OpenAI Astra змінює фокус ШІ з відповідей на виконання довгострокових завдань

Справжнє значення Astra полягає не в тому, наскільки добре вона вирішує певну математичну задачу, а в тому, що OpenAI перетворює передові моделі з «систем миттєвих відповідей» у виконавчі системи, здатні працювати протягом годин або довше, автономно розбиваючи завдання та керуючи реальним програмним забезпеченням.

Автор статті, джерело: 0x9999in1, ME News



• Справжнє значення Astra полягає не в тому, наскільки добре вона вирішує певну математичну задачу, а в тому, що OpenAI перетворює передові моделі з «систем миттєвих відповідей» у виконавчі системи, здатні працювати протягом годин або довше, автономно розбиваючи завдання та керуючи реальним програмним забезпеченням.
• 16 агентів спільно доводять математичну задачу, прямо керують комп’ютером, «AI-стажер-дослідник» — ці демонстрації вказують на одну й ту ж зміну: ключовим показником конкуренції штучного інтелекту стає не якість окремої відповіді, а здатність самостійно виконувати довгі та складні робочі ланцюжки.
• Якщо цю здатність можна стабільно розгорнути, логіка покупки ШІ компаніями зміниться: раніше купували ліцензії на програмне забезпечення та Copilot, майбутнє може все більше наближатися до покупки «цифрової робочої сили» та пропускної спроможності завдань.
• Але закриті демонстрації — це не виробниче середовище. Astra ще не була офіційно випущена, а так звані «дослідні стажери» — це стандартна практика всередині OpenAI; математичні демонстрації дають лише кандидатські доведення, а не незалежну перевірку їх наукової правильності.
• Ще більш насторожуючим є те, що підвищення здібностей вже почало обмежувати власну швидкість розробки OpenAI. У серпні OpenAI визнала, що Astra може досягти верхнього рівня своїх критичних мережевих можливостей безпеки, і через це призупинила частину навчання та оцінки.
• Отже, сьогодні суперечки про те, чи є Astra AGI, мають обмежене значення. Справжньо важливим питанням стало: що відбудеться з економічними моделями бізнесу, ринку праці та компаній зі штучним інтелектом, коли ІН вперше отримає можливість перейти від «відповіді на ваші запитання» до «постійного виконання роботи за вас, навіть допомоги у дослідженні наступного покоління ІН».

Якщо дивитися лише на поверхню, закритий попередній перегляд Astra легко можна сприйняти як ще один хід зі створення ажиотажу перед випуском моделі.

Десятки керівників ключових клієнтів OpenAI прибули до нової будівлі MB0 у Сан-Франциско. Зовні протестувальники з плакатами «Stop the AI Race» залишаються на місці; всередині цілий стінний сад з рослинами розташований перед скляними дверима, перешкоджаючи огляду між двома сторонами. Сам Альтман повернувся з Вашингтона, де вже представив урядовим чиновникам США цю сімейство моделей, ще не оприлюднену.

Цей кадр насправді точніше, ніж будь-який прес-реліз, описує сьогоднішній AI-бізнес: капітал, клієнти та уряд чекають, поки здатності продовжуватимуть розвиватися, тоді як інша група людей вже починає стурбовуватися, що вони розвиваються занадто швидко.

Але справжня важливість Astra полягає не в тому, «на скільки відсотків підвищилася модель».

Першим демонстраційним завданням на місці було те, що 16 AI-агентів вирішували дослідницьку математичну задачу. Вони самостійно розбили задачу на кілька підзадач, спробували кожну з них, координували результати та об’єднали їх, щоб отримати кандидатське доведення. Тут потрібно чітко пояснити слова «кандидатське»: це не нова математична теорема, яка була публічно перевірена, і не можна вважати, що через роботу 16 агентів одночасно вони еквівалентні дослідницькій команді з 16 видатних математиків. Кілька моделей можуть повністю ділити одну й ту саму помилку, і збільшення кількості агентів не означає автоматичного лінійного зростання точності.

Але це все ще важливо.

Оскільки раніше ми оцінювали великі моделі, звикли звертати увагу на один запитання: чи здатна вона відповісти?

Astra намагається замінити питання іншим: чи може вона самостійно організувати роботу і постійно виконувати складну задачу?

Обидва виглядають як різниця на крок, але комерційний зміст може відрізнятися на епоху.

Найбільш типовим способом взаємодії з ChatGPT на початковому етапі було те, що людина ставила запитання, а машина відповідала; потім Copilot почав входити в процеси програмування, офісної роботи та творчості, де людина постійно надавала інструкції, а ІІ допомагала. Agent йде ще далі, означаючи, що людина має лише вказати мету, а машина сама визначає кроки, вибирає інструменти, перевіряє проміжні результати та постійно просувається вперед.

Отже, друга демонстрація варта уваги керівників компаній навіть більше, ніж математична задача.

Astra безпосередньо керує комп’ютером, переключається між кількома поширеними настільними програмами, створює та змінює вміст, виконуючи операції з надзвичайною швидкістю. Алтман зазначив, що спостерігати, як модель використовує комп’ютер з “надлюдською, дуже швидкою” ефективністю, — одне з найбільш вражаючих явищ для співробітників OpenAI за останній час.

Чому важливо керувати комп’ютером?

Більшість роботи в бізнес-сфері — це не чудова проблема, яку можна ввести в чат.

Робочі завдання розкидані між браузером, Excel, електронною поштою, сховищами коду, ERP, CRM, дизайн-програмами, внутрішніми базами даних та системами затвердження. Цінність працівника полягає не лише в тому, що він «знає відповідь», а в тому, що він може переносити інформацію між десятками систем, приймати рішення, змінювати файли та просувати процеси, щоб завершити справу.

Доки штучний інтелект не подолає цей бар’єр, він залишається переважно інструментом для отримання знань.

Як тільки ви перетнете цю межу, вона вперше справді наближається до «праці».

Альтман описав основну форму продукту для Astra як persistent agents — агенти, що постійно існують і працюють довготривало.

Це слово звучить менш захопливо, ніж AGI, але може бути ближчим до того, що справді вплине на фінансові результати компаній у найближчі роки.

Головний науковець OpenAI Якуб Пачоцкі сказав TIME, що Astra досягла внутрішнього стандарту компанії «автоматизований AI-стажер у дослідженнях»: надайте їй ідею експерименту — вона зможе увійти до власного кодового базису OpenAI, реалізувати рішення, запустити експеримент і повернути результати; надайте їй наукову статтю — вона зможе виконати наступні дії, які раніше могли зайняти людського дослідника близько тижня.

Це все ще лише внутрішнє тестування OpenAI, без незалежної перевірки третьою стороною, і зовсім не означає, що «Astra вже може замінити дослідника». Але сигнали, які він висвітлює, достатньо чіткі: OpenAI прагне до одиниць, які переходять від токенів, відповідей і діалогів до тривалості завдань.

Цей напрямок не був вигаданий OpenAI.

Незалежна оціночна організація METR протягом кількох років намагалася вимірювати здатність агентів за допомогою «горизонту часу на виконання завдання»: замість того, щоб питати, чи може модель вирішити певний тип завдання, вона спостерігає, за який час, з певним рівнем успішності, вона здатна виконати завдання, яке людському експертові потрібно було б виконати.

Дані METR після оновлення у 2026 році все ще показують дуже помітний експоненційний тренд покращення. У довгостроковій перспективі час, необхідний для програмного забезпечення та дослідницьких завдань передових моделей, подвоюється приблизно кожні 6–7 місяців; якщо розглядати лише дані з 2023 року, темпи зростання ще вищі. До травня цього року деякі найновіші публічні моделі вже наблизилися до або навіть перевищили існуючий діапазон ефективних вимірювань у 16 годин, через що METR спеціально попереджає, що дані, що перевищують цю тривалість, не слід надмірно інтерпретувати.

Саме це пояснює, чому з’явилася Astra.

Коли завдання, які модель може стабільно виконувати, збільшуються з хвилин до годин, а потім — до дня і навіть довше, форма продукту обов’язково зміниться. Ви більше не повинні постійно сидіти біля вікна чату, щоб виправляти її — замість цього ви починаєте говорити, як колегам: «Досліди це питання, протестуй три варіанти, зібери дані і надай мені результат завтра».

Так звані «віртуальні колеги» — справжній роздільний момент — це не те, чи вони говорять як люди.

А чи буде він продовжувати працювати після твого відходу.

Це також найбільш недооцінений фінансовий аспект Astra.

За останні три роки основна модель придбання генеративного ІІ підприємствами суттєво є продовженням традиційної моделі SaaS: додавання одного AI-місця на кожного працівника та додаткові десятки доларів щомісяця. Так само працює Microsoft Copilot, підприємська версія ChatGPT та багато інших AI-сервісів SaaS.

Але зі зрілістю персистентного агента ця логіка ціноутворення стане все більш незручною.

Чому?

Компанії насправді купують не «доступ до штучного інтелекту для певного співробітника», а здатність штучного інтелекту виконувати роботу самостійно.

Припустимо, що фінансова команда раніше потребувала 10 осіб для обробки збору даних, підготовки чернеток звітів, перевірки аномалій та введення даних між системами. У майбутньому проблема, з якою стикатимуться менеджери, може більше не полягати в тому, «чи варто купувати Copilot для кожної з 10 осіб», а буде зводитися до того, «скільки робочого обсягу агентів мені потрібно купити, щоб виконати ці завдання».

Тоді конкурентами ШІ вже не будуть лише програмні бюджети.

Воно починає входити до бюджету на персонал.

Дані Stanford AI Index за 2026 рік вже виявили цей суперечливий стан. З одного боку, використання штучного інтелекту підприємствами продовжує швидко зростати: у 2025 році 88% організацій, що брали участь у опитуванні, вже використовували ШІ принаймні в одній галузі, а 70% — генеративний ШІ; з іншого боку, справжнє розгортання агентів залишається на однозначному рівні у більшості бізнес-функцій.

Іншими словами, люди вже дуже готові «використовувати ШІ», але ще не готові масово «передавати справи ШІ».

Це саме розрив, який намагається подолати Astra.

Після того як це подолають, вплив не обмежиться лише технологічними компаніями. За даними Стенфорду, з 2024 року зайнятість програмістів у США віком 22–25 років знизилася майже на 20%; одночасно близько третини опитаних компаній очікують, що за наступний рік ШІ призведе до скорочення персоналу, тоді як загальний ринок праці наразі далеко не має масштабної безробітності такого ж розміру.

Це означає, що вплив ШІ на ринок праці, ймовірно, не буде відбуватися раптово, як натискання загального перемикача, а спочатку змінить попит на краєві аспекти рекрутування, початкових посад та стандартизованих знаннєвих робіт.

Тому цей термін — «інтерн з досліджень ШІ» — дуже тонкий.

Сьогодні він може спочатку виконати за дослідника ті експерименти, які займають тиждень, але мають відносно чіткі цілі; завтра компанія запитає: де початкове моделювання фінансового аналітика? інформація, зібрана консультантом? звичайна розробка програміста? виконання міжсистемних завдань відділом маркетингу?

Раніше ми завжди обговорювали, чи штучний інтелект «замінить професію».

Більш реалістичний процес, ймовірно, полягає в тому, що ШІ спочатку поступово забирає найлегші для стандартизації, найлегші для перевірки та найбільш часомісткі модулі роботи в професії. Посада не зникне раптово одного ранку, але роботу, яку раніше потрібно було виконати десяти новачкам, може поступово виконувати шість осіб, чотири особи та група агентів.

Те, що справді змінює ринок праці, зазвичай не «AI раптово все вміє».

Замість цього компанії виявили: наступного співробітника можна не наймати.

Якби історія закінчилася тут, Astra була б просто дуже комерційно уявним продуктом.

Проблема в тому, що OpenAI сама вже довела, що справи не такі прості.

7 серпня OpenAI публічно заявила, що згідно з останньою внутрішньою оцінкою, компанія не може виключити, що Astra досягла рівня «Critical» у рамках Preparedness Framework щодо кібербезпеки.

Цей поріг не є «модель порівняння може писати код».

Згідно з власним визначенням OpenAI, рівень Critical означає, що модель може виявляти та розробляти нульові дні різного ступеня серйозності для великої кількості критичних систем, підсиленних реальністю, без людського втручання, або самостійно проектувати та виконувати нові енд-ту-енд атаки на підсилені цілі, спираючись лише на високорівневу мету.

OpenAI підкреслює, що наразі цей рівень просто не може бути виключений, а не те, що Astra вже остаточно підтверджена як маюча всі вищезазначені здібності; крім того, Astra не має жодного відношення до попередніх інцидентів безпеки OpenAI, пов’язаних із Hugging Face.

Але реакція компанії вже достатня, щоб все зрозуміти.

OpenAI посилила мережеву ізоляцію, сандбокси, захист ваг моделей та моніторинг усіх етапів, призупинивши діяльність Astra, що не відповідає новим стандартам безпеки. 18 серпня компанія додатково розкрила, що навчання з підсиленням для останніх моделей, які планувалося розгорнути, було призупинено на два тижні для підсилення середовища та розширення покриття моніторингу, а найбільш масштабні передові RL-навчання залишалися призупиненими, і багато робіт з навчання та оцінки, пов’язаних з Astra, ще не відновлено.

Навіть сама безпека починає ставати витратною витратою обчислювальних ресурсів.

OpenAI оцінює, що поточна система моніторингу може додатково споживати приблизно 20% обчислювальних потужностей від обчислювальної потужності, що витрачається на моніторингові висновки.

Ця цифрова група дуже варта пам’яті ринків капіталу.

Протягом останніх кількох років історія галузі ШІ полягала в тому, що чим потужнішою є модель, тим більшою є її комерційна цінність, і тому варто інвестувати більше GPU, центрів обробки даних та електроенергії. Але Astra почала демонструвати іншу криву витрат — чим потужнішою є модель, тим не тільки зростають витрати на навчання, але й безпека, ізоляція, моніторинг та управління самі починають поглинати обчислювальні ресурси.

Це означає, що економічна модель наступного покоління ШІ не може обчислювати лише «скільки коштує мільйон токенів».

Також необхідно розрахувати ризики втрати контролю, безпекові резерви, ручне схвалення, ізоляцію прав та реальні втрати, спричинені помилками.

Помилка моделі, яка допомагає писати листи, може призвести лише до незручності.

Помилка агента, який має довгострокову пам’ять, може виконувати код, має доступ до мережі та може автономно керувати корпоративними системами протягом кількох годин, має зовсім інший характер.

Чим ближче здібності до «працівника», тим ближче повинні бути управління правами до «працівника»; якщо здібності перевищують звичайного працівника, вимоги безпеки навіть повинні бути вищими, ніж у працівника.

Отже, справжнім викликом Astra для OpenAI, можливо, не є «чи зможуть вони це зробити».

А чи можна перетворити таку систему на продукт, який підприємства відважаться впровадити в продуктивне середовище?

Найбільш віддаленим твердженням Алтмана під час закритого попереднього перегляду було його передбачення, що Astra може стати першою моделлю, здатною «винаходити нове справжнім чином», і він назвав цю здатність «дуже схожою на AGI».

Цей вислів, звичайно, має сильний стиль Алтмана.

Сьогодні немає жодних публічних доказів, що Astra стабільно створила важливі наукові нові знання, які пройшли перевірку колегами, а OpenAI ще не опублікувала достатньо зовнішніх тестових результатів. Тому прямо називати Astra «AGI вже настав» немає ні потреби, ні фактичної підстави.

Але чому Алтман саме підкреслює «відкриття нових знань», варто уважно дослідити.

Бо саме тут може відбутися справжній експоненційний зруш у галузі ШІ.

Якщо ШІ лише допомагає людям підвищувати ефективність написання коду, дизайну та аналізу файлів, то вся індустрія, навіть найбільш радикальна, за суттю залишається революцією інструментів продуктивності. Вона може значно підвищити економічну ефективність, але все ще залежить від людини, щоб вирішити, що досліджувати далі, як проектувати експерименти та як створювати наступне покоління технологій.

Якщо ШІ зможе брати участь у дослідженнях ШІ, логіка змінюється.

Агент, який може читати наукові статті, розробляти експериментальні схеми, змінювати великі кодові бази, самостійно запускати експерименти та аналізувати результати, навіть якщо він досягає лише рівня відмінного дослідного стажера, вже може значно розширити ефективність дослідницьких можливостей провідної лабораторії.

Сьогодні 100 дослідників, можливо, можуть запускати 500 агентів; у майбутньому кількість експериментів, які кожен дослідник може одночасно проводити щодня, більше не буде залежати від 24 годин на день, а більше від обчислювальних потужностей, витрат на експерименти та здатності до верифікації.

Отже, колись дуже абстрактна ідея — «AI допомагає розробляти кращий AI» — почала набирати конкретних форм.

Це саме те, що варто найбільше звертати увагу в Astra, а також те, де слід зберігати обережність.

Оскільки між «виконанням експериментів, розроблених іншими» та «активним запропонуванням цінних нових напрямків досліджень» все ще існує величезна пропасть; а між «генерацією нового ідеї, що виглядає правдоподібно» та «створенням повторюваних, перевірених і справді просуваючих науковий прогрес нових знань» розрив ще більший.

16 агентів можуть працювати одночасно, але це не означає 16-кратного інноваційного потенціалу.

Десять тисяч експериментів на день не означають, що прорив відбудеться сам собою.

Науці завжди не вистачає припущень, справді рідкісним є знання, які питання варто ставити, і які результати справді важливі.

Чи подолала Astra цю межу, зараз ніхто не може вивести висновок з однієї закритої демонстрації.

Отже, обговорення того, чи є Astra AGI, трохи передчасне.

Визначення терміна AGI спочатку є дуже нечітким. Довготривале визначення OpenAI — це високосамостійна система, яка перевершує людину у більшості економічно цінних завдань; інші лабораторії, вчені та громадськість мають зовсім інші критерії оцінки.

Замість суперечок про ярлик, спостерігайте три більш конкретні питання.

По-перше, як довго Astra здатна самостійно виконувати завдання, і яка є її надійність?

Друге, коли воно потрапляє в середовище виробництва підприємства, скільки часу людям потрібно витратити на перевірку та виправлення помилок? Якщо агент працює за вас вісім годин, але інженерам потрібно ще три години на перевірку, його реальне підвищення продуктивності має нічого спільного з демонстраційним відео.

Третє, і найважливіше: чи може він перевести автоматизовані дослідження з «виконання експериментів» на «відкриття справді цінних нових знань».

Перші два питання визначають, чи є Astra величезним бізнесом.

Третє питання — саме воно вирішує, чи є це переломний момент епохи.

З цієї точки зору зелена стіна, яку привезли до входу MB0, має символічне значення. З одного боку — десятки керівників клієнтів, які вперше бачать цифрових агентів, що можуть довгостроково працювати для них; з іншого — протестувальники, які вимагають припинити гонку штучного інтелекту в усьому галузі. Обидві сторони мають різні уявлення про майбутнє, але обидві погоджуються з однією реччю: ця технологія стає потужнішою, ніж будь-коли раніше.

Astra ще не опублікована, і її внутрішні можливості ще не були достатньо перевірені зовні. Вона може зазнати затримки, може виявити велику кількість проблем із надійністю у реальних умовах або може в кінцевому підсумку не бути такою близькою до AGI, як описав Altman.

Ці можливості слід зберегти.

Але одне стає все більш очевидним.

На попередньому етапі конкуренції великих моделей ключовим було те, хто може точніше відповідати на питання, які світ вже знає; наступний етап, який представляє Astra, починає ставити питання: хто здатний постійно діяти, самостійно виконувати складні завдання і нарешті допомагати людству досліджувати питання, на які світ ще не знає відповідей.

Між чат-ботами та віртуальними колегами стоять чотири високі стіни: надійність, безпека, витрати та організаційна довіра.

Сьогодні OpenAI справді робить ставку на те, що Astra зможе перебороти кожен бар’єр.

А якщо він справді перевернеться, люди, дивлячись назад на 2026 рік, можливо, не звертатимуть уваги на те, на скільки балів та чи інша модель посіла лідируюче місце в рейтингу.

Але машина вперше почала отримувати здатність, яка раніше належала виключно людині: отримати завдання і самостійно продовжувати його виконувати.

1. Алекс Хіт, «Всередині перезавантаження OpenAI», TIME, 26 серпня 2026 року (перепрукладено з 雅虎科技). (雅虎科技)
2. OpenAI, «Реагування на наступну межу критичних кіберможливостей», 2026 рік, 7 серпня. (OpenAI)
3. OpenAI, «Повільне розроблення моделей у епоху кіберкритичних можливостей», 18 серпня 2026 року. (OpenAI)
4. Кат Закржевська, Ієн Данкан, Райли Беггін, «Сем Альтман веде переговори з Вашингтоном, поки OpenAI розробляє потужний новий ШІ», The Washington Post, 2026 рік, 31 липня. (The Washington Post)
5. Інститут гуманоцентричного штучного інтелекту Стенфорду, звіт про штучний інтелект 2026 року — економіка, 2026 рік. (斯坦福HAI)
6. METR, «Терміни виконання завдань передових моделей ШІ», оновлено 8 травня 2026 року. (METR)
7. METR, «Time Horizon 1.1», 29 січня 2026 року. (METR)
8. Зупиніть гонку штучного інтелекту, «Окупіруйте OpenAI / Зупиніть гонку штучного інтелекту», 2026 рік. (stoptherace.ai)