विदेशी मीडिया का मानना है कि OpenAI द्वारा GPT-6 Astra लॉन्च करने के बाद, AI की प्रतिस्पर्धा की तर्कशृंखला बदल गई है। अब केंद्र बिंदु केवल "कौन अधिक अच्छा AI का उपयोग करता है" नहीं, बल्कि "कौन AI Agent को सबसे पहले लागू करता है और उसे नियंत्रित करता है" है। लेख Astra को एक ऐसे बिंदु के रूप में देखता है जहाँ AI प्रश्नों के उत्तर देने से गतिविधियों को संपादित करने की ओर बढ़ रहा है।
उत्तर से कार्रवाई तक
एस्ट्रा को कंप्यूटर चलाने, वेबसाइट ब्राउज़ करने, सॉफ्टवेयर का उपयोग करने, कोड लिखने और चलाने, और लंबे कार्य प्रवाह पूरा करने की क्षमता के साथ वर्णित किया गया है। लेख का तर्क है कि इसका मतलब है कि AI "मानव प्रश्न पूछता है, मॉडल उत्तर देता है" से "मानव Agent को कार्य सौंपता है, Agent कार्य पूरा करता है" में बदल रहा है।
लेखक के अनुसार, एस्ट्रा की मुख्य बात केवल अधिक क्षमता होना नहीं है, बल्कि यह एक "नियुक्त" डिजिटल श्रमिक के रूप में अधिक करीब आना है। यह केवल उत्तर उत्पन्न करना बंद नहीं कर रहा है, बल्कि निरंतर कार्यों को संभालना शुरू कर रहा है।
प्रवेश दर अब व्यक्ति के आधार पर नहीं गिनी जाती
OSWorld 2.0 के परीक्षण परिणामों के आधार पर लेख में बताया गया है कि एस्ट्रा लंबी दूरी के कार्यों में बेहतर प्रदर्शन करता है और पूरा करने का समय स्पष्ट रूप से कम होता है। लेखक इसके आधार पर मानता है कि AI के प्रवेश दर की गणना का तरीका बदलना चाहिए, और इसे अब "AI का उपयोग करने वालों की संख्या" के आधार पर सरलता से अनुमानित नहीं किया जा सकता।
अब महत्वपूर्ण चर ये बन गए हैं: कितने एजेंट चल रहे हैं, प्रत्येक एजेंट कितने कार्य कर रहा है, और प्रत्येक कार्य कितने टोकन का उपयोग कर रहा है। लेख के अनुसार, एक व्यक्ति एक साथ कई एजेंट तैनात कर सकता है, और उद्यम एक साथ सैकड़ों या हजारों एजेंट चला सकते हैं।
टोकन की मांग बढ़ जाएगी
लेखक आगे बताते हैं कि एजेंट युग के टोकन की मांग केवल उपयोगकर्ता संख्या के वृद्धि के साथ ही नहीं, बल्कि कार्य की जटिलता और चलने के समय के साथ-साथ बढ़ेगी। एक निरंतर चल रहा एजेंट, योजना बनाने, खोजने, निष्पादित करने, सत्यापित करने और सुधारने की निरंतर प्रक्रिया करता रहेगा, जिससे अधिक कॉल और अधिक टोकन खपत होगी।
लेख में यह भी उल्लेख किया गया है कि मॉडल का प्रशिक्षण में भाग लेना स्वयं एक फ्लाईव्हील बनाता है: अधिक शक्तिशाली मॉडल अधिक शक्तिशाली एजेंट लाता है, जो अधिक उच्च गुणवत्ता वाले डेटा का उत्पादन करता है, जो फिर मॉडल के आगे विकास को बढ़ावा देता है। लेखक का मानना है कि इससे कैलकुलेशन क्षमता और टोकन की मांग एक अधिक मजबूत स्व-प्रवर्धित चरण में प्रवेश करेगी।