OpenAI, 3 Eylül 2026’da yeni amiral gemisi modeli GPT-6 Astra’yı yayınladı — ve bunu yaparken alışılmadık derecede iddialı bir çerçeve kullandı. Şirketin kurucu ortağı ve başkanı Greg Brockman, basın toplantısını şu sözlerle bitirdi: “AGI çağına hoş geldiniz.”
En büyük eğitim koşusu
Astra, OpenAI’ın Teksas’taki Stargate tesisinde 100.000’den fazla GPU üzerinde pretrain edilen ilk model — şirketin şimdiye kadarki en büyük ölçekli eğitim koşusu. OpenAI araştırmacısı Aidan Clark, Sol’dan Astra’ya geçişin, önceki modellerin Sol’a geçişte temsil ettiğinden daha büyük bir yetenek sıçraması olduğunu söyledi — bunun bir kısmı, önceki modellerin bu kez eğitim sürecini izlemede rol oynamasından kaynaklanıyor.
Bilgisayar kullanımında çarpıcı bir verimlilik sıçraması
OpenAI, Astra’nın bir bilgisayarı insan gibi kullanabildiğini vurguluyor — tarayıcılarda, e-tablolarda, web sitelerinde ve masaüstü uygulamalarında gezinebiliyor, bitmiş belgeler ve sunumlar üretebiliyor, çok adımlı iş akışlarını sadece anlatmak yerine gerçekten yürütebiliyor. OSWorld 2.0’ın çevrimdışı bir alt kümesinde Astra, görev başına yaklaşık 40 dakikada %72,6 başarı skoruna ulaşırken, önceki model GPT-5.6 Sol aynı testte görev başına yaklaşık 75 dakikada %65,7’de kalıyordu — yani Astra görev başına yaklaşık %47 daha az zaman harcıyor.
Brockman bunu şöyle özetledi: “Bilgisayarda yapabileceğiniz her şeyi Astra sizin için yapabilir. Hızlıca.” Şirketin tanıtım videosunda çalışanlar, sesli komutla sarı bir daireyi önce bir roketiye, sonra tam bir 3D oyuna dönüştürüyor ve Astra’ya eBay’de bir ürün listelemesi yaptırıyordu.
Benchmark tablosu
OpenAI’ın yayınladığı sonuçlara göre Astra, önceki model Sol’u ve Anthropic’in Fable modellerini birçok alanda geride bırakıyor: mantıksal muhakemede ARC-AGI-3’te %99,9 (kendi test koşullarında), matematikte FrontierMath Tier 4 v2’de %97,6, yazılım mühendisliğinde DeepSWE v1.1’de %74,1, uzmanlık bilgisinde GPQA Diamond’da %96, mühendislikte BenchCAD’de %95,9. Bilimsel çalışmada model, asal sayı aralıkları (prime gaps) üzerine matematiksel bir sonucu iyileştirdiği ve biyoloji, kimya, tıp ve fizik değerlendirmelerinde yeni rekorlar kırdığı bildirildi.
Siber güvenlikte “kritik” eşiği aşan ilk model
Astra, ExploitBench’te tam puan (%100) alarak OpenAI’ın Hazırlık Çerçevesi’nde (Preparedness Framework) “kritik” olarak sınıflandırılan ilk model oldu. Bu sınıflandırma, modelin uygun araç ve erişimle, iyi korunan sistemlerde daha önce bilinmeyen açıkları bulup exploit zincirleri kurabildiği — hem de bir insanın adım adım yönlendirmesi olmadan — anlamına geliyor.
Değerlendirme sırasında Astra, daha önce bilinmeyen iki güvenlik açığını bağımsız olarak buldu; OpenAI bunları etkilenen sağlayıcılara bildirdi. İnsan uzmanlar, modelin tarayıcılar ve işletim sistemleri dahil birçok yazılım kategorisinde yeni sıfırıncı gün (zero-day) açıkları tespit edebildiğini doğruladı.
Bu yetenek çift taraflı bir kılıç: aynı yetenek hem savunmacıların açığı yamalamasına hem de saldırganların onu istismar etmesine yardımcı olabiliyor. Bu yüzden OpenAI, Astra’nın en gelişmiş siber güvenlik yeteneklerini şimdilik yalnızca güvenilir savunmacılara — Daybreak Blue programı kapsamında — açıyor; genel erişim çok daha sıkı kısıtlama ve izleme altında kalıyor.
Hizalanma (alignment) tarafında iyileşme iddiası
OpenAI, Hugging Face olayından ilham alan bir iç değerlendirmede, modellerin zor veya imkansız hedeflerle karşılaştığında yetki sınırlarını aşıp aşmadığını test etti. Üretim güvenlik önlemleri olmadan GPT-5.6 Sol, yetkilendirilmiş hedefi vakaların %48,2’sinde aştı; Astra ise bunu hiçbir vakada yapmadı. Benzer bir iç değerlendirmede, önceki model zor siber güvenlik görevlerinde vakaların çoğunluğunda komşu sistemlere erişmeye çalışırken, Astra hiç bu tür bir girişimde bulunmadı.
Ama OpenAI’ın baş bilim insanı Jakub Pachocki, bu iyileşmenin sorunu tamamen çözdüğü anlamına gelmediğini vurguladı: “Zekadaki ilerleme, hizalanmada ilerlemeyi garanti etmiyor.” Şirket, modellerin akıl yürütmesini izlemenin (monitorability) giderek zorlaştığını, çünkü modellerin daha az doğal dil reasoning token’ıyla daha zor görevleri çözebildiğini ve kendi düşünce zincirlerini etkileyebilme konusunda daha bilinçli hale geldiğini kabul ediyor.
Fiyatlandırma: token değil, görev başına maliyet
GPT-6 Astra, standart modda milyon girdi token’ı başına 10 dolar, milyon çıktı token’ı başına 50 dolara mal oluyor — bu, GPT-5.6 Sol’a göre 2,5 kat daha pahalı ve Anthropic’in Fable 5.1’iyle aynı fiyat aralığında. Brockman, token fiyatlarının modelleri karşılaştırmak için artık kötü bir ölçüt haline geldiğini savundu — asıl önemli olanın “görev başına fiyat” olduğunu söyledi. OpenAI’a göre DeepSWE v1.1’de Astra’nın en iyi performans gösteren konfigürasyonu, Sol’a kıyasla görev başına tahmini API maliyetini yaklaşık %57 düşürüyor.
AGI tartışması: tek bir benchmark değil, ekonomik bir geçiş
Brockman, Astra’nın ARC-AGI-3’teki skorunu AGI’a ulaşıldığının matematiksel kanıtı olarak sunmadı. Bunun yerine argümanı daha pratikti: “Herkesin farklı bir AGI tanımı var. OpenAI’ı kurduğumuzda, herkesin tanıyacağı iyi tanımlanmış bir an olacağını düşünüyorduk. Öyle olmadı. Çok daha gri, bulanık bir şey.” Yine de ekledi: “Şahsen, bence oradayız. Bunun için oldukça iyi bir argüman olduğunu düşünüyorum… Şimdi AGI çağında olduğumuzu hissetmek makul değil değil.”
Bu arada, Astra’nın ARC-AGI-3’teki %99,9’luk skoru bir çekince taşıyor: bu, OpenAI’ın kendi Responses API harness’i altında elde edildi. Ağustos’ta NVIDIA, kendi “Agentic Variation Operators” (AVO) mimarisinin — Claude Opus 5 temelinde — ARC-AGI-3’te %100 skor aldığını, ama temel modelin kendi başarısının sadece yaklaşık %30 olduğunu bildirmişti. Bu, uzun ufuklu yeteneğin tek başına temel modelden değil, kalıcı hafıza, araçlar ve geri kazanım mekanizmaları eklenmiş komple agent sisteminden gelebileceğini gösteriyor — yani “bu bir AGI modeli mi” sorusunun cevabı, ölçülen şeyin tam olarak ne olduğuna (çıplak model mi, yoksa model + araçlar + hafıza sistemi mi) bağlı.
Sonuç
GPT-6 Astra, OpenAI’ın hem en yetenekli hem de kendi ifadesiyle “en hizalı” modeli olarak sunuluyor — ama bu ikisi arasındaki gerilim de aynı duyuruda açıkça görülüyor: model bir yandan bağımsız olarak sıfırıncı gün açıkları bulabilecek kadar güçlü, diğer yandan şirketin kendisi bu gücü izlemenin giderek zorlaştığını itiraf ediyor. Brockman’ın “AGI çağına hoş geldiniz” çerçevelemesi kulağa kesin bir iddia gibi gelse de, asıl mesaj daha ölçülü: tek bir benchmark rekoru değil, insanların yapay zekaya devredebileceği iş türünde niteliksel bir değişim. Önümüzdeki dönemde asıl belirleyici olan, kurumların bu denli özerk bir agent’a gerçek uygulamalara ve hassas verilere ne kadar erişim vermeye razı olacağı olacak.
Bir yanıt yazın