Ну и как не полюбить эти ваши ИИ))
Я ещё не тестил новую GPT-6 Astra, но со вчерашнего дня читаю истории тех, кому дали ранний доступ.
Бенчмарки там, конечно, поехавшие совсем. Но больше всего мне нравится вот что: ты даёшь ИИ большую задачу, не расписываешь ему каждый чих - и он сам разбирается, что делать дальше.
Профессор Уортона Итан Моллик дал Astra доступ к своему компьютеру, десяткам тысяч писем, своим текстам и календарю. И пять дней вообще не вмешивался.
За это время модель сама скачала нужный софт, придумала стратегию и собрала многогигабайтную личную wiki с исследованиями, контактами, идеями, связями и задачами за несколько лет 🤯🤯
Теперь Astra дважды в день сама проходит его новые письма и сверяет их с этой базой.
Пять дней работы. Без единого вмешательства человека.
А потом Моллик дал ей уже развлекательную задачу - и Astra с нуля собрала симуляцию Александрийской библиотеки. Там можно ходить по залам, читать свитки, включать экскурсию и смотреть разные версии гибели библиотеки.
И вот за это я люблю всю движуху с агентами.
Раньше ты был для ИИ куратором: открой это, скачай то, нажми сюда, теперь сделай следующий шаг. А тут сформулировал цель - и он сам пять дней ебашит у тебя на компьютере.
OpenAI фактически поставила computer use в центр своей новой флагманской модели. Astra умеет работать в браузере, терминале и обычных программах, устанавливать софт и доводить длинные задачи до результата.
В тесте OSWorld она набрала 72,6% против 65,7% у GPT-5.6 Sol. Но интереснее скорость: средняя задача сократилась примерно с 75 до 40 минут.
Контекст - 1,05 млн токенов. API - $10 за миллион токенов на входе и $50 на выходе. Правда, сам Моллик честно написал, что его пятидневный эксперимент наверняка стоил бы очень дорого. Во время раннего доступа токены ему не тарифицировали.
Но есть и весёлая часть со знаком минусом.
Astra стала первой моделью OpenAI, которая пересекла критический порог по кибербезопасности в их Preparedness Framework. В тестах без продуктовых ограничений она получила 100% на ExploitBench, нашла и использовала две ранее неизвестные уязвимости, а эксперты смогли с её помощью атаковать защищённые браузеры и собирать эксплойты для повышения привилегий в ОС.
Поэтому публичная Astra будет отказываться от продвинутых хакерских задач. Более свободный доступ OpenAI собирается давать проверенным специалистам по защите через программу Daybreak.
Ну а Грег Брокман закончил презентацию словами: «Добро пожаловать в эпоху AGI».
Welcome to another world.
Я ещё не тестил новую GPT-6 Astra, но со вчерашнего дня читаю истории тех, кому дали ранний доступ.
Бенчмарки там, конечно, поехавшие совсем. Но больше всего мне нравится вот что: ты даёшь ИИ большую задачу, не расписываешь ему каждый чих - и он сам разбирается, что делать дальше.
Профессор Уортона Итан Моллик дал Astra доступ к своему компьютеру, десяткам тысяч писем, своим текстам и календарю. И пять дней вообще не вмешивался.
За это время модель сама скачала нужный софт, придумала стратегию и собрала многогигабайтную личную wiki с исследованиями, контактами, идеями, связями и задачами за несколько лет 🤯🤯
Теперь Astra дважды в день сама проходит его новые письма и сверяет их с этой базой.
Пять дней работы. Без единого вмешательства человека.
А потом Моллик дал ей уже развлекательную задачу - и Astra с нуля собрала симуляцию Александрийской библиотеки. Там можно ходить по залам, читать свитки, включать экскурсию и смотреть разные версии гибели библиотеки.
И вот за это я люблю всю движуху с агентами.
Раньше ты был для ИИ куратором: открой это, скачай то, нажми сюда, теперь сделай следующий шаг. А тут сформулировал цель - и он сам пять дней ебашит у тебя на компьютере.
OpenAI фактически поставила computer use в центр своей новой флагманской модели. Astra умеет работать в браузере, терминале и обычных программах, устанавливать софт и доводить длинные задачи до результата.
В тесте OSWorld она набрала 72,6% против 65,7% у GPT-5.6 Sol. Но интереснее скорость: средняя задача сократилась примерно с 75 до 40 минут.
Контекст - 1,05 млн токенов. API - $10 за миллион токенов на входе и $50 на выходе. Правда, сам Моллик честно написал, что его пятидневный эксперимент наверняка стоил бы очень дорого. Во время раннего доступа токены ему не тарифицировали.
Но есть и весёлая часть со знаком минусом.
Astra стала первой моделью OpenAI, которая пересекла критический порог по кибербезопасности в их Preparedness Framework. В тестах без продуктовых ограничений она получила 100% на ExploitBench, нашла и использовала две ранее неизвестные уязвимости, а эксперты смогли с её помощью атаковать защищённые браузеры и собирать эксплойты для повышения привилегий в ОС.
Поэтому публичная Astra будет отказываться от продвинутых хакерских задач. Более свободный доступ OpenAI собирается давать проверенным специалистам по защите через программу Daybreak.
Ну а Грег Брокман закончил презентацию словами: «Добро пожаловать в эпоху AGI».
Welcome to another world.