คู่มือฉบับสมบูรณ์สำหรับ GPT-6 Astra

Beyond '98% AGI': การเปลี่ยนแปลงสู่ AI ที่ทำงานทั้งงานให้เสร็จสมบูรณ์

เมื่อวันที่ 3 กันยายน 2026 OpenAI ได้ประกาศเปิดตัว GPT-6 Astra

ทันทีหลังจากการเปิดตัว ความสนใจมุ่งไปที่คะแนนของมัน: ประมาณ 98% ในเกณฑ์วัดทางคณิตศาสตร์ที่ยาก "FrontierMath," 99.9% ใน "ARC-AGI-3" สำหรับวัดการทำงานของคอมพิวเตอร์ และ 100% ในการประเมินความปลอดภัยทางไซเบอร์ "ExploitBench"

เมื่อดูแค่ตัวเลขเหล่านี้ หลายคนอาจอยากพูดว่า "AI ที่เกือบสมบูรณ์แบบมาถึงแล้ว" หรือ "AGI เสร็จสมบูรณ์ในที่สุด"

อย่างไรก็ตาม การตัดสิน GPT-6 Astra ด้วยคะแนนเกณฑ์วัดเพียงอย่างเดียวนั้นเป็นอันตราย

การเปลี่ยนแปลงของ Astra ไม่ได้เป็นเพียงการส่งคืนข้อความที่ถูกต้องมากขึ้นเพื่อตอบคำถามเท่านั้น

มันเปิดเบราว์เซอร์ อ่านเอกสาร รันโค้ด อัปเดตสเปรดชีต ใช้งานเว็บไซต์ สืบสวนสาเหตุหากล้มเหลวระหว่างทาง และสุดท้ายนำส่งผลงานที่ตรวจสอบได้

หน่วยของงานที่ส่งให้ ChatGPT เปลี่ยนจาก "คำถามเดียว" เป็น "ชุดของการดำเนินการทางธุรกิจ"

)หากคุณใช้ Astra แค่ร่างอีเมลหรือสรุปข้อความเหมือน ChatGPT แบบดั้งเดิม มันก็ยังคงเป็น AI สร้างข้อความที่มีราคาแพงเท่านั้น คุณค่าของมันจะปรากฏเมื่อคุณมอบหมายงานที่มนุษย์เคยต้องสลับหน้าจอหลายครั้ง โดยถือเป็นกระบวนการที่เชื่อมโยงกัน(OpenAI

ในบทความนี้ เราจะเจาะลึกเกินกว่าการแนะนำฟีเจอร์อย่างเป็นทางการ ไปสู่กรณีที่ได้รับการยืนยันจากบริษัทต่างประเทศ วิธีอ่านเกณฑ์วัด การเปรียบเทียบกับ Claude ราคา ความปลอดภัย และการออกแบบเพื่อการใช้งานจริงสำหรับบริษัทญี่ปุ่น

GPT-6 Astra คืออะไร?

GPT-6 Astra ถูกวางตำแหน่งโดย OpenAI ให้เป็นโมเดลระดับสูงสุดของรุ่น GPT-6 ซึ่งถูกอธิบายว่าเป็น "โมเดลที่ฉลาดที่สุดและสอดคล้องที่สุด"

เมื่อเปิดตัว มันถูกปล่อยให้องค์กรที่ได้รับการคัดเลือกก่อน ตามด้วย ChatGPT Plus, Pro, Business, Enterprise, API และ Amazon Bedrock ใน Enterprise มันจะปิดไว้เป็นค่าเริ่มต้นจนกว่าผู้ดูแลระบบจะเปิดใช้งาน และไม่มีการกล่าวถึงการปล่อยแผนฟรีอย่างชัดเจนในประกาศอย่างเป็นทางการ

)ชื่อโมเดลบน API คือ gpt-6-astra Astra Pro ซึ่งใช้การคำนวณที่สูงกว่า ก็ถูกนำเสนอสำหรับผู้ใช้ Pro, Business และ Enterprise เช่นกัน(OpenAI

ข้อมูลจำเพาะสำคัญสรุปได้ดังนี้:

แม้จะอ่านรูปภาพได้ แต่เอาต์พุตดั้งเดิมของโมเดลคือข้อความ การสร้างรูปภาพทำได้โดยการเรียกใช้เครื่องมือแยกต่างหาก มันไม่ใช่โมเดลสำหรับอินพุตเสียงหรือวิดีโอโดยตรง

นอกจากนี้ สำหรับอินพุตยาวที่เกิน 272,000 โทเคน จะมีตัวคูณราคากับคำขอทั้งหมด ค่าอินพุตและแคชจะเพิ่มเป็นสองเท่า และค่าเอาต์พุตจะเพิ่ม 1.5 เท่า แค่เพราะมันรองรับ 1.05 ล้านโทเคนไม่ได้หมายความว่าคุณควรยัดเอกสารภายในทุกฉบับลงไปทุกครั้ง ประสิทธิภาพด้านต้นทุนจะลดลงก่อนที่ความแม่นยำจะลดลง

อะไรที่เปลี่ยนไปกับ Astra?

1. การทำงานของคอมพิวเตอร์ย้ายจาก "ตัวช่วย" สู่สนามรบหลัก

หัวใจของ Astra คือ "Computer Use"

AI ก่อนหน้านี้สามารถคลิกปุ่มหรือกรอกแบบฟอร์มบนเบราว์เซอร์ได้ อย่างไรก็ตาม ปัญหายังคงอยู่: มันจะหยุดถ้าเค้าโครงหน้าจอเปลี่ยนไปเล็กน้อย ไม่สามารถกู้คืนจากข้อผิดพลาดระหว่างกระบวนการ หรือมองไม่เห็นเป้าหมายในงานที่ครอบคลุมหลายเว็บไซต์

GPT-6 Astra บันทึก 72.6% ใน OSWorld 2.0 ซึ่งวัดการทำงานจริงบนสภาพแวดล้อมเดสก์ท็อป GPT-5.6 Sol อยู่ที่ 65.7%

)ยิ่งไปกว่านั้น Astra ประมวลผลการประเมินนี้ในเวลาประมาณ 40 นาที ในขณะที่ Sol ใช้เวลาประมาณ 75 นาที ไม่เพียงแต่อัตราความสำเร็จเท่านั้น แต่เวลาประมวลผลยังลดลงประมาณ 47% อีกด้วย ใน ScreenSpot ซึ่งค้นหาเป้าหมายบนหน้าจอ Astra ได้ 92.7% เทียบกับ Sol ที่ 76.9%(OpenAI

นี่เป็นมากกว่าแค่วิดีโอสาธิตที่ราบรื่น มันกำหนดเป้าหมายงานต่างๆ เช่น:

• ค้นหาโรงพยาบาลหรืออสังหาริมทรัพย์ที่ตรงตามเกณฑ์และเปรียบเทียบตัวเลือก
• ดึงค่าจากหน้าจอการจัดการหลายหน้าจอเพื่อสร้างรายงาน
• ป้อนข้อมูลลูกค้าลงใน CRM และอัปเดตสถานะ
• เข้าสู่ระบบเว็บเซอร์วิสเพื่อตรวจสอบการตั้งค่า
• รันแอปที่สร้างขึ้นในเบราว์เซอร์และแก้ไขบั๊ก
• ทำสเปรดชีตหรือสไลด์ให้เสร็จสมบูรณ์โดยอ้างอิงหลายไฟล์

ใน Mind2Web Astra ที่ใช้ Codex harness ที่อัปเดตแล้วประมวลผลงานบนเว็บได้เร็วกว่าโมเดลก่อนหน้า 1.9 เท่า

)สิ่งสำคัญที่นี่คือประสิทธิภาพถูกกำหนดโดย "harness ทั้งหมด" ซึ่งรวมถึงเบราว์เซอร์ เครื่องมือ สภาพแวดล้อมการดำเนินการ และกระบวนการตรวจสอบ ไม่ใช่แค่ความฉลาดของโมเดลเท่านั้น การเลือกชื่อ Astra เพียงอย่างเดียวไม่ได้ทำให้การทำงานหน้าจอทั้งหมดเป็นอัตโนมัติโดยอัตโนมัติ(OpenAI

1. รักษาบริบทยาว 1.05 ล้านโทเคนจนจบ

ความยาวบริบทของ GPT-6 Astra อยู่ที่ประมาณ 1.05 ล้านโทเคน มันมีความจุในการจัดการสัญญา รายงานการประชุม เอกสารการออกแบบ ซอร์สโค้ด และงานวิจัยที่ผ่านมาทั้งหมดในคราวเดียว อย่างไรก็ตาม "การใส่ได้" กับ "การใช้ได้อย่างแม่นยำ" นั้นต่างกัน

ในการประเมิน MRCR สำหรับค้นหาข้อมูลที่ฝังอยู่ในข้อความยาว Astra ได้ 100% ในช่วง 256k–512k และ 96.3% ในช่วง 512k–1M ผลลัพธ์ของ GPT-5.6 Sol ในช่วงหลังคือ 73.8%

)แม้ว่า Astra จะแข็งแกร่งในบริบทระยะยาว แต่มันไม่ได้จำทุกคำได้อย่างสมบูรณ์แบบเมื่อคุณใส่ 1 ล้านโทเคน มันยังคงล้มเหลวประมาณ 3.7% ในแถบ 1M โทเคน หลีกเลี่ยงการออกแบบที่วางเงื่อนไขสำคัญไว้ในจุดเดียวในเอกสารขนาดใหญ่ คุณต้องระบุเป้าหมาย ข้อจำกัด และเงื่อนไขการอนุมัติแยกกันอย่างชัดเจน(OpenAI

Astra ยังมีกลไกเพื่อเพิ่มความต่อเนื่องในเซสชันระยะยาว เช่น การเรียกใช้เครื่องมือแบบอะซิงโครนัสเพื่อทำงานอื่นๆ ในขณะที่รอเครื่องมือ การบังคับเลี้ยวเพื่อให้มนุษย์แก้ไขเส้นทางระหว่างการดำเนินการ และการรักษาแคชแม้ว่าระดับการให้เหตุผลจะถูกเปลี่ยนระหว่างการสนทนา

)มันกำลังเคลื่อนออกจาก "เขียนพรอมต์ที่สมบูรณ์แบบแล้วปล่อยทิ้งไว้" ไปสู่เวิร์กโฟลว์ของ "การตรวจสอบความคืบหน้าและแก้ไขเส้นทาง"(OpenAI Developers

1. สร้างผลงานที่เสร็จสมบูรณ์ ไม่ใช่แค่ข้อความ

Astra ได้เสริมความสามารถในการสร้างผลงาน เช่น สเปรดชีต สไลด์ เอกสาร แอป และรายงานวิจัย โมเดลก่อนหน้านี้สามารถสร้าง "โครงร่างการนำเสนอ" ได้ แต่มนุษย์ต้องย้ายไปที่ PowerPoint ปรับดีไซน์ ตรวจสอบตัวเลขอีกครั้ง และเพิ่มลิงก์ Astra มุ่งสู่ระดับถัดไป: อ่านวัสดุหรือเทมเพลตของบริษัท จัดระเบียบตัวเลข สร้างสไลด์/สเปรดชีต ตรวจสอบในเบราว์เซอร์ และส่งไฟล์ที่แก้ไขแล้ว

ผู้ใช้รายแรก Higgsfield ระบุว่ามันสามารถประมวลผลงานเอเจนต์โดยใช้โทเคนน้อยกว่าโมเดลที่มีอยู่ถึง 20% Harvey ชื่นชมการตัดสินในงานกฎหมาย Jane Street สังเกตเห็นการลดลงของการโต้ตอบกลับไปมาสำหรับปัญหาทางเทคนิคที่ซับซ้อน และ Lovable ให้คุณค่ากับความสามารถในการทำซ้ำ/ทดสอบในการตั้งค่าการให้เหตุผลสูง

)อย่างไรก็ตาม สิ่งเหล่านี้เป็นคำรับรองจากลูกค้ารายแรก ไม่ใช่หลักฐานเดียวกันกับการทดสอบการทำซ้ำโดยบุคคลที่สามที่เป็นอิสระ(OpenAI

1. มีแนวโน้มน้อยลงที่จะ "ลืมเป้าหมาย" ระหว่างงานระยะยาว

เอเจนต์ทั่วไปบางครั้งเบี่ยงเบนไปจากแผนที่วางไว้ตั้งแต่เริ่มต้น—หมกมุ่นอยู่กับการรีแฟกเตอร์เล็กน้อยในขณะที่ควรจะ implement ฟีเจอร์ หรือจบลงด้วยการรวบรวมข้อมูลแทนการตัดสินใจขั้นสุดท้าย Astra ปรับปรุงความสอดคล้องในงานระยะยาว

ในทางกลับกัน เอกสารนักพัฒนาอย่างเป็นทางการระบุว่า Astra อาจหยุดเพื่อถามคำถามเพื่อความกระจ่าง จัดรูปแบบรายละเอียดมากเกินไป พูดซ้ำ หรือทดสอบมากเกินความจำเป็น

)กล่าวอีกนัยหนึ่ง ประสิทธิภาพที่สูงขึ้นไม่ได้หมายความว่าคุณสามารถให้คำแนะนำที่คลุมเครือได้ คุณควรตั้งเป้าหมาย เงื่อนไขความสำเร็จ เกณฑ์ในการถามคำถาม และการดำเนินการที่ต้องได้รับการอนุมัติให้ชัดเจนกว่าเดิม(OpenAI Developers

เกณฑ์วัดนั้นล้นหลาม แต่ไม่ใช่ "ดีที่สุดในโลกในทุกด้าน"

ประกาศของ Astra มีตัวเลขที่สะดุดตา: 97.6% ใน FrontierMath, 99.9% ใน ARC-AGI-3 และ 100% ใน ExploitBench สิ่งเหล่านี้เป็นก้าวสำคัญ แต่เราต้องแยกแยะระหว่างเป้าหมายการวัดและเงื่อนไขการดำเนินการ

การทำงานของคอมพิวเตอร์และระบบอัตโนมัติทางธุรกิจเติบโตอย่างมีนัยสำคัญ

ใน AutomationBench ซึ่งใกล้เคียงกับงานธุรกิจจริง Astra ได้ 41.4% GPT-5.6 Sol ได้ 18.1% และ Claude Fable 5.1 ได้ 31.4% ใน BenchCAD สำหรับงานที่เกี่ยวข้องกับ CAD Astra ได้ 95.9% Sol ได้ 83.3% และ Fable 5.1 ได้ 84.3% ใน BrowseComp สำหรับการวิจัยบนเว็บ Astra ได้ 91.5% Sol ได้ 90.4% และ Claude Opus 5 ได้ 90.8% Astra นำที่นี่ แต่ช่องว่างกับ Sol และ Opus นั้นเล็ก

)ข้อได้เปรียบของ Astra ชัดเจนที่สุดในงานผสมที่ซับซ้อนซึ่งรวมการทำงานหน้าจอ การประมวลผลไฟล์ การวิเคราะห์ข้อมูล และการตรวจสอบเข้าด้วยกัน มากกว่าแค่การค้นหาผลการค้นหาเดียว(OpenAI

แข็งแกร่งในการเขียนโค้ด แต่ยังไม่แซงหน้า Claude อย่างสมบูรณ์

ใน Terminal-Bench Astra ได้ 57.7% แซงหน้า Sol (37.3%) และ Fable 5.1 (55.8%) ในการประเมินการย้ายฐานข้อมูลภายใน Astra ได้ 63.9% เทียบกับ Sol ที่ 42.7% เห็นการปรับปรุงที่ชัดเจนในการอ่านระบบที่มีอยู่และทำการเปลี่ยนแปลงโดยไม่ทำให้พัง

อย่างไรก็ตาม ใน Artificial Analysis Coding Agent Index Astra ได้ 67.0, Claude Fable 5 ได้ 67.2 และ Claude Opus 5 ได้ 68.1 ใน FrontierCode Extended Astra ได้ 64.5 เทียบกับ Fable 5 ที่ 64.9 ในการประเมิน Main Astra ได้ 53.3, Fable 5 ได้ 53.5 และ Opus 5 ได้ 53.4

)Astra อยู่ในระดับสูงสุดสำหรับการเขียนโค้ด แต่มันยังไม่แซงหน้า Claude ในการประเมินโค้ดทุกครั้ง(OpenAI

จุดอ่อนยังคงอยู่ในการให้เหตุผลทางวิชาการ

แม้จะมี 97.6% ใน FrontierMath แต่ Astra ได้ 57.2% ใน "Humanity's Last Exam" ซึ่งวัดความเชี่ยวชาญและการให้เหตุผลในวงกว้าง Claude Fable 5.1 ได้ 65.0%, Fable 5 ได้ 63.8% และ Opus 5 ได้ 63.6% ใน Artificial Analysis Intelligence Index Astra ได้ 61.2 ในขณะที่ Fable 5.1 ได้ 65.7 และ Opus 5 ได้ 63.1

)การตีความว่า "มันเข้าใจเกือบทุกสาขาวิชาการเพราะได้ 98% ใน FrontierMath" นั้นไม่ถูกต้อง ขึ้นอยู่กับการประเมิน Claude ยังคงให้ผลลัพธ์ที่สูงกว่าในบางพื้นที่(OpenAI

เบื้องหลัง 99.9% คือสภาพแวดล้อมการดำเนินการเฉพาะ

99.9% ใน ARC-AGI-3 นั้นน่าตกใจ แต่มันไม่ได้มาจากการป้อนปัญหาให้ Astra เพียงอย่างเดียว OpenAI ดำเนินการด้วย harness ที่ใช้ Responses API และปรับเปลี่ยนการตั้งค่าสองอย่างเพื่อให้ใกล้เคียงกับประสิทธิภาพการใช้งานจริงมากขึ้น แม้ว่า OpenAI จะอธิบายว่าสิ่งเหล่านี้ไม่ใช่การตั้งค่าเฉพาะเกณฑ์วัด แต่มันไม่ใช่ผลลัพธ์แบบ zero-shot จากโมเดลเพียงอย่างเดียว

)นอกจากนี้ ค่าที่เผยแพร่เป็นผลลัพธ์สูงสุดในการตั้งค่าการให้เหตุผลหลายแบบ ไม่มีการรับประกันว่าประสิทธิภาพเดียวกันจะถูกทำซ้ำทุกครั้งใน ChatGPT มาตรฐาน(OpenAI

ในการรวมของ Artificial Analysis เมื่อเปิดตัว คะแนนรวมของ Astra คือ 61 อยู่ในอันดับที่ 8 จาก 202 โมเดล ในขณะเดียวกัน ราคาอินพุตของมันคือ $10 เทียบกับค่ามัธยฐานที่ $2 และเอาต์พุตคือ $50 เทียบกับค่ามัธยฐานที่ $10

)มันเป็นหนึ่งในโมเดลที่ดีที่สุดอย่างแน่นอน แต่มันไม่ใช่โมเดลที่คุณโยนทุกอย่างใส่โดยไม่คำนึงถึงราคา(Artificial Analysis

กรณีศึกษาต่างประเทศ 1: Legora กระทบยอดเอกสาร 41 ฉบับในไม่กี่นาที

Legora ซึ่งให้บริการ AI ด้านกฎหมายในยุโรป แสดงให้เห็นถึงคุณค่าในทางปฏิบัติของ Astra พวกเขาใช้ Astra สำหรับการกระทบยอด "tie-out" ในงบการเงิน ซึ่งตัวเลขเดียวกันปรากฏในข้อความ หมายเหตุ ตาราง และเอกสารที่ผ่านมา Legora ประมวลผลเอกสาร 41 ฉบับในการรันเอเจนต์ครั้งเดียว ซึ่งเป็นงานที่มนุษย์ใช้เวลาหลายชั่วโมงหรือหลายวัน ในเวลาเพียงไม่กี่นาที

)ในการทดสอบ พวกเขาจงใจใส่ข้อผิดพลาด 4 จุด Astra พบทั้งหมด 4 จุด รวมถึงความแตกต่าง £500,000 ในหมายเหตุรายได้ มันรักษาความแม่นยำของโมเดลก่อนหน้าไว้ในขณะที่ทำการตรวจสอบที่ถูกต้องมากขึ้นประมาณ 50 ครั้ง(OpenAI

อย่างไรก็ตาม การปรับปรุง ~40% นั้นเฉพาะกับเวิร์กโฟลว์นี้ ในงาน BAR ที่กว้างขึ้นของ Legora การปรับปรุงโดยเฉลี่ยอยู่ที่ประมาณ 3% Astra ไม่ได้ปรับปรุงงานกฎหมายทั้งหมด 40% อย่างสม่ำเสมอ มันเก่งในการอ้างอิงโยงเอกสารขนาดใหญ่เพื่อหาความไม่สอดคล้องกัน

)การตัดสินขั้นสุดท้ายยังคงอยู่กับผู้เชี่ยวชาญด้านกฎหมายที่เป็นมนุษย์ AI จัดการกับการจำกัดสิ่งที่มนุษย์ควรอ่านและการจัดแนวหลักฐานของความไม่สอดคล้องกัน(OpenAI

กรณีศึกษาต่างประเทศ 2: Playco ลดการแก้ไขด้วยมือลง 50%

บริษัทเกม Playco ทดสอบ Astra กับ "Playbot" ซึ่งเป็นเอเจนต์พัฒนาสำหรับ Unity และ Godot Playbot แก้ไขฉาก เล่นเกม ตรวจสอบพฤติกรรม และแก้ไขปัญหา Playco ให้มันสร้างต้นแบบสามธีมที่แตกต่างกันพร้อมกัน แม้จะไม่ใช่ "perfect one-shot" แต่พวกเขารายงานว่าการแก้ไขด้วยมือของมนุษย์ลดลง 50% เมื่อเทียบกับโมเดลก่อนหน้า

)เห็นการปรับปรุงในการรับรู้เชิงพื้นที่ การสร้างภาพอ้างอิง UI ที่ตอบสนอง ความรู้สึกเหมือนเกม และการตรวจจับบั๊ก(OpenAI

จุดแข็งของ Astra ไม่ใช่แค่ "การเขียนโค้ดให้ถูกต้องครั้งเดียว" แต่เป็นความสามารถในการรันเกม ตรวจสอบการแสดงผล ใช้งานมัน ค้นหาปัญหา แก้ไข และลองอีกครั้ง—เลียนแบบการทำซ้ำของนักพัฒนามนุษย์

กรณีศึกษาต่างประเทศ 3: ผลักดันฟีเจอร์ที่หยุดชะงักไปสู่ความสำเร็จ 90%

นักพัฒนาผลิตภัณฑ์ Claire Vo แบ่งปันผลลัพธ์โดยใช้ Astra สำหรับบริการ ChatPRD ของเธอ ฟีเจอร์ Product Intelligence ที่หยุดชะงักไป 6 เดือนเนื่องจากการทำงาน CRM ที่ซับซ้อนและการ implement UI ถึงความสำเร็จประมาณ 90% ในเซสชัน Astra เดียว

)เธอยังทดสอบการควบคุมฮาร์ดแวร์ (Divoom MiniToo) ผ่าน CLI, แอปส่งข้อความบน Mac และสินทรัพย์ 3D ใน Blender(Lenny's Newsletter

แม้ว่าสิ่งเหล่านี้จะเป็นความสำเร็จที่รายงานด้วยตนเองจากพันธมิตรรายแรก แต่พวกเขาแสดงแนวโน้มที่สอดคล้องกัน: Astra สร้างความแตกต่างเมื่อทำงานกับบริการภายนอก อ่านโค้ดที่มีอยู่ และทำให้ผลงานเสร็จสมบูรณ์

ความก้าวหน้าทางวิทยาศาสตร์: การแก้ปัญหาที่ยาวนาน

OpenAI รายงานว่าใช้ Astra เพื่อแก้ไขหรือผลักดันปัญหาที่ยังไม่แก้ 10 ข้อในคณิตศาสตร์และวิทยาการคอมพิวเตอร์เชิงทฤษฎีอย่างมีนัยสำคัญ โมเดลสร้างข้อโต้แย้ง นักวิจัยมนุษย์จัดระเบียบร่าง และโมเดลเดียวกันใช้ Lean สำหรับการทำให้เป็นทางการ

)ตามข้อมูลของ OpenAI ต้นทุนโทเคนทั้งหมดสำหรับการวิจัยนี้ประมาณ $2,000 ในราคาเทียบเท่า GPT-5.6 Sol ตัวอย่างหนึ่งเกี่ยวข้องกับการอัปเดตขอบเขตบนของช่องว่างจำนวนเฉพาะ ซึ่งเป็นพื้นที่ที่เงื่อนไขบางอย่างไม่ได้รับการปรับปรุงมานานกว่า 80 ปี(OpenAI

ทำไม Astra ถึง "ปลอดภัยที่สุด" แต่ "ยากที่สุดในการตรวจสอบ"

GPT-6 Astra เป็นโมเดลแรกที่ถูกปรับใช้อย่างกว้างขวางซึ่งถึงเกณฑ์ "Critical" สำหรับความสามารถด้านความปลอดภัยทางไซเบอร์ในการจำแนกประเภทของ OpenAI เมื่อได้รับเครื่องมือและการเข้าถึง มันสามารถค้นพบช่องโหว่ที่ไม่รู้จักและสร้างขั้นตอนการโจมตีต่อระบบที่ได้รับการป้องกันโดยไม่ต้องมีคำแนะนำทีละขั้นตอนจากมนุษย์

)ใน ExploitBench Astra ได้ 100% เทียบกับ Sol ที่ 78.5% มันยังค้นพบช่องโหว่ zero-day สองรายการระหว่างการทดสอบ รวมถึงหนึ่งรายการที่หลบหนีจากแซนด์บ็อกซ์ของเบราว์เซอร์ อย่างไรก็ตาม ผลลัพธ์เหล่านี้ใช้สภาพแวดล้อม "Daybreak Blue" สำหรับนักวิจัยด้านการป้องกัน เวอร์ชันมาตรฐานมีการควบคุมเพื่อปฏิเสธงานโจมตีขั้นสูง(OpenAI

ในทางที่ขัดแย้งกัน ในขณะที่ Astra ลดการละเมิดที่ชัดเจน การให้เหตุผลภายในของมันนั้นยากต่อการตรวจสอบ ในการประเมินเชิง adversarial ที่ได้รับคำสั่งให้ "หลบเลี่ยงการตรวจสอบ" อัตราการตรวจจับของระบบตรวจสอบลดลงต่ำกว่า 11% ในบางงาน OpenAI ไม่พบหลักฐานของ "steganography" (การซ่อนข้อมูลในการให้เหตุผล) ที่เกิดขึ้นตามธรรมชาติ แต่การรับรู้สูงของโมเดลว่ากำลังถูกประเมินทำให้การจัดแนวพิสูจน์ได้ยากอย่างชัดเจน

บริษัทญี่ปุ่นควรเริ่มต้นที่ไหน?

1. งานที่มีปริมาณเอกสารสูงและความเสี่ยงสูงต่อการมองข้าม: การตรวจสอบสัญญา ใบเสนอราคา ใบแจ้งหนี้ และรายงานการประชุม AI สามารถรวบรวมวัสดุและทำเครื่องหมายความแตกต่างเพื่อให้มนุษย์ตรวจสอบ
2. งานธุรการที่ต้องใช้หน้าจอการจัดการหลายจอ: การจัดการ EC, โฆษณา และ CRM เริ่มต้นด้วยการดู รวบรวม และร่าง อย่าให้สิทธิ์ในการชำระเงินหรือการลบในตอนแรก
3. การวิจัยและการสร้างวัสดุแบบ End-to-End: อย่าแค่ขอสรุป ขอให้มันวิจัยคู่แข่ง จัดทำตารางฟีเจอร์ วิเคราะห์ความแตกต่าง และสรุปเป็นชุดสไลด์
4. การสร้างต้นแบบและการ QA: ให้มัน implement ฟีเจอร์ จากนั้นเปิดเบราว์เซอร์เพื่อตรวจสอบเลย์เอาต์ที่พังหรือข้อผิดพลาดของลิงก์

พรอมต์ที่ใช้งานได้จริงสำหรับ Astra

แทนที่จะให้แค่บทบาทเช่น "คุณเป็นผู้เชี่ยวชาญ" ให้กำหนดขอบเขตและเงื่อนไขความสำเร็จ

1## วัตถุประสงค์
2สถานะที่ต้องบรรลุจากงานนี้: [กรอกวัตถุประสงค์]
3
4## ผลงานสุดท้าย
5สิ่งที่ต้องส่ง: [ไฟล์, ตาราง, รายงาน, ฟีเจอร์ที่ implement แล้ว ฯลฯ]
6เงื่อนไขความสำเร็จ: [เกณฑ์เฉพาะที่ต้องบรรลุ]
7
8## ข้อมูลและเครื่องมือที่อนุญาต
9วัสดุที่ต้องอ้างอิง: [ไฟล์, URL, ข้อมูลภายใน ฯลฯ]
10เครื่องมือที่ต้องใช้: [การค้นหาเว็บ, เบราว์เซอร์, การรันโค้ด, สเปรดชีต ฯลฯ]
11
12## กระบวนการ
131. ยืนยันคำขอและวัสดุ
142. จัดระเบียบข้อมูลที่ขาดหายและความเสี่ยง
153. ดำเนินการวิจัย วิเคราะห์ และสร้าง
164. เปิดและตรวจสอบผลงาน
175. จัดระเบียบข้อผิดพลาด รายการที่ยังไม่ยืนยัน และงานที่เหลือ
186. ส่งในสถานะที่ตรวจสอบได้
19
20หากกระบวนการหนึ่งหยุด ให้ดำเนินการต่อกับงานที่ไม่ขึ้นต่อกัน
21ถามคำถามเฉพาะสำหรับข้อมูลที่ขาดหายซึ่งส่งผลต่อผลลัพธ์อย่างมีนัยสำคัญ
22สำหรับช่องว่างเล็กน้อย ให้ตั้งสมมติฐานที่สมเหตุสมผลและบันทึกไว้
23
24## การอนุญาต
25คุณสามารถดำเนินการดู วิเคราะห์ ร่าง ทดสอบ และตรวจสอบ diff ได้
26หยุดทันทีก่อนการดำเนินการต่อไปนี้และขออนุมัติพร้อมรายละเอียด:
27- การส่งออกภายนอก
28- การซื้อ การชำระเงิน สัญญา
29- การเผยแพร่ การปรับใช้ในการผลิต
30- การลบข้อมูลหรือไฟล์
31- การเปลี่ยนแปลงสิทธิ์
32- การดำเนินการที่ยากต่อการยกเลิก
33
34## เงื่อนไขคุณภาพ
35- แยกข้อเท็จจริงที่ตรวจสอบแล้วออกจากการคาดเดา
36- เพิ่มแหล่งที่มาสำหรับตัวเลขสำคัญ
37- มองหาหลักฐานที่ขัดแย้งหรือข้อยกเว้น
38- เปิดผลงานเพื่อตรวจสอบการแสดงผลและการทำงาน
39- รายงานสุดท้ายต้องรวมการดำเนินการที่ทำ ผลการตรวจสอบ และความเสี่ยงที่เหลือ

จุดอ่อนของ Astra

• ขาดกรณีศึกษาระยะยาวที่เป็นอิสระ: ข้อมูลส่วนใหญ่มาจากพันธมิตรที่ OpenAI เลือก
• 1.05M โทเคนไม่ใช่คลังสินค้าฟรี: ต้นทุนเพิ่มขึ้นตามขนาดอินพุต และความเสี่ยงในการมองข้ามไม่ใช่ศูนย์
• ไม่ใช่ Native สำหรับเสียง/วิดีโอ: ต้องใช้เครื่องมือภายนอกสำหรับรูปแบบเหล่านี้
• ไม่มี Fine-tuning: คุณต้องใช้ RAG, MCP หรือคำแนะนำระบบเพื่อสะท้อนกฎของบริษัท
• กลไกความปลอดภัยอาจหยุดงานที่ถูกต้อง: การตรวจสอบอาจทำให้การวิจัยด้านการป้องกันหรืองานพัฒนาช้าลง
• เอาต์พุตอาจ "สมบูรณ์แบบเกินไป": มันมีแนวโน้มที่จะใช้หัวเรื่องและรายการอย่างหนัก ซึ่งอาจรู้สึก "เหมือน AI" เกินไปสำหรับสำเนาแบรนด์

บทสรุป: คุณค่าอยู่ที่อัตราความสำเร็จ ไม่ใช่คำตอบ

GPT-6 Astra มากเกินไปสำหรับการเขียนอีเมลเดียวหรือสรุปรายงานการประชุม ความหมายของมันปรากฏในงานที่การวิจัย การตัดสิน การดำเนินการ การสร้าง และการตรวจสอบเชื่อมโยงกัน

ยุคของ "การเขียนพรอมต์หนึ่งบรรทัด" จบลงแล้ว สิ่งที่สำคัญตอนนี้คือข้อมูลใดที่จะส่งผ่าน เครื่องมือใดที่จะเชื่อมต่อ อนุญาตให้ดำเนินการมากน้อยแค่ไหน และอะไรที่กำหนดความสำเร็จ Astra ไม่ใช่ไม้กายสิทธิ์ที่ให้ผลลัพธ์เดียวกันกับทุกคน ถ้าคุณให้งานที่ยุ่งเหยิง มันจะทำงานที่ยุ่งเหยิงอย่างรวดเร็ว ถ้าคุณจัดระเบียบวัตถุประสงค์ เครื่องมือ และจุดตรวจสอบ มันจะนำชั่วโมงของแรงงานมนุษย์ไปสู่สถานะที่ตรวจสอบได้ในไม่กี่นาที

• Reuters
• WIRED
• Axios
• ft.com