OpenAI lancia GPT-6 Astra, descritto come un "Automated AI Engineer"

Astra tocca il 97,6% su FrontierMath e il 99,9% su ARC-AGI-3. Latent Space lo presenta come un “AI Engineer” che si può “assumere” per meno di 6 dollari l’ora e lo dichiara superiore a Fable 5.1 in molte prove [S1].

L’analisi arriva dopo un accesso anticipato. Gli autori scrivono di aver consumato oltre 20 miliardi di token su compiti pratici. Dichiarano limiti di competenza su alcune aree tecniche e scelgono di valutare il modello su attività reali, non su demo preconfezionate [S1].

Il profilo tracciato è quello di un modello operativo. Secondo Latent Space, Astra seleziona e addestra modelli, aiuta a etichettare dati e usa quelle etichette in active learning “come SAM”. Mantiene pipeline sature, strumenta e legge i log. Distribuisce e fa debug di sistemi end‑to‑end in un solo passaggio. Gli autori presentano questi risultati come esiti del proprio uso intensivo, non come promesse di marketing [S1].

La capacità chiave è l’orchestrazione. Astra “apre a ventaglio” sub‑agent, li coordina e li valuta, anche quando chiamano altri modelli. Latent Space afferma che il modello mantiene coerenza per miliardi di token dentro un singolo thread di agente, sulla base della propria esperienza d’uso [S1].

Gli autori prevedono che le demo pubbliche si concentreranno su “computer use”, partite a Pokémon, Blender e benchmark di scienza e cybersicurezza, con rimando alla system card. Ribadiscono però che la loro analisi evita queste dimostrazioni e resta sui compiti pratici testati durante l’accesso anticipato [S1].

Il titolo dell’articolo di Latent Space fissa la cornice economica: “assumere” Astra per meno di 6 dollari l’ora. Il pezzo non riporta una conferma di OpenAI su prezzo o disponibilità. Le prestazioni citate (FrontierMath e ARC‑AGI‑3) e il confronto con Fable 5.1 provengono dai test dichiarati dagli autori [S1].

Nel testo compaiono reazioni sintetiche: “Greg” dice “AGI is here”; “Jakub” definisce Astra l’“Automated AI Research Intern” che desiderava. Sono giudizi, non dati tecnici aggiuntivi [S1].

Se i numeri sui benchmark e le capacità operative verranno replicati da valutazioni indipendenti, la metrica decisiva potrebbe diventare il costo effettivo per ora di lavoro automatizzato. È il punto implicito del “<$6/h” del titolo: un modello che orchestra agenti e chiude task end‑to‑end sposta la discussione dal punteggio di benchmark al budget di progetto [S1].