GLM‑5.3‑Flash выигрывает у Qwen3.8‑Flash‑Next все четыре общих бенчмарка и в среднем сильнее примерно на 10%. Но за это он использует в 1,78 раза больше весов и в три раза больше активных параметров. В пересчёте на общий размер Qwen эффективнее в 1,62 раза, а на активные параметры — в 2,74 раза. То есть GLM — выбор для максимального качества, Qwen — очевидный победитель по intelligence-per-compute и intelligence-per-GB.

Что не так с Claude Opus 5?

(TLDR: все так, просто почти никто не читает инструкции)

Вчера собирал материал для нового текста в подписку и Claude (Fable, не Opus) принес интересную историю. Для подписки она маловата, а вот сюда – в самый раз.

С самого релиза достаточно большая часть ИИ-сообщества возненавидела Claude Opus 5. В X и на Reddit модель ругают за лень, привычку писать стены текста и overengineering – строительство сложного кода там, где не нужно.

В итоге Anthropic добавили в Claude Code стиль вывода Concise, сокращающий длину ответов. В компании признали, что это – быстрая заплатка, а со стилем будут отдельно работать в следующих версиях модели.

Но самое интересное, что решение этой и других проблем давно лежало на поверхности – в руководстве по промптингу Claude Opus 5 разработчики подсветили несколько проблем и рассказали, как с ними бороться. Руководства никто читать не любит, так что я сделал это для вас, не благодарите.

Проблема первая – болтливость модели. В Anthropic отмечают, что многие пытаются менять длину ответа изменением уровня рассуждений (Effort), хотя он регулирует совсем другое – количество вычислительных ресурсов, которые модель тратит на работу над ответом. Это совершенно другое: за коротким ответом (математический результат, например) могут стоять огромные вычисления.

В Anthropic рекомендуют запрашивать нужную длину вручную и даже дают следующую формулировку:

Ответы держи сфокусированными, короткими и сжатыми. Оговорки и дисклеймеры – коротко, основное место отдавай главному ответу. Когда просят объяснить – давай высокоуровневое резюме, если подробное объяснение не запрошено явно.

Ее можно вставить в пользовательский промпт, чтобы модель отвечала так всегда. Или добавлять в конец промпта для отдельных кейсов. Но обязательно поэкспериментируйте – меня, например, стиль ответов Opus 5 устраивает без промпта.

Проблема вторая – лишние перепроверки. Мы до сих пор часто пользуемся старыми промптами, в которые вписаны инструкции “перепроверь себя”, “работай по шагам” и так далее.

Opus 5 всегда сам перепроверяет свой ответ: если в промпте прописана еще одна перепроверка, то он тратит на нее лишние токены, почти не улучшая результат. 

Я попросил Fable 5 вызвать Opus 5 субагентом и прогнать пять промптов в двух вариантах – с перепроверкой и без. В четырех случаях результат не изменился, при этом расход токенов вырос в 1,1–3,9 раза. В пятом случае была задача сократить текст до 40 слов: без перепроверки модель сократила до 44, с перепроверкой справилась — но расход токенов вырос в 56 раз. Это единичный выброс, а не норма, и сам эксперимент совсем короткий, я гонял его в фоне, пока писал этот пост.

Но мои наблюдения подтверждают и другие. Биргитта Бёкелер из Thoughtworks 10 августа опубликовала эксперимент: навязанный в промпте пошаговый процесс съедал в 3–8,5 раза больше токенов, а результат проигрывал в слепом ранжировании качества. Ее вывод – излишне подробно объяснять модели, как именно ей работать, больше не окупается.

Добавлю, что это не отменяет другого приема. Если сомневаетесь в ответе – скопируйте его в новый чат и попросите ИИ перепроверить там (или даже раскритиковать). При таком подходе модель смотрит на задачу “свежим взглядом” и часто находит проблемы.

Проблема третья – инструкции “сообщай только о важных проблемах”. Особенность Opus 5 и большинства современных моделей: они в принципе стали строго следовать инструкциям. И когда прописана такая инструкция, то Opus 5 реально начинает молчать о мелочах (например, небольших багах), что, накапливаясь, может вылиться в серьезные проблемы.

Решение – убрать инструкцию из промпта, а в некоторых случаях даже явно просить сообщать обо всех проблемах. 
—
Кстати, излишняя детализация промптов – общая проблема большинства новых моделей, которую признают и Anthropic, и OpenAI. Летом даже стал популярен термин промпт-долга, когда старые промпты портят результат. Как с ним бороться, я рассказал в отдельном лонгриде.

80% инструкций – в мусор! Как теперь пишут промпты в OpenAI и Anthropic

✏️ Заставляем ИИ писать как человек

Появился Sepia – скилл для Claude Code, Codex и других агентов, который исправляет не только лексику, но и саму структуру текста.

Скилл убирает слишком вылизанное повествование, лишние объяснения и шаблонные эмоции. Отдельные правила есть для релиз-нот, PR, постмортемов, тикетов и статей.

Автор опирался на исследование: ИИ-текст можно определить только по структуре в 93,2% случаев, а простая замена слов почти не помогает.

Забираем – тут.

Нейронка собрала дрон

Кейсы про игрушки это, конечно, хорошо. Но как вам такой — американское агентство DARPA устроило конкурс для тяжёлых дронов. Участникам нужно было собрать аппарат весом до 25 кг, поднять на нём минимум 50 кг и пролететь с грузом больше семи километров.

Один парень очень захотел поучаствовать, хоть раньше ничего подобного и не строил. Он загрузил в ChatGPT и Claude правила конкурса и проработал примерную схему своего дрона. Вместе с нейронками рассчитал вес и расход энергии, подобрал моторы и аккумуляторы, спроектировал раму и собрал список деталей. Вот даже переписка с Claude.

Сначала он задумал сделать аппарат с крылом размахом около 5,5 метра. Но конструкция получилась слишком тяжелой. Плюс выяснилось, что ни автор, ни нейронки не проверили, сможет ли такое крыло вообще развернуться внутри узкого коридора трассы. Поэтому от крылатой схемы создатель отказался и пересобрал аппарат в огромный H-образный квадрокоптер.

Парень быстро пересобрал коптер, приехал на соревнования и выиграл миллион долларов!

На самом деле нет. Первая же версия коптера сгорела, потому что нейронка неправильно что-то там подсказала и произошло короткое замыкание. Эту проблему удалось починить, но когда коптер удалось запустить и поднять в воздух... он немного пролетел и рухнул на землю. Короче, выиграть ничего не получилось. Но блин! Человек взял и без опыта собрал коптер, который еще и взлетел! Ну офигеть же

Полную историю разработки можно глянуть здесь

#кейсы

@neurozeh

Anthropic объявила о повышении лимитов Claude… которое на самом деле оказалось снижением

В X-аккаунте Claude Devs появилось объявление, что с 14 сентября компания на постоянной основе увеличивает недельные лимиты для Claude Code в подписках Pro, Max, Team и Enterprise с оплатой за место. Прибавка составит 25%, что означает падение на 17% от текущих лимитов.

Похоже, у нас случился отрицательный рост😁

Давайте разбираться, как так вышло. 13 мая Anthropic сообщила, что временно поднимает лимиты в Claude Code на 50%. Аналитики связывали решение с ростом давления со стороны Codex, а также с контрактом со SpaceXAI, в ходе которого Anthropic получила в аренду все мощности суперкомпьютера Colossus 1 (более 200 тыс ускорителей Nvidia).

Изначально лимиты поднимались по 13 июля, затем акцию продлевали трижды: по 19 июля, по 19 и 31 августа. Это и сыграло с Anthropic злую шутку: когда временную акцию продлевают три раза подряд – пользователи начинают считать ее постоянной. Теперь в компании решили зафиксировать более скромное увеличение – но выглядит это как шаг назад. Что уже привело к волне возмущений в X и на Reddit.

Параллельно пользователи припомнили Anthropic судебный процесс, который идет с июня и касается того, как компания считает лимиты Max-подписок. Иск подал Карл Кан из Вашингтона – рядовой подписчик, прошедший такой путь: Claude Pro в июне 2025, Max 5x за $100 в январе, Max 20x за $200 в апреле. На последнем тарифе он заметил странное: одна пятичасовая сессия в Claude Code съедала 15% недельного лимита.

Кан не стал считать токены, а взял письма самой Anthropic. В июле 2025, вводя недельные лимиты, компания разослала каждому тарифу отдельное письмо с ориентирами: Pro – 40–80 часов Sonnet в неделю, Max 5x – 140–280, Max 20x – 240–480. Делим одно на другое: 5x оказывается 3,5x, а 20x – 6x. С Opus еще веселее: 20x дает от 1,1 до 1,6 раза больше часов, чем 5x, при вдвое большей цене – и это рядом с плашкой Save 50%.

Полноценные 5x и 20x при этом распространяются только на 5-часовое окно.

Эту историю тут же прокомментировали в команде Codex: по словам руководителя Тибо Сотьо, у них 5x и 20x считаются честно. 

Математику Anthropic и OpenAI я проверить не могу, но по ощущениям – так оно и есть. В начале августа я перешел с Claude Max 5x на 20x – и не заметил никакого четырехкратного прироста. Параллельно у меня ChatGPT Pro 5x: и вот такое впечатление, что лимиты Codex в ней даже больше, чем на в два раза более дорогой Claude Max 20x.

И это без дополнительных плюшек. Во-первых, в Codex у меня есть возможность один раз в месяц сбросить лимит вручную. Во-вторых, команда Codex очень любит сбрасывать лимиты в маркетинговых целях: я попросил ChatGPT Work составить график сбросов и получил интересные цифры: если в марте-июне было по 4-6 сбросов, то в июле целых 13, а в августе – 9. 

Понятно, что сбросы – вещь непостоянная и непредсказуемая, но с такой щедростью получается, что реальные лимиты Codex сейчас в три раза выше заявленных.

А еще не забываем, что OpenAI считает лимиты ChatGPT Work и Codex отдельно от лимитов “обычного” ChatGPT – и в нем пользователь получает практически бесконечные ответы от чат-бота, а в случае с Pro-подпиской еще и минимум 50 запросов к GPT-5.6 Pro, которая в некоторых задачах (сложный веб-поиск и математические расчеты) оставляет Codex позади.

В общем, для Anthropic получается грустная картина. Последние версии Claude и GPT примерно равны – на стороне Claude разве что более качественный стиль ответов. Я сам пришел к следующей схеме: использую Fable 5 / Opus 5 для обсуждения, постановки и приемки сложных задач, а вычисления, код и веб-поиск перекидываю в Codex или GPT-5.6 Pro. Пока такая комбинация меня устраивает, но если, например, в Astra улучшат стиль ответов, то у меня не останется аргументов использовать Claude как основную подписку.
—
О том, как внедрять ИИ в бизнес, работу и повседневную жизнь, я рассказываю на “Бусти”. Там есть теория, личная практика, а также опыт лучших экспертов в сфере – от Андрея Карпати до Бориса Черни.

Самое время подписаться!

Самый недооцененный режим ChatGPT?

Саймон Уиллисон опубликовал подробный разбор ИИ-агента ChatGPT Work – причем не настольной, а веб-версии. Уиллисон называет ее “очень мощной, но чрезвычайно запутанной”. Я и сам в последнее время многие задачи выполняю в Work на рабочем ноутбуке (установка десктопного приложения там заблокирована) и отчасти согласен, хотя и дам несколько своих комментариев в конце.

Главная претензия Уиллисона к OpenAI – компания так толком и не разложила, кому и какой режим использовать. Базовое пояснение такое: нужен ответ – Chat, нужен результат – Work, профессионально пишете код – Codex.

Однако режимы сильно пересекаются: в чат-режиме тоже можно собрать сайт или маленькую программу, а Work замечательно пишет код.

Поэтому Уиллисон пошел другим путем – и посмотрел, что уникального есть в веб-версии ChatGPT Work.

Для начала разберемся с десктопным приложением. Это ИИ-агент на вашем компьютере: проекты держит в папках на вашем диске, код гоняет на вашем процессоре, может менять настройки системы – если разрешите. 

Чат-бот и веб-версия Work живут на облачном компьютере OpenAI. Но если у чата это песочница для ответов, веб-поиска и простейшего кода, то у Work – почти полноценный сервер: 9-ядерный процессор и 21 ГБ памяти (реально доступны 8 и 20).

Чат-бот и веб-версия ChatGPT Work запускаются на виртуальной машине, размещенной на серверах OpenAI. Вот только если ChatGPT ограничен функционалом для вопросов и ответов, веб-поиска и простейшего кода, то ChatGPT Work – уже почти полноценный виртуальный сервер, способный на серьезные вещи. Даже конфигурация впечатляет: CPU на 9 ядер и 21 ГБ памяти (в некоторых экспериментах система у меня видела только 8 ядер и 20 ГБ).

Главная фича по мнению Уиллсона – ChatGPT Work может писать и запускать код с доступом в интернет. В Work можно, например, скачать с GitHub чужой проект, установить его и сразу применить к вашим файлам; забрать данные из открытого API и построить по ним отчет; проверить, работают ли ссылки в документе.

Вторая фича – веб-браузер Chrome, но без графического интерфейса (ИИ-агенту он не нужен). Он может открывать сайты, заполнять формы, делать скриншоты.

Третья фича – файлы, которые вы загрузили или создали в разных сессиях ChatGPT Work, сохраняются и доступны между сессиями. Удобно, когда вы работаете над чем-то долгосрочным или ведете несколько проектов, пересекающихся друг с другом.

Четвертая фича – ChatGPT Sites: ИИ собирает ответ в виде сайта. Сайт создается приватным, но ссылку можно отправить другу или коллеге. И никаких проблем с хостингом: сайт лежит в облаке.

Пятая фича – ChatGPT Work умеет запускать сабагентов. Для этого надо переключиться в режим “ультра”, но готовьтесь к повышенному расходу токенов.

От себя добавлю еще две вещи.

Первая – многие боятся ставить ИИ-агента на свою систему, так как он может чего-нибудь удалить или сломать. В такой ситуации ChatGPT Work с облачным компьютером предпочтительнее, хотя там есть другой риск – с помощью коннекторов систему можно подключить к собственной электронной почте, GitHub, диску и другим ресурсам. Чисто теоретически эти данные могут утечь через виртуальный компьютер, хотя риск достаточно мал. 

Вторая – у ChatGPT Work все-таки не полноценный сервер, а облачный компьютер, живущий, пока работает сам ИИ. На нем, например, нельзя запустить код, который будет работать 10-20 часов – приходится изощряться, ставя запуск модели по расписанию, чтобы сессия не “умирала”. А это лишние расходы лимитов.

Поэтому заранее не всегда ясно, потянет ли Work задачу или упрется в ограничения – приходится тестировать. Мой совет: если не получилось, спросите модель, что пошло не так. ИИ хорошо “понимает” свое окружение и иногда предлагает рабочие обходные пути.
—
Как выбрать подходящего ИИ-агента, установить его, настроить и использовать безопасно – рассказываю на "Бусти".

– Самое время подписаться!

Anthropic выпустила Claude 5.1

Представили Claude Fable 5.1 и Claude Mythos 5.1, но у смертных будет доступ только к Fable.

Как всегда, новую модельку прокачали в длинных агентских задачах, мыслях и бла-бла.

В их тесте научных задач результат вырос с 24,7% до 52,6%, в автоматизации бизнес-процессов — с 17,1% до 31,4%, а в программировании — с 70,5% до 73,4%.

Что главное — сделали модельку дешевле. Антропики пишут, что теперь часть запросов внутри контекста будет обходиться на 75% дешевле — до $0,25 за миллион токенов. При этом базовые цены оставили прежними: $10 за миллион входных и $50 за миллион выходных.

Самая умная модель больше не геймченджер 

Начну с цифры, которая ломает норму.

Fable 5 – самая большая и дорогая модель Anthropic – вышла больше двух месяцев назад. Платежная платформа Ramp посмотрела расходы 70 000 компаний и насчитала, что на Fable 5 уходит 11% трат на ИИ-инструменты Anthropic. Кривая не растет, а обгоняет флагман его же младшая сестра – Opus 5, которая меньше и дешевле.

Рынок долгое время жил по правилу: корпоративный клиент берет верхнюю строчку каталога не глядя, просто потому что именно с топовой моделью больше шансов выполнить задачу. Сейчас это правило поменялось.

Почему?

Причина, которую называют в FT, простая: флагман дорогой, а модели попроще стали настолько хороши, что закрывают основную массу бизнес-задач. Ставить топовую модель на разбор тикетов – не премиальность, а перерасход. “Лучшее” и “нужное” оказались разными вещами.

Рынок это уже понял. Financial Times за девять дней выдала две статьи, которые складываются в интересную хронику.

15 августа: американские лаборатории, годами мерившиеся бенчмарками, начали меряться прайсом. Реальные цены, по которым платят клиенты, с середины июля упали почти на четверть. Через шесть дней OpenAI срезала цену флагманской GPT-5.6 Sol больше чем на 20%.

24 августа: те самые 11% расходов на Fable 5 и отличный комментарий Майлза Клементса из Accel, фонда, занесшего в Anthropic около $1 млрд. Человеку по должности положено продавать фронтир. Он говорит обратное: большинству фронтир незачем, а эпоха, когда брали только топ, устойчивой никогда и не была. Прорывы останутся нужны – под большие обещания и чтобы нанимать сильных исследователей, но все чаще будут витриной.

Витрина не бесполезна. Просто выручка считается не в ней. Особенно если впереди IPO с оценкой от двух триллионов.

А теперь то, ради чего я все это затеял.

История с Fable 5 – это про одну компанию, но разрыв схлопывается везде. По Stanford AI Index за год расстояние в рейтинге между лучшей закрытой и лучшей открытой моделью ужалось с 8% до 1,7%. Достаточно хороший средний слой теперь есть у всех – хоть свой, хоть открытый.

А раз линейка тянется от копеечных моделей до фронтирных и разница между ними стирается, то вопрос “чья модель умнее” перестает быть главным. Главным становится другой: кто решает, какая модель берет конкретную задачу и что происходит с результатом дальше.

Тут два слоя, и про оба я на канале пишу постоянно.

Харнесс – обвязка вокруг модели: инструменты, память, инструкции, проверка результата. Одна и та же модель в хорошей обвязке почти удваивает результат на CORE-Bench Hard: Claude Sonnet 4.5 - 44% против 62%, а Claude Opus 4.5 - 42% против 78% (и до 95% после ручной валидации). Модель та же, меняется только харнесс — CORE-Agent на Claude Code.

Оркестрация – роутер, который раздает задачи по моделям: простое уходит дешевой, сложное - мощной. В работе RouteLLM из Berkeley и Anyscale роутер вытянул 95% качества GPT-4 на MT-Bench, отправив к самой GPT-4 всего 13% запросов – остальное ушло дешевой модели. Оговорюсь честно: это лучший результат на одном бенчмарке, на других тестах разрыв меньше. Но порядок понятен, и так уже устроены Bedrock у Amazon, Cursor и Perplexity.

И тут же становится понятно, почему сравнивать модели по количеству параметров бессмысленно. Одна и та же модель на среднем и на максимальном усилии стоит и отвечает по-разному. Artificial Analysis сравнила Opus 5 на среднем усилии с китайской Kimi K3 на максимальном: результат и цена задачи получились примерно одинаковыми.

Считать надо не цену токена, а стоимость решенной задачи. А она теперь зависит не только от модели, но и от того, что собрано вокруг нее.

В размере моделей соревнуются все, но решающего отрыва он уже не дает: лидеры стоят в пределах нескольких пунктов AI-индекса, а Opus 5 и Fable 5 и вовсе разделяет один пункт. Отрыв теперь делает то, что вокруг модели: кто раздает задачи, что у модели под рукой, что она помнит и как проверяет результат. Зрелищности ноль – заголовки проще делать на бенчмарках, чем на цене решенной задачи. Но расходиться результаты в ближайшие пару лет будут именно здесь.

– Самое время подписаться!

Claude Fable 5.1: обзор и первые впечатления

Начну нетипично. Fable 5.1 выходит почти через три месяца после Fable 5 – и это дольше весеннего графика Anthropic, когда модели обновлялись каждые два и даже полтора месяца. После инцидента с властями США, компания осторожничает и тратит лишнее время на дополнительные проверки.

Но вот что интересно: Fable 5 и GPT-5.6 – первые на моей памяти модели, свежего релиза после которых я почти и не ждал. Не было времени: до последнего дня все упиралось не в возможности модели, а в наличие у меня новых интересных вопросов – я проводил с ними эксперименты, о которых полгода назад просто не задумался бы.

Разумеется, Fable 5.1 ответит на еще больше вопросов. В первую очередь – научных.

После серии открытий, сделанных Fable 5 и GPT-5.6 Sol, именно наука стала новой любимой витриной ИИ-компаний. Поэтому, соответствующий бенчмарк в анонсе вынесен вперед.

В Terminal-Bench-Science 0.1, где модель должна взять сложную исследовательскую задачу и автономно довести ее до конца, новинка показывает 52,6% против 29,0% у ближайшего преследователя, Opus 5.

Предположительно, именно Fable 5.1 стоит за увеличением доли нулей дзета-функции Римана на критической прямой с 41,6% до 67,2% и за августовским контрпримером Левента Альпёге к гипотезам Каратеодори и Лёвнера.

Во время тестов она:

— построила новую карту высот трети Венеры, обучив нейросеть на снимках зонда Magellan тридцатилетней давности: детали различимы на 2–3 километрах вместо 10–20, высоты точнее на четверть. 
— спроектировала белковые связыватели, с которых начинается разработка лекарств: на трех мишенях сродство в десять раз выше лучших работ конкурса Adaptyv Bio, а доля дизайнов, сработавших в пробирке, — почти 50% на двенадцати мишенях при сегодняшней норме в 10–15%. 
— переписала GPU-ядра семи открытых биологических моделей: ускорение до 2,5 раз при идентичном результате. Команде инженеров это стоило бы недель.

Отдельно — шифр, над которым бились с XIX века. Шотландец Томас Уркхарт спрятал в конце трактата 1653 года две строки по 32 числа; частотный анализ и подстановки не работали, а ключом оказалась сама книга: криптограмма напечатана сразу после 32 разделов, и каждое число указывает номер слова в соответствующем разделе, из первых букв складывается молитва за Карла II. Fable 5.1 дошла до этого за 44 минуты без вмешательства человека, а следом тем же способом расшифровала второй шифр того же автора. Автор эксперимента месяцами безуспешно гонял по нерешенным шифрам другие модели и честно пишет: выдающегося криптоанализа тут нет, подсказка простая. Модель перебрала кучу загадок, выбрала ту, что поддается, и не бросила.

В коде и офисных задачах рост в единицы процентов – следствие того, что модель и раньше выполняла их хорошо. Выбиваются агентные: в бизнес-задачах AutomationBench скачок с 17,1% до 31,4%, а на браузерном бенчмарке компании Browserbase – 82% задач против 74% у Opus 5 и 57% у Fable 5, при меньшем расходе токенов.

Прорыв в кибербезопасности есть, но не там, где ждали: уязвимости модель находит не лучше прежнего, зато рабочий эксплойт из готового краша в Firefox собирает в 245 случаях из 250 против 52% у Opus 5. То есть научилась не находить, а доводить находку до оружия.

Зато Anthropic осмелились ослабить классификаторы безопасности – в кибере и биологии, больше нигде. Ложных срабатываний в Claude Code обещают на 60% меньше, а по вопросам о биологии – на 85%.

Цена в API осталась прежней из исключением кэшированных запросов – они подешевели на 75%. При этом Anthropic утверждает, что Fable 5.1 в режимах рассуждений Low или Medium дает такой же или лучший результат, чем Fable 5 High. 

Дальше будет еще интереснее. OpenAI только что выпустила блог-пост о том, как готовила GPT Astra к запуску – а значит выход в этот четверг кажется очень вероятным.
— 
О том, как выжимать максимум из новых моделей, я рассказываю на “Бусти”. Там личный опыт, практика ведущих ИИ-экспертов – плюс недавно я начал обновлять старые тексты, чтобы у вас под рукой всегда был актуальный курс по ИИ.

Самое время подписаться!

GPT-6 здесь – и в OpenAI считают ее AGI

Анонс модели получился скомканным: OpenAI задержала официальный блог-пост, а вот крупные СМИ свои тексты уже выпустили. Главное там есть, если хотите оригинал, то самый подробный у VentureBeat.

И судя по всему нас ждет полный разнос. Пойду тезисно.

— Президент OpenAI Грег Брокманн заявил, что с выходом GPT-6 “лично для меня AGI достигнут”. Это крупное высказывание, его будем разбирать в одном из следующих постов.

— Сегодня доступ к модели получат только избранные партнеры в рамках программы Daybreak. Для обычных смертных с подписками и API модель откроют “в ближайшие дни”. На подписке Plus также будет, но, полагаю, с нюансами из-за высокой цены.

— Цена в API: Standard — $10 / $50 за 1M input/output. Fast mode — до 2,5× скорости за 2× цену ($20 / $100). Это ровно столько же, как и у Claude Fable 5.1 и в два раза дороже GPT-5.6 Sol.

— Таблица бенчмарков от OpenAI – выше. Fable 5.1 проигрывает на всех строчках, где у нее вообще есть цифра: FrontierMath 87,8% против 97,6%, BenchCAD 84,3% против 95,9%, Terminal-Bench Science 52,6% против 64,6%. Единственное место, где Astra не оторвалась – DeepSWE: 74,1% против 73,7% у Gemini 3.8 Flash, которая стоит в 13 раз дешевле. Держите это в голове, когда дочитаете до цены.

— А вот 98,6% на ARC-AGI-3 сильно не впечатляйтесь. Недавно выяснилось, что у бенчмарка проблемы с базовым харнессом – если его поменять, то модели проходят отлично. Nvidia уже показала 100% с помощью Opus 5 и собственного харнесса.

— Единственные две цифры, где OpenAI сравнивает не просто результат, а еще и цену с временем: OSWorld – 72,6% против 65,7% у Sol, при этом задача занимает 40 минут вместо 75. И DeepSWE – лучшая конфигурация Astra решает задачу на 57% дешевле, чем лучшая конфигурация Sol. Брокман на этом строит целую философию: "ценообразование за токены не имеет смысла", считать надо цену за задачу. Удобная философия для модели, которая стоит вдвое дороже предыдущей.

— Astra – первая модель OpenAI, дотянувшая до порога Critical по кибербезопасности. С инструментами и доступом она сама находит неизвестные уязвимости и собирает под них эксплойты, без человека за плечом. На ExploitBench 100% (у Sol 78,5%, у Opus 5 70%), в ходе тестов нашла две настоящие 0-day, которые уже передали мейнтейнерам.

— OpenAI открыто пишет, что Astra хуже поддается мониторингу: решает задачи с меньшим числом токенов рассуждений, все лучше осознает собственную цепочку мыслей и умеет на нее влиять. Падение читаемости названо серьезным. Главный научный сотрудник Якуб Пахоцкий: “Прогресс в интеллекте не гарантирует прогресса в выравнивании. Мы не примем деградацию нашей способности мониторить модели сверх определенного уровня – остановим масштабирование, пока не получим достаточной уверенности”.

— Про обучение одной строкой: крупнейший прогон в истории OpenAI, больше 100 тысяч GPU на Stargate в Техасе. И первая модель, которую при обучении надзирали предыдущие модели — старшие братья воспитали младшего.

— И еще одна первая: Astra прошла добровольное ревью Белого дома по процедуре администрации Трампа.

— OpenAI называет Astra “лучшей в мире моделью для управления компьютером”. Идея – отказ от коннекторов и API-интеграций: софт уже имеет интерфейс под универсальный интеллект – человека.

— Модель отлично умеет: заполнять формы, обновлять CRM, календари, веб-ресерч с выводом в документы и почту, таблицы, Python-ноутбуки, Power BI, создание и тест сайтов, черновик налоговой декларации по W-2.

— Промо-ролик, показанный прессе: демо в стиле 1980-х “нарисуй желтый круг” → сотрудники OpenAI голосом превращают круг в ракету, затем в 3D-игру за минуты, создают листинг на eBay. В другом демо Astra одновременно форматирует контракт, строит игру, ищет еду и бронирует теннисный корт.

Пока все, сейчас соберусь с мыслями и займусь более большим текстом в духе “а что вообще случилось?!”.
—
Не забывайте подписываться на “Бусти” – там я рассказываю, как выжимать из ИИ максимум, а также изучаю, как пользуются моделями лидеры индустрии вроде Андрея Карпати и создателя Claude Code Бориса Черни.

OpenAI представил новую версию GPT-6 Astra, которая помимо всего прочего умеет проектировать печатные платы.
В презентации модели показано видео:

Это 15-секундная сокращенная видеозапись того, как GPT‑6 Astra выполняет компоновку печатной платы (PCB) в KiCad, превращая электронную схему в изготовляемую печатную плату путем размещения компонентов и прокладки медных соединений.

На данный момент Astra доступна ограниченному числу организаций, но скоро станет доступна всем пользователям ChatGPT Plus (20$), Pro (120$), Business и Enterprise.