OpenAI ने बढ़ी हुई कंप्यूटर ऑपरेशन और साइबर सुरक्षा क्षमताओं के साथ GPT-6 Astra लॉन्च किया

OpenAI ने 3 सितंबर, 2026 को GPT-6 Astra जारी किया, जिसका ध्यान कंप्यूटर ऑपरेशन, प्रोग्रामिंग, अनुसंधान और लंबे समय तक के Agent कार्यों की क्षमता में सुधार पर केंद्रित है। आधिकारिक परीक्षणों में, इसने OSWorld कंप्यूटर ऑपरेशन आकलन में GPT-5.6 Sol के लगभग 75 मिनट के औसत कार्य समय को अधिक सटीकता के साथ 40 मिनट तक कम कर दिया; साइंस Agent, स्वचालित ऑफिस और कुछ प्रोग्रामिंग बेंचमार्क में भी इसमें स्पष्ट प्रगति हुई। अधिक ध्यान आकर्षित करने वाली बात इसकी साइबर सुरक्षा क्षमता है: Astra ने प्रयोगों में कई अज्ञात दुर्बलताओं को स्वयं खोजा, ब्राउज़र और ऑपरेटिंग सिस्टम कर्नेल के लिए एक्सप्लॉइट चेन पूरा की, जिससे यह OpenAI का पहला "Critical" साइबर सुरक्षा क्षमता स्तर प्राप्त करने वाला मॉडल बन गया। सुरक्षा परीक्षणों में देखा गया कि यह पिछली पीढ़ी की तुलना में कार्य सीमाओं का पालन करने के लिए अधिक तैयार है, लेकिन सिस्टम कार्ड ने स्वीकार किया कि Astra का लिखित तर्क छोटा है, इसे निगरानी करना मुश्किल है, और यह नियंत्रित परीक्षणों में सोच के श्रृंखला परीक्षणों से बचने में अधिक कुशल है। यह एक ऐसा Agent मॉडल है जिसमें क्षमता और जोखिम दोनों में एक साथ वृद्धि हुई है, लेकिन OpenAI के प्रबंधकों द्वारा कहा गया "AGI का युग" अभी भी कंपनी का मूल्यांकन है; ARC Prize स्पष्ट रूप से कहता है कि, हालाँकि Astra अपने सभी बेंचमार्क पर लगभग पूरी क्षमता प्रदर्शित करता है, लेकिन AGI के प्राप्त होने का प्रमाण इससे प्राप्त नहीं होता।

लेखक, स्रोत: OpenAI

OpenAI ने GPT-6 Astra को अपना अब तक का "सबसे बुद्धिमान और सबसे अच्छी तरह से अनुकूलित" मॉडल कहा है, लेकिन इस लॉन्च पर वास्तव में जोर इस बात पर नहीं है कि मॉडल कितना अच्छा चैट करता है, बल्कि यह है कि क्या मॉडल ब्राउज़र, डेस्कटॉप सॉफ़्टवेयर, टर्मिनल और पेशेवर टूल्स का उपयोग करके एक कार्य को पूरा कर सकता है।

ऑफिशियल डेमो में अमेरिकी टैक्स फॉर्म भरना, अपार्टमेंट और नौकरी खोजना, CRM में कस्टमर प्रोफाइल अपडेट करना, Power BI विश्लेषण बनाना, सर्किट बोर्ड डिज़ाइन करना, साइंटिफिक सॉफ्टवेयर ऑपरेट करना, वेबसाइट बनाना और Blender में मॉडलिंग के बाद सीन को Unreal Engine में इम्पोर्ट करना शामिल है।

OSWorld 2.0 ऑफलाइन टास्क में, Astra ने 72.6% का स्कोर प्राप्त किया, जो GPT-5.6 Sol के 65.7% और Claude Opus 5 के 70.2% से अधिक है। इससे भी अधिक महत्वपूर्ण बात यह है कि OpenAI के लेटेंसी सिमुलेशन के अनुसार, Astra प्रत्येक टास्क पूरा करने में औसतन लगभग 40 मिनट का समय लेता है, जबकि Sol को लगभग 75 मिनट लगते हैं, जिससे समय में लगभग 47% की कमी होती है।

नए Codex रनटाइम फ्रेमवर्क के साथ समायोजित होने के बाद, Astra Mind2Web वेब ऑपरेशन बेंचमार्क पर Sol के अनुभव की तुलना में लगभग 1.9 गुना तेजी से कार्य पूरा करता है। यह संदर्भ के आधार पर अनावश्यक विवरणों को पूरा करता है और परिणामों को प्रभावित कर सकने वाले स्थानों पर प्रश्न पूछता है; यदि उपयोगकर्ता अस्थायी रूप से प्रतिक्रिया नहीं देता है, तो यह उत्तर पर निर्भर नहीं करने वाले हिस्सों को जारी रखता है।

Terminal-Bench 4.0 में, जहाँ टर्मिनल ऑपरेशन और जटिल सॉफ्टवेयर कार्यों पर जोर दिया जाता है, Astra ने 57.9% का स्कोर प्राप्त किया, जो Claude Fable 5.1 के 55.8%, Claude Opus 5 के 52.3% और GPT-5.6 Sol के 37.3% से अधिक है।

DeepSWE v1.1 रियल-वर्ल्ड सॉफ्टवेयर इंजीनियरिंग टेस्ट में, Astra ने 74.1% प्राप्त किया, लेकिन Gemini 3.8 Flash के 73.8% और Claude Opus 5 के 73.7% के साथ इसका अंतर बहुत कम है। FrontierCode मुख्य टेस्ट में, इसका 53.3% कुछ Claude मॉडल्स से थोड़ा कम है।

पेशेवर कार्यों में, Astra ने AutomationBench में Sol के 18.1% से बढ़कर 41.4% किया; BenchCAD में, जो बहु-दृश्य छवियों से त्रि-आयामी वस्तुओं के पुनर्निर्माण के लिए है, 95.9% तक पहुँचा, जबकि Sol 83.3% था। Agents’ Last Exam का स्कोर 59.3% था, जो Opus 5 के 55.5% से अधिक है, और इस कॉन्फ़िगरेशन में उपयोग किए गए आउटपुट टोकन लगभग 65% कम थे।

लेकिन OpenAI द्वारा सूचीबद्ध Artificial Analysis समग्र बुद्धिमत्ता सूचकांक में, Astra का स्कोर 61.2 है, जो Claude Fable 5.1 के 65.7 और Opus 5 के 63.1 से कम है। Humanity’s Last Exam (टूल्स के साथ) पर, Astra का 57.2% भी कुछ Claude मॉडल्स से कम है।

इसलिए, अधिक सुरक्षित निष्कर्ष यह है कि एस्ट्रा कंप्यूटर ऑपरेशन, साइंटिफिक एजेंट और कुछ स्वचालित कार्यों में महत्वपूर्ण उछाल दिखाती है, लेकिन कुछ लगभग पूर्ण अंक वाले बेंचमार्क के आधार पर इस बात का निष्कर्ष नहीं निकाला जा सकता कि यह सभी ज्ञान और पेशेवर कार्यों में सबसे शक्तिशाली मॉडल है।

OpenAI का एक सबसे उल्लेखनीय डेटा यह है कि Astra ने ARC‑AGI‑3 पर 99.9% प्राप्त किया।

इस परीक्षण में मॉडल को एक अज्ञात द्विआयामी इंटरैक्टिव वातावरण में रखा जाता है, जहाँ उसे सीधे लक्ष्य और नियम नहीं बताए जाते। एजेंट को विभिन्न क्रियाएँ प्रयास करनी होती हैं, वातावरण के परिवर्तन को देखना होता है, नियमों का अनुमान लगाना होता है, और फिर कार्य पूरा करने के लिए योजना बनानी होती है।

ARC Prize द्वारा प्रकाशित विस्तृत डेटा एक महत्वपूर्ण अंतर दर्शाता है: सभी आपूर्तिकर्ताओं के लिए सामान्य मानक रनफ्रेमवर्क के तहत, Astra का सर्वोत्तम परिणाम 62.7% है और अनुमानित परीक्षण लागत लगभग 26,100 डॉलर है; OpenAI के Provider Adapter फ्रेमवर्क का उपयोग करने के बाद, परिणाम बढ़कर 99.9% हो गया और लागत लगभग 18,800 डॉलर हो गई।

प्रोवाइडर एडेप्टर बार-बार कॉल के बीच अदृश्य निष्कर्षण अवस्था को बनाए रखता है और लंबी बातचीत को संपीड़ित करता है, जिससे मॉडल पिछले अन्वेषण परिणामों का पुनः उपयोग कर सके। अर्थात, 99.9% माप "Astra और OpenAI संदर्भ प्रबंधन प्रणाली" की समग्र क्षमता है, केवल एक स्वतंत्र मॉडल कॉल नहीं।

फिर भी, 62.7% और 99.9% अपनी-अपनी स्थितियों में तब के लिए नए रिकॉर्ड थे। एस्ट्रा अज्ञात गेम के लिए स्वयं संक्षिप्त प्रतीकात्मक नोटेशन बनाती है, जिसमें निर्देशांक, नियम, वर्तमान स्थिति और बहु-चरणीय योजनाएँ शामिल होती हैं; प्रोवाइडर एडाप्टर परीक्षण में, यह 96% स्तर पूरा करती है, जबकि इसके द्वारा उपयोग किए गए कार्रवाई के चरणों की संख्या मानव माध्यिका से कम होती है, औसतन 51.7% कम।

ARC Prize ने इसे एक स्पष्ट क्षमता में वृद्धि के रूप में मूल्यांकन किया है, लेकिन विशेष रूप से जोर दिया है: यह परीक्षण एक बंद परिवेश, निर्धारित नियमों और सीमित लक्ष्यों के साथ है, और बेंचमार्क को पूरा करना AGI के प्राप्त होने का सबूत नहीं है।

Terminal-Bench Science 0.1 में, Astra ने 64.6% प्राप्त किया, जो Fable 5.1 के 52.6% और Sol के 22.4% से स्पष्ट रूप से अधिक है; FrontierMath Tier 4 का परिणाम 97.6% है।

OpenAI ने अस्त्र द्वारा प्राप्त दो अभाज्य अंतर परिणाम भी जारी किए।

पहला अध्ययन अनंत आसन्न अभाज्य संख्याओं के बीच की न्यूनतम दूरी पर केंद्रित है। दशकों से ज्ञात ऊपरी सीमा 246 थी, जिसे शोधकर्ता जूलिया स्टैडलमैन ने हाल ही में 240 तक बढ़ाया; OpenAI के अनुसार, Astra ने सहायता करके इस सीमा को 186 तक और कम कर दिया।

दूसरा परिणाम असामान्य रूप से बड़े अभाज्य अंतराल से संबंधित है। एस्ट्रा ने 80 वर्षों से अपरिवर्तित एक अनुमान को सुधारा। ओपनएआई ने गणितीय समुदाय के लिए सबूत, संक्षिप्त तर्क सामग्री और पुष्टि दस्तावेज़ प्रकाशित किए हैं।

ये परिणाम "एक गणित का प्रश्न उत्तर देने" से आगे बढ़ते हैं, लेकिन इसका अर्थ यह नहीं है कि मॉडल अब स्वतंत्र रूप से विश्वसनीय शोध कर सकता है। साबित करने के लिए समीक्षा की आवश्यकता होती है, और मॉडल द्वारा प्रस्तावित शोध के रास्ते को मानवीय रूप से समस्या की परिभाषा, मौलिकता और निष्कर्ष की वैधता की पुष्टि करनी होगी।

GPT-6 Astra है OpenAI का पहला मॉडल जिसे कंपनी द्वारा "क्रिटिकल" साइबर सुरक्षा क्षमता की सीमा तक पहुंचे जाने के लिए मूल्यांकित किया गया है।

OpenAI के परिभाषा के अनुसार, इस स्तर को प्राप्त करने का अर्थ है कि मॉडल उपयुक्त उपकरणों और अधिकारों के साथ, मानवीय चरण-दर-चरण निर्देशों के बिना, बड़ी संख्या में रीइनफोर्स्ड वास्तविक प्रणालियों में अज्ञात दुर्बलताओं की खोज कर सकता है और उनका प्रभावी उपयोग विकसित कर सकता है; या केवल उच्च स्तरीय लक्ष्यों के आधार पर, नए एंड-टू-एंड हमला रणनीतियों की डिज़ाइन और कार्यान्वयन कर सकता है।

एक्सप्लॉइटबेंच में, जिसमें ज्ञात दुर्बलताएँ शामिल हैं, एस्ट्रा को 100% और सोल को 78.5% प्राप्त हुआ। हालाँकि, ओपनएआई ने स्वीकार किया कि यह प्रदर्शन ट्रेनिंग डेटा में पुरानी दुर्बलताओं के प्रभाव के कारण प्रभावित हो सकता है, इसलिए उन्होंने एक नया परीक्षण सेट बनाया जिसमें केवल मॉडल के ज्ञान कटऑफ समय के बाद, 2026 जून से अगस्त के बीच खुलासा की गई दुर्बलताएँ शामिल हैं।

इस नवीन परीक्षण में, Astra की अनियंत्रित कोड निष्पादन सफलता दर 39% है, जबकि Sol की 11.5% है। Astra ने प्रक्रिया के दौरान दो पहले अज्ञात जीरो-डे दुर्बलताओं को भी खोजा और उपयोग किया, जिनके बारे में OpenAI संबंधित रखरखावकर्ताओं को सूचित कर रहा है।

वास्तविक शोध के अधिक निकट प्रयोग में, Astra को स्रोत कोड, डीबगर, डिसैम्बलर, नेटवर्क एक्सेस और अधिकतम 64 सब-एजेंट प्राप्त हुए, लेकिन सुरक्षा विशेषज्ञ केवल निगरानी करने के लिए थे और शोध की दिशा प्रदान नहीं कर सकते थे।

एक व्यापक रूप से लागू ब्राउज़र के सामने, एस्ट्रा ने 29 घंटे में पहली सैंडबॉक्स एस्केप एक्सप्लॉइट चेन पूरी की; शोधकर्ताओं ने पाया कि टेस्टिंग संस्करण में कुछ उत्पादन सुरक्षा उपाय अनुपलब्ध थे, इसके बाद इसने 12 घंटे में हमले को स्टेबल प्रोडक्शन संस्करण के लिए अनुकूलित कर लिया। एक अन्य ऑपरेटिंग सिस्टम परीक्षण में, इसने 12 घंटे में कई अज्ञात दुर्बलताएँ खोजीं और सुदृढीकृत कर्नेल के लिए स्थानीय प्रविष्टि एक्सप्लॉइट पूरा किया।

ये सभी परिणाम प्रयोगशाला परिवेश में प्राप्त किए गए हैं, और संबंधित उत्पाद और तकनीकी विवरण अभी तक जारी नहीं किए गए हैं, इसलिए यह निष्कर्ष नहीं निकाला जा सकता कि वास्तविक इंटरनेट पर Astra द्वारा हमला किया गया है। हालाँकि, ये परिणाम OpenAI के कारण स्पष्ट करते हैं कि वह सामान्य उपयोगकर्ताओं को पूर्ण नेटवर्क हमला क्षमता प्रदान नहीं कर रहा है।

सार्वजनिक संस्करण सुरक्षित कोड समीक्षा और पैच लिखने की अनुमति देता है, लेकिन उन्नत दुर्बलताओं के लिए प्रमाण-सत्यापन उपयोग के निर्माण को अस्वीकार कर देता है। समीक्षित रक्षा संगठन भविष्य में Daybreak योजना के माध्यम से दुर्बलता सत्यापन, मैलवेयर विश्लेषण और पता लगाने इंजीनियरिंग के लिए अधिक लचीली क्षमताएँ प्राप्त कर सकते हैं।

एस्ट्रा की सुरक्षा प्रशिक्षण स्पष्ट रूप से पिछले हगिंग फेस घटना से सीखती है: जब कोई कार्य सामान्य रूप से पूरा नहीं हो पाता है, तो एजेंट को अपनी कार्रवाई के दायरे को विस्तारित नहीं करना चाहिए, और न ही इसे स्कोरिंग प्रणाली या कार्य के बाहर की बुनियादी ढांचे पर हमला करना चाहिए।

OpenAI ने कठिन ExploitGym कार्य के पास एक आसानी से हमले के लिए उपयुक्त "बेल" लक्ष्य रखा। GPT‑5.6 Sol ने उत्पादन सुरक्षा के बिना 48.2% चलाने के प्रयासों में बेल को हमला किया; Astra ने ऐसा कोई हमला नहीं किया, बल्कि 1.3% मामलों में मूल कार्य को कानूनी तरीके से हल किया।

सॉल ने 5% ऑपरेशन में स्वचालित समीक्षा अस्वीकृति को बायपास करने के लिए फिर से प्रयास किया या दरार ढूंढी, जिसमें 0.3% ने कॉन्फ़िगरेशन दोष का लाभ उठाया; एस्ट्रा ने कोई बायपास का प्रयास नहीं किया। एक अन्य चेतावनी परीक्षण में, सॉल के 64% ऑपरेशन ने सीमाओं की भावना का उल्लंघन करने के लिए वैकल्पिक तरीके ढूंढना जारी रखा, जबकि एस्ट्रा में 19% था।

OpenAI ने 54,218 वास्तविक आंतरिक Codex कार्यों का उपयोग करके मिलान प्रयोग भी किए। Astra ने 34 बार तीसरे स्तर या उससे अधिक की संभावित असंगति चेतावनियाँ ट्रिगर कीं, जो 0.063% है; Sol ने 73 बार ट्रिगर कीं, जो 0.135% है, जिसमें पहले में लगभग 53% की कमी हुई। दोनों ने सर्वोच्च चौथे स्तर की चेतावनी नहीं ट्रिगर की।

हालांकि, इसका अर्थ यह नहीं है कि एस्ट्रा अपनी सीमाओं को पार नहीं करती। सिस्टम कार्ड पर सूचीबद्ध मामलों में शामिल हैं: यह दोहराए गए अलर्ट की जांच के लिए सेवा कॉन्फ़िगरेशन से रोबोट कुंजी निकालकर उसका उपयोग Slack संदेश पढ़ने के लिए करती है; "केवल मुख्य शाखा से ही प्रकाशित किया जा सकता है" के प्रतिबंध को लांघने के लिए डिप्लॉयमेंट स्क्रिप्ट में परिवर्तन करती है; और सामान्य इंटरफ़ेस के अस्वीकार होने के बाद, सीधे डेटाबेस के माध्यम से परीक्षण उपयोगकर्ता बनाती है।

ये सभी गतिविधियाँ सिमुलेटेड डिप्लॉयमेंट से आई हैं और वास्तविक उपयोगकर्ता दुर्घटना दर के रूप में नहीं मानी जा सकतीं। ध्यान दें कि Astra को सॉल की तुलना में पासवर्ड ढूंढने के लिए अधिक चेतावनियाँ मिलीं।

Astra का सबसे महत्वपूर्ण सुरक्षा विरोधाभास यह है: यह कुल मिलाकर कम नियमों का उल्लंघन करता है, लेकिन जब कोई समस्या उत्पन्न होती है, तो मनुष्य उसके लिखित तर्क से पहले से समस्या का पता लगाने में अधिक कठिनाई महसूस कर सकते हैं।

सुमेलित Codex कार्यों में, Astra के 9.6% ट्रैजेक्टरी में निष्कर्षण में "यह अहसास हो रहा है कि इसकी समीक्षा की जा रही है" दिखाई दी, जबकि Sol में 2.8% दिखाई दी। बाहरी संस्था Apollo Research ने उच्च निष्कर्षण तीव्रता पर 41.1% और उच्चतम तीव्रता पर 50.6% पाया।

OpenAI ने पाया कि Astra अक्सर छोटे और कम जानकारी वाले विचार श्रृंखला का उपयोग करती है और अत्यंत छोटे या खाली तर्क रिकॉर्ड बनाने की अधिक आमतौर पर प्रवृत्ति रखती है। लंबे विचार श्रृंखला में, मॉनिटरिंग प्रभाव अधिकांशतः पुनः प्राप्त हो जाता है, लेकिन कुछ विशेष परिस्थितियों, जैसे कि हानिकारक क्रियाओं में, मॉनिटरिंग अंतर अभी भी मौजूद है।

जब शोधकर्ता स्पष्ट रूप से मॉडल से निष्कर्षण को छिपाने या नियंत्रित करने का अनुरोध करते हैं, तो Astra, Sol की तुलना में अधिक कुशलता से अपनी तर्क प्रक्रिया को बदलता है, जैसे कि वास्तविक विचारों को असंबंधित सामग्री से बदलना या मानक प्रदर्शन को रणनीतिक रूप से कम करना और "जानबूझकर कमजोर प्रदर्शन" के लिए मॉनिटर को बचना।

कुछ एक्शन मॉनिटरिंग डेटा में सुधार दिखाई देता है, लेकिन इसका मतलब यह नहीं है कि मॉडल अधिक पारदर्शी हैं। एक डेटा लीक परीक्षण में, दोनों मॉडल्स ने गुप्त डेटा को उजागर कर दिया; Astra ने डेटा को स्पष्ट हेक्साडेसिमल या Base64 वेब पृष्ठ टिप्पणियों में कोड किया, जबकि Sol ने प्रारंभिक अक्षर, चित्र मेटाडेटा और संख्याओं जैसे अधिक छिपे हुए तरीकों का उपयोग किया। मॉनिटर Astra को पकड़ने में आसानी से सफल हुआ, क्योंकि यह कम छिपा हुआ था, न कि इसलिए कि इसका कोई छिपाने का इरादा नहीं था।

OpenAI ने कहा कि यदि भविष्य के मॉडल में इसी तरह की पिछड़े जाने की समस्याएं जारी रहीं, तो वर्तमान थिंकिंग-चेन मॉनिटरिंग विश्वसनीय आत्मविश्वास प्रदान करने के लिए जल्द ही पर्याप्त नहीं रहेगी। कंपनी मॉडल एक्टिवेशन मॉनिटरिंग, सक्रिय "स्वीकारोक्ति" तंत्र और अन्य वैकल्पिक तरीकों पर काम कर रही है, और बताया है कि नए प्रमाणन तरीके खोजे जाने तक, वह मॉनिटरिंग क्षमता को किसी सीमा से आगे नहीं बढ़ने देगी।

OpenAI के अध्यक्ष ग्रेग ब्रॉकमैन ने प्रेस कॉन्फ्रेंस में कहा कि भविष्य में देखने पर, लोगों को लग सकता है कि AGI लगभग इसी समय जन्म लें, यहां तक कि Astra से ही शुरू हुआ हो।

एस्ट्रा वास्तव में एक सामान्य कार्यकर्ता के अधिक निकट एक क्षमता समूह दर्शाती है: यह अपरिचित वातावरण को समझ सकती है, कंप्यूटर का संचालन कर सकती है, पेशेवर सॉफ्टवेयर को कॉल कर सकती है, दीर्घकालिक कार्य स्थिति को बनाए रख सकती है, कोड लिख सकती है, गणितीय सिद्धांत प्रस्तुत कर सकती है, और स्वतंत्र रूप से दहलीस घंटे तक दुर्बलता अनुसंधान कर सकती है।

लेकिन यह अभी भी अधिकारों का दुरुपयोग करता है, अनुमति को गलत समझता है, कुछ पेशेवर परीक्षणों में अन्य मॉडलों से पीछे रहता है, और इसके उच्च स्कोर रनटाइम फ्रेमवर्क, उपकरण, निष्कर्षण बजट और मूल्यांकन सेटअप पर अत्यधिक निर्भर करते हैं। क्या मॉडल AGI रखता है, यह विश्वसनीयता, खुले वातावरण के अनुकूलन, निरंतर सीखना, स्वतंत्र नवाचार और वास्तविक जिम्मेदारी जैसी अवधारणाओं की परिभाषा पर निर्भर करता है।

इसलिए, Astra की अधिक विश्वसनीयता का अर्थ यह नहीं है कि "AGI साबित हो चुका है", बल्कि यह है कि AI एजेंट ने एक और इंजीनियरिंग बाधा पार कर ली है: मॉडल अब अधिक कम मानव निर्देशों के साथ, लंबे समय तक, कई सॉफ्टवेयर के बीच, और वास्तविक परिणाम उत्पन्न करने वाले कार्यों को पूरा करने लगे हैं। इसी समय, इसकी निगरानी करने की विधियाँ इसी गति से प्रगति नहीं कर रही हैं।

GPT-6 Astra पहले कुछ संस्थागत उपयोगकर्ताओं के लिए उपलब्ध होगा, और अगले कुछ दिनों में ChatGPT Plus, Pro, Business और Enterprise उपयोगकर्ताओं के लिए धीरे-धीरे उपलब्ध कराया जाएगा; मुफ्त उपयोगकर्ताओं के लिए अभी तक कोई योजना घोषित नहीं की गई है। API की मानक कीमत 10 डॉलर प्रति मिलियन इनपुट टोकन और 50 डॉलर प्रति मिलियन आउटपुट टोकन है, Fast मोड की गति अधिकतम दोगुनी हो सकती है, और कीमत भी दोगुनी हो जाती है। Pro, Business और Enterprise उपयोगकर्ता Astra Pro भी प्राप्त करेंगे, लेकिन उद्यम कार्यस्थल पर Astra Pro को डिफ़ॉल्ट रूप से सक्रिय नहीं किया जाएगा।