GPT-6 Astra jest już dostępny w Smart AIPI — 75% taniej, a prawdziwa historia to efektywność tokenowa

OpenAI ogłosiło GPT-6 Astra 3 września 2026, nazywając go „najinteligentniejszym i najlepiej dostosowanym modelem na świecie”. Jest dostępny w API jako gpt-6-astra i już teraz można korzystać z niego w Smart AIPI za jedną czwartą ceny OpenAI.

Posty premierowe to marketing. Ten nie jest — sprzedajemy dostęp do modelu, więc użyteczne jest dla nas dokładne wskazanie, gdzie wygrywa, gdzie przegrywa i ile faktycznie będzie kosztować jego użycie. Wszystkie poniższe liczby pochodzą z opublikowanych przez OpenAI tabel ewaluacyjnych oraz z ich niezależnej analizy.

Najważniejsze wyniki

Astra wyznacza stan techniki w obsłudze komputerów, przeglądaniu sieci, inżynierii oprogramowania, cyberbezpieczeństwie, nauce i pracy profesjonalnej. Wyniki najważniejsze dla deweloperów:

Niektóre z tych wyników zasługują na osobne zdanie. Terminal-Bench 4.0 jest najbliższym odpowiednikiem pytania „czy agent potrafi obsługiwać prawdziwą maszynę i wykonać rzeczywistą pracę” — 57.9% Astry wobec 37.3% Sola to skok generacyjny, a nie błąd zaokrąglenia. AutomationBench (wieloetapowe procesy biznesowe obejmujące różne aplikacje) oznacza ponad dwukrotną przewagę nad Solem. W OSWorld 2.0 Astra osiąga wyższy wynik i kończy zadanie w około 40 minut, wobec 75 minut dla Sola — czyli w czasie krótszym o około 47%. A wiersz dotyczący dostosowania nie jest przypisem: w adwersarialnym teście bezpieczeństwa obsługi komputera Astra generuje niedostosowane rezultaty w 2.4% przypadków, wobec 22.0% dla Sola. Jeśli pozwalasz agentowi dotykać produkcji, ta liczba jest warta więcej niż punkt benchmarkowy.

Trzy zastrzeżenia, których nie pokazują wykresy premierowe

Wolimy, aby dowiedzieć się o nich od nas, niż aby odkryć je samodzielnie.

1. Wynik 99.9% w ARC-AGI-3 to rezultat harnessu

ARC-AGI-3 ocenia model, przekazując mu siatkę 64×64 kolorowych komórek jako obiekt JSON i pozwalając emitować tokeny akcji do symulowanego środowiska — bez zrzutów ekranu, bez wideo i bez zasad wyjaśnionych z góry. Wynik 99.9% uzyskano przy użyciu własnego harnessu Responses API OpenAI, z własnym zarządzaniem kontekstem. Uruchom ten sam model przez hostowany harness ARC Foundation za pomocą zwykłych wywołań API, a Astra uzyska około 62.7%.

Obie liczby są uczciwe; mierzą różne systemy. Mówi to jednak coś ważnego o 2026: harness jest teraz pełnoprawną częścią wyniku. Oceniając model dla własnego stacku, oceniaj go wewnątrz swojego harnessu, a nie na czyimś wykresie prasowym.

2. Indeksy złożone wyraźnie się ze sobą nie zgadzają

OpenAI wyróżniło 14 benchmarków w swoim ogłoszeniu. Dokładnie jeden z nich pokrywa się z Artificial Analysis Intelligence Index, który plasuje Astrę na piątym miejscu z wynikiem 61.2 — za Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) i Claude Fable 5 (62.1). W Artificial Analysis Coding Agent Index v1.4 Astra osiąga 67.0 wobec 68.1 dla Opus 5 i 67.2 dla Fable 5. Astra przegrywa też Humanity's Last Exam z narzędziami z Fable 5.1: 57.2% do 65.0%.

Indeksy agregowane są nakładkami na benchmarki, a taka nakładka może zarówno wydobywać sygnał, jak i go ukrywać. Uczciwa interpretacja jest taka: Astra jest wyraźnie wiodącym modelem do pracy agentowej, terminalowej i obsługi komputera, ale nie jest bezdyskusyjnym liderem w każdym pomiarze „inteligencji”. Wybierz model, który wygrywa na osi istotnej dla tego, co faktycznie wdrażasz.

3. Możliwości cyberbezpieczeństwa są ograniczone, a ślad rozumowania stał się krótszy

Astra osiąga próg Critical w zakresie cyberbezpieczeństwa zgodnie z Preparedness Framework OpenAI — 100% w ExploitBench, 42.4% w ExploitGym wobec 30.3% dla Sola, 88.0% przy pojedynczej próbie inżynierii wstecznej binariów w SRE-Bench wobec 55.9% dla Sola. Podczas ewaluacji odkryła i wykorzystała dwa nieznane wcześniej zero-daye, które — według OpenAI — zostały zgłoszone opiekunom projektów.

Konsekwencja dla Ciebie: wersja premierowa wykonuje pracę defensywną — bezpieczny przegląd kodu, łatanie — ale odmawia tworzenia exploitów proof-of-concept, a dodatkowe kontrole bezpieczeństwa mogą sporadycznie zatrzymać uzasadnione zadanie. W API zablokowane zadanie po prostu się zatrzymuje. To zachowanie modelu po stronie upstream, a nie ograniczenie Smart AIPI. OpenAI planuje złagodzić te ograniczenia dla zweryfikowanych defensywnych workflowów w ramach programu Daybreak.

OpenAI wskazało również rzeczywistą regresję: pisemne rozumowanie Astry jest trudniejsze do monitorowania niż w Solu, ponieważ rozwiązuje problemy w mniejszej liczbie zapisanych kroków i ma większą kontrolę nad swoim śladem. Sami o tym poinformowali. Warto o tym wiedzieć, jeśli Twoje podejście do bezpieczeństwa zależy od odczytywania chain-of-thought.

Prawdziwa historia: efektywność tokenowa, nie cena za token

Przy $10 / $50 za 1M tokenów bezpośrednio od OpenAI Astra wygląda na drogą w porównaniu z rodziną 5.6 — i w przeliczeniu na token rzeczywiście taka jest. Jednak cena za token to niewłaściwa jednostka. Płacisz za tokeny zużyte na ukończenie zadania, a tutaj Astra faktycznie się wyróżnia:

• W DeepSWE Astra zużywa około połowę tokenów wyjściowych GPT-5.6 Sol przy wyższym wyniku.
• W Agents' Last Exam, przy ustawieniach dających najwyższe wyniki, używa około 65% mniej tokenów wyjściowych niż Claude Opus 5.
• Gemini 3.8 Flash (73.8%) i Claude Opus 5 (73.7%) osiągają wynik w granicach punktu od Astry w DeepSWE — będąc jednocześnie około 4–5x mniej efektywne tokenowo na zadanie.
• W Terminal-Bench 4.0 Astra osiąga 57.9% przy szacowanym koszcie API na zadanie niższym o około 9% niż Sol i o 63% niższym niż Fable 5.1.
• W BenchCAD Astra osiąga 95.9% pokrycia geometrycznego przy koszcie o około 43% niższym niż Sol i o 86% niższym niż Fable 5.1.

To model, którego krzywa Pareto przesunęła się dzięki wykonywaniu mniejszej ilości pracy, a nie dzięki niższym opłatom. Tworzy to również realne napięcie dla laboratoriów: jeśli każdy token zapewnia więcej ukończonej pracy, biznes rozliczany za tokeny albo przekazuje klientom zysk z efektywności, albo zatrzymuje go jako marżę. Przy $10 / $50 OpenAI go zatrzymało.

To właśnie lukę, którą Smart AIPI ma wypełnić. Przekazujemy rabat dalej: otrzymujesz efektywność tokenową Astry oraz stawkę za token niższą o 75%.

Cennik: 75% taniej, ten sam model, to samo API

Te same wagi, ten sam kształt API zgodny z OpenAI, te same narzędzia. Jedyna różnica to faktura.

Co jeszcze zostało wydane wraz z Astrą

• Notatki z wyszukiwaniem w Codex. Zamiast kompresować długą sesję do jednego stratnego podsumowania, Astra przechowuje notatki między oknami kontekstu i może przeszukiwać wcześniejsze okna — w tym dane wyjściowe narzędzi, które nigdy nie trafiły do podsumowania. Włącz tę funkcję w swoim config.toml Codex; OpenAI podaje, że w nadchodzących tygodniach stanie się ona domyślna dla Astry.
• Lepsza obsługa niejednoznaczności. Astra uzupełnia rutynowe braki na podstawie kontekstu i zadaje precyzyjne pytania tylko wtedy, gdy odpowiedź zmieniłaby rezultat. W Codex może pytać asynchronicznie, kontynuując niezwiązaną pracę.
• Trzyma się zadania mimo zmian kierunku. Wcześniejsze modele często traktowały korektę w trakcie zadania jako zupełnie nowy cel. Astra uwzględnia nowe wymagania bez porzucania pierwotnych ograniczeń.
• Rzeczywiście długi kontekst. 100% odtwarzania MRCR v2 do 512K tokenów, 96.3% w zakresie 512K–1M.
• Nauka z realnym rezultatem. W lukach między liczbami pierwszymi najlepsze znane ograniczenie dla nieskończenie często występujących bliskich par liczb pierwszych przesunęło się z 246 do 240; Astra pomogła ustalić 186. Poprawiła również wyraz w ograniczeniu dużych luk między liczbami pierwszymi, które pozostawało niezmienione przez ponad 80 lat.

Jak używać GPT-6 Astra

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"}]
  }'

Responses API z wysokim poziomem rozumowania

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-astra

Poziom rozumowania obsługuje low, medium, high i xhigh. Astra zauważalnie skaluje się wraz z poziomem wysiłku — pierwsi partnerzy informują, że wyższy poziom zapewnia więcej przebiegów weryfikacyjnych i więcej testów w przeglądarce na świeżych buildach, a nie tylko dłuższe odpowiedzi. Do długookresowej pracy agentowej użyj high lub xhigh.

Który model faktycznie uruchomić?

• gpt-6-astra — obsługa komputera, automatyzacja przeglądarki, agenci intensywnie używający terminala, długookresowe refaktoryzacje oraz wszystko, gdzie liczy się ukończenie zadania bez nadzoru. Jego efektywność tokenowa sprawia, że wyższa stawka często finalnie okazuje się niższa w przeliczeniu na ukończone zadanie.
• gpt-5.6-sol — nadal doskonały graniczny model do programowania i istotnie tańszy za token. Właściwy domyślny wybór dla agentowego programowania o dużej skali, gdy nie płacisz za przewagę Astry w obsłudze komputera.
• gpt-5.6-terra — zrównoważony koń roboczy: jakość programowania zbliżona do flagowców za połowę ceny sol.
• gpt-5.6-luna — praca masowa, klasyfikacja, podsumowywanie, tanie pipeline'y o wysokiej przepustowości.

Wszystkie cztery działają na tym samym endpointcie i tym samym kluczu. Zmiana wymaga jednej linijki, więc porównaj je na swoim obciążeniu roboczym, zamiast ufać czyjemukolwiek wykresowi — w tym temu.

Zacznij teraz

1. Zarejestruj się na smartaipi.com/signup (bezpłatne środki, bez karty kredytowej)
2. Utwórz klucz API w panelu
3. Ustaw bazowy URL na https://api.smartaipi.com/v1
4. Użyj modelu gpt-6-astra

Najlepszy opublikowany model agentowy i do obsługi komputera, gotowy do produkcji, za jedną czwartą ceny katalogowej.