GPT-6 Astra: A new generation of intelligence

Med Astra introducerer vi en ny måde, hvorpå Codex kan bevare og hente sammenhæng, når sammenhængsvinduet fyldes. Historisk set har modeller brugt komprimering til at sammenfatte arbejde under lange sessioner, f.eks. når de fejlfinder komplekse problemer eller håndterer store refaktoreringer. Hver komprimering kan udelade detaljer om, hvorfor en rettelse mislykkedes, eller hvordan en komponent fungerer. I Codex kan Astra gemme noter på tværs af sammenhængsvinduer og dermed bevare de akkumulerede detaljer uden gentagne gange at komprimere dem til en enkelt sammenfatning. Tidligere sammenhængsvinduer forbliver søgbare, så Astra kan finde krav eller testresultater fra tidligere beskeder og værktøjsoutput—også selvom oplysningerne ikke blev registreret i dens noter. Du kan aktivere denne eksperimentelle funktion i din Codex config.toml,⁠(åbner i et nyt vindue) og den vil blive standarden for Astra i løbet af de næste uger.

I betragtning af bekymringer om, at eksponering for historiske sårbarheder i software kan have påvirket benchmark-resultaterne, har vi også evalueret Astra ved hjælp af to nye benchmarks. For det første udviklede vi en intern evaluering, "ExploitBench (juni–august 2026)", til at teste udvikling af exploits ved hjælp af sårbarheder fra de foregående tre måneder.¹⁴ Astra opnåede væsentligt højere rater for vilkårlig kodeeksekvering end GPT‑5.6 Sol på dette datasæt, samtidig med at den brugte langt færre output-tokens. Under evalueringen opdagede og udnyttede Astra endda to hidtil ukendte zero-day-sårbarheder. Vi videregiver oplysninger om begge sårbarheder til de ansvarlige for vedligeholdelsen af disse.

Vi testede også Astra på SRE-Bench¹⁵, en benchmark, der måler, om modeller kan foretage reverse engineering af softwarebinærer for at forstå dens grundlæggende logik uden adgang til rå kildekode. Astra løste 88,0 % af opgaverne i ét forsøg og 99,2 % inden for fire forsøg sammenlignet med henholdsvis 55,9 % og 68,7 % for GPT‑5.6 Sol.

Ud over benchmarks konstaterede ekspertledede vurderinger, at Astra, når den blev kørt uden produktionssikkerhedsforanstaltninger, kunne udnytte hidtil ukendte sårbarheder til at eksekvere vilkårlig kode i hærdede browsere og skabe exploits til rettighedseskalering for hærdede operativsystemer.

Som vi drøftede i The Defender’s Window, kan banebrydende cyberfunktioner hjælpe sikkerhedsansvarlige med at finde svagheder hurtigere, men de gør også disse svagheder lettere at udnytte, hvilket øger presset på de sikkerhedsansvarlige for at tilpasse sig. Med den version af Astra, der lanceres i dag, kan sikkerhedsansvarlige bruge den til at udføre opgaver såsom sikker kodegennemgang og patching.

Astra vil dog afvise at udføre mere avancerede cybersikkerhedsopgaver såsom at oprette proof-of-concept-exploits til sårbarheder. Gennem OpenAI Daybreak⁠ planlægger vi at udvide adgangen og udrulle mindre restriktive sikkerhedsforanstaltninger i de kommende uger. Dette vil muliggøre flere defensive arbejdsgange, herunder sårbarheds- og proof-of-concept-validering, analyse af malware og detekteringsteknik.

Vi har også styrket vores beskyttelse mod potentielt cybermisbrug med udgangspunkt i vores sikkerhedsforanstaltninger for GPT‑5.6 Sol. Disse omfatter større modelrobusthed for bedre at kunne modstå potentielle jailbreaks og mere sammenhæng til vores overvågningssystemer. Vi har fortsat de grundige interne og eksterne tests, herunder automatiserede evalueringer med vores interne red-teaming-angribere. Du kan finde flere oplysninger om vores cybersikkerhedsforanstaltninger og tests i Astras sikkerhedsoversigt⁠ og systemkort⁠(åbner i et nyt vindue).

Vores evalueringer viste, at Astras skriftlige ræsonnering var sværere at overvåge end GPT‑5.6 Sols, baseret på tests, der udtrykkeligt bad den om at omgå overvågning. Vi tilskriver dette Astras større kontrol over skriftlig ræsonnering i enklere opgaver og evne til at løse problemer med færre skriftlige trin. Astra virker stadig til at have vanskeligheder med at skjule den ræsonnering, der er nødvendig for komplekse opgaver, men vi tager faldet alvorligt. Forbedring af overvågeligheden er fortsat en forskningsprioritet, og det medfølgende systemkort⁠(åbner i et nyt vindue) beskriver vores resultater og igangværende arbejde.

Tilpasningstræning er kernen i vores tilgang til udrulning. Som et ekstra forsvarslag opbygger vi også sikkerhedsforanstaltninger såsom Codex automatisk gennemgang⁠(åbner i et nyt vindue) og overvågning af agenters ræsonnering og handlinger for at hjælpe med at opdage og inddæmme usikker adfærd. Som beskrevet i vores sikkerhedsopdatering⁠ implementerer vi også overvågning af fejltilpasning i produktionen for modeller i Astra-klassen for at få indsigt i fejltilpasning og bidrage til at inddæmme de værste tilfælde. Disse sikkerhedsforanstaltninger ligner vores overvågning for interne implementeringer og omfatter et system af klassifikatorer, som kontrollerer modellens ræsonnering og handlinger for uautoriseret adfærd og automatisk standser potentielt uautoriseret aktivitet.

I betragtning af den betydelige stigning i Astras cybersikkerhedskapaciteter, er vi særligt omhyggelige med at sikre, at denne udrulning er tryg og sikker. Ekstra sikkerhedskontroller kan nogle gange forsinke legitimt arbejde, eller sætte det på pause eller stoppe det, herunder defensivt cybersikkerhedsarbejde. Hvis en opgave sættes på pause i ChatGPT eller Codex, kan du blive bedt om at gennemgå handlingen, før du fortsætter. I API'et stopper opgaven. Disse kontroller kan undertiden forstyrre det legitime arbejde, og vi arbejder løbende på at forbedre systemet for at mindske unødvendige afbrydelser. Overvågning af fejltilpasning kan ikke erstatte tilpasning: Vores mål er at bygge modeller, der pålideligt holder sig inden for deres autoriserede område, så disse sikkerhedsforanstaltninger ikke behøver at gribe ind.

GPT‑6 Astra udrulles i dag til et begrænset antal organisationer og bliver i løbet af de kommende dage tilgængelig for alle ChatGPT Plus-, Pro-, Business- og Enterprise-brugere samt via OpenAI API, Microsoft Azure og AWS Bedrock. Brug af Astra er inkluderet i de eksisterende brugsgrænser for abonnementer. Brugere og virksomheder vil også kunne købe kreditter til yderligere brug. Brugere af Pro-, Business- og Enterprise-abonnementerne får også adgang til GPT‑6 Astra Pro. Enterprise-administratorer kan aktivere Astra for deres arbejdsområde; adgang er som standard deaktiveret ved opstart.

Astra understøtter ingen datalagring for berettigede API-kunder, og som vi fortalte sidste måned, tester vi Private Safety Processing for at styrke sikkerhedsovervågningen, samtidig med at kundernes privatliv bevares.

For udviklere vil GPT‑6 Astra være tilgængelig i OpenAI API'et som gpt-6-astra og via Microsoft Azure og Amazon Bedrock.

Standardprisen for OpenAI API er 10 USD pr. million input-tokens og 50 USD pr. million output-tokens. Der gælder særskilte takster for cachelæsninger og -skrivninger. Hurtig tilstand er tilgængelig for GPT‑6 Astra i API'et og giver op til 2 gange så høj hastighed som standardbehandling til 2 gange standardprisen.