OpenAI julkaisi GPT-6 Astran – benchmark-tulokset ovat hurjia

OpenAI on julkaissut GPT‑6 Astran. Yhtiön omien benchmarkien perusteella Astra on ylivoimaisesti älykkäin tekoäly, jonka OpenAI on tai kukaan muukaan tähän mennessä julkaissut. Malli saa ARC‑AGI‑3-testissä 99,9 prosenttia, erittäin vaikeassa FrontierMath Tier 4 -testissä 97,6 prosenttia ja kyberturvallisuuden ExploitBenchissä täydet 100 prosenttia.

OpenAI kuvailee Astraa tehokkaimmaksi mallikseen kaikkein vaikeimpiin, alusta loppuun vietäviin työtehtäviin. Se on suunniteltu päättelyyn, ohjelmistokehitykseen, verkkotutkimukseen, tietokoneen käyttöön, tieteeseen ja asiantuntijatyöhön. OpenAI:n mukaan Astra saavuttaa useissa arvioinneissa parempia tuloksia selvästi vähemmillä vastaustokeneilla, joten tehtäväkohtainen API-kustannus voi laskea, vaikka yhden tokenin hinta on noussut.

Julkaisu alkoi 3. syyskuuta 2026 Trusted Access Program -ohjelmaan kuuluvista yrityksistä. Saatavuus laajenee OpenAI:n mukaan lähipäivinä APIin sekä ChatGPT Plus-, Pro-, Business- ja Enterprise-tilauksiin. Astra ei siksi välttämättä näy vielä kaikkien käyttäjien mallivalitsimessa.

OpenAI julkaisi GPT-6 Astran 3. syyskuuta

GPT‑6 Astran julkaisupäiväksi tuli siis 3. syyskuuta 2026. Mallin virallinen API-tunnus on gpt-6-astra. Kyseessä on OpenAI:n uusi lippulaivamalli, joka nousee mallistossa GPT‑5.6 Solin yläpuolelle.

Käyttöönotto tapahtuu vaiheittain. Ensimmäisenä Astra avautuu Trusted Access -yrityksille. OpenAI lupaa pääsyn API-käyttäjille ja maksullisten ChatGPT-tilausten käyttäjille seuraavien päivien aikana, mutta ei ilmoita tarkkaa aikataulua maittain tai tileittäin.

Enterprise-työtiloissa alkuvaiheen pääsy edellyttää Daybreak-käyttöoikeutta. Astra on oletuksena pois käytöstä ensimmäiset kaksi viikkoa, minkä aikana ylläpitäjä voi ottaa sen käyttöön valituille käyttäjille tai ryhmille Chatissa, Workissa ja Codexissa. ChatGPT-työtilan käyttöoikeus ei anna automaattisesti pääsyä samaan malliin API-avaimella.

GPT-6 Astran benchmark-tulokset ovat hurjia

Astran suurin uutinen on sen poikkeuksellisen laaja suorituskykyhyppy. OpenAI:n julkaisemissa testeissä malli parantaa tulosta abstraktissa päättelyssä, vaikeassa matematiikassa, pitkässä kontekstissa, tietokoneen käytössä, ohjelmistokehityksessä ja kyberturvallisuudessa.

Kaikkein rajuin ero näkyy ARC‑AGI‑3:ssa: Astra saa 99,9 pistettä ja GPT‑5.6 Sol 7,8 pistettä. Ero on 92,1 pistettä. Myös tieteellisiä komentorivitehtäviä mittaavassa Terminal-Bench Science 0.1:ssä Astra lähes kolminkertaistaa Solin tuloksen, 64,6 vastaan 22,4. AutomationBenchissä tulos yli kaksinkertaistuu 18,1:stä 41,4:ään.

FrontierMath Tier 4 v2:ssa Astra saavuttaa 97,6 pistettä. Testi sisältää erittäin vaikeita matematiikan ongelmia, joten tulos kuuluu julkaisun vaikuttavimpiin. OpenAI kertoo Astran osallistuneen myös kahden pitkään avoinna olleen alkulukuihin liittyvän ongelman edistämiseen.

Tulokset ovat OpenAI:n omia mittauksia. Testiasetelmat ja käytetyt päättelytasot vaihtelevat, ja tavallisen ChatGPT-version tuloksiin vaikuttavat esimerkiksi järjestelmäohjeet, käytössä olevat työkalut ja käyttörajat. Riippumattomat testit näyttävät myöhemmin, kuinka hyvin tulokset toistuvat käytännössä. OpenAI:n julkaisemien lukujen perusteella harppaus on silti poikkeuksellisen suuri.

Astra käyttää tietokonetta nopeammin ja tarkemmin

GPT‑6 Astra saa OSWorld 2.0 -testissä 72,6 prosenttia, kun GPT‑5.6 Solin tulos on 65,7 prosenttia. OpenAI:n mittauksessa Astra suoritti tehtävän keskimäärin noin 40 minuutissa ja Sol noin 75 minuutissa. Astra pääsi siis parempaan tulokseen lähes puolet lyhyemmässä ajassa.

Näytöllä näkyvien käyttöliittymäkohteiden tunnistamista mittaavassa ScreenSpot-Prossa Astra saa 92,7 pistettä ja Sol 76,9 pistettä. OpenAI kertoo myös Astran suorittavan Mind2Web-tehtäviä päivitetyssä Codex-ympäristössä 1,9 kertaa nykyistä GPT‑5.6 Sol -kokemusta nopeammin.

Käytännössä Astraa voi käyttää monivaiheisiin töihin, joissa tekoälyn pitää liikkua verkkosivujen ja ohjelmistojen välillä, lukea tiedostoja, käyttää työkaluja ja tarkistaa työnsä. Malli voi esimerkiksi tehdä verkkotutkimusta, käsitellä dokumentteja, päivittää tietoja järjestelmään tai asentaa ja testata ohjelmiston.

Koodauksessa ja automaatiossa selvä tasohyppy

Terminal-Bench 4.0:ssa GPT‑6 Astra saa 57,9 pistettä ja GPT‑5.6 Sol 37,3 pistettä. AutomationBenchissä Astra yltää 41,4 pisteeseen Solin 18,1 pisteen sijaan. OpenAI:n omissa tietokantojen siirtämistä mittaavissa tehtävissä Astra saa 63,9 prosenttia ja Sol 42,7 prosenttia.

Uudet API-ominaisuudet tukevat pitkiä agenttitehtäviä. GPT‑6 Astra -malliohjeen mukaan malli tukee asynkronisia työkalukutsuja: se voi jatkaa päättelyä tai tehdä tehtävän muita osia samalla, kun sovellus suorittaa yhtä työkalua. WebSocket-yhteydellä käyttäjä voi myös ohjata käynnissä olevaa vastausta ja muuttaa vaatimuksia kesken työn.

Päättelytasoa voi vaihtaa kesken keskustelun rikkomatta välimuistiin tallennettua promptin alkuosaa. Käytettävissä ovat tasot low, medium, high, xhigh ja max. Astra ei tue none-tasoa.

Miljoonan tokenin konteksti toimii aiempaa luotettavammin

GPT‑6 Astran konteksti-ikkuna on 1 050 000 tokenia ja vastauksen enimmäispituus 128 000 tokenia. Rajat ovat samat kuin GPT‑5.6 Solissa, mutta Astra hyödyntää pitkää kontekstia OpenAI:n testien perusteella selvästi tarkemmin.

MRCR v2 -testin 512 000–1 000 000 tokenin osuudessa Astra saa 96,3 pistettä ja Sol 73,8 pistettä. Lyhyemmässä 256 000–512 000 tokenin osuudessa Astra saavuttaa täydet 100 pistettä. Parannus on merkittävä käyttäjälle, joka käsittelee laajoja lähdeaineistoja, kokonaisia koodiprojekteja tai pitkiä asiakirjakokonaisuuksia.

Tieteessä ja kyberturvallisuudessa ennätystuloksia

GPT‑6 Astra saa GPQA Diamondissa 96,0 pistettä ja GeneBench Prossa 37,8 pistettä. GPT‑5.6 Solin vastaavat tulokset ovat 94,6 ja 28,7. Kyberturvallisuuden ExploitBenchissä Astra saa täydet 100 pistettä Solin 78,5 pistettä vastaan.

SRE-Benchissä ero kasvaa erittäin suureksi. Astra ratkaisee 88,0 prosenttia tehtävistä ensimmäisellä yrityksellä ja 99,2 prosenttia enintään neljällä yrityksellä. GPT‑5.6 Solin vastaavat tulokset ovat 55,9 ja 68,7 prosenttia.

OpenAI kuvailee GPT‑6 Astraa myös tähän asti parhaiten käyttäjän tavoitteisiin linjautuvaksi mallikseen. Malliin kuuluu asynkroninen turvallisuusvalvonta, joka voi antaa hälytyksen tai pysäyttää tehtävän tarkistettavaksi, jos järjestelmä havaitsee mahdollisesti väärin tulkitun tai annetut rajat ylittävän toiminnon.

GPT-6 Astran API-hinta ja tekniset tiedot

OpenAI:n virallinen mallisivu ilmoittaa GPT‑6 Astran Standard-hinnaksi 10 dollaria miljoonalta syötetokenilta, yhden dollarin miljoonalta välimuistista luetulta tokenilta ja 50 dollaria miljoonalta vastaustokenilta. Välimuistiin kirjoittaminen maksaa 12,50 dollaria miljoonalta tokenilta.

Tokenihinta on 2,5-kertainen GPT‑5.6 Soliin verrattuna. OpenAI kuitenkin sanoo Astran käyttävän useissa arvioinneissa selvästi vähemmän vastaustokeneita, joten arvioitu kustannus valmista tehtävää kohden voi olla edeltäjää pienempi. Yli 272 000 syötetokenin pyynnöissä koko pyynnön syöte- ja välimuistihinnat kaksinkertaistuvat ja vastaustokenien hinta nousee puolitoistakertaiseksi.

Batch- ja Flex-käsittely maksavat puolet Standard-hinnasta. API:n Fast-tila maksaa kaksinkertaisesti, eikä sitä voi käyttää GPT‑6 Astran kanssa EU:n dataresidenssissä. Malli tukee Responses APIa ja Chat Completions -rajapintaa, mutta OpenAI ohjaa käyttämään työkalukutsuihin Responses APIa.

Milloin GPT-6 Astra tulee ChatGPT:hen ja Codexiin?

GPT‑6 Astran porrastettu käyttöönotto alkoi Trusted Access -yrityksistä. OpenAI kertoo saatavuuden laajenevan lähipäivinä Plus-, Pro-, Business- ja Enterprise-käyttäjille sekä APIin. Free-, Go- tai Edu-saatavuutta ei ole julkaisuvaiheen dokumenteissa luvattu.

Kun malli avautuu tilillesi, se näkyy ChatGPT Workin, Codexin tai muun tuetun palvelun mallivalitsimessa nimellä Astra. Enterprise-käyttäjän kannattaa pyytää ylläpitäjää tarkistamaan työtilan malliasetukset, sillä Astra on ensimmäiset kaksi viikkoa oletuksena pois päältä. Mallin näkyminen ChatGPT-työtilassa ja API-projektissa tarkistetaan erikseen.

Tavalliselle käyttäjälle suurin ero näkyy pitkissä tehtävissä. Astraa kannattaa kokeilla työssä, jossa tekoälyn pitää tutkia useita lähteitä, käyttää ohjelmistoja, seurata pitkää ohjeistusta ja tuottaa lopuksi valmis raportti, esitys, taulukko tai toimiva koodimuutos.

Toimiiko GPT-6 Astra käytännössä?

GPT‑6 Astra on OpenAI:n uusi lippulaivamalli ja yhtiön tähän asti kunnianhimoisin tekoälyjulkaisu. Sen kovimmat tulokset ovat poikkeuksellisia: 99,9 ARC‑AGI‑3:ssa, 97,6 FrontierMath Tier 4:ssä, 100 ExploitBenchissä ja 96,3 lähes miljoonan tokenin kontekstitestissä.

Benchmarkit eivät mittaa täydellisesti tavallista käyttöä, ja ensimmäiset luvut ovat OpenAI:n omia. Erot edeltäjään ovat silti useilla vaikeimmista testialueista niin suuria, ettei kyse ole pienestä vuosipäivityksestä. Astra vie tekoälyä jälleen eteenpäin järjestelmänä.