OpenAI обновила линейку флагманских моделей. Astra досталась сложным задачам, среди них научная работа, юридические документы и инженерное проектирование. Sol отвечает за повседневные дела и работает заметно быстрее при сопоставимом качестве.
Разница с предыдущим поколением существенная. Astra обгоняет прошлую версию на тестах многошаговой профессиональной работы. При этом она тратит в три раза меньше токенов на решение задачи. В научных бенчмарках модель показывает лучший результат среди всех протестированных систем. Она умеет интерпретировать биологические данные и планировать эксперименты для проверки гипотез. В юридических задачах Astra более чем вдвое обгоняет конкурирующую модель Claude Fable 5.2, причем обходится в шесть раз дешевле. Отдельно подтянулось качество презентаций, таблиц и документов. Модель научилась копировать шаблоны компаний вплоть до шрифта и цветовой схемы вместо типового «ИИ-дизайна».
Цена при этом снизилась. Токены для Astra подешевели на 20%, а кешированный ввод обходится на 60% дешевле прежнего. Sol сохранила старые расценки, но стала заметно умнее.
Есть и другая сторона. OpenAI официально признала, что обе модели достигли критического порога по кибербезопасности согласно внутренней системе оценки рисков. Это означает, что они способны находить и эксплуатировать уязвимости эффективнее предыдущих версий. В ответ компания ограничила доступ к части функций и усилила защитные механизмы, пожертвовав частью легитимных сценариев для исследователей безопасности. Astra также стала первой публично выпущенной моделью, которая преодолела высокий порог по способности ускорять ИИ-исследования, а по оценке OpenAI она эквивалентна найму дополнительного опытного инженера-исследователя для каждого сотрудника компании. Для сдерживания этих рисков OpenAI создала отдельную систему мониторинга Control Room. Она умеет останавливать процессы модели при подозрительном поведении.
Модель стала полезнее, но контроль вокруг нее строже. Сам инструмент становится сильнее, а периметр вокруг него сужается.
Создание AI-агентов и автоматизация на n8n: проектируем и запускаем под ключ.
