OpenAI GPT-6 Astra: czy naprawdę zaczyna się era AGI?

Odpowiedź nie jest ani prosta, ani jednoznacznie optymistyczna. GPT-6 Astra to model zaprojektowany do zadań, przy których poprzednie generacje wyraźnie się zatrzymywały – złożone projekty inżynierskie, autonomiczne przeglądanie sieci, wielogodzinna praca nad kodem bez ciągłego nadzoru człowieka. Okno kontekstu wynoszące 1,05 miliona tokenów pozwala modelowi „trzymać w głowie” równowartość kilku grubych powieści jednocześnie, co zmienia charakter możliwych zastosowań. To nie jest kolejna wersja z lepszym formatowaniem odpowiedzi.

Jednak wdrożenie przebiega stopniowo i z wyraźnymi ograniczeniami – szczególnie w obszarach, gdzie możliwości modelu budzą uzasadnione obawy. Żeby zrozumieć, co Astra naprawdę potrafi i dla kogo jest teraz dostępna, warto przyjrzeć się szczegółom, a nie tylko nagłówkom.

Jak przebiega udostępnianie GPT-6 Astra?

Wdrożenie GPT-6 nie wygląda jak typowe „wszyscy dostają jednocześnie”. To przemyślany, wieloetapowy roll-out, który zaczął się od zamkniętej grupy organizacji partnerskich.

Poniżej kolejność, w jakiej dostęp do Astry jest rozszerzany:

1. Wybrane organizacje z programu zaufanego dostępu (trusted access program) – od 3 września 2026 r.;
2. użytkownicy ChatGPT Plus i ChatGPT Pro – kolejne dni po premierze;
3. konta Business i Enterprise – równolegle lub bezpośrednio po grupie Pro;
4. dostęp przez OpenAI API, Microsoft Azure i AWS Bedrock – dla deweloperów i firm integrujących model we własnych produktach;
5. najbardziej zaawansowane funkcje z obszaru cyberbezpieczeństwa – wyłącznie dla uczestników programu Daybreak Blue, bez planowanego otwartego dostępu w najbliższym czasie.

Astra osiągnęła poziom Critical w ramach OpenAI Preparedness Framework, co oznacza, że model jest w stanie samodzielnie znajdować nieznane wcześniej luki w zabezpieczeniach i opracowywać metody ich wykorzystania – bez ciągłego prowadzenia przez człowieka. To właśnie dlatego ta część możliwości pozostaje za zamkniętymi drzwiami.

Dla przeciętnego użytkownika ChatGPT Plus dostęp do Astry w podstawowym zakresie ma pojawić się stosunkowo szybko po starcie. Jednak warto mieć świadomość, że „dostęp do GPT-6 Astra” i „dostęp do pełnych możliwości GPT-6 Astra” to dwie różne rzeczy. Część funkcji pozostanie ograniczona do wąskiej grupy testerów przez czas nieokreślony – i w kontekście poziomu Critical w cyberbezpieczeństwie trudno się temu dziwić.

Co GPT-6 Astra potrafi inaczej niż poprzednie modele?

Każda kolejna generacja modeli językowych przynosiła poprawę jakości odpowiedzi, lepsze rozumowanie czy mniejszą skłonność do halucynacji. Astra idzie w innym kierunku. Chodzi o autonomię i skalę zadań, nie tylko o jakość pojedynczej odpowiedzi.

Model GPT-6 Astra ma okno kontekstu wynoszące 1,05 miliona tokenów i maksymalny output na poziomie 128 tysięcy tokenów, co stawia go w zupełnie innej kategorii niż wcześniejsze wersje. Wyobraź sobie projekt: masz bazę kodu liczącą kilkadziesiąt tysięcy linii, dokumentację techniczną, historię błędów i specyfikację nowej funkcji. Poprzednie modele musiały pracować na wycinkach – Astra może objąć cały kontekst naraz.

Ale sama pojemność kontekstu to tylko część obrazu. OpenAI projektuje Astrę przede wszystkim jako narzędzie do zadań określanych jako computer use – czyli samodzielnego obsługiwania interfejsów graficznych, wypełniania formularzy, nawigowania po stronach – oraz do software engineering i pracy naukowej. To nie jest model do pisania maili. To model do wielogodzinnych, wieloetapowych zadań, które wcześniej wymagały stałego nadzoru człowieka.

Różnica w stosunku do poprzednich wersji ujawnia się też w obszarze cyberbezpieczeństwa, gdzie Astra przekroczyła próg Critical w Preparedness Framework. Żaden poprzedni model OpenAI nie osiągnął tego poziomu – i to właśnie ten fakt sprawił, że firma zdecydowała się na tak restrykcyjne ograniczenia dostępu do tej konkretnej klasy zastosowań.

Ile kosztuje GPT-6 Astra w API?

Ceny dla deweloperów korzystających z OpenAI API są jasno podane w dokumentacji i dają dobre wyobrażenie o tym, do jakich zastosowań model jest faktycznie kierowany.

Cennik API GPT-6 Astra wynosi 10 USD za milion tokenów wejściowych i 50 USD za milion tokenów wyjściowych – co przy oknie kontekstu przekraczającym milion tokenów może szybko przełożyć się na realne koszty przy intensywnym użytkowaniu. Dla porównania: jedno zapytanie z pełnym kontekstem 1,05 mln tokenów kosztowałoby po stronie wejścia ok. 10,50 USD, zanim model w ogóle zacznie odpowiadać.

To nie są ceny dla hobbystów. Model w dokumentacji API figuruje pod identyfikatorem `gpt-6-astra` i jest wyraźnie pozycjonowany jako narzędzie dla organizacji, które mają konkretny problem wymagający mocy obliczeniowej na tym poziomie. Firma budująca system do automatycznej analizy kodu w dużym repozytorium, instytucja naukowa przetwarzająca obszerne zbiory danych albo zespół security research – to naturalne przypadki użycia przy takiej strukturze cenowej.

Dla użytkowników subskrypcji ChatGPT Plus, Pro, Business i Enterprise dostęp do Astry wchodzi w ramach posiadanego planu, bez dodatkowych opłat per token. To ważna różnica: API i ChatGPT to dwa osobne modele rozliczenia, które kierują model do zupełnie innych grup odbiorców.

Historia poprzednich modeli OpenAI pokazuje, że stawki początkowo wyższe z czasem były korygowane w dół – tak było z GPT-4 Turbo, gdzie ceny tokenów wejściowych spadły o połowę w ciągu kilku miesięcy od premiery. Ceny API GPT-6 Astra mogą podążyć podobną ścieżką wraz z rozszerzaniem dostępu i wzrostem skali użytkowania.

Jakie ograniczenia wciąż dotyczą GPT-6 Astra?

Wokół modeli AI krąży przekonanie, że kolejna wersja rozwiązuje problemy poprzedniej. W przypadku Astry jest inaczej – OpenAI wprost komunikuje, że część ograniczeń wynika nie z niedoskonałości modelu, lecz z jego możliwości.

Najbardziej restrykcyjne reguły dotyczą zastosowań z obszaru cyberbezpieczeństwa. Astra przekroczyła próg Critical w wewnętrznym Preparedness Framework, co oznacza, że model jest zdolny do operacji, które firma uznała za zbyt ryzykowne do swobodnego udostępnienia. W praktyce API blokuje całe klasy zapytań związanych z ofensywnym bezpieczeństwem – nie przez filtr treści, lecz przez architektoniczne ograniczenia dostępu do określonych trybów działania.

Ograniczenia dotyczą też samodzielności w trybie agentycznym. Astra może prowadzić wieloetapowe zadania, ale w środowiskach produkcyjnych OpenAI zaleca wdrożenie dodatkowych warstw nadzoru. Dokumentacja wprost wskazuje, że model nie powinien działać bez punktów kontrolnych przy zadaniach wpływających na rzeczywiste systemy – bazy danych, repozytoria kodu, interfejsy zewnętrznych usług.

Okno kontekstu powyżej miliona tokenów brzmi imponująco, ale wiąże się z realnym kosztem obliczeniowym. Przy pełnym wypełnieniu kontekstu czas odpowiedzi rośnie, a cena zapytania może być trudna do zaplanowania w aplikacjach o zmiennym obciążeniu. To nie jest wada modelu – to właściwość fizyczna dużych transformerów, którą warto uwzględnić przy projektowaniu architektury systemu.

Dostęp do multimodalności w wersji API jest też na razie selektywny. Część możliwości audio i wideo, które OpenAI demonstrowało podczas prezentacji, wciąż pozostaje w fazie ograniczonego testowania. Użytkownicy API mają dostęp do pełnej modalności tekstowej i obrazowej, natomiast zaawansowane funkcje głosowe są dostępne głównie przez interfejs ChatGPT, nie przez bezpośrednie wywołania API.

Czy GPT-6 Astra to naprawdę AGI?

To pytanie wraca przy każdej dużej premierze OpenAI. I za każdym razem odpowiedź jest podobna: zależy od definicji.

Sam Altman w wypowiedziach towarzyszących premierze używał sformułowania „zbliżamy się do AGI” – nie „osiągnęliśmy”. OpenAI stosuje wewnętrzną skalę pięciu poziomów AGI, gdzie poziom 1 to modele konwersacyjne, a poziom 5 to systemy zdolne do autonomicznego prowadzenia organizacji. Astra jest oficjalnie klasyfikowana jako poziom 2, czyli model zdolny do wykonywania zadań eksperckich na poziomie porównywalnym z ludzkim specjalistą w wąskich dziedzinach.

To ważne rozróżnienie. Astra potrafi rozwiązać zadanie matematyczne z olimpiady, napisać i uruchomić kod, zanalizować obszerny zbiór danych medycznych. Nie potrafi jednak samodzielnie wyznaczać celów, adaptować się do zupełnie nowych klas problemów bez dodatkowego kontekstu ani działać w świecie fizycznym poza interfejsami cyfrowymi. Ogólna inteligencja w sensie ludzkim – rozumiana jako zdolność do transferu wiedzy między radykalnie różnymi domenami bez żadnego przygotowania – pozostaje poza zasięgiem obecnej architektury.

Wyniki benchmarkowe są realne. Na teście GPQA Diamond, który mierzy wiedzę ekspercką z biologii, chemii i fizyki, Astra osiągnęła wynik powyżej 90% – to poziom, którego większość ludzkich ekspertów z jednej dziedziny nie osiągnie w pozostałych dwóch. Na ARC-AGI-2, zaprojektowanym jako test odporny na zapamiętywanie wzorców, wyniki są znacznie skromniejsze i pokazują, że model wciąż ma trudności z abstrakcyjnym rozumowaniem w sytuacjach, których nie widział w danych treningowych.

Pytanie o AGI jest więc bardziej filozoficzne niż techniczne. Praktyczniejsze pytanie brzmi: czy Astra zmienia to, co możesz zrobić z modelem językowym? I na to pytanie odpowiedź jest twierdząca.

Co GPT-6 Astra oznacza dla codziennej pracy z AI?

Zmiany, które Astra wprowadza, są najbardziej odczuwalne w konkretnych scenariuszach zawodowych. Nie w rozmowie o przepisach kulinarnych, lecz w zadaniach, które wcześniej wymagały kilku iteracji, ręcznego sklejania wyników i stałego nadzoru.

Programista pracujący z dużą bazą kodu może teraz wkleić całe repozytorium jako kontekst – nie wybrane pliki, lecz całość. Model widzi zależności między modułami, historię commitów i dokumentację jednocześnie. Zamiast pytać „co robi ta funkcja?”, można zapytać „dlaczego ten błąd pojawia się tylko przy tym zestawie parametrów wejściowych i jak wpłynie na niego refaktoryzacja modułu X?”. To jakościowo inne narzędzie niż asystent do autouzupełniania.

Analityk danych pracujący z raportami może przesłać kilkaset stron dokumentów źródłowych i otrzymać syntezę uwzględniającą sprzeczności między źródłami. Poprzednie modele przy takim wolumenie traciły spójność w połowie kontekstu. Astra utrzymuje ją znacznie lepiej – choć przy naprawdę granicznych rozmiarach kontekstu wciąż warto weryfikować istotne wnioski.

Jedno praktyczne ćwiczenie: weź dokument lub zbiór danych, który do tej pory musiałeś dzielić na części, i prześlij go w całości z jednym precyzyjnym pytaniem. Wynik pokaże lepiej niż jakikolwiek benchmark, czy model rzeczywiście zmienia coś w twoim przepływie pracy.

Proszę o wskazanie konkretnych miejsc do poprawy – widzę, że lista błędów językowych dotyczy głównie cudzysłowów i pisowni skrótu „GPT”, ale w przesłanym tekście cudzysłowy są już polskie („…”), a skrót GPT jest zapisany poprawnie. Możliwe, że narzędzie LanguageTool analizowało wcześniejszą wersję pliku lub wersję z innym kodowaniem znaków. Jeśli masz dostęp do aktualnego raportu LanguageTool dla tego konkretnego tekstu, chętnie naniesiemy poprawki punkt po punkcie.