Прошло уже почти 3 недели с релиза GPT-6 Astra, и можно подводить первые промежуточные итоги. Модель действительно вышла очень клёвой и способной, и, как мне кажется, лучше Fable 5.1: на многих бенчмарках они или идут вровень, или Astra обходит; к тому же читать текст Astra гораздо приятнее, чем слоп от Клода, и когнитивная нагрузка не такая большая, чтобы продраться через мешанину абстрактных терминов.

Astra особенно отличается в Computer Use и задачах с изображениями/видео. Не знаю что там сделали OpenAI и связано ли это как-то с Looped Transformers, но люди смогли заставить Astra пройти несколько игр: от простого «добудь алмаз в Minecraft» до... легендарной ролевой игры Fallout 3, пространственной головоломки Portal и Factorio (основная игра + дополнение). Насколько я понимаю, во всех или почти во всех случаях это не простой пайплайн «картинка с экрана -> действия», тут и там то MCP подключат, то ещё что, но это всё равно впечатляет. Легко сказать «так модели же учили на всех видео с интернета, конечно они знают как играть» — но модели 3-4 месяца назад учили примерно столько же и на том же, но они не могли проходить игры от начала и до конца.

Не одними играми славится Astra — на многих бенчмарках, в том числе тех, которые вышли после релиза (или ещё круче: авторы ещё не выпустили, но уже померили Astra, как было у Vals.AI), модель показывает существенную разницу. Из запомнившегося — WeirdML v3 на картинке в посте, свежий бенчмарк на ML-задачи, где агенту дают данные и общее описание что делать, и его цель разобраться, что в данных, обучить модели и/или написать эвристики и прийти к решению. Автор пишет, что был очень удивлён оценке Astra, и он не ожидал, что ещё фактически до релиза бенчмарка лучшая оценка будет больше 50%.

В общем, весной после анонса Mythos/Fable у меня был скепсис, что OpenAI получится быстро догнать Anthropic. По какой-то причине компания долгое время не решалась на масштабирование моделей. Возможно, не хотели упираться в нехватку вычислительных мощностей, с которой компания встретилась сейчас — не знаю. Рад, что опасения не подтвердились 🤷‍♂️

Теперь будем смотреть как догоняют Google, META и xAI — и китайцы с опенсурсом🇨🇳... пока в OpenAI по слухам уже идёт предтренировка ещё большей модели с кодовым названием «Bel».

Во Вратах AI добавил пачку новых моделей, вышедших за последние пару недель — погнали переходить на более эффективные модели!

claude-fable-5-1
0,85 ₽/запрос (обычно 0,12 – 1,51 ₽)

claude-opus-5-5
0,34 ₽/запрос (обычно 0,07 – 0,67 ₽)

gpt-6.1-sol
0,17 ₽/запрос (обычно 0,05 – 0,40 ₽)

deepseek-v4.1-flash
0,17 ₽/запрос (обычно 0,02 – 0,32 ₽)

grok-4.7
0,11 ₽/запрос (обычно 0,07 – 0,39 ₽)

gpt-6-luna
0,008516 ₽/запрос (обычно 0,002675 – 0,02 ₽)

—

Также у нас за сентябрь произошло несколько (28) релизов, в которых была сильно переработана внутрянка, ну и для юзеров несколько минорных фичей завезли:

🔘 Промо-баланс для новых юзеров при регистрации — бесплатный тест бота

🟣 Режим простых цен — рассчитывает для каждой модели медианную стоимость запроса (в скобках p25-p75) и даёт понимание, сколько примерно стоит вызов модели. Реальная стоимость всё так же считается по количеству токенов и ценам из режима "сложно".

⚫️ Новый роутер с фиксами всех старых болячек — теперь резервы снимаются сразу после запроса, ошибки выпадают максимально редко, а запросы отрабатывают максимально быстро.

🔴 Переписали гайды по инструментам — адаптировали под новый роутер и минимизировали вероятность возникновения проблем. Если у вас падают агенты с ошибками или что-то работает недостаточно хорошо — пробуем поставить новые конфиги из бота.

Погнали пробовать: @vrata_ai_bot