OpenAI запускает модель GPT-6 Astra, возможности ИИ-агента превышают предыдущие показатели

OpenAI выпустила модель GPT-6 Astra, обеспечив ключевой переход ИИ от Answer Engine к AI Agent. Astra уже способна управлять компьютером, просматривать веб-сайты, использовать программное обеспечение, писать и запускать код, а также выполнять сложные рабочие процессы. В тесте OSWorld 2.0 она показала результат 72,6%, превысив показатель GPT-5 в 65,7%. Это означает, что ИИ переходит от «лучшего ответа» к «успешному выполнению задач» — он больше не просто инструмент для ответов, а цифровая рабочая сила, которую можно «нанять». Спрос на токены перейдет от простого роста числа пользователей к мультипликативному эффекту, обусловленному одновременным ростом количества агентов, числа задач на агента и потребления токенов на каждую задачу. ИИ формирует эффект «Human+AI→Train→Better AI», где повышение способностей модели само становится двигателем роста спроса на вычислительные мощности.

Автор статьи, источник: Мнение меньшинства

Считается, что почти все согласны с нижеследующим:

В эпоху ИИ вас победит тот, кто раньше и лучше использует ИИ.

Но после запуска OpenAI собственной модели GPT-6 Astra это утверждение полностью неверно, или даже ошибочно. Сейчас действительно правильным будет сказать:

В эпоху ИИ вас побеждают не те, кто лучше использует ИИ, а те, кто активнее первыми владеет, внедряет и по-настоящему осваивает ИИ-агентов.

Отдельно отметим, что вышеупомянутый «вы» также может быть компанией.

Помните? В прошлом месяце Astra уже появлялась — тогда как внутренняя секретная модель OpenAI, Astra решила 10 математических и теоретических задач по информатике на уровне ведущих математических исследований (премия Филдса). А теперь главное достижение официально выпущенной OpenAI модели Astra заключается не только в том, что она стала «умнее» (обладает более высокими математическими и научными способностями), но и в том, что Astra превращает ИИ из Answer Engine в настоящего AI Agent.

Таким образом, на этот раз, вместо того чтобы ограничиваться рассказом о том, насколько повысился результат Astra в тестах, OpenAI сразу же четко описала границы возможностей Astra:

Astra уже может управлять компьютером, просматривать веб-страницы, использовать программное обеспечение, писать и запускать код, выполнять сложные рабочие процессы и выполнять долгосрочные задачи в области науки, кибербезопасности и профессиональной деятельности.

Это предложение резюмирует настоящий прорыв Astra. То есть ИИ действительно переходит от модели «человек → ИИ → ответ» к модели «человек → AI-агент → задача → выполнение → результат». Таким образом, GPT-6 Astra означает:

ИИ больше не просто инструмент для ответов на вопросы, а начинает становиться цифровой рабочей силой, которую можно «нанять» и которая работает без перерывов.

The improvement in Astra's capabilities for long-range missions is the most critical.

В тесте OSWorld 2.0 (тест, предложенный командами CMU и Стэнфорда, оценивающий способность AI-агентов выполнять сложные задачи в цифровой среде, такие как офисная работа, отладка многофайловых программных проектов и настройка системной сетевой безопасности, с последующим сравнением с базовыми показателями человеческих экспертов), Astra достигла 72,6%, что выше, чем 65,7% у GPT-5.6 Sol; одновременно время моделирования выполнения задач сократилось с примерно 75 минут до примерно 40 минут.

Это означает, что Astra переживает очень решающее изменение:

От «лучшего ответа» к «успешному завершению дел».

Это полностью изменит наш подход к пониманию «уровня проникновения ИИ» и оценке общего спроса на токены. Раньше, оценивая рынок ИИ, мы естественно задавали вопросы: сколько людей использует ChatGPT? Сколько сотрудников компаний используют Copilot? Каков уровень проникновения ИИ среди программистов, сотрудников служб поддержки, офисных работников и ученых?

Затем используйте «количество пользователей × ARPU» для оценки размера рынка ИИ. Эта логика, конечно, не вызывает проблем в эпоху Answer Engine, но в эпоху AI Agent возникают проблемы:

• Один человек, использующий ИИ, не означает, что объем работы ИИ ограничен одним человеком: один человек может создать множество задач для агентов; предприятие может одновременно развернуть сотни или тысячи агентов. Один агент может работать непрерывно в течение нескольких часов, даже круглосуточно.

Таким образом, выполняется следующее неравенство:

1 человек ≠ 1 AI-пользователь ≠ 1 единица объема работы ИИ.

Материаловед может настроить десятки AI-агентов одновременно для выполнения исследовательских задач по различным направлениям. Таким образом, настоящими переменными, на которые следует обратить внимание, становятся:

• Сколько всего AI-агентов работает в мире?
• Сколько задач выполняет каждый работающий AI-агент в день? Сколько токенов это потребляет?

Произведение этих двух чисел и будет истинной функцией спроса на ИИ.

Важно ли, используете ли вы ИИ, наблюдаете ли вы, используют ли ИИ ваши друзья, использует ли ИИ ваша компания — это совершенно не имеет значения для уровня проникновения ИИ и общего спроса на токены. Если вы не будете использовать ИИ, кто-то другой обязательно заменит ваши преимущества или ваш бизнес с помощью агентов ИИ, а затем заменит вас и вашу компанию.

Так что здесь особо добавим:

Сегодня хотя бы все средние и крупные компании должны уделять внимание разработке собственной стратегии ИИ на уровне совета директоров, ведь в этом мире слишком много умных людей, которые следят за вашими прибыльными бизнесами.

Таким образом, определение уровня проникновения ИИ сместилось с «на человека» на «на агента». Раньше считалось, что так:

Уровень проникновения ИИ = количество пользователей ИИ / потенциальное население

А после Astra формула проникновения AI-агентов выглядит так:

Уровень проникновения агента = объем задач, переданных AI-агенту / объем задач, которые может выполнять агент

Конечно, знаменатели этих двух формул имеют огромную разницу в порядке величины. Поскольку агентам больше не нужно соответствовать количеству людей в пропорции один к одному, один человек может одновременно владеть несколькими персональными ИИ-агентами. Что касается количества «задач, которые могут быть выполнены агентами», я считаю, что страница презентации Astra, опубликованная OpenAI, дает нам намек.

Выше представлена карта вселенной, представленная OpenAI на странице представления Astra. С одной стороны, человечество кажется крошечным по сравнению с вселенной, а с другой — наша полная неосведомленность о космосе. Все исследования неизвестного могут стать задачами для AI-агентов, и, следовательно, количество AI-агентов может быть бесконечным.

Таким образом, «сколько людей по всему миру начали использовать ИИ» и «сколько цифровых рабочих сил в настоящее время функционируют» — это две совершенно разные величины.

При этом на общий спрос на токен будет оказывать гораздо большее влияние эластичность спроса, чем рост числа пользователей AI-агентов. Потому что спрос на токен в эпоху агентов растет не только за счет увеличения числа пользователей, но и за счет роста объема AI-задач, приходящихся на каждого агента.

Таким образом, общий спрос на токен можно приблизительно записать как:

Общий спрос на токены ≈ Количество AI-агентов × Количество задач на агента × Потребление токенов на задачу

И все три переменные могут одновременно быстро расти.

Во-первых, увеличение количества агентов. Раньше один человек мог использовать только один ChatGPT, в будущем один человек может одновременно запускать персонального ассистента, агента для программирования, агента для исследований, агента для финансов, агента для покупок и т.д. Компании могут расширить количество агентов с десятков или сотен до тысяч или десятков тысяч.

Во-вторых, количество задач, выполняемых каждым агентом, постоянно растет. Раньше задача вроде «помоги мне резюмировать эту статью» требовала всего несколько тысяч токенов, а в будущем это будет что-то вроде: «исследуй эту отрасль, прочитай 500 документов, сравни 50 компаний, построй модель, найди аномалии, составь отчет и на основе отчета предложи инвестиционные рекомендации». Именно здесь заключается смысл Astra: чем сложнее задачи, которые может выполнять модель, тем смелее люди будут поручать агентам сложные задачи.

В-третьих, агент перейдёт от «временного вызова» к «постоянной работе». Это самое важное изменение. Традиционный ChatGPT работает так: пользователь задаёт вопрос, вызывает его один раз, получает ответ, и работа завершается. А ИИ-агент —

Достижение цели → Планирование → Поиск → Выполнение → Проверка → Корректировка → Повторное выполнение → Завершение.

Это непрерывно работающая вычислительная цепочка, которая постоянно генерирует вызовы API. Чем сложнее задача, тем длиннее рассуждение, тем больше контекст, тем больше вызовов инструментов и тем больше выводов, а значит, тем больше расходуется токенов.

Таким образом, AI-агенты не только увеличат количество пользователей ИИ, но и усилат спрос на токены, стоящие за каждым пользователем ИИ.

Таким образом, вполне возможно, что количество AI-агентов увеличилось только на 20%, а общий спрос на токены вырос на 300%.

Astra — это крупнейший тренировочный запуск от OpenAI на сегодняшний день, и согласно опубликованной информации, масштаб ее обучения превысил 100 000 GPU. Более того, ИИ все чаще участвует в самом процессе обучения моделей.

Раньше было «Человек→Обучение→ИИ», а сейчас постепенно меняется на:

Человек + ИИ → Обучение → Лучший ИИ

Это уже базовый режим RSI, при котором модель может участвовать в генерации обучающих данных, выявлении проблем, оценке, предоставлении обратной связи и даже помогать в части инженерных и исследовательских задач в процессе обучения.

Таким образом, образуется очень красивая цепочка эффекта вращающегося маховика:

Более мощные модели обеспечивают более сильные возможности AI-агентов, которые могут выполнять больше задач реального мира, генерируя больше высококачественных данных и обратной связи, что, в свою очередь, помогает обучать более мощные модели, а более мощные модели снова повышают способности агентов, позволяя им брать на себя всё больше задач…

Это означает, что развитие ИИ не будет происходить по принципу «версионной итерации», как традиционное программное обеспечение, а скорее напоминает самоускоряющуюся производственную систему. В результате спрос на токены будет испытывать мультипликативный эффект одновременного роста по нескольким переменным, и чем сильнее модель, тем ярче этот мультипликативный эффект.

Таким образом, мы обязательно увидим:

Само повышение возможностей моделей становится двигателем роста спроса на вычислительные мощности ИИ, что ведет к появлению миллиардов, десятков миллиардов и все большего числа цифровых рабочих сил в виде AI-агентов, после чего спрос на токены несется волной, не имеющей предела.

Вот в чем заключается важность этого выпуска GPT-6 Astra.