بررسی انتقادی GPT-6 Astra، مدل جدید OpenAI: از ادعای AGI و مشخصات فنی تا بنچمارکهای رسمی و مستقل، قیمتگذاری و تجربه کاربران. آیا استرا واقعاً انقلابی است یا فقط یک قدم رو به جلو؟

معرفی GPT-6 Astra در ۳ سپتامبر ۲۰۲۶ تنها رونمایی از یک مدل زبانی دیگر نبود؛ OpenAI با صراحت اعلام کرد که به گمانش، عصر تازهای در هوش مصنوعی آغاز شده است. گرگ براکمن حتی پا را فراتر گذاشت و گفت شاید تاریخنگاران آینده، همین بازه زمانی را بهعنوان نقطه عطف ظهور AGI ثبت کنند. اما این ادعاها هرچقدر هم بلندپروازانه باشند، باید در بوته آزمایش سنجیده شوند. نکته کلیدی درباره استرا این است که برخلاف نسلهای پیشین، تمرکز اصلیاش بر «اجرا کردن» است نه صرفاً «پاسخ دادن». این مدل میتواند محیط دسکتاپ را کنترل کند، میان نرمافزارها جابهجا شود، ابزارهای مختلف را فراخوانی کند، کد بنویسد و وظایف چندلایه را تا رسیدن به نتیجه نهایی پیگیری کند. همین ویژگی است که آن را از یک چتبات پیشرفته به چیزی شبیه یک همکار دیجیتال تبدیل میکند. بااینحال، فاصله میان دموهای چشمنواز و کاربرد روزمره واقعی، همیشه محل بحث بوده است.
استرا با شناسه gpt-6-astra در API عرضه شده و پنجره کانتکست ۱٫۰۵ میلیونتوکنی آن، امکان پردازش حجم عظیمی از داده را فراهم میکند. اما ظرفیت بالا بهتنهایی تضمینکننده دقت در پروژههای طولانی نیست. آنچه استرا را متمایز میکند، مجموعه ابزارهای عاملمحور آن است: از فراخوانی تابع و خروجیهای ساختاریافته گرفته تا شل میزبانیشده، اجرای کد و قابلیت Computer Use. دو ویژگی تازه نیز نقش کلیدی دارند: Async Tool Calling که مانع توقف مدل هنگام اجرای ابزارهای زمانبر میشود، و Mid-turn Steering که امکان تغییر مسیر وظیفه در میانه کار را فراهم میکند. استرا همچنین پنج سطح تلاش استدلالی از Low تا Max ارائه میدهد تا توسعهدهندگان بتوانند میان کیفیت، سرعت و هزینه تعادل برقرار کنند.

اعداد رسمی OpenAI نشان میدهند استرا در وظایف عاملمحور و فنی جهش قابلتوجهی داشته است. در Terminal-Bench 4.0، امتیاز ۵۷٫۹ درصدی آن در برابر ۳۷٫۳ درصد GPT-5.6 Sol، اختلافی معنادار را نشان میدهد. در FrontierMath نیز با ۹۷٫۶ درصد، بالاتر از Fable 5.1 و Opus 5 قرار میگیرد. حوزه امنیت سایبری نیز نقطه قوت استرا است؛ OpenAI میگوید این نخستین مدلش است که در چارچوب آمادگی امنیت سایبری به سطح «بحرانی» رسیده و در ExploitBench امتیاز کامل ۱۰۰ درصد کسب کرده است. اما تصویر کامل نیست. در Humanity's Last Exam همراه با ابزار، Fable 5.1 با ۶۵ درصد و Opus 5 با ۶۳٫۶ درصد از استرا با ۵۷٫۲ درصد جلوترند. این یعنی برتری استرا مطلق نیست و بسته به نوع مسئله، رقبا میتوانند پیشی بگیرند.

وقتی پای ارزیابیهای مستقل به میان میآید، تصویر پیچیدهتر میشود. در شاخص Artificial Analysis Intelligence Index نسخه ۴٫۲، استرا با امتیاز ۵۵ بالاتر از GPT-5.6 Sol (۵۱) قرار میگیرد اما پایینتر از Fable 5.1 (۵۷) میایستد. نکته جالب توجه، هزینه است: اجرای هر وظیفه با Fable 5.1 حدود ۶٫۱۲ دلار آب میخورد در حالی که استرا با ۲٫۵۷ دلار، گزینه اقتصادیتری است. سرعت خروجی نیز داستان خودش را دارد؛ استرا با ۷۱ توکن در ثانیه، از GPT-5.6 Sol با ۸۵ توکن در ثانیه کندتر است. در ARC-AGI-3 نیز اعداد چشمگیر ۹۹٫۹ درصدی OpenAI فقط در شرایط خاص و با Provider Adapter به دست آمده؛ در هارنس استاندارد، این عدد به ۶۲٫۷ درصد کاهش مییابد. این تفاوت نشان میدهد نتیجه بنچمارک تا چه حد به روش اجرا وابسته است.

استرا در دسته مدلهای حرفهای قرار میگیرد و قیمتگذاری آن نیز همین را تأیید میکند: ۱۰ دلار برای هر میلیون توکن ورودی و ۵۰ دلار برای خروجی. این یعنی استفاده از استرا نسبت به GPT-5.6 Sol حدود ۲٫۵ برابر گرانتر تمام میشود. درخواستهای بالای ۲۷۲ هزار توکن نیز تعرفه متفاوتی دارند. حالتهای Batch و Flex برای پردازشهای غیرفوری با هزینه کمتر در دسترساند، اما Fast در حالت EU data residency ارائه نمیشود. تجربه اولیه کاربران نشان میدهد استرا در کارهای چندمرحلهای و تحلیل پروژههای بزرگ عملکرد خوبی دارد، اما هزینه، سرعت و نیاز به بازبینی خروجیها همچنان گلهمندیهای اصلی هستند. برخی نیز به مشکلات دسترسی و ظرفیت سرویس در روزهای نخست اشاره کردهاند.

استرا بدون شک قدرتمندترین مدل OpenAI تا امروز است و در حوزههایی مثل کار با کامپیوتر، ترمینال و امنیت سایبری جهشهای واقعی داشته. اما برچسب «آغاز عصر AGI» بیش از آنکه یک واقعیت اثباتشده باشد، یک روایت بازاریابی است. اگر AGI را توانایی انجام طیف گستردهای از کارهای دیجیتال بدانیم، استرا به آن نزدیک است. اما اگر AGI را هوشی همسطح انسان با درک عمومی و تصمیمگیری مستقل در شرایط ناشناخته تعریف کنیم، هنوز راه زیادی مانده. مهمترین دستاورد استرا شاید این باشد که نشان داد مسیر هوش مصنوعی از «پاسخ دادن» به «انجام دادن» تغییر کرده است؛ تغییری که پیامدهایش میتواند از خود مدل هم مهمتر باشد.