اگر می خواهی بدانی GPT-6 Astra چیست و چرا OpenAI آن را برای سخت ترین کارهای چند مرحله ای معرفی کرده است، باید آن را فراتر از یک مدل معمولی تولید متن ببینی. این مدل برای استدلال پیچیده، برنامه نویسی، تحقیق، کار با مرورگر و کامپیوتر و تولید اسناد حرفه ای طراحی شده است. Astra می تواند یک درخواست کلی را بگیرد، مراحل لازم را برنامه ریزی کند، از ابزارهای مختلف کمک بگیرد و کار را تا رسیدن به خروجی نهایی ادامه دهد. OpenAI این مدل را در 3 سپتامبر 2026 معرفی کرد و آن را قدرتمندترین مدل خود برای انجام کارهای انتها به انتها می داند.

Astra دقیقا چه نوع مدلی است؟

Astra نسل جدید مدل های استدلالی OpenAI است که تمرکز اصلی آن فقط پاسخ دادن به سوال نیست. این مدل برای انجام Workflow های طولانی طراحی شده است. یعنی می تواند میان کدنویسی، مرور وب، استفاده از نرم افزار و تحلیل اطلاعات حرکت کند و چند مرحله را پشت سر هم انجام دهد. راهنمای رسمی OpenAI می گوید این مدل در Computer Use، Browsing، Software Engineering، Science و Professional Work عملکرد پیشرفته ای دارد.
بگذار ساده بگویم. اگر مدل های قبلی بیشتر شبیه یک متخصص بودند که درباره انجام کار راهنمایی می کردند، Astra تلاش می کند خودش بخش بیشتری از کار را جلو ببرد. مثلا فقط توضیح نمی دهد چگونه یک گزارش بسازی. می تواند اطلاعات را بررسی کند، داده ها را تحلیل کند، نمودار بسازد و خروجی را در قالب سند یا ارائه آماده کند.

چه تفاوتی با مدل های قبلی OpenAI دارد؟

یکی از تفاوت های اصلی، ترکیب توانایی استدلال با استفاده واقعی از کامپیوتر است. مدل می تواند رابط نرم افزارها را ببیند و با آن ها تعامل کند. برای مثال می تواند فرم آنلاین را پر کند، اطلاعات مشتری را در CRM تغییر دهد یا یک وب سایت را آزمایش کند. OpenAI اعلام کرده Astra در ارزیابی OSWorld 2.0 با زمان کمتر نسبت به GPT-5.6 Sol به عملکرد بالاتری رسیده است.
تفاوت دیگر در ادامه دادن کارهای پیچیده است. مدل برای Workflow هایی ساخته شده که چند ابزار و چند تصمیم پشت سر هم نیاز دارند. این ویژگی در پروژه های واقعی اهمیت زیادی دارد، چون بیشتر کارهای حرفه ای با یک پرامپت و یک پاسخ تمام نمی شوند.

قابلیت Computer Use چه اهمیتی دارد؟

Computer Use به مدل اجازه می دهد با محیط های نرم افزاری مانند یک کاربر تعامل کند. Astra می تواند صفحه را بررسی کند، گزینه مناسب را پیدا کند و مراحل مشخصی را انجام دهد. OpenAI مثال هایی مانند مدیریت تقویم، به روز کردن اطلاعات CRM، تحقیق آنلاین، نصب نرم افزار و انجام تست Frontend را برای این قابلیت مطرح کرده است.
این موضوع مرز بین Chatbot و Agent را کمتر می کند. یک Chatbot درباره کار صحبت می کند، اما یک Agent می تواند بخشی از کار را انجام دهد. البته کاربر همچنان باید هدف، دسترسی ها و محدودیت های لازم را مشخص کند.

کاربرد در برنامه نویسی و مهندسی نرم افزار

یکی از حوزه های اصلی Astra توسعه نرم افزار است. مدل می تواند کد را بررسی کند، مشکل را پیدا کند، تغییر ایجاد کند و نتیجه را آزمایش کند. این قابلیت برای پروژه هایی که چند فایل یا چند سرویس دارند اهمیت بیشتری پیدا می کند.
فرض کن یک توسعه دهنده با یک باگ پیچیده روبرو شده است. به جای فرستادن یک قطعه کد کوتاه، می تواند Context پروژه را در اختیار مدل قرار دهد. Astra می تواند ساختار پروژه را بررسی کند، بخش های مرتبط را پیدا کند، راه حل پیشنهاد دهد و در محیط مناسب تغییرات را آزمایش کند.
این شیوه کار به ویژه برای Refactoring، تست نرم افزار، بررسی خطاها و پروژه های طولانی کاربرد دارد. OpenAI مدل را برای Software Engineering و کارهای چند مرحله ای در محیط کدنویسی بهینه کرده است.

تحقیق و تحلیل اطلاعات با Astra

تحقیق حرفه ای معمولا شامل پیدا کردن منبع، خواندن چند سند، مقایسه اطلاعات و ساخت نتیجه است. مدل جدید می تواند این مراحل را در یک Workflow ترکیب کند. یعنی فقط نتایج جستجو را فهرست نمی کند و می تواند از آن ها برای ساخت گزارش ساختارمند استفاده کند.
همچنین OpenAI می گوید مدل تلاش می کند فقط Context مرتبط را وارد خروجی کند و از تکرار اطلاعات غیر ضروری دور بماند. این ویژگی در پروژه های بزرگ اهمیت دارد، چون وارد کردن همه اطلاعات موجود همیشه نتیجه بهتری ایجاد نمی کند.

تولید سند، فایل و ارائه حرفه ای

یکی از اهداف مهم این مدل، تولید خروجی هایی است که بتوان از آن ها مستقیم در محیط کاری استفاده کرد. Astra می تواند اسناد، Spreadsheet ها و Presentation هایی بسازد که ساختار مشخصی دارند و از Template ارائه شده توسط کاربر پیروی می کنند.
این قابلیت با تولید چند پاراگراف متن تفاوت دارد. مدل باید نحوه قرار گرفتن اطلاعات، ترتیب بخش ها و قالب خروجی را درک کند. OpenAI می گوید Astra برای دنبال کردن Template های موجود و حفظ سبک بصری و نوشتاری سازمان آموزش دیده است.

پنجره Context بیش از یک میلیون توکن

نسخه API این مدل یک Context Window برابر با 1,050,000 توکن دارد. حداکثر خروجی نیز 128,000 توکن اعلام شده است. این ظرفیت اجازه می دهد حجم بسیار بزرگی از کد، اسناد یا اطلاعات پروژه در یک جریان کاری بررسی شود. Knowledge Cutoff مدل نیز 30 آوریل 2026 اعلام شده است.
Context بزرگ به این معنی نیست که همیشه باید یک میلیون توکن وارد مدل کرد. در پروژه واقعی، انتخاب اطلاعات مرتبط همچنان اهمیت دارد. هرچه ورودی دقیق تر باشد، مدل راحت تر می تواند روی مسئله اصلی تمرکز کند.

سطح های مختلف Reasoning

API این مدل چند سطح برای Reasoning Effort ارائه می دهد. توسعه دهنده می تواند بین Low، Medium، High، XHigh و Max انتخاب کند.
این قابلیت کمک می کند میزان پردازش را با سختی مسئله هماهنگ کنیم. یک کار ساده شاید به بیشترین سطح استدلال نیاز نداشته باشد. اما یک مسئله پیچیده علمی یا یک Workflow طولانی می تواند از حالت های بالاتر استفاده کند. این انعطاف برای کنترل سرعت، هزینه و کیفیت خروجی اهمیت دارد.

عملکرد در بنچمارک های سخت

OpenAI نتایج بسیار بالایی برای مدل GPT-6 Astra در چند ارزیابی تخصصی گزارش کرده است. طبق صفحه رسمی معرفی، مدل در FrontierMath Tier 4 امتیاز 98 درصد، در ARC-AGI-3 امتیاز 99.9 درصد و در ExploitBench امتیاز 100 درصد ثبت کرده است.
این اعداد باید در چارچوب خود بنچمارک ها تفسیر شوند و به این معنی نیستند که مدل در همه کارهای واقعی بدون خطا عمل می کند. محیط واقعی معمولا داده ناقص، دستور مبهم و شرایط پیش بینی نشده دارد. بنابراین ارزیابی انسانی همچنان اهمیت دارد.

قابلیت های امنیت سایبری چرا مهم شده اند؟

Astra اولین مدل OpenAI است که در چارچوب Preparedness Framework این شرکت به سطح Critical در توانایی سایبری رسیده است. OpenAI می گوید مدل با ابزار و دسترسی مناسب می تواند آسیب پذیری های ناشناخته را پیدا کند و در بعضی شرایط روش های بهره برداری جدید توسعه دهد. به همین دلیل شرکت لایه های امنیتی و نظارتی بیشتری برای عرضه آن در نظر گرفته است.
این توانایی دو کاربرد دارد. از یک طرف می تواند به تیم های امنیتی برای پیدا کردن ضعف ها کمک کند. از طرف دیگر امکان سوء استفاده نیز وجود دارد. به همین دلیل برخی قابلیت های قدرتمند سایبری با دسترسی کنترل شده ارائه می شوند.

OpenAI برای کنترل رفتار Agent چه کرده است؟

هرچه مدل توانایی بیشتری برای انجام کار واقعی داشته باشد، اشتباه در تفسیر دستور خطر بیشتری ایجاد می کند. OpenAI در Astra روی رعایت محدوده وظیفه تمرکز کرده است. این شرکت یک ارزیابی جدید نیز طراحی کرده تا بررسی کند مدل در شرایط دشوار از محدوده اجازه کاربر خارج می شود یا نه.
در Release Notes نیز OpenAI اعلام کرده سیستم های نظارتی جدید می توانند بعضی گفتگوها را در صورت مشاهده رفتار مشکوک متوقف کنند تا کاربر وضعیت را بررسی کند.
این موضوع برای Agent ها اهمیت زیادی دارد. هدف این نیست که مدل به هر قیمتی کار را تمام کند. مدل باید بداند چه زمانی ادامه دهد، چه زمانی سوال بپرسد و چه زمانی متوقف شود.

دسترسی به Astra چگونه است؟

OpenAI عرضه مدل را در 3 سپتامبر 2026 با دسترسی محدود برای برخی سازمان ها آغاز کرد. طبق اطلاعات رسمی، دسترسی گسترده تر برای کاربران ChatGPT Plus، Pro، Business و Enterprise و همچنین API در حال گسترش است. OpenAI همچنین Azure و AWS Bedrock را جزو مسیرهای عرضه اعلام کرده است.
بنابراین ممکن است در زمان مطالعه این مقاله هنوز مدل برای همه حساب ها نمایش داده نشود. عرضه مرحله ای انجام می شود و دسترسی می تواند بر اساس نوع حساب یا سرویس متفاوت باشد.

هزینه استفاده از API

طبق صفحه رسمی مدل، قیمت API در زمان معرفی برای هر یک میلیون توکن ورودی 10 دلار و برای هر یک میلیون توکن خروجی 50 دلار است. Cached Input نیز قیمت پایین تری دارد. درخواست هایی که بیش از 272 هزار توکن ورودی داشته باشند، با ضریب قیمت متفاوت محاسبه می شوند.
قیمت هر توکن نسبت به بعضی مدل های قبلی بالاتر است، اما OpenAI می گوید مدل در چند ارزیابی با استفاده از توکن خروجی کمتر کار را انجام داده و در بعضی وظایف هزینه نهایی هر کار می تواند رقابتی باشد.

این مدل برای چه کارهایی مناسب است؟

اگر فقط یک سوال ساده داری، استفاده از پیشرفته ترین مدل همیشه ضروری نیست. قدرت اصلی Astra در وظایفی دیده می شود که چند مرحله، چند ابزار و تصمیم های مختلف دارند.
تحقیق عمیق، توسعه نرم افزار، تحلیل داده، مدیریت Workflow های سازمانی، تولید اسناد حرفه ای و کار با نرم افزارها از مهم ترین سناریوها هستند. همچنین مدل می تواند برای پروژه هایی مفید باشد که باید مدت بیشتری Context را حفظ کنند و بین ابزارهای مختلف جابه جا شوند.

آیا Astra همان AGI است؟

بعد از معرفی مدل، بحث هایی درباره نزدیک شدن آن به هوش عمومی مصنوعی شکل گرفت. برخی مدیران و رسانه ها از جهش بزرگ در توانایی مدل صحبت کرده اند. با این حال، خود وجود عملکرد بالا در بنچمارک ها یا توانایی انجام کار با کامپیوتر به تنهایی تعریف قطعی AGI ارائه نمی دهد.
برای ارزیابی عملی بهتر است به قابلیت های مشخص نگاه کنیم: مدل در چه کارهایی موفق است، کجا اشتباه می کند، چه مقدار نظارت نیاز دارد و تا چه حد می تواند یک Workflow واقعی را مستقل انجام دهد.

جمع بندی

Astra نشان می دهد مسیر توسعه مدل های هوش مصنوعی از پاسخگویی ساده به سمت انجام کامل کار حرکت می کند. این مدل استدلال، برنامه نویسی، مرور وب، Computer Use و تولید اسناد را در یک سیستم ترکیب کرده است. Context بسیار بزرگ، سطح های مختلف Reasoning و توانایی اجرای Workflow های چند مرحله ای نیز آن را برای پروژه های سنگین مناسب می کنند.
در کنار این قدرت، مسئله کنترل و امنیت اهمیت بیشتری پیدا کرده است. OpenAI برای همین موضوع نظارت و محدودیت های بیشتری در نظر گرفته و عرضه مدل را به صورت مرحله ای انجام می دهد. اگر نسل قبلی مدل ها بیشتر نقش دستیار را داشتند، Astra تلاش می کند به یک عامل اجرایی نزدیک شود که می تواند درخواست اولیه را به یک نتیجه آماده استفاده تبدیل کند.