В карточке тоже есть интересные метрики, но хотел выделить вот это: «Мы оцениваем фактологическую точность на обезличенных диалогах из ChatGPT, которые пользователи наших предыдущих моделей отметили как содержащие фактические ошибки. Эти примеры специально отобраны для выявления случаев, наиболее подверженных галлюцинациям, поэтому ожидается, что их абсолютная частота ошибок будет намного выше реального уровня ошибок в продакшене. Эту метрику не следует интерпретировать как частоту галлюцинаций, наблюдаемую при реальной эксплуатации. Мы используем две метрики: (1) допускает ли модель вообще какую-либо ошибку (частота галлюцинаций на уровне ответа) и (2) воспроизводит ли модель ту самую конкретную ошибку, на которую указал пользователь. Мы обнаружили, что Astra допускает существенно меньше фактических ошибок, чем GPT-5.6 Sol, и с гораздо меньшей вероятностью воспроизводит галлюцинации, о которых сообщали пользователи. Эти улучшения особенно ярко выражены при очень низких настройках длины рассуждений»

Я попросил ChatGPT покопаться в закешированных, но ещё не опубликованных анонсах OpenAI про Astra. И он справилсо. В сети уже засветились две customer story про GPT-6 Astra, хотя полноценного анонса модели на сайте ещё нет. Первая - про Playco. Astra дали базовый grey-box прототип игры, после чего она сама собрала три стилизованных варианта, работая с Unity и Godot. По словам Playco, большинство заработали с первого прохода, а ручных исправлений понадобилось примерно на 50% меньше, чем с предыдущей моделью. Astra сама смотрит на результат, понимает расположение объектов и UI, запускает игру, тестирует её и находит собственные ошибки. Получила задачу - собрала - проверила - исправила. Вторая история - Legora. Astra дали сверить финансовую отчётность по 41 документу: балансы, консолидационные таблицы, прошлогодние отчёты и другие источники. Она прошла весь массив за один агентный запуск и за несколько минут. Legora заранее внесла четыре ошибки - Astra нашла все четыре, включая расхождение примерно на £500 000. Плюс завершила ещё около 50 проверок, которые предыдущая модель не довела до конца. На этом конкретном workflow Legora заявляет почти 40% улучшение. Но на более широком внутреннем benchmark прирост всего около 3%. Мессадж там про Astra: не "она на 40% умнее вообще", а "она гораздо лучше тащит длинные, многодокументные и многошаговые задачи без постоянного надзора человека". Если судить по этим двум утёкшим страницам, OpenAI продаёт Astra как Мега Агента Анонс нет, а ссылки есть. Но не открываюцца без chatGPT Ссылки: https://openai.com/index/playco-game-prototyping-with-astra/ https://openai.com/index/legora-financial-statement-review-with-astra/