Зарубежные СМИ считают, что после запуска OpenAI GPT-6 Astra логика конкуренции в области ИИ изменилась. В центре внимания больше не просто «кто лучше использует ИИ», а «кто раньше внедрит и освоит ИИ-агентов». В статье Astra рассматривается как переходный этап от ответов на вопросы к выполнению задач.
От ответа к исполнению
Astra описывается как способная управлять компьютером, просматривать веб-страницы, использовать программное обеспечение, писать и запускать код, а также выполнять более длинные рабочие процессы. Статья считает, что это означает переход ИИ от модели «человек задает вопрос, модель отвечает» к модели «человек поручает задачу агенту, агент ее выполняет».
По мнению автора, ключевое преимущество Astra — не только в более высоких возможностях, но и в том, что она становится ближе к цифровой рабочей силе, которую можно «нанять». Она больше не просто генерирует ответы, а начинает выполнять постоянные рабочие задачи.
Проникновение больше не измеряется по количеству людей
Статья использует результаты тестирования OSWorld 2.0, чтобы показать, что Astra лучше справляется с долгосрочными задачами и значительно сокращает время их выполнения. Автор делает вывод, что способ расчета уровня проникновения ИИ также необходимо изменить и больше нельзя просто оценивать его по количеству людей, использующих ИИ.
Более важными переменными стали: сколько агентов запущено, сколько задач выполняет каждый агент и сколько токенов потребляет каждая задача. В статье говорится, что один человек может одновременно развернуть несколько агентов, а компании могут одновременно запускать сотни или тысячи агентов.
Спрос на токен будет усилен
Автор дополнительно отмечает, что спрос на токены в эпоху агентов растет не только за счет увеличения числа пользователей, но и пропорционально сложности задач и продолжительности выполнения. Постоянно работающий агент постоянно выполняет планирование, поиск, выполнение, проверку и корректировку, что приводит к большему количеству вызовов и более высокому потреблению токенов.
Статья также отмечает, что участие моделей в обучении само по себе создает эффект вращающегося колеса: более мощные модели приводят к более сильным агентам, а более сильные агенты генерируют больше высококачественных данных, что, в свою очередь, способствует дальнейшему улучшению моделей. Авторы считают, что это приведет к усилению самоподдерживающегося роста спроса на вычислительные мощности и токены.