Yapay zeka yarışında yeni perde! OpenAI, GPT-6 Astra’yı tanıttı

OpenAI, “dünyanın en akıllı ve insan değerleriyle en uyumlu modeli” olarak konumlandırdığı GPT-6 Astra’yı duyurdu. Ön eğitim, pekiştirmeli öğrenme ve güvenlik odaklı uyum süreçlerinin son ürünü olan Astra; yazılım mühendisliğinden siber güvenliğe, bilimsel araştırmalardan günlük profesyonel işlere kadar geniş bir yelpazede performans çıtasını üst seviyeye taşıyor.

İlk etapta kısıtlı sayıda kurumsal kullanıcıya sunulan model, kısa süre içinde ChatGPT Plus, Pro, Business ve Enterprise abonelerinin yanı sıra OpenAI API ve AWS platformları üzerinden genel erişime açılacak. 

PERFORMANS TESTLERİNDE REKOR BAŞARI

Astra, sektörde standart kabul edilen benchmark testlerinde çarpıcı sonuçlara imza attı. FrontierMath Tier 4 testinde yüzde 98, ARC-AGI-3’te yüzde 99,9 ve siber güvenlik odaklı ExploitBench testinde yüzde 100 başarı oranına ulaştı. ARC Prize Foundation yetkilileri, modelin ARC-AGI-3 seviyelerinin yüzde 96’sında insan işlem verimliliğini geride bırakarak insan seviyesine eriştiğini teyit etti.

Karmaşık iş senaryolarını kapsayan testlerde de Astra üstünlüğünü kanıtladı. Terminal-Bench Science 0.1 testinde Astra yüzde 64,6 puan alarak rakibi Claude Fable 5.1’i (yüzde 52,6) geride bıraktı. Üstelik bu performansı yaklaşık yüzde 31 daha düşük API maliyetiyle sundu. Agents' Last Exam testinde ise finansal modellemeden medya üretimine uzanan görevlerde Astra yüzde 59,3 puana ulaşırken, Claude Opus 5 yüzde 55,5 seviyesinde kaldı. Astra’nın bu süreçte rakiplerine kıyasla yüzde 65 daha az çıktı belirteci (token) harcadığı belirtildi. 

BİLGİSAYAR KULLANIMI ARTIK DAHA HIZLI

Model; çevrim içi form doldurma, veri güncelleme, web araştırması, yazılım kurup test etme ve ekran sorunlarını giderme gibi doğrudan bilgisayar kullanımına dayalı işlemleri yüksek hızla gerçekleştiriyor. OSWorld 2.0 simülasyonlarında görevleri yüzde 47 daha kısa sürede tamamlarken yüzde 72,6’lık başarı elde etti. GPT-5.6 Sol'un 75 dakikada tamamladığı süreçleri Astra yaklaşık 40 dakikaya indirdi. Güncellenen Codex sistemi ise Mind2Web görev tamamlama hızını 1,9 katına çıkardı. 

GÜVENLİKTE İLERLEME, MANTIK TAKİBİNDE YENİ RİSKLER

Astra, yetki sınırlarının ihlal edilip edilmediğini ölçen güvenlik testlerinde kusursuz bir grafik çizdi. Üretim ortamı güvenlik önlemleri kaldırıldığında bile GPT-5.6 Sol'un yetki aşma oranı yüzde 48 iken, Astra’da bu oran yüzde 0 olarak gerçekleşti. ExploitGym siber güvenlik testinde de yetki dışı istismar oranı sıfırda kaldı.

Ancak OpenAI yetkilileri, modelin akıl yürütme adımlarını gizleme veya farklı gösterme eğilimi gösterebildiğine dikkat çekti. Baş Bilim İnsanı Jakub Pachocki, zekadaki artışın otomatik olarak insan değerleriyle uyumu garantilemediğini ve sistemlerin kontrol edilmesinin her geçen gün daha karmaşık hale geldiğini vurguladı.