• Szerző: Peter Vnuk
Amikor az OpenAI 2026. szeptember 3-án bemutatta a GPT-6 Astrát, az újdonságon nem a benchmark-pontszámok újabb javulása volt a legérdekesebb, hanem az a szemléletváltás, ahogyan a mesterséges intelligencia a valódi munkavégzés során működik. Az új modell sokkal jobban képes kezelni a számítógépes környezetet, további eszközöket használni és egymásra épülő lépések hosszabb láncolatait végrehajtani, így a ChatGPT egyre gyakrabban tudja átvenni magának a feladatnak egy részét, ahelyett hogy csupán leírná a felhasználónak a teendőket.
A gyakorlatban az Astra képes böngészni a weben, fájlokkal dolgozni, űrlapokat kitölteni, adatokat elemezni, dokumentumokat készíteni vagy weboldalakat szerkeszteni. Összetettebb feladatoknál több eszközt kombinál, menet közben kiértékeli az eredményeket, és azok alapján módosítja a további lépéseket – pontosan ez az a munkamódszer, amelyre az úgynevezett AI-ágensek jelenlegi generációja épül.
A közzétett eredmények szerint éppen a több percig vagy akár több tíz percig tartó feladatoknál kezd a legjobban megmutatkozni a különbség az előző generációhoz képest. Egyetlen prompt és egyetlen válasz helyett egyre inkább egy hosszabb folyamatról van szó, amelynek során a modell tervez, végrehajtja az egyes lépéseket, és ellenőrzi, hogy valóban eljutott-e a kívánt eredményhez.
A fejlődés különösen jól látható a grafikus felhasználói felülettel végzett munkát vizsgáló tesztekben, ahol az Astra lényegesen jobb eredményeket ér el, mint a GPT-5.6 Sol. Az OSWorld 2.0 benchmarkban 72,6%-ot ért el az előd 65,7%-ával szemben, a felhasználói felületen való tájékozódást vizsgáló ScreenSpot-Pro tesztben pedig az eredmény 76,9%-ról 92,7%-ra ugrott.
Érdekes adat az OSWorld feladatainak teljesítéséhez szükséges idő is, mivel az OpenAI szerint az Astra esetében ez nagyjából 40 perc, szemben a GPT-5.6 Sol körülbelül 75 percével. Ez persze nem a ChatGPT-ben adott hétköznapi válaszok sebességét jelenti, hanem számos lépésből és más eszközökkel való interakcióból álló összetett munkafolyamatokra vonatkozik.
Hasonlóan markáns javulás tapasztalható a programozás és a rendszerüzemeltetés terén is. A Terminal-Bench 4.0 eredménye 37,3%-ról 57,9%-ra, az SRE-Bench pedig 55,9%-ról 88%-ra ugrott, miközben egyes hagyományos tudásfelmérő teszteknél a növekedésre már jóval kevesebb tér maradt. A GPQA Diamond esetében például az eredmény mindössze 94,6%-ról 96%-ra emelkedett.
| Teszt | GPT-5.6 Sol | GPT-6 Astra |
|---|---|---|
| OSWorld 2.0 | 65,7 % | 72,6 % |
| ScreenSpot-Pro | 76,9 % | 92,7 % |
| Terminal-Bench 4.0 | 37,3 % | 57,9 % |
| SRE-Bench | 55,9 % | 88,0 % |
| MRCR 512K–1M | 73,8 % | 96,3 % |
Ezekből az eredményekből elég jól kirajzolódik az új generáció fókusza, mivel az Astra a legnagyobb előnyt a tervezést, a számítógépes környezettel való munkát és több eszköz egyidejű használatát igénylő feladatoknál szerzi. Egyszerű kérdéseknél ezért a generációs különbség korántsem biztos, hogy ennyire szembetűnő.
Kiterjedt dokumentumokkal való munka során fontos szerepet játszhat az új, 1,05 millió tokenes kontextusablak is. Ennek köszönhetően a modell egyetlen feladat során képes nagyon hosszú dokumentációval, nagyobb mennyiségű fájllal vagy terjedelmes forráskóddal dolgozni anélkül, hogy mindent sok különálló beszélgetésre kellene bontani.
A kontextus puszta mérete persze nem sokat érne, ha a modell a hatalmas adatmennyiségben fokozatosan elveszne. Az MRCR tesztben az 512 ezer és egymillió token közötti tartományban az Astra 96,3%-ot ért el, míg a GPT-5.6 Sol 73,8%-on végzett, így éppen a nagy projektekkel való munka lehet az a terület, ahol az új modell a gyakorlatban a legmeggyőzőbb.
Az API-n keresztül a GPT-6 Astra szöveget és képeket egyaránt fogad, további eszközökön keresztül pedig hozzáfér például a webes kereséshez, fájlokhoz, kódfuttatáshoz, képgeneráláshoz vagy a számítógép vezérléséhez. Maga a modell továbbra is a felhőben fut, és az OpenAI egyelőre nem kínálja nyilvánosan elérhető súlyait laptopon vagy asztali gépen történő helyi futtatáshoz.
Az Astra bemutatása után az egyik leggyakrabban idézett szám a 99,9%-os eredmény volt az ARC-AGI-3 benchmarkban, amely az új, absztrakt feladatok megoldási képességét teszteli. Ez a magas eredmény azonban az OpenAI egy speciális adaptere segítségével jött létre, amely az egyes kérések között megőrzi a korábbi gondolkodás állapotát, és lehetővé teszi a rendszer számára, hogy újra felhasználja a már elvégzett munkát.
Standard tesztelési módszerrel az Astra 62,7%-ot ért el, tehát a két érték meglehetősen eltérő körülményeket ír le. A kettő közötti különbség viszont jól mutatja, hogy manapság a modell mellett mekkora szerepet játszik a memória, az orkesztráció és az elérhető eszközkészlet. A mindennapi használat szempontjából ez talán fontosabb információ, mint maga a rekord, hiszen egy AI-ágens éles környezetben sem izolált modellként működik. A végső minőség egyre inkább attól függ, milyen adatokhoz fér hozzá, mit tud megőrizni a korábbi lépésekből, és milyen műveleteket enged neki végrehajtani az alkalmazás.
Azt is ebben a kontextusban kell értelmezni, hogy az Astrát az OpenAI legokosabb modelljeként emlegetik. Egyes átfogó, független benchmarkokban ugyanis az Anthropic konkurens modelljei továbbra is magasabb pontszámot érnek el, így a jelenlegi AI abszolút győztesét egyetlen számmal nem lehet meghatározni.
Bár az OpenAI viszonylag részletes teszteredményeket és műszaki paramétereket hozott nyilvánosságra, magának a neurális hálózatnak a belső felépítéséről még mindig keveset tudunk. A cég nem közli a paraméterek számát, a rétegek számát, és azt sem, hogy az Astra például Mixture of Experts architektúrát használ-e, így a modell méretére vonatkozó konkrét becslések továbbra is találgatások maradnak.
Nyilvánosan legalább annyi ismert, hogy a beépített tudás határa 2026. április 30., frissebb információkat pedig a modell webes kereséssel és egyéb csatlakoztatott forrásokból szerezhet. Az OpenAI azt is megerősíti, hogy reinforcement learninget és más, a következtetésre és biztonságosabb viselkedésre irányuló módszereket alkalmaz, a post-training pontos receptjét azonban nem hozta nyilvánosságra.
Az új generáció egyik legkellemesebb eredménye a hallucinációk csökkenése, amely az OpenAI belső tesztjében a GPT-5.6 Sol 12,2%-áról az Astra esetében 4,2%-ra esett vissza. A nagyobb megbízhatóság a mindennapi információkezelés során is megmutatkozhat, ennek ellenére továbbra is fontos különbséget tenni aközött, amit a modell a tanítás során sajátított el, és az olyan adatok között, amelyek folyamatosan változnak.
Például a raktárkészlet, a termék ára, a rendelés állapota vagy a szállítási határidő aktuális adatbázisból kell, hogy származzon, amelyhez az AI eszközök révén férhet hozzá. Az Astra erőssége abban rejlik, hogy az ilyen forrásokkal jobban tud dolgozni, kombinálni őket, és a kapott információkat érthető eredménnyé alakítani.
A valós műveletek végrehajtására való növekvő képességgel azonban a biztonsági korlátozások jelentősége is nő. A GPT-6 Astra az OpenAI első olyan modellje, amely a cég Preparedness Frameworkje szerint a kibernetikai képességek terén elérte a Critical szintet. Ez a szint azt jelenti, hogy a modell a fejlesztők értékelése szerint megfelelő eszközökkel már önállóan képes eddig ismeretlen biztonsági réseket keresni és azok kihasználási módján dolgozni – vagyis olyan feladatokat ellátni, amelyekhez eddig magasan képzett biztonsági szakértőkre volt szükség.
Éppen ezek miatt a képességek miatt az OpenAI a fejlett funkciók egy részét a nyilvánosan elérhető verzióban korlátozza, a biztonsági szakemberek számára pedig a Daybreak programon keresztül, szigorúbb feltételek mellett biztosít bővített hozzáférést. Minél önállóbban képes tehát az AI a számítógéppel dolgozni, annál fontosabbak azok a szabályok, amelyek meghatározzák, mit tehet automatikusan, és mihez kell már emberi jóváhagyás.
A GPT-6 Astra elérhetővé tétele szeptember 3-án kezdődött a hivatalos bemutatóval egyidejűleg, és fokozatosan terjed ki a ChatGPT Plus, Pro, Business és Enterprise előfizetőire. A fejlesztők az OpenAI API-n, a Microsoft Foundryn és az AWS Bedrockon keresztül is hozzáférnek a modellhez. Mivel a bevezetés szakaszosan zajlik, szeptember 4-én még nem minden előfizető számára volt elérhető az új modell. Az OpenAI egyébként nem jelentett be külön időpontot Magyarországra vonatkozóan, így ha az Astra egyelőre nem jelenik meg a modellek között, az nem feltétlenül jelent regionális korlátozást vagy fiókproblémát.
A hétköznapi felhasználók számára a cég nem mutatott be kizárólag a GPT-6-ra vonatkozó külön előfizetést, a fejlesztők viszont már ismerik az API árazását. A standard díjszabás egymillió bemeneti tokenre 10 dollár, egymillió kimeneti tokenre pedig 50 dollár, ami jóval több, mint az alap GPT-5 1,25 és 10 dolláros ára. A magasabb ár valószínűleg ahhoz vezet, hogy az Astrát főként összetettebb feladatokhoz használják majd, ahol a jobb tervezésnek és eszközhasználatnak köszönhetően további lépéseket vagy emberi munkát tud megspórolni. Egyszerű kérdésekhez és rövid szöveges feladatokhoz az olcsóbb modellek továbbra is praktikusabbak maradnak.
A GPT-6 Astra megjelenésével a ChatGPT továbbfejlesztésének súlypontja egyre határozottabban a hosszabb önálló munkát igénylő feladatok felé tolódik. A legnagyobb fejlődés a számítógép-vezérlés, a programozás, a terjedelmes dokumentumokkal való munka és a különféle eszközök használata terén mutatkozik – vagyis pontosan azokon a területeken, amelyek a jobb képességű AI-ügynökökhöz szükségesek. A hétköznapi felhasználó számára ezért nem feltétlenül egy újabb rekord-benchmarkeredmény jelenti a legnagyobb előnyt, hanem az a helyzet, amikor tanácsok sorozata helyett egyből kész eredményt kap. Éppen ez a képesség – a feladatkijelöléstől több egymásra épülő lépésen át az elkészült munkáig eljutni AI-ügynökként – lesz valószínűleg a fő különbség a mai chatbotok és a mesterséges intelligencia eszközök következő generációja között.
Peter Vnuk
A technológia egyszerre munka és szórakozás számomra - leginkább az okostelefonok, laptopok, audio, mesterséges intelligencia és minden más hi-tech dolog érdekel. Szeretem áttekinteni a híreket, követni a futurisztikus trendeket és megjósolni a technológia következő fejleményeit. Lenyűgöznek a sci-fik és a jövő világáról szóló víziók, amelyek gyakran valódi technológiai fejlesztéseket inspirálnak. Szakmailag is foglalkozom videojátékokkal és a játékiparral. Amikor nem dolgozom, szeretek kikapcsolódni egy jó játékkal, egy jó sörrel, vagy tech-mémek készítésével a Facebookon.
