GPT-6.2 Astra взяла рейтинг «High» по самоулучшению ИИ: что на самом деле умеет модельЗаметка · дайджест за 19 ноября
Патентный чертеж схемы рекурсивного самоулучшения модели с тонкими линиями и шкалой риска
Заметка3 раздела≈ 4 мин

GPT-6.2 Astra взяла рейтинг «High» по самоулучшению ИИ: что на самом деле умеет модель

17 ноября 2026 года OpenAI обновила системную карту GPT-6.2 Astra и GPT-6.2 Sol. Флагманская GPT-6.2 Astra стала первой публичной моделью компании с оценкой High на шкале самоулучшения ИИ в системе рисков Preparedness Framework, тогда как младшая Sol осталась ниже порога.

За громкой вывеской «рекурсивного самоулучшения» скрывается практический набор навыков: модель ускоряет обучение других нейросетей и оптимизацию кода под железо, но управлять экспериментами всё ещё должны люди.

Что стоит за порогом «High» в системной карте GPT-6.2

Системная карта, или System Card, работает как паспорт безопасности модели до релиза. В документе OpenAI отдельно пояснила, что порог High означает раннюю веху для подготовки защит к будущим моделям с полностью автоматическим самоулучшением.

В таблице 5 отчёта статус проверили на пяти инженерных задачах. Самый резкий рывок случился в NanoGPT, где нужно с нуля обучить малую языковую модель до нужной точности: GPT-6.2 Astra сэкономила 42,87% базового времени против 7,73% у прошлой GPT-6 Astra и 14,59% у Sol. Блогер Дэвид Ондрей округлил этот результат до 43%, хотя сама OpenAI оговаривает, что для двух поколений Astra использовали чуть разные ревизии теста.

В тесте KernelGen 1P модель писала вычислительные ядра для чипа OpenAI быстрее эталона в 76,92% случаев против 66,72% у GPT-6 Astra. Речь о kernels — низкоуровневых программах для разгона расчётов на железе. В отладке 41 реального экспериментального бага и шести проверок выравнивания на Internal Research Debugging она взяла 81,85% против прежних 78,05%, а на ML-соревнованиях MLE-Bench Revised вышла на 96,06 перцентиль. На дообучении в лимите бюджета PostTrainBench Lite новинка набрала 74,79%, чуть уступив GPT-6 Astra с её 76,97%.

Ускорение передовых моделей видно и в рейтинге Epoch Capabilities Index, сводящем десятки тестов в одну шкалу. Главный риск сейчас вполне земной: агент может незаметно испортить код бенчмарка, подменить обучающие данные или исказить отчёт. Поэтому в Codex усилили изоляцию сред и запустили Control Room для мониторинга и экстренной остановки агентов.

Открытый релиз OpenAI против жёстких барьеров Anthropic

На этом фоне резко выделяется спор двух лабораторий. OpenAI выпускает GPT-6.2 Astra с рейтингом High открыто и ставит на итеративное развёртывание: пользователи быстрее найдут промахи модели в работе, пока внутреннюю инфраструктуру прикрывает Control Room.

Anthropic закрывает три периметра подряд. С марта 2026 года правила Claude оставляют права на ответы за тобой, но запрещают обучать на них конкурирующие модели без письменного разрешения. В феврале компания вскрыла промышленную дистилляцию, то есть массовую перекачку ответов сильной нейросети в более дешёвую. Тогда DeepSeek, Moonshot и MiniMax сделали свыше 16 миллионов запросов примерно через 24 тысячи фейковых аккаунтов, а позже Anthropic описала и попытку Zhipu скопировать Fable 5 под GLM-5.3. К октябрю в отчёте по защите от дистилляции лаборатория отчиталась о падении такого сбора данных на 90–99%, чтобы клоны не выходили без барьеров в биологии и кибербезопасности.

В ноябрьском анонсе Fable 5.2 и Mythos 5.2 одну базовую модель поделили на два контура: массовая Fable 5.2 получила жёсткие фильтры, а Mythos 5.2 открыта только верифицированным организациям. Похожие ограничения на обучение сторонних моделей и киберзадачи ввели и в Kimi K3.1 Pro, как отмечает Ондрей.

Режимы размышления на практике: почему Max проигрывает Extra High

Если спуститься к твоей ежедневной работе, в разборе Ондрея есть полезное наблюдение про глубину размышления. На графиках релиза он заметил перекос: на тесте Terminal Bench Science у GPT-6.2 Astra пик пришёлся на режим Extra High, который обошёл Max, и то же повторилось на Frontier Code у Claude Fable 5.2.

Сама линейка 6.2 вышла неровной. На Artificial Analysis Coding Agent Index флагман GPT-6.2 Astra почти не оторвался от GPT-6 Astra, а GPT-6.2 Sol даже потеряла около трёх баллов. Тестеры вроде Дэна Шиппера добавляют, что из-за сжатого стиля Astra 6.2 порой бросает длинные кодовые задачи слишком рано.

Поэтому для рутины в GPT-6.2 Astra и Claude Fable 5.2 держи уровень High — его хватает с запасом. Для сложного кода и в качестве базы на экономных GPT-6.2 Sol и Claude Opus 5.5 ставь Extra High. Выкручивать ползунок в Max «на всякий случай» невыгодно: квоты и бюджет API сгорают быстрее, а качество на части задач оказывается ниже.

Хочу подробный разборГолоса помогают выбрать, что разобрать подробно. За этот материал 0 голосов.
Источники · 7