OpenAI Astra меняет фокус ИИ с ответов на выполнение долгосрочных задач

С тем, что стоит обратить внимание у Astra, не является то, насколько хорошо она решает ту или иную математическую задачу, а то, что OpenAI преобразует передовые модели из «систем мгновенных ответов» в исполнительные системы, способные работать в течение нескольких часов и более, самостоятельно разбивая задачи и взаимодействуя с реальными программами.

Автор статьи, источник: 0x9999in1, ME News



• С тем, что стоит обратить внимание у Astra, не является то, насколько хорошо она решает ту или иную математическую задачу, а то, что OpenAI преобразует передовые модели из «систем мгновенных ответов» в исполнительные системы, способные работать в течение нескольких часов и более, самостоятельно разбивая задачи и взаимодействуя с реальными программами.
• 16 агентов совместно доказывают математическую задачу, напрямую управляют компьютером, «стажер по исследованию ИИ» — эти демонстрации указывают на одно и то же изменение: ключевой показатель конкуренции ИИ смещается с качества однократного ответа на способность самостоятельно выполнять длинные и сложные рабочие цепочки.
• Если такая способность сможет быть стабильно развернута, логика покупки ИИ предприятиями также изменится: ранее покупали лицензии на программное обеспечение и Copilot, в будущем это будет всё больше похоже на покупку «цифровой рабочей силы» и пропускной способности задач.
• Но закрытые демонстрации не являются производственной средой. Astra пока не выпущена в общее пользование, так называемые «исследовательские стажеры» — это стандартная практика внутри OpenAI, а математические демонстрации дают лишь кандидатские доказательства, а не независимую сертификацию их научной корректности.
• Более тревожным является то, что улучшение способностей уже начало ограничивать собственную скорость разработки OpenAI. В августе OpenAI признала, что Astra могла достичь верхнего порога своих самых высоких сетевых безопасностных возможностей уровня «Critical» и поэтому приостановила часть тренировочных и оценочных мероприятий.
• Таким образом, спор о том, является ли Astra AGI, сейчас имеет ограниченный смысл. Настоящим важным вопросом стало то, что произойдет с экономическими моделями компаний, рынка труда и компаний, разрабатывающих ИИ, когда ИИ впервые получит возможность перейти от «ответа на ваши вопросы» к «постоянному выполнению работы за вас и даже помощи в исследовании следующего поколения ИИ».

Если смотреть только на поверхность, закрытый превью Astra легко можно воспринять как ещё один ход по созданию ажиотажа перед запуском модели.

Десятки топ-менеджеров ключевых клиентов OpenAI прибыли в новый офис MB0 в Сан-Франциско. Снаружи протестующие с плакатами «Stop the AI Race» всё ещё находятся на месте; внутри одна стена полностью покрыта зеленью, закрывая стеклянные двери и скрывая обе стороны друг от друга. Сам Альтман только что вернулся из Вашингтона, где ранее представил правительственным чиновникам семейство моделей, ещё не анонсированных публично.

Эта сцена на самом деле точнее отражает сегодняшнюю индустрию ИИ, чем любая презентация: капитал, клиенты и правительство ожидают, что возможности будут продолжать развиваться, в то время как другая группа уже начинает беспокоиться, что они развиваются слишком быстро.

Но настоящая важность Astra заключается не в том, «на сколько процентов улучшилась модель».

Первым демонстрационным заданием стало решение 16 AI-агентами исследовательской математической задачи. Они самостоятельно разбили задачу на несколько подзадач, попытались решить каждую из них, координировали результаты и объединили их в кандидатское доказательство. Здесь необходимо четко пояснить слово «кандидатское»: это не новая математическая теорема, прошедшая публичную проверку, и наличие 16 агентов, работающих одновременно, не означает автоматически, что это эквивалентно исследовательской команде из 16 выдающихся математиков. Множество моделей вполне могут допускать одну и ту же ошибку, и увеличение числа агентов не гарантирует линейного роста точности.

Но это всё ещё важно.

Потому что раньше, оценивая крупные модели, мы привыкли сосредотачиваться на одном вопросе: может ли она ответить?

Astra пытается заменить вопрос другим: может ли она самостоятельно организовать работу и постоянно выполнять сложную задачу?

Оба выглядят как отличающиеся всего на один шаг, но коммерческое значение может отличаться на целую эпоху.

Самым типичным способом взаимодействия в ранних версиях ChatGPT было задавание вопросов человеком и ответы от машины; затем Copilot начал внедряться в процессы программирования, офисной работы и творчества, где человек постоянно дает команды, а ИИ постоянно помогает. Agent движется дальше, что означает, что человеку достаточно указать цель, а машина сама определяет шаги, выбирает инструменты, проверяет промежуточные результаты и продолжает продвижение.

Так что второе демо стоит внимания руководителей компаний даже больше, чем математическая задача.

Astra напрямую управляет компьютером, переключается между несколькими распространенными настольными программами, создает и изменяет контент, выполняя все операции с невероятной скоростью. Алтман сказал, что наблюдение за тем, как модель использует компьютер с «суперчеловеческой, очень быстрой» скоростью, стало одним из самых потрясающих моментов для сотрудников OpenAI в последнее время.

Почему важно управлять компьютером?

Потому что большая часть работы в корпоративном мире — это не красивый вопрос, который можно ввести в чат.

Реальная работа распределена между браузером, Excel, электронной почтой, репозиториями кода, ERP, CRM, дизайнерскими программами, внутренними базами данных и системами одобрения. Ценность сотрудника никогда не ограничивается просто «знанием ответа» — она заключается в способности перемещать информацию между десятками систем, принимать решения, изменять файлы и продвигать процессы, чтобы в итоге довести дело до конца.

Пока ИИ не перешагнет этот порог, он остается в основном инструментом для получения знаний.

Преодолев это, оно впервые действительно приближается к «труду».

Альтман описал основную форму продукта для Astra как persistent agents — агенты, которые постоянно существуют и работают длительное время.

Это слово звучит не так впечатляюще, как AGI, но может быть более близко к тому, что действительно повлияет на финансовые результаты компаний в ближайшие годы.

Главный научный сотрудник OpenAI Якуб Пачоцкий сообщил TIME, что Astra достигла внутреннего стандарта OpenAI по роли «автоматизированного стажера-исследователя ИИ»: предоставьте ей идею эксперимента — она сможет реализовать решение в собственной кодовой базе OpenAI, запустить эксперимент и вернуть результаты; предоставьте ей научную статью — она сможет выполнить последующую работу, которая ранее занимала бы у человеческого исследователя около недели.

Это все еще лишь внутренняя оценка OpenAI, без независимой верификации третьей стороной, и ее нельзя просто интерпретировать как «Astra уже способна заменить исследователей». Однако сигнал, который она отправляет, достаточно ясен: единица измерения, которую OpenAI стремится достичь, переходит от токенов, ответов и диалогов к продолжительности задачи.

Этот нарратив не был внезапно создан самим OpenAI.

Независимая оценочная организация METR в течение нескольких лет пыталась измерять способности агентов с помощью «горизонта времени выполнения задачи»: вместо того чтобы спрашивать, может ли модель решить определенный тип задачи, она наблюдает, за какое время агент может выполнить задачу с определенной вероятностью успеха — аналогично тому, сколько времени потребовалось бы человеческому эксперту.

Данные METR после обновления в 2026 году по-прежнему демонстрируют явный экспоненциальный тренд улучшения. В долгосрочной перспективе сроки выполнения программных и исследовательских задач для передовых моделей удваиваются примерно каждые 6–7 месяцев; если рассматривать только данные с 2023 года, темпы роста еще выше. К маю этого года некоторые из самых новых открытых моделей уже приблизились к пределу или превзошли эффективный диапазон измерения их существующих тестовых наборов, составляющий около 16 часов, из-за чего METR специально предупредил, что данные, превышающие эту продолжительность, не следует чрезмерно интерпретировать.

Это именно объясняет, почему появилась Astra.

Когда задачи, которые модель может выполнять стабильно, увеличиваются с нескольких минут до нескольких часов, а затем до целого дня и более, форма продукта обязательно изменится. Вам больше не нужно постоянно сидеть у окна чата и исправлять её — вы начнёте говорить, как коллеге: «Разберись с этим вопросом, протестируй три варианта, собери данные и пришли мне результат завтра».

Так называемые «виртуальные коллеги» — настоящая граница никогда не в том, умеют ли они говорить как люди.

А будет ли оно продолжать работать после того, как ты уйдешь.

Это также самое недооцененное финансовое значение Astra.

За последние три года основная модель покупки генеративного ИИ компаниями по сути является продолжением традиционной модели SaaS: добавление одного AI-места на каждого сотрудника и ежемесячная доплата в несколько десятков долларов. Так работает Microsoft Copilot, корпоративная версия ChatGPT и множество других AI-решений SaaS.

Но по мере зрелости постоянного агента эта логика ценообразования будет становиться всё более неудобной.

Почему?

Компании теперь покупают не «право на использование ИИ сотрудником», а способность ИИ выполнять работу самостоятельно.

Предположим, что ранее финансовой команде требовалось 10 человек для обработки данных, подготовки черновиков отчетов, проверки аномалий и ввода данных в различные системы. В будущем у менеджеров возникнет не вопрос «Нужно ли покупать Copilot каждому из 10 человек», а вопрос «Сколько агентских мощностей мне нужно приобрести, чтобы выполнить эти задачи»?

В этот момент конкурентами ИИ уже не являются только программные бюджеты.

Оно начинает входить в бюджет на персонал.

Данные Stanford AI Index за 2026 год уже выявляют это противоречие. С одной стороны, уровень внедрения ИИ предприятиями продолжает быстро расти: в 2025 году 88% организаций в опросе уже использовали ИИ по крайней мере в одной области, а 70% — генеративный ИИ; с другой стороны, настоящие агенты внедрены лишь в единичных случаях в большинстве бизнес-функций.

Другими словами, люди уже очень охотно «используют ИИ», но пока не готовы массово «передавать дела ИИ».

Это именно тот разрыв, который пытается преодолеть Astra.

Преодолев этот порог, последствия не ограничатся только внутри технологических компаний. Согласно данным Стэнфорда, с 2024 года занятость программистов в возрасте от 22 до 25 лет в США снизилась почти на 20%; в то же время около трети опрошенных компаний ожидают сокращения персонала в течение следующего года из-за ИИ, однако в целом на рынке труда пока не наблюдается масштабного безработного кризиса, соответствующего этим потерям.

Это означает, что влияние ИИ на рынок труда, скорее всего, не будет внезапным включением общего выключателя, а сначала изменит спрос на границах входных точек найма, начальных должностей и стандартизированных знаний.

И именно поэтому название «стажер по исследованию ИИ» на самом деле очень тонкое.

Сегодня он может сначала выполнить за исследователей那些耗时一周、但目标相对清楚的实验工作; завтра компании спросят: где предварительное моделирование финансового аналитика? где сбор информации консультантом? где обычное программирование программиста? где выполнение межсистемных задач отделом маркетинга?

Раньше мы постоянно обсуждали, сможет ли ИИ «заменить профессию».

Более реалистичный процесс, скорее всего, заключается в том, что ИИ сначала постепенно берет на себя самые легко стандартизируемые,最容易验证 и наиболее трудоемкие модули работы в профессии. Должность не исчезнет внезапно какого-то утра, но работа, которую раньше требовалось выполнить десяти новичкам, со временем может потребовать только шести, четырех человек и набора агентов.

На рынок труда обычно влияет не то, что «ИИ внезапно научился всему».

Вместо этого компании обнаружили: следующего сотрудника можно пока не нанимать.

Если бы история здесь закончилась, Astra была бы просто продуктом с огромной коммерческой фантазией.

Проблема в том, что сама OpenAI уже доказала, что дело не так просто.

7 августа OpenAI официально заявила, что согласно последней внутренней оценке, компания больше не может исключать, что Astra достигнет уровня «Critical» в рамках своей системы подготовленности в области кибербезопасности.

Этот порог не является «модель сравнивает написание кода».

Согласно собственному определению OpenAI, уровень Critical означает, что модель может в отсутствие человеческого вмешательства искать и разрабатывать нулевые уязвимости различной степени тяжести в критически важных системах, усиленных реальностью, или самостоятельно проектировать и реализовывать новые энд-то-энд атаки на усиленные цели на основе только высокого уровня цели.

OpenAI подчеркивает, что на данный момент невозможно исключить этот уровень, а не то, что Astra уже окончательно подтверждена как обладающая всеми вышеуказанными возможностями; кроме того, Astra не имеет отношения к предыдущему инциденту с безопасностью OpenAI, связанному с Hugging Face.

Но реакция компании уже говорит сама за себя.

OpenAI усилила сетевую изоляцию, песочницы, защиту весов моделей и мониторинг на всех этапах, приостановив деятельность Astra, не соответствующую новым стандартам безопасности. 18 августа компания дополнительно сообщила, что для усиления среды и расширения охвата мониторинга недавно запланированная тренировка с использованием усиленного обучения была приостановлена на две недели, а самая масштабная передовая тренировка RL по-прежнему находится в состоянии приостановки, и множество связанных с Astra процессов тренировки и оценки еще не возобновлены.

Даже сама безопасность начинает превращаться в дорогостоящие вычислительные расходы.

OpenAI оценивает, что текущая система мониторинга может дополнительно потреблять около 20% вычислительной мощности, эквивалентной вычислительным ресурсам контролируемых выводов.

Этот набор цифр заслуживает внимания финансовых рынков.

За последние несколько лет история в сфере ИИ была следующей: чем мощнее модель, тем больше её коммерческая ценность, и поэтому стоит вкладывать больше GPU, центров обработки данных и электроэнергии. Но Astra начинает демонстрировать другую кривую затрат — чем мощнее модель, тем не только растут затраты на обучение, но и безопасность, изоляция, мониторинг и управление начинают поглощать вычислительные ресурсы.

Это означает, что экономическая модель следующего поколения ИИ не может учитывать только «стоимость за миллион токенов».

Необходимо также рассчитать риски потери контроля, безопасные резервы, ручное одобрение, изоляцию прав и реальные потери, вызванные ошибками.

Ошибка модели, которая пишет письма для вас, может вызвать лишь неловкость.

Ошибка агента, обладающего долгосрочной памятью, возможностью выполнения кода и доступом к сети, способного автономно управлять корпоративными системами в течение нескольких часов, имеет совершенно иной характер.

Чем ближе способности к «сотруднику», тем ближе управление правами должно быть к «сотруднику»; как только способности превышают обычного сотрудника, требования к безопасности должны быть даже выше, чем у сотрудника.

Так что настоящий вызов Astra для OpenAI, возможно, не в «сможет ли она это сделать».

А можно ли превратить такую систему в продукт, который компании смело внедрят в производственную среду.

Самой смелой фразой, которую Алтман произнес на закрытом предварительном просмотре, было его предположение, что Astra может стать первой моделью, способной «изобретать новое по-настоящему важным образом», и он назвал эту способность «очень похожей на AGI».

Этот текст, конечно, имеет ярко выраженный стиль Altman.

Сегодня нет никаких публичных доказательств того, что Astra стабильно создала важные научные новые знания, прошедшие рецензирование коллегами, а OpenAI также не опубликовала достаточного количества результатов внешнего тестирования. Поэтому называть Astra «AGI уже наступила» необоснованно и не имеет фактической основы.

Но почему Алтман именно подчеркивает «открытие новых знаний», стоит внимательно изучить.

Потому что именно здесь действительно может произойти экспоненциальное изменение в индустрии ИИ.

Если ИИ просто помогает людям повышать эффективность написания кода, дизайна и анализа файлов, то вся индустрия, как бы ни была она радикальной, по сути остается революцией инструментов повышения производительности. Он может значительно повысить экономическую эффективность, но все еще в основном зависит от людей, которые решают, что исследовать дальше, как проектировать эксперименты и как создавать следующее поколение технологий.

Если ИИ сможет участвовать в исследовании ИИ самих себя, логика изменится.

Агент, способный читать научные статьи, предлагать экспериментальные схемы, изменять крупные кодовые базы, самостоятельно запускать эксперименты и анализировать результаты, даже если он достигнет уровня отличного исследовательского стажера, уже сможет значительно расширить эффективные исследовательские возможности ведущей лаборатории.

Сегодня 100 исследователей могут одновременно запускать до 500 агентов; в будущем количество экспериментов, которые каждый исследователь сможет вести одновременно за день, будет определяться не 24 часами в сутках, а скорее вычислительной мощностью, стоимостью экспериментов и способностью к верификации.

Таким образом, ранее очень абстрактная концепция — «ИИ помогает разрабатывать лучший ИИ» — стала более конкретной.

Это то, что наиболее заслуживает внимания в Astra, а также то, где следует проявлять наибольшую сдержанность.

Однако между «выполнением экспериментов, разработанных другими» и «активным предложением новых ценных исследовательских направлений» существует огромный разрыв; а между «генерацией нового идеи, кажущейся разумной» и «созданием воспроизводимых, проверяемых и действительно продвигающих научный прогресс новых знаний» разрыв еще больше.

16 агентов могут работать одновременно, но это не означает 16-кратное инновационное развитие.

Даже если проводить по сто тысяч экспериментов в день, это не означает, что прорыв произойдет автоматически.

Науке никогда не хватает гипотез; настоящей редкостью является знание, какие вопросы стоит задавать, и какие результаты действительно важны.

Никто не может сделать вывод из закрытого демонстрационного показа, перешла ли Astra через эту черту.

Так что сейчас обсуждать, является ли Astra AGI, немного преждевременно.

Определение термина AGI изначально крайне расплывчато. Долгосрочное определение, используемое OpenAI, — это高度自主系统, превосходящие человека в большинстве экономически ценных задач; другие лаборатории, ученые и общественность имеют совершенно иные критерии оценки.

Вместо спора о ярлыке обратите внимание на три более конкретных вопроса.

Во-первых, как долго Astra сможет самостоятельно выполнять задачи и какова ее надежность?

Во-вторых, сколько времени людям потребуется на проверку и исправление ошибок после внедрения в производственную среду компании? Если агент работает восемь часов, но инженерам требуется еще три часа на проверку, его реальное повышение производительности совершенно не соответствует тому, что показано в демонстрационном видео.

Третье, и самое важное: может ли он продвинуть автоматизированные исследования от «выполнения экспериментов» к «открытию по-настоящему ценных новых знаний».

Первые два вопроса определяют, является ли Astra огромным бизнесом.

Третий вопрос — решить, является ли это переломным моментом эпохи.

С этой точки зрения, зеленая стена, подвинутая к входу MB0, имеет символическое значение. С одной стороны — десятки руководителей клиентов, впервые наблюдающие за цифровыми агентами, которые могут работать на них долгосрочно; с другой — протестующие, требующие прекращения гонки ИИ в всей отрасли. Обе стороны по-разному оценивают будущее, но обе признают одно и то же: эта технология становится все более мощной, чем раньше.

Astra еще не выпущена в общее пользование, и ее внутренние возможности еще не были достаточно проверены со стороны. Она может столкнуться с задержками, в реальных условиях может проявить множество проблем с надежностью, а также в итоге может не оказаться такой близкой к AGI, как описал Алтман.

Все эти возможности следует сохранить.

Но один момент становится все более очевидным.

На предыдущем этапе конкуренции крупных моделей ключевым было умение точнее отвечать на вопросы, которые мир уже знает; следующий этап, представленный Astra, начинает задавать вопрос: кто может постоянно действовать, самостоятельно выполнять сложные задачи и в конечном итоге помочь человечеству исследовать вопросы, на которые мир еще не знает ответов.

От чат-ботов до виртуальных коллег — четыре высокие стены: надежность, безопасность, стоимость и организационное доверие.

Сейчас OpenAI действительно делает ставку на то, что Astra сможет преодолеть каждый барьер.

А если это действительно произойдет, то, глядя назад на 2026 год, людям, возможно, будет не так важно, на сколько очков та или иная модель опередила других в рейтинге.

А именно — машины впервые начинают обладать способностью, ранее принадлежавшей исключительно человеку: получив задачу, самостоятельно продолжать её выполнение.

1. Алекс Хит, «Внутри перезагрузки OpenAI», TIME, 26 августа 2026 года (перепечатано в 雅虎科技). (雅虎科技)
2. OpenAI, «Реагирование на следующую границу критических кибервозможностей», 7 августа 2026 года. (OpenAI)
3. OpenAI, «Pacing model development in an era of cyber-critical capabilities», 18 августа 2026 года. (OpenAI)
4. Кэт Закржевски, Иэн Дункан, Райли Беггин, «Сэм Альтман улаживает отношения с Вашингтоном, пока OpenAI продвигает мощную новую ИИ», The Washington Post, 2026 год, 31 июля. (The Washington Post)
5. Стэнфордский институт гуманно-ориентированного ИИ, Отчет AI Index 2026 — Экономика, 2026 год. (СтэнфордHAI)
6. METR, «Временные горизонты выполнения задач моделей переднего плана ИИ», обновлено 8 мая 2026 года. (METR)
7. METR, «Time Horizon 1.1», 29 января 2026 года. (METR)
8. Остановите гонку ИИ, «Захватите OpenAI / Остановите гонку ИИ», 2026 год. (stoptherace.ai)