GPT-6 Astra: Paradoks benchmarków i maszyna, która uczy się szybciej od nas

Premiera GPT-6 Astra podzieliła branżę, obnażając kryzys tradycyjnych metod pomiaru inteligencji maszynowej. Podczas gdy raporty Epoch AI stawiają Astrę na szczycie z wynikiem 169 punktów, analitycy z Artificial Analysis przyznali jej zaledwie 61 punktów – tyle samo, ile dostał starszy model Sol. Ten rozdźwięk to nie błąd, a dowód na nową naturę systemów OpenAI: Astra radzi sobie skrajnie różnie w zależności od tego, czy oczekujemy od niej encyklopedycznej wiedzy, czy surowej logiki operacyjnej.

Dlaczego to ważne teraz?

Aktualne dane z ARC Prize pokazują fundamentalną zmianę: zamiast ładować do modelu coraz więcej danych, OpenAI skupiło się na wydajności w „nieznanych, abstrakcyjnych środowiskach turowych”. Astra osiągnęła w teście ARC-AGI-3 wynik 62,7%, a w wariancie z adapterami nawet 99,9%, co wywraca do góry nogami dotychczasowe prognozy dotyczące nadejścia ogólnej sztucznej inteligencji.

Efektywność ponad surową moc

Najbardziej uderza fakt, jak szybko Astra opanowuje nowe reguły gry. Model wykazał sprawność wyższą niż przeciętny człowiek – w 96% przypadków potrzebował mniej interakcji z otoczeniem, by zrozumieć zasady, niż mediana ludzkich testerów. To gigantyczny skok względem 7,8%, które w tym samym teście osiągał GPT-5.6 Sol. Astra po prostu szybciej łączy kropki.

Co ciekawe, nowa architektura zmienia ekonomię pracy z AI. W teście ARC koszty spadły niemal o połowę przy przejściu na maksymalny tryb rozumowania. Model „myśli” dłużej przed udzieleniem odpowiedzi, ale dzięki temu wykonuje mniej błędnych ruchów i zużywa mniej tokenów. To koniec ery, w której większa precyzja zawsze oznaczała wyższy rachunek.

Własny język maszynowej logiki

Badacze zauważyli, że Astra podczas pracy tworzy własny, symboliczny zapis świata – rodzaj wewnętrznej notacji algebraicznej. W środowisku PRO-LONG, mając dostęp do interpretera kodu, maszyna samodzielnie pisała biblioteki programistyczne, by zarządzać złożonością zadania. Budowała moduły nawigacyjne i systemy przewidywania ruchów przeciwnika bez żadnych sugestii z zewnątrz. Robi to sprawnie, choć wciąż przegrywa z modelem Claude Fable 5.1 w czystym pisaniu kodu aplikacyjnego.

Przyspieszenie w stronę AGI

Mimo sukcesów w matematyce (rozwiązanie dwóch problemów Erdősa zweryfikowanych w Lean), Astra wciąż kuleje tam, gdzie wymagany jest gigantyczny kontekst lub specyficzna wiedza domenowa, np. bankowa. Mimo to tempo rozwoju zszokowało twórców benchmarków. François Chollet, twórca ARC-AGI, przyznał, że postęp jest dwukrotnie szybszy niż jego prognozy sprzed pół roku. Gdy zapytano go, czy rok 2030 jako data powstania AGI pozostaje aktualny, odpowiedział krótko: „Wcześniej”.

• Astra pokonała „human baseline” w efektywności działań na ARC-AGI-3.
• Kolejna iteracja testu, ARC-AGI-4, sprawdzi zdolność maszyn do rekurencyjnego samodoskonalenia.
• Model wykazuje zdolność do przyczynowego modelowania rzeczywistości z bardzo rzadkich danych.