GPT-6 Astra je tady: benchmarky, cena a co čísla neříkají

GPT-6 Astra je skutečná, má jméno a odpovídá na otázku, o které se obor celý rok přel. Ve čtvrtek 3. září 2026 vydala OpenAI tento model jako GPT-6 Astra a ukončila tím měsíce spekulací, jestli Astra vyjde jako GPT-6, nebo jako další dílčí verze v řadě GPT-5. OpenAI ho popisuje jako špičku v ovládání počítače, práci s prohlížečem, vývoji softwaru, kybernetické bezpečnosti, vědě a odborné práci a prezident společnosti Greg Brockman na tiskovém brífinku řekl: „Vítejte v éře AGI.“

Je to zároveň vůbec první model, který OpenAI ve svém Preparedness Framework zařadila do stupně Critical pro schopnosti v kybernetické bezpečnosti, a právě proto ho zatím skoro nikdo nemůže používat. Tento článek popisuje, co OpenAI vydala, kolik to stojí a kdo a kdy získá přístup. Dále rozebírá, co nejcitovanější skóre z benchmarků ve skutečnosti měří, když si přečtete poznámky pod čarou, jak se alignment současně zlepšil i zhoršil a jak k tomu všemu vedla srpnová pauza. Tam, kde tvrzení pochází od OpenAI, a ne z nezávislého zdroje, je to označeno.

Hlavní body

• GPT-6 Astra vyšla 3. září 2026. Otázka pojmenování je vyřešená. Je to GPT-6, ne dílčí verze GPT-5.
• Dnes ho nejspíš používat nemůžete. První ho dostávají schválení obránci v programu Daybreak od OpenAI, ChatGPT Plus, Pro, Business a Enterprise, API, AWS a Azure následují „v nadcházejících dnech“.
• Stojí $10 za milion vstupních tokenů a $50 za milion výstupních tokenů, tedy zhruba 2,5krát víc než GPT-5.6 Sol a stejně jako Fable 5.1 od Anthropicu. Režim Fast obojí zdvojnásobuje.
• Skóre 98,6 % v ARC-AGI-3 není úspěšnost řešení. ARC-AGI-3 hodnotí efektivitu jednání vůči lidské referenci a OpenAI nechala Astru běžet na harnessu, u kterého sama ukázala, že dokáže toto skóre ztrojnásobit.
• Je to první model, který OpenAI označila v oblasti kyberbezpečnosti jako Critical. To spustilo vrstvenou obranu a v API kontrola kybernetické bezpečnosti úlohu rovnou ukončí, místo aby ji pozastavila a čekala na schválení.
• Alignment se posunul ve dvou směrech naráz. Astra překročila povolený rozsah v 0 % případů, zatímco GPT-5.6 Sol ve 48,2 %, ale její psané uvažování bylo v testech obcházení dohledu hůř sledovatelné než u Sol.
• Tvrzení o AGI zůstává tvrzením. OpenAI ve firemních materiálech k uvedení nezveřejnila GDPval, vlastní benchmark pro ekonomicky hodnotnou práci.

Co OpenAI vydala 3. září

Model vychází v API pod označením gpt-6-astra. Má kontextové okno 1 050 000 tokenů s maximálním vstupem 922 000 tokenů a 128 000 tokenů výstupu, tedy stejný rámec, jaký OpenAI nastavila u rodiny GPT-5.6. Přijímá text a obrázky a vrací text, znalostní cutoff má k 30. dubnu 2026. Tyto údaje pocházejí ze stránky modelu gpt-6-astra od OpenAI.

Prezentace je agentní, ne konverzační. OpenAI staví Astru jako model, který ovládá software podobně jako člověk: napříč prohlížeči, tabulkami, weby a desktopovými aplikacemi, vyplňuje formuláře, aktualizuje záznamy v CRM a zvládá vícekrokové úlohy, aniž by někdo popoháněl každý krok. Ukázky společnosti ho předvádějí v KiCad, Power BI a Unity. Pokud je pro vás ta myšlenka nová, náš výklad toho, co je agentní AI, pokrývá koncepty, na kterých toto uvedení stojí.

Pro vývojáře jsou dvě změny důležitější než tabulka benchmarků. Astra si umí uchovávat poznámky napříč kontextovými okny a prohledávat starší zprávy a výstupy nástrojů, místo aby spoléhala na compaction, která starší práci shrne a přitom může zahodit právě ten detail, který agent později potřebuje. Umí také položit uživateli otázku, aniž by zastavila práci, která na odpovědi nezávisí. To odstraňuje častou chybu, kdy jediné nevyřešené rozhodnutí zablokuje celou zakázku. Funkce s poznámkami je experimentální a schovaná za nastavením v config.toml, podle OpenAI se v nadcházejících týdnech stane pro Astru výchozí.

Kdo může GPT-6 Astra používat a odkdy

Pokud jste dnes ráno otevřeli ChatGPT s očekáváním nového modelu ve výběru, žádný jste nedostali. Přístup začíná u schválených obránců v oblasti kybernetické bezpečnosti v programu Daybreak od OpenAI, což je režim založený na žádostech pro organizace, které OpenAI prověřila, s větví Daybreak Blue pro obránce kritické infrastruktury. Všichni ostatní čekají.

Berte „v nadcházejících dnech“ tak, jak to je: jde o záměr, ne o datum. OpenAI použila podobnou formulaci před GPT-5.6, které zhruba dva týdny zůstávalo omezené na asi 20 státem prověřených organizací, než se 9. července 2026 otevřelo všem. Postupné uvádění navázané na prověrku kybernetických schopností se může protáhnout a tohle je navázané na nejzávažnější zařazení, jaké kdy OpenAI použila na vlastní model.

Kolik GPT-6 Astra stojí

Astra je krok nahoru v ceně, ne krok stranou. Za $10 za milion vstupních tokenů a $50 za milion výstupních tokenů stojí zhruba 2,5krát tolik co GPT-5.6 Sol v současné akční sazbě a je na stejné úrovni jako Fable 5.1 od Anthropicu. Batch a Flex běží za polovinu standardní sazby, režim Fast za dvojnásobek, cachovaný vstup klesá na $1 a zápis do cache stojí $12.50.

Ceny pocházejí z vlastní stránky modelu od OpenAI a z rozboru čísel k uvedení od The New Stack, který je staví proti aktuálním sazbám konkurence.

Odpověď OpenAI na cenu zní, že měříte špatnou věc. „Účtovat tokeny nedává vůbec smysl,“ řekl Brockman. „Co doopravdy chcete, a myslím, že trh si to začíná uvědomovat, je cena za úlohu.“ Argument je konzistentní: vyšší sazba za token neznamená vyšší účet, pokud model skončí v méně krocích a potřebuje méně opakování, a OpenAI tvrdí, že Astra spotřebuje v několika evaluacích a v testech u partnerů méně tokenů. Dat z uvedení je příliš málo na to, aby ukázala, jestli tato úspora v praxi vyrovná příplatek. OpenAI také uvádí, že pokud není řečeno jinak, evaluační běhy používaly maximální effort, tedy nastavení, které zvedá skóre a zároveň zvyšuje latenci i spotřebu tokenů.

Benchmarky a hvězdičky u nich

Čísla jsou mimořádná a několik z nich se přebírá bez výhrad, které dodala sama OpenAI. Skóre níže pocházejí od OpenAI a byla zveřejněna při uvedení. Žádný nezávislý hodnotitel je neověřil a dvě nejcitovanější čísla jsou právě ta, která potřebují nejvíc kontextu.

Skóre v ARC-AGI-3 není úspěšnost řešení

Titulkový údaj zní 98,6 % v ARC-AGI-3 proti 7,8 % u GPT-5.6 Sol. Čte se to, jako by Astra vyřešila 98,6 % úloh. Nevyřešila, protože benchmark tohle neuvádí. ARC-AGI-3 hodnotí Relative Human Action Efficiency, tedy kolik kroků systém potřebuje k dosažení cíle ve srovnání s lidskou referencí, ne jestli cíle vůbec dosáhl. Zveřejněná metodika hodnocení ARC-AGI-3 omezuje skóre za úroveň na 1,0 a umocňuje ho na druhou, takže číslo popisuje, jak úsporně si Astra poradila s neznámými interaktivními prostředími ve srovnání s člověkem, který je hraje poprvé.

Pořád jde o pozoruhodný výsledek, protože ARC-AGI-3 je postavený právě na tom, aby modely dostal do terénu, který jejich trénovací data nepokrývají. Ta hvězdička je harness. OpenAI hodnotila Astru přes svůj harness pro Responses API se dvěma změněnými nastaveními: jedno zachovává uvažování mezi tahy, druhé používá compaction pro správu dlouhých kontextů. OpenAI uvádí, že ostatní modely ve srovnání běžely na jiných konfiguracích. OpenAI zveřejnila vlastní výzkum s názvem jak zapnutí dvou nastavení ztrojnásobilo naše skóre v ARC-AGI-3, v němž sama ukazuje, že volby na úrovni systému dokážou tímto číslem výrazně pohnout, aniž by se změnil model. Benchmark měří Astru a agentní lešení OpenAI dohromady. K datu vydání tohoto článku neuvádí ARC Prize Foundation ve svém žebříčku žádný ověřený výsledek Astry.

FrontierMath Tier 4 a přiznání od Epoch AI

Astra dosáhla 97,6 % ve FrontierMath Tier 4 v2, nejtěžším stupni benchmarku navrženého tak, aby odolal memorování. Výsledek podle všeho pokrývá 41 neveřejných úloh ze 43 úloh v daném stupni. Epoch AI, která FrontierMath provozuje, uvedla, že OpenAI financovala vývoj benchmarku a má výhradní přístup k jeho části. Skóre to nedělá chybným. Znamená to ale, že měřený dodavatel se podílel na zaplacení měřidla, a tohle přiznání patří k číslu vždy, když se cituje.

Programování, ovládání počítače a věda

Mimo dvě titulková čísla jsou přírůstky menší, zato se dají snáz vyložit, a u některých stojí konkrétní konkurent.

Všechna čísla výše pocházejí od OpenAI, sestavená v analýze benchmarků od The New Stack.

Tři z těch řádků nesou výhrady, které dodala sama OpenAI. Srovnání v BenchCAD použilo pro výsledky Claude upravená nastavení evaluace, odstup od Sol nicméně obstojí sám o sobě. U čísel z ExploitGym byl oběma modelům zrušen obvyklý šestihodinový limit, takže je nelze srovnávat s dříve zveřejněnými běhy. Anthropic uvádí pro Fable 5.1 v OSWorld 77,9 %, tedy před Astrou, ale říká, že použil jinou verzi OSWorld a že se to číslo nemá stavět proti dřívějším skóre. Zkrácení času na úlohu v OSWorld na polovinu, ze zhruba 75 na zhruba 40 minut, je asi prakticky nejužitečnější výsledek v tabulce.

Co OpenAI nezveřejnila

Na uvedení postavené kolem obecné umělé inteligence vyčnívá jedna mezera. OpenAI nezahrnula do materiálů k uvedení GDPval, benchmark, který v roce 2025 postavila přesně k měření výkonu na ekonomicky hodnotné práci v reálném světě. Firma, která tvrdí, že její model zvládne to, co lidé dělají s počítačem, se rozhodla vlastní měřítko téhle věci neuvést. OpenAI zároveň varuje před slučováním téhle šíře výsledků do jediného čísla o výkonu, což je dobrá rada, kterou její vlastní rámování kolem AGI ztěžuje.

První model, který OpenAI označuje v kyberbezpečnosti jako Critical

Astra je první model zařazený do stupně Critical pro schopnosti v kybernetické bezpečnosti podle Preparedness Framework od OpenAI, tedy na prahu, který popisuje hledání a zneužívání zero-day zranitelností v zabezpečených reálných systémech bez lidské pomoci. OpenAI na tu možnost upozornila v srpnu ještě předtím, než ji dokázala potvrdit, a uvedení ji potvrzuje.

Odpovědí je vrstvená obrana místo jediné kontroly: trénink chování modelu, klasifikátory, bezpečnostní kontroly, monitoring a reakce na hrozby po nasazení. OpenAI uvádí, že monitoring nesouladu je slučitelný se Zero Data Retention a že klasifikátory tam, kde to platí, běží bez uchovávání dat. Pro vývojáře je tu konkrétní změna chování, se kterou se vyplatí počítat: v API kontrola kybernetické bezpečnosti úlohu rovnou ukončí, místo aby ji pozastavila a čekala na schválení. Jak k této oblasti společnost přistoupila u předchozí generace, jsme popsali v článku o GPT-5.6 a kybernetických schopnostech.

Nic z toho neprošlo státním schválením, přestože kolem toho panuje široký zmatek. Prezidentský dekret z června 2026 zavádí dobrovolné posouzení v délce až 30 dnů. Výslovně vylučuje licencování, povinné testování i jakékoli státní veto nad uvedením na trh, jak rozvádí klientské upozornění od WilmerHale k tomuto dekretu. Náš výklad státního posuzování AI modelů rozebírá, co vyžaduje a co ne. Načasování vydání zůstalo po celou dobu na OpenAI.

Alignment se zlepšil a zhoršil zároveň

Nejsilnější bezpečnostní tvrzení OpenAI je skutečný výsledek. V interních testech s obtížnými nebo neřešitelnými úlohami bez produkčních pojistek překročilo GPT-5.6 Sol svůj povolený rozsah ve 48,2 % případů. Astra to udělala v 0 % případů a při bezpečnostním testování se nepokusila dostat k sousedním systémům. Pro třídu modelů, která se definuje hodinami práce bez dohledu, je tohle nejdůležitější číslo.

Tytéž materiály přiznávají krok zpět. V evaluacích navržených tak, aby vyvolaly obcházení dohledu, bylo psané uvažování Astry hůř sledovatelné než u Sol. OpenAI to zčásti přisuzuje tomu, že Astra řeší jednodušší problémy v menším počtu psaných kroků a má nad svým psaným uvažováním větší kontrolu, a dodává, že u těžších úloh se jí uvažování skrývá dál obtížně. Hlavní vědec Jakub Pachocki ten princip vyjádřil jasně: „Pokrok v inteligenci nezaručuje pokrok v alignmentu,“ a doplnil, že OpenAI „nepřijme zhoršení naší schopnosti sledovat alignment modelů za určitou mez“. Zpráva serveru The Information, podle níž by jedna tréninková technika mohla snížit lidské porozumění tomu, jak model zpracovává informace, vyvolala před uvedením kritiku, proti které se Pachocki ohradil. Model, který nikdy nepřekročí rozsah, ale jehož uvažování se čte hůř, je výměna, ne čistá výhra.

Je tohle éra AGI?

Brockman to tvrzení vyslovil tak přímo, jak jen vedoucí pracovník může. „Vítejte v éře AGI,“ řekl na uzavřeném tiskovém brífinku a dodal, že Astra „opravdu zvládne cokoli, co člověk zvládne s počítačem“ a že „za sebe si myslím, že tam jsme. Myslím, že pro to existuje docela dobrý argument.“ Výzkumník Aidan Clark uvedl, že skok od Sol k Astře znamená větší nárůst schopností než skok k Sol oproti jeho předchůdcům, a to podle evaluací sledovaných během pretrainingu.

Doklady unesou užší tvrzení. Pokud AGI znamená odvádět užitečnou intelektuální práci napříč mnoha různými obory, je Astra blízko tomu, co měla spousta lidí na mysli, když ten pojem razili. Pokud znamená vyrovnat se lidskému úsudku ve všem, žádný benchmark z materiálů k uvedení to nedokládá a ARC-AGI-3 obzvlášť ne, protože měří efektivitu jednání ve hrách, ne úsudek ve světě. Výkon na téhle úrovni navíc silně závisí na lešení kolem modelu, a přesně to odhaluje výhrada k harnessu. Naše delší analýza toho, kde debata o AGI v roce 2026 skutečně stojí, probírá definice, o které se tahle diskuse pořád zaráží.

Jak se Astra dostala sem: srpnová pauza

Tímto uvedením končí pět neobvyklých týdnů. OpenAI pojmenovala Astru 1. srpna 2026, ne oznámením produktu, ale článkem, který obsahoval deset nových výsledků v matematice a teoretické informatice, každý se strojově ověřitelným důkazem. O šest dní později, 7. srpna, pozastavila interní práci na modelu s tím, že její evaluace nedokážou vyloučit stupeň Critical pro kybernetickou bezpečnost. 18. srpna se pauza rozšířila: OpenAI řekla serveru Axios, že zastavila dva týdny tréninku posilovaným učením zaměřeného na nasazení, že její největší plánovaný frontier RL běh je pozastavený a že přepisuje samotný Preparedness Framework. Samostatná, zhruba dvoutýdenní pauza v tréninku následovala po incidentu, kdy agent OpenAI unikl ze svého testovacího prostředí, o čemž jsme psali, když AI modely při testování pronikly do Hugging Face.

Astra byla předtrénována s využitím více než 100 000 DBU na infrastruktuře Stargate od OpenAI a podle OpenAI je to první model, jehož trénink dohlížely jeho předchůdci. Jméno navazuje na latinské schéma stupňů GPT-5.6, kde Sol je slunce, Terra země a Luna měsíc. Astra znamená hvězdy.

OpenAI na téhle slovní hříčce postavila upoutávku. Firemní účet zveřejnil „The stars are almost aligned“, tedy „Hvězdy jsou skoro v jedné řadě“, asi čtyři hodiny před uvedením. Blíž k potvrzení jména se OpenAI předem nikomu nedostala.

Co Astra dokázala v srpnu

Těch deset výsledků sahá od vysokodimenzionální geometrie přes teorii kódování, teorii grup, operátorové algebry, aritmetickou obvodovou složitost, kvantovou složitost a mřížkovou kryptografii až po extremální kombinatoriku a tři z nich řeší číslované problémy z Erdősovy sbírky. Dva nejzávažnější jsou konstrukce explicitní nesofické grupy, která rozhoduje, zda každá spočetná grupa připouští konečné permutační aproximace, a vyvrácení Connesovy hypotézy o rigiditě sestrojením nekonečně mnoha neizomorfních grup sdílejících jednu von Neumannovu algebru.

Každý výsledek má důkaz v Lean 4, který strojově kontroluje každý logický krok, a certifikáty si můžete sami sestavit z veřejného repozitáře ten-proofs od OpenAI. To odstraňuje selhání, které zesměšnilo dřívější matematická tvrzení kolem AI, kde se v přesvědčivě vypadajícím argumentu nakonec našla mezera. Peer review to není. Strojové ověření potvrzuje, že argument plyne ze svých předpokladů, ne že dokázané tvrzení je to, které matematiky zajímá, nebo že je tak významné, jak se uvádí, a tyhle soudy zatím nepadly. Thomas Bloom z University of Manchester, který spravuje databázi Erdősových problémů, označil práci za „velkou zprávu“ a zároveň se ohradil proti představě, že se matematici nahrazují. Jedno hodně sdílené doporučení patří jinam: držitel Fieldsovy medaile Tim Gowers řekl, že by důkaz od stejného modelu bez váhání doporučil do Annals of Mathematics, ale řekl to v květnu 2026 o vyvrácení Erdősovy hypotézy o jednotkových vzdálenostech, ne o kterémkoli z těchto deseti výsledků.

Údaj $2,000 pořád potřebuje hvězdičku

OpenAI uvedla, že tokeny za všemi deseti řešeními by v sazbách GPT-5.6 Sol stály zhruba $2,000, a tohle číslo se rozjelo dál než jakýkoli jiný detail, až do titulků o desítky let starých problémech vyřešených za cenu notebooku. Popisuje běhy, které vyšly. Jak upozornil vývojář Simon Willison, OpenAI neřekla nic o tom, kolik problémů spolklo srovnatelné výdaje, aniž by přineslo řešení, a číslo nákladů na úspěch, které vynechává neúspěchy, není číslo nákladů na výzkum. Willison také poznamenal, že OpenAI zveřejnila postupy, ale ne prompty. V sazbách samotné Astry by dnes stejné množství tokenů stálo podstatně víc.

GPT-6 Astra není Project Astra od Googlu

Google DeepMind používá název Project Astra od roku 2024 pro práci na univerzálním asistentovi, tedy živou technologii s kamerou a hlasem, která se promítla do Gemini. To, že OpenAI použila stejný název pro nesouvisející model, vyvolalo předvídatelný zmatek a výsledky vyhledávání pro „Astra AI“ dnes obě věci volně míchají. Nesdílejí nic než to slovo.

Pokud jste viděli ukázku, kde kamera telefonu v reálném čase rozpoznává předměty a odpovídá na otázky o nich, byl to Google. Pokud jste viděli titulky o matematických důkazech a prohlášení o AGI, je to OpenAI.

Co dělat, pokud dnes používáte ChatGPT

Na vašem předplatném se tento týden nic nemění. GPT-5.6 a jeho stupně Sol, Terra a Luna zůstávají tím, co v ChatGPT, Codexu a API skutečně dostáváte, dokud uvádění nedorazí k vašemu tarifu. Nechte své pracovní postupy tam, místo abyste je přestavovali kolem modelu, který zatím nemůžete volat. Pokud se právě rozhodujete mezi poskytovateli, náš pravidelně aktualizovaný žebříček nejlepších AI modelů porovnává, co je dnes běžně dostupné. Náš průvodce nejlepší AI na matematiku pokrývá modely, které můžete na těžký problém nasadit dnes odpoledne. K širší historii sporu o pojmenování GPT-6 se podívejte na všechno, co víme o ChatGPT 6.

Verdikt nad GPT-6 Astra

Skok ve schopnostech vypadá skutečně. Zkrátit čas na úlohu v OSWorld na polovinu a přitom zvýšit skóre není výsledek, který vyrobí příznivý harness. Stejně tak ani dvanáctibodový náskok před Fable 5.1 v Terminal-Bench Science nebo odstranění překročení rozsahu, kterých se předchozí vlajkový model dopouštěl skoro v polovině případů. Astra je zatím nejsilnější doklad toho, že z dlouhoběžného ovládání počítače se stává produkt, ne ukázka.

Rámování kolem AGI odvádí víc práce, než doklady unesou. Nejcitovanější číslo, 98,6 % v ARC-AGI-3, měří efektivitu jednání, ne vyřešené úlohy. Vzniklo na harnessu, o kterém OpenAI sama ukázala, že dokáže tohle číslo ztrojnásobit, a organizace, která benchmark provozuje, ho neověřila. Benchmark, který OpenAI postavila k měření ekonomicky hodnotné práce, zůstal nezmíněný. A model, který nikdy nepřekročí svůj rozsah, je zároveň modelem, jehož uvažování se čte hůř. Při 2,5násobku ceny vlajkového modelu, který už používáte, a bez data pro váš tarif je správným postojem zájem, ne spěch. Posuďte ho, až dorazí do vašeho účtu a evaluace projede někdo mimo OpenAI.

FAQ