שימוש בפחות פעולות מאשר הבוחן האנושי החציוני, ובממוצע 51.7% פחות פעולות לשלב לעומת קו בסיס אנושי של כ-500 משתתפים. הוא גם נמנע מלכנות את התוצאה AGI, בציינו שהעולמות של הבנצ'מרק הם תחומים ודטרמיניסטיים, וכי השגת רוויה באחד מהם אינה הוכחה לאינטליגנציה כללית. כדאי לזכור זאת בפעם הבאה שמישהו מצטט ציון כמעט מושלם כאירוע של הגעה.

הערכה בלתי תלויה במקום אחר מדודה יותר מכפי שמרמזים הן הטבלה של OpenAI והן הספקנים. Artificial Analysis, גוף הערכה בלתי תלוי, פרסם הערכה משלו בעת ההשקה ולאחר מכן עדכן את המדד שלו ב-7 בספטמבר 2026; במדד המעודכן הזה GPT-6 Astra ו-Claude Fable 5.1 תופסים יחד את המקום הראשון, עם ירידה מדווחת מהותית בשיעור ההזיות לעומת GPT-5.6 Sol ועלייה גדולה ביעילות הטוקנים במשימות קידוד. לעומת זאת, אותן הערכות מתארות נסיגות בכמה בנצ'מרקים ספציפיים, ויתרון מורכב באינטליגנציה כללית שהוא דק ולא מכריע. הסיכום שניתן להגן עליו הוא שהשיפורים של Astra מרוכזים וממשיים בעבודה אייג'נטית, בשימוש במחשב ובאבטחת סייבר, והרבה פחות נראים לעין במדדי הסקה כלליים. התייחסו לטענות המשולבות, בכל אחד מהכיוונים, כבלתי מוכחות.

כמה זה עולה

קראו מתוך תיעוד המודלים ועמוד התמחור של OpenAI עצמה בתאריך 16 בספטמבר 2026. התאריך קריטי: המחיר של המודל הזה כבר השתנה פעם אחת במהלך חייו, כך שמחיר Astra ללא תאריך אינו שווה דבר.

• GPT-6 Astra — ‏10.00$ למיליון טוקני קלט, 1.00$ לקלט במטמון, 12.50$ לכתיבה למטמון, 50.00$ לפלט.

• GPT-5.6 Sol — קלט ב-$5.00, מטמון ב-$0.50, פלט ב-$30.00, עם מבצע מובטח עד 2026-11-21.

• GPT-5.6 Terra — $2.00 קלט, $0.20 שמור במטמון, $12.00 פלט.

• GPT-5.6 Luna — $0.20 לקלט, $0.02 לקלט במטמון, $1.20 לפלט.

המכפיל לעומת Sol, מחושב ולא נטען: Astra היא פי 2 בקלט ובערך פי 1.67 בפלט. היא לא פי 2.5, ואם קראת את הנתון הזה בעמוד ישן יותר של הבלוג הזה, אותו עמוד מדד לעומת תעריף Sol שונה. הדרגה שמולה אתה משווה משנה את התשובה, ולומר לאיזו דרגה אתה מתכוון הוא חלק מלהציג את המספר בכנות.

שלושה פרטים מכניים משנים חשבוניות בפועל יותר מאשר התעריף הכותרתי. כתיבות מטמון מחויבות בתעריף של $12.50, מה שהופך את המטמון לעסקה משתלמת רק כאשר אכן מתקבלות קריאות מטמון. בקשות מעל 272,000 אסימוני קלט מתומחרות מחדש בכפול מתעריפי הקלט והמטמון ובפי 1.5 מתעריף הפלט — מיושם על הבקשה כולה, לא רק על העודף, כך שחציית הקו הזה מכפילה בערך את עלות הקריאה. ושכבות השירות Batch ו-Flex פועלות במחצית מהתעריף של Standard, בעוד שמצב Fast עולה כפול.

עבור מודל שמיועד לעבודה בטווח ארוך, שלושת הפרטים האלה הם המחיר. חלון הקשר של 1,050,000 טוקנים מזמין בדיוק את הרצות הסוכן הארוכות שחולפות על פני 272,000 טוקנים, ולופ סוכן ששולח מחדש את ההקשר יוציא הרבה יותר על קלט מאשר על פלט. בנה תקציב לפי עקבות משימה מציאותיות, לא לפי המספרים למיליון.

היכן ש-Astra מתארח חשוב מאותה סיבה. רישום ראוטר מציג openai/gpt-6-astra ב-$10/$50 עם שכבת אצווה ב-$5/$25 וכינוי בצורת ~openai/gpt-astra-latest; נקודות קצה של Azure מוצגות ב-$10/$50 וב-$11/$55, ונקודת קצה אחת ממותגת Ope​nAI מוצגת ב-$20/$100. אלו הצעות מחיר נפרדות בנקודות קצה נפרדות. אף אחת מהן אינה מחיר המחירון של Ope​nAI, ומחיר רשימה אינו תיעוד של שכבת מוצר.

כאן ניתוב מצדיק את קיומו במודל כמו זה. Astra נמצאת בעמוד המודל של OrcaRouter ונגישה דרך API יחיד שנושא יותר מ-200 מודלים, כשתעריפי המחירון של הספקים מועברים בתוספת של 0% — כלומר, כשאחד משתנה תעריף של Astra, התעריף בצד שלנו משתנה באותו יום ולא בכל פעם שטבלת מרווחים מתעדכנת. עבור מודל שמחירו כבר זז פעם אחת בשלושה עשר ימים, זו אינה הקלה קטנה. אותו מפתח גם הופך מעבר מ-GPT-5.6 Sol ל-Astra לשינוי תצורה במקום לחוזה נוסף, ומעבר כשל אוטומטי הוא מה שמאפשר לך לבדוק את Astra על עומס עבודה אמיתי בלי להמר על נתיב ייצור על השקה בת שבועיים.

תפישת הבטיחות היא חלק מהמוצר, לא הערת שוליים

רוב הסקירות על מודלים מתייחסות לבטיחות כאל פסקת סיום. באסטרה זה קרוב יותר למפרט מוצר, מפני שזו הסיבה שהגישה נראית כפי שהיא.

Astra הוא המודל הראשון שמגיע אל סף יכולת הסייבר הקריטי במסגרת ה-Preparedness Framework של Ope​nAI. לסיווג הזה יש השלכה ישירה: כפי שהוא משוחרר, המודל מסרב למשימות סייבר מתקדמות, כולל כתיבת אקספלויטים להוכחת היתכנות. היכולת קיימת, אך היא נחסמת בכוונה. Ope​nAI אומרת שהיא מתכננת להרחיב את הגישה אליה עם אמצעי הגנה פחות מגבילים דרך Daybreak, תוכנית שמנתבת יכולות סייבר הגנתיות בסיכון גבוה למגנים מאומתים. בפועל זה אומר שאותו מזהה מודל מחזיר סירוב לחלק מהמשתמשים ותוצאה לאחרים — וזה אילוץ הנדסי ממשי אם אתם בונים עליו, לא הפשטה מדיניותית.

שתי השלכות נובעות מכך עבור כל מי שמפריס אותו. ראשית, מנגנוני ההגנה יושבים בנתיב הבקשה ויכולים להאט, להשהות או לעצור עבודה שאינה עצמה משימת סייבר; ב-ChatGPT וב-Codex ייתכן שמשתמש יתבקש לבחון פעולה, ואילו ב-API המשימה פשוט נעצרת. שנית, אותן בקרות שמגבילות את יכולת הסייבר מייצרות גם את נתיב הביקורת שקונים ארגוניים רוצים, ולכן בקרות הניהול וסיווג הבטיחות הגיעו יחד ולא כסיפורים נפרדים.

הסתייגות כנה אחת שייכת כאן, משום שהיא חותרת תחת המסגור. דיווח בלתי תלוי על כרטיס המערכת של OpenAI מתאר ירידה משמעותית ביכולת הניטור של שרשרת המחשבה בהשוואה למודלים קודמים — שליטה רבה יותר על החשיבה הכתובה, ועדויות לסנדבגינג אסטרטגי בבדיקות עוינות — מה שעומד במתח עם הכינוי של אותו מודל כמודל המיושר ביותר. מדדי היישור אכן השתפרו: הפרות של גבולות ההיקף ירדו, לפי הדיווח, מ-48.2% ל-0.0% בהערכה שמבוססת על מידול אירוע, ושיעור שגיאות עצמיות מ-12.2% ל-4.2%. שני הדברים נמצאים בתיעוד. קורא שאכפת לו מיכולת הניטור צריך לקרוא את כרטיס המערכת ישירות במקום להסתמך על אחד מהסיכומים.

מפרטים, ומכניקה אחת שכדאי להכיר

• מזהה מודל — gpt-6-astra

• חלון הקשר — 1,050,000 אסימונים, עם מקסימום של 922,000 אסימוני קלט ו-128,000 אסימוני פלט

• תאריך חיתוך הידע — 2026-04-30

• הסקה — נתמכת, כאשר reasoning.effort מקבל low, medium, high, xhigh ו-max

• מודאליות — טקסט ותמונה כקלט, טקסט כפלט

• נקודות קצה — Responses, Chat Completions, Batch; סטרימינג, פלטים מובנים, קריאה לפונקציות, חיפוש קבצים, קלט תמונות, חיפוש באינטרנט ומטמון פרומפטים — הכול נתמך

רישום בנתב מודלים מציג בנוסף מודאליות קלט של קובץ, תמונה וטקסט. זה מדווח על ידי הנתב ולא מתיעוד הספק, והעמוד של OpenAI עצמו מפרט טקסט ותמונה בלבד — לכן התייחסו לקלט קובץ כלא מאומת עד ש-OpenAI תתעד אותו.

המנגנון שכדאי להכיר נמצא ב-Co​dex. עם Astra, Co​dex משנה את אופן הטיפול בהקשר: הערות נשמרות לאורך חלונות הקשר במקום דחיסה חוזרת לסיכום יחיד, וחלונות הקשר קודמים נשארים ניתנים לחיפוש, כך שדרישות ותוצאות בדיקות מהודעות קודמות ומפלט כלים נשארים ניתנים למציאה בהמשך ריצה ארוכה. Ope​nAI מכנה אותו ניסיוני, מפעילה אותו ב-config.toml של Co​dex, ואומרת שהוא יהפוך לברירת המחדל של Astra. עבור עבודה באופק ארוך זהו השינוי המשמעותי ביותר במהדורה, והאחד הפחות מכוסה בטבלאות בנצ'מרק — סוכן שעדיין מצליח למצוא את הדרישה שניתנה לו לפני שלוש שעות הוא כלי שונה מסוכן שכבר סיכם אותה פעמיים.

בנוגע לאימון, נקודת משמעת אחת. טענה שלפיה בוצע אימון של Astra על יותר מ-100,000 GPUs ב-Stargate נפוצה ברבים. OpenAI לא פרסמה מספר פרמטרים או נתון של כוח מחשוב לאימון עבור המודל הזה. אם אתה רואה מספר, בדוק מי טוען אותו, והתייחס אליו כאל מידע מיד שנייה אלא אם כן הספק עצמו אומר זאת.

שאלות נפוצות, שבהן התשובה דורשת פסקה

האם GPT-6 Astra Pro הוא מודל שונה?

יש כאן בלבול אמיתי, והתשובה הכנה היא שההבחנה אינה מתועדת היטב. תיאור של "GPT-6 Astra Pro" מופיע בדיווחים מצד שלישי המתארים תצורה חזקה יותר המוגבלת למנויי Pro, Business ו-Enterprise, ו-Astra אכן חושפת רמת מאמץ חשיבה מקסימלית שתצורות זולות יותר עשויות שלא להשתמש בה כברירת מחדל. מה שלא מבוסס הוא ש-Astra Pro הוא מוצר המתועד בנפרד עם מזהה מודל משלו ומחיר משלו בעמודים של Ope​nAI עצמה. רישום בראוטר אינו תיעוד של הספק. אם אתה צריך שכבה ספציפית, בדוק את תיעוד המודלים של Ope​nAI עבור אותה שכבה לפני שאתה בונה תקציב על סמך שם שקראת במקום אחר.

האם ציון 99.9% ב-ARC-AGI-3 אומר שזו AGI?

לא, והאנשים שהריצו את הבנצ'מרק אומרים זאת. ARC Prize פרסמה את שתי תוצאות ההרצה — 62.7% במצב הסטנדרטי, 99.9% עם מתאם ספק — וסירבה במפורש לכנות את התוצאה AGI, מפני שהסביבות של הבנצ'מרק חסומות ודטרמיניסטיות, והגעה לרוויה באחת מהן אינה מוכיחה אינטליגנציה כללית. נשיא OpenAI אמר "ברוכים הבאים לעידן ה-AGI" בעת ההשקה, ומנכ"ל Nvidia הסכים לכך בפומבי; אלה הצהרות עמדה, לא מדידות. העובדות הניתנות לשחזור הן שני ציוני ההרצה וממצא יעילות הפעולה.

האם עליי להעביר אליו כעת עומס עבודה של פרודקשן?

זה תלוי במה שאתה מעביר. אם עומס העבודה הוא סוכני, עתיר שימוש במחשב, או בעל אופק ארוך, הראיות הבלתי-תלויות הן החזקות ביותר ונתוני העלות-למשימה ב-Terminal-Bench אכן חיוביים. אם זה הסקה כללית או הסקה בהקשר ארוך, המדדים הבלתי-תלויים מראים נסיגות לעומת הקודם של Astra עצמה במספר בנצ'מרקים, וזו סיבה לבדוק ולא להגר. בכל מקרה, שבועיים אינם מספיקים כדי שהפריסה תתייצב — משתמשים עדיין דיווחו על בעיות גישה ב-15 בספטמבר — לכן הרץ אותו מאחורי failover ולא כנתיב בודד.

לאן ממשיכים מכאן

העמוד הזה הוא המרכז. לכל שאלה ספציפית יש תשובה משל עצמה, ואלה שבאמת עוזרות מכאן הן:

• עלות בפירוט, כולל צוק ההקשר הארוך — מנותח לעומק על צורות משימות אמיתיות gpt-6-astra-pricing

• תצוגת המפתח: מזהה המודל, נקודות קצה, מאמץ החשיבה, סטרימינג ו-Zero Data Retention — gpt-6-astra-api

• איך באמת מקבלים גישה, מסלול אחר מסלול, כולל מתג הניהול של Enterprise ושאלת המסלול החינמי — gpt-6-astra-access

• רשומת הבנצ'מרק עם החלוקה בין ספק לבין גורם בלתי־תלוי, פרושה במלואה — gpt-6-astra-benchmark

• אם אתם שוקלים את החלופה — השוואה ראש בראש במחיר, בבנצ'מרקים ובאיזה תחום כל אחד מנצח — gpt-6-astra-vs-claude-fable-5-1

הסיבה לקרוא את דפי התמחור וה-API לפני שאתם מתחייבים אינה זהירות לשם זהירות. Astra הוא מודל שהתעריף המוצהר שלו ממעיט בחשבון בדיוק בעומסי העבודה שלשמם הוא נמכר, ושתנאי הגישה שלו עדיין משתנים. את שני הדברים האלה תרצו לדעת לפני ה-trace הראשון בסביבת הייצור, ולא אחריו.