GPT-6 Astra अब Smart AIPI पर लाइव है — 75% छूट, और असली कहानी है टोकन दक्षता
OpenAI का GPT-6 Astra FrontierMath Tier 4 (97.6%), ARC-AGI-3 (99.9%) और ExploitBench (100%) को संतृप्त करता है, और Terminal-Bench 4.0 में 57.9% हासिल करता है। यह आज Smart AIPI पर $2.50 / $0.25 / $12.50 प्रति 1M पर लाइव है — OpenAI के $10 / $1 / $50 से 75% कम। यहां वास्तविक आंकड़े, चार्ट्स द्वारा छिपाई गई सीमाएं, और स्टिकर मूल्य से टोकन दक्षता अधिक महत्वपूर्ण क्यों है, प्रस्तुत हैं।
TL;DR: gpt-6-astra आज Smart AIPI पर प्रति 1M टोकन $2.50 / $0.25 / $12.50 में लाइव है — OpenAI के $10 / $1 / $50 से 75% कम। यह Terminal-Bench 4.0 में 57.9% हासिल करता है, FrontierMath Tier 4 (97.6%) और ExploitBench (100%) को संतृप्त करता है, और कंप्यूटर उपयोग के लिए एक नया मानक स्थापित करता है। नीचे: पूरी बेंचमार्क तालिका, लॉन्च चार्ट्स में न दिखने वाली तीन सीमाएं, और क्यों टोकन दक्षता — प्रति-टोकन मूल्य नहीं — वह संख्या है जो आपका बिल तय करती है।
OpenAI ने 3 सितंबर, 2026 को GPT-6 Astra की घोषणा की और इसे "दुनिया का सबसे बुद्धिमान और संरेखित मॉडल" कहा। यह API में gpt-6-astra के रूप में उपलब्ध है, और अभी Smart AIPI पर OpenAI की कीमत के एक-चौथाई पर उपलब्ध है।
लॉन्च पोस्ट मार्केटिंग होती हैं। यह नहीं है — हम मॉडल तक पहुंच बेचते हैं, इसलिए हम आपके लिए उपयोगी काम यह कर सकते हैं कि आपको ठीक-ठीक बताएं कि यह कहां जीतता है, कहां हारता है, और वास्तव में आपकी लागत कितनी होगी। नीचे के सभी आंकड़े OpenAI की प्रकाशित मूल्यांकन तालिकाओं और उनके स्वतंत्र विश्लेषण से आए हैं।
मुख्य परिणाम
Astra कंप्यूटर उपयोग, ब्राउज़िंग, सॉफ्टवेयर इंजीनियरिंग, साइबरसिक्योरिटी, विज्ञान और पेशेवर कार्य में अत्याधुनिक है। डेवलपर्स के लिए सबसे महत्वपूर्ण स्कोर:
| बेंचमार्क | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
|---|---|---|---|---|
| Terminal-Bench 4.0 | 57.9% | 37.3% | 55.8% | 52.6% |
| DeepSWE v1.1 | 74.1% | 72.7% | 67.4% | 73.7% |
| FrontierCode 1.1 Extended | 64.5% | 60.6% | 63.6% | 63.6% |
| OSWorld 2.0 (कंप्यूटर उपयोग) | 72.6% | 65.7% | — | 70.2% |
| ScreenSpot-Pro (कोई टूल नहीं) | 92.7% | 76.9% | — | 87.3% |
| Agents' Last Exam | 59.3% | 53.6% | — | 55.5% |
| AutomationBench | 41.4% | 18.1% | 31.4% | 26.9% |
| FrontierMath Tier 4 (v2) | 97.6% | 83.0% | 87.8% | 73.2% |
| GPQA Diamond | 96.0% | 94.6% | 93.7% | 93.7% |
| Humanity's Last Exam (टूल्स के साथ) | 57.2% | — | 65.0% | 63.6% |
| ARC-AGI-3 | 99.9% | 7.8% | — | 30.2% |
| ExploitBench (साइबर) | 100.0% | 78.5% | — | 70.0% |
| MRCR v2 8-needle, 512K–1M | 96.3% | 73.8% | — | — |
| कंप्यूटर-उपयोग सुरक्षा (कम बेहतर है) | 2.4% | 22.0% | 9.5% | 11.5% |
इनमें से कुछ को अलग-अलग एक वाक्य चाहिए। Terminal-Bench 4.0 हमारे पास मौजूद "क्या कोई एजेंट एक असली मशीन संचालित कर और वास्तविक काम पूरा कर सकता है" का सबसे निकटतम परीक्षण है — Sol के 37.3% के मुकाबले Astra का 57.9% एक पीढ़ीगत छलांग है, राउंडिंग त्रुटि नहीं। AutomationBench (एप्लिकेशनों में बहु-चरणीय व्यावसायिक वर्कफ़्लो) Sol से दोगुने से अधिक है। OSWorld 2.0 पर Astra न केवल अधिक स्कोर करता है बल्कि Sol के 75 मिनट की तुलना में प्रति कार्य लगभग 40 मिनट में पूरा भी करता है — लगभग 47% कम समय। और संरेखण पंक्ति कोई फुटनोट नहीं है: एक प्रतिकूल कंप्यूटर-उपयोग सुरक्षा परीक्षण में Astra 2.4% बार असंरेखित परिणाम देता है, जबकि Sol 22.0% बार देता है। यदि आप किसी एजेंट को प्रोडक्शन छूने दे रहे हैं, तो वह संख्या एक बेंचमार्क अंक से अधिक मूल्यवान है।
लॉन्च चार्ट्स में न दिखने वाली तीन सीमाएं
हम चाहेंगे कि आप इन्हें खुद खोजने के बजाय हमसे सुनें।
1. ARC-AGI-3 पर 99.9% एक हार्नेस परिणाम है
ARC-AGI-3 किसी मॉडल को रंगीन कोशिकाओं का 64×64 ग्रिड JSON ऑब्जेक्ट के रूप में देकर और उसे सिम्युलेटेड वातावरण में एक्शन टोकन जारी करने देकर मूल्यांकित करता है — न स्क्रीनशॉट, न वीडियो, न नियम पहले से समझाए जाते हैं। 99.9% का आंकड़ा OpenAI के अपने Responses API हार्नेस का उपयोग करके तैयार किया गया था, जिसमें उसका अपना संदर्भ प्रबंधन था। वही मॉडल ARC Foundation के होस्टेड हार्नेस के माध्यम से साधारण API कॉल्स से चलाएं, तो Astra लगभग 62.7% स्कोर करता है।
दोनों आंकड़े ईमानदार हैं; वे अलग-अलग प्रणालियों को मापते हैं। लेकिन यह आपको 2026 के बारे में कुछ महत्वपूर्ण बताता है: हार्नेस अब स्कोर का प्रथम-श्रेणी हिस्सा है। अपने स्टैक के लिए मॉडल का मूल्यांकन करते समय उसे अपने हार्नेस के भीतर मूल्यांकित करें, किसी के प्रेस चार्ट में नहीं।
2. समग्र सूचकांक जोरदार तरीके से असहमत हैं
OpenAI ने अपनी घोषणा में 14 बेंचमार्क्स को प्रमुखता दी। उनमें से ठीक एक Artificial Analysis Intelligence Index से ओवरलैप करता है, जो Astra को 61.2 के साथ पांचवें स्थान पर रखता है — Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) और Claude Fable 5 (62.1) के पीछे। Artificial Analysis Coding Agent Index v1.4 पर Astra 67.0 है, जबकि Opus 5 का 68.1 और Fable 5 का 67.2 है। और Astra टूल्स के साथ Humanity's Last Exam में Fable 5.1 से 57.2% बनाम 65.0% से हारता है।
समेकित सूचकांक बेंचमार्क्स के ऊपर रैपर होते हैं, और रैपर या तो संकेत को उजागर कर सकता है या उसे दबा सकता है। ईमानदार निष्कर्ष: Astra स्पष्ट रूप से एजेंटिक, टर्मिनल और कंप्यूटर-उपयोग कार्य के लिए अग्रणी मॉडल है, और "बुद्धिमत्ता" के हर माप पर निर्विवाद नेता नहीं है। उस अक्ष पर जीतने वाला मॉडल चुनें जिस पर आप वास्तव में शिप करते हैं।
3. साइबर क्षमता नियंत्रित है, और रीजनिंग ट्रेस छोटा हो गया है
Astra OpenAI के Preparedness Framework के अंतर्गत Critical साइबरसिक्योरिटी सीमा को पूरा करता है — ExploitBench पर 100%, Sol के 30.3% की तुलना में ExploitGym पर 42.4%, और Sol के 55.9% की तुलना में SRE-Bench बाइनरी रिवर्स-इंजीनियरिंग पर 88.0% सिंगल-अटेम्प्ट। मूल्यांकन के दौरान इसने दो पहले अज्ञात zero-days खोजे और उनका उपयोग किया, जिन्हें OpenAI के अनुसार उसने मेंटेनर्स को उजागर किया।
आपके लिए परिणाम: लॉन्च संस्करण रक्षात्मक कार्य — सुरक्षित कोड समीक्षा, पैचिंग — करता है, लेकिन proof-of-concept exploits बनाने से इनकार करता है, और अतिरिक्त सुरक्षा जांच कभी-कभी किसी वैध कार्य को रोक सकती हैं। API में अवरुद्ध कार्य बस रुक जाता है। यह अपस्ट्रीम मॉडल व्यवहार है, Smart AIPI सीमा नहीं। OpenAI अपने Daybreak प्रोग्राम के माध्यम से सत्यापित रक्षात्मक वर्कफ़्लो के लिए इसे ढीला करने की योजना बना रहा है।
OpenAI ने एक वास्तविक प्रतिगमन भी चिह्नित किया: Astra का लिखित तर्क Sol की तुलना में निगरानी करना अधिक कठिन है, क्योंकि वह समस्याओं को कम लिखित चरणों में हल करता है और अपने ट्रेस पर अधिक नियंत्रण रखता है। उन्होंने स्वयं इसे बताया। यदि आपकी सुरक्षा रणनीति chain-of-thought पढ़ने पर निर्भर करती है, तो यह जानना सही बात है।
असली कहानी: टोकन दक्षता, प्रति-टोकन मूल्य नहीं
OpenAI से सीधे प्रति 1M टोकन $10 / $50 पर Astra 5.6 परिवार के मुकाबले महंगा दिखता है — और प्रति-टोकन आधार पर यह महंगा है। लेकिन प्रति-टोकन मूल्य गलत इकाई है। आप जो भुगतान करते हैं वह है कार्य पूरा करने में खर्च हुए टोकन, और यहीं Astra वास्तव में अलग है:
- DeepSWE पर Astra, अधिक स्कोर के लिए GPT-5.6 Sol के लगभग आधे आउटपुट टोकन खर्च करता है।
- Agents' Last Exam पर, सर्वोच्च-स्कोरिंग सेटिंग्स में, यह Claude Opus 5 से लगभग 65% कम आउटपुट टोकन उपयोग करता है।
- Gemini 3.8 Flash (73.8%) और Claude Opus 5 (73.7%) DeepSWE पर Astra के एक अंक के भीतर पहुंचते हैं — जबकि प्रति कार्य लगभग 4–5x कम टोकन-दक्ष हैं।
- Terminal-Bench 4.0 पर Astra लगभग Sol से 9% कम अनुमानित API लागत प्रति कार्य पर अपना 57.9% प्राप्त करता है, और Fable 5.1 से 63% कम पर।
- BenchCAD पर Astra Sol से लगभग 43% कम लागत और Fable 5.1 से 86% कम लागत पर 95.9% ज्यामितीय ओवरलैप हासिल करता है।
यह ऐसा मॉडल है जिसकी Pareto वक्र कम काम करके आगे बढ़ी है, कम शुल्क लेकर नहीं। यह लैब्स के लिए वास्तविक तनाव भी पैदा करता है: यदि प्रत्येक टोकन अधिक पूरा कार्य खरीदता है, तो टोकन-मीटर वाला व्यवसाय या तो दक्षता लाभ ग्राहकों तक पहुंचाता है या उसे मार्जिन के रूप में रखता है। $10 / $50 पर OpenAI ने इसे रखा।
यही वह अंतर है जिसे पाटने के लिए Smart AIPI मौजूद है। हम छूट आपको देते हैं: आपको Astra की टोकन दक्षता और प्रति टोकन 75% कम दर मिलती है।
मूल्य निर्धारण: 75% छूट, वही मॉडल, वही API
| gpt-6-astra, प्रति 1M टोकन | OpenAI प्रत्यक्ष | Smart AIPI | आपकी बचत |
|---|---|---|---|
| इनपुट | $10.00 | $2.50 | 75% |
| कैश किया गया इनपुट | $1.00 | $0.25 | 75% |
| आउटपुट | $50.00 | $12.50 | 75% |
वही weights, वही OpenAI-compatible API आकार, वही टूल्स। अंतर केवल इनवॉइस का है।
Astra के साथ और क्या जारी हुआ
- Codex में खोजने योग्य नोट्स। एक लंबे सत्र को एक हानिपूर्ण सारांश में संक्षिप्त करने के बजाय, Astra संदर्भ विंडोज़ के बीच नोट्स रखता है और पुरानी विंडोज़ खोज सकता है — जिसमें वह टूल आउटपुट भी शामिल है जो कभी सारांश में नहीं आया। इसे अपने Codex
config.tomlमें सक्षम करें; OpenAI कहता है कि आने वाले सप्ताहों में यह Astra के लिए डिफ़ॉल्ट बन जाएगा। - अस्पष्टता का बेहतर प्रबंधन। Astra संदर्भ से सामान्य रिक्त स्थान भरता है और केवल तब केंद्रित प्रश्न पूछता है जब उत्तर परिणाम बदल देगा। Codex में यह असंबंधित कार्य जारी रखते हुए असिंक्रोनस रूप से पूछ सकता है।
- निर्देशन के तहत कार्य पर बना रहता है। पहले के मॉडल अक्सर कार्य के बीच में हुए सुधार को बिल्कुल नया लक्ष्य मानते थे। Astra मूल बाधाओं को छोड़े बिना नई आवश्यकताओं को शामिल करता है।
- वास्तविक लंबा संदर्भ। 512K टोकन तक 100% MRCR v2 पुनर्प्राप्ति, 512K–1M बैंड में 96.3%।
- विज्ञान में वास्तविक उपलब्धि। प्राइम गैप्स पर, अनंत बार आने वाले निकट प्राइम युग्मों के सर्वश्रेष्ठ ज्ञात बाउंड को 246 से 240 किया गया था; Astra ने 186 स्थापित करने में मदद की। इसने बड़े प्राइम गैप्स के बाउंड में एक पद को भी बेहतर किया, जो 80 वर्षों से अधिक समय से कायम था।
GPT-6 Astra का उपयोग कैसे करें
Chat Completions API
curl https://api.smartaipi.com/v1/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-astra",
"messages": [{"role": "user", "content": "Refactor this module and add tests"}]
}'उच्च रीजनिंग के साथ Responses API
curl https://api.smartaipi.com/v1/responses \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "gpt-6-astra",
"input": "Audit this repo for security issues and open PRs to fix them",
"reasoning": {"effort": "high", "summary": "auto"}
}'Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider
OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-astraरीजनिंग प्रयास low, medium, high और xhigh का समर्थन करता है। Astra प्रयास के साथ सार्थक रूप से स्केल करता है — शुरुआती साझेदार रिपोर्ट करते हैं कि अधिक प्रयास केवल लंबे उत्तर नहीं, बल्कि नए बिल्ड्स पर अधिक सत्यापन पास और अधिक ब्राउज़र परीक्षण देता है। लंबे-क्षितिज वाले एजेंटिक कार्य के लिए high या xhigh उपयोग करें।
वास्तव में आपको कौन-सा मॉडल चलाना चाहिए?
- gpt-6-astra — कंप्यूटर उपयोग, ब्राउज़र ऑटोमेशन, टर्मिनल-प्रधान एजेंट्स, लंबे-क्षितिज वाले रिफैक्टर्स, ऐसी कोई भी चीज जहां बिना निगरानी के कार्य पूरा होना लक्ष्य है। इसकी टोकन दक्षता का अर्थ है कि अधिक दर अक्सर प्रति पूर्ण कार्य सस्ती पड़ती है।
- gpt-5.6-sol — अब भी एक उत्कृष्ट फ्रंटियर कोडिंग मॉडल और प्रति टोकन काफी सस्ता। उच्च-वॉल्यूम एजेंटिक कोडिंग के लिए सही डिफ़ॉल्ट, जहां आप Astra की कंप्यूटर-उपयोग बढ़त के लिए भुगतान नहीं कर रहे हैं।
- gpt-5.6-terra — संतुलित वर्कहॉर्स: sol की आधी कीमत पर लगभग फ्लैगशिप कोडिंग गुणवत्ता।
- gpt-5.6-luna — बैच कार्य, वर्गीकरण, सारांशीकरण, सस्ते उच्च-थ्रूपुट पाइपलाइंस।
चारों एक ही endpoint और एक ही key पर चलते हैं। स्विच करना एक-पंक्ति का बदलाव है, इसलिए किसी के भी चार्ट पर भरोसा करने के बजाय — इसमें यह भी शामिल है — उन्हें अपने वर्कलोड पर बेंचमार्क करें।
शुरू करें
मुफ्त क्रेडिट शामिल हैं। हर नए खाते को $5 के मुफ्त क्रेडिट मिलते हैं। smartaipi.com/signup पर साइन अप करें, API key बनाएं, और तुरंत gpt-6-astra का उपयोग शुरू करें। क्रेडिट कार्ड की आवश्यकता नहीं है।
- साइन अप करें smartaipi.com/signup पर (मुफ्त क्रेडिट, कोई क्रेडिट कार्ड नहीं)
- डैशबोर्ड में API key बनाएं
- अपना base URL सेट करें
https://api.smartaipi.com/v1पर - मॉडल उपयोग करें
gpt-6-astra
प्रकाशित सर्वश्रेष्ठ एजेंटिक और कंप्यूटर-उपयोग मॉडल, प्रोडक्शन में, सूची मूल्य के एक-चौथाई पर।
OpenAI-संगत API गेटवे। frontier AI models तक 75% कम लागत में पहुंचें।
मुफ़्त में शुरू करें