OpenAI ra mắt GPT-6 Astra: Mô hình điều khiển máy tính với 1 triệu token ngữ cảnh, bị hạn chế vì lý do an ninh

Hôm nay, OpenAI đã phát hành GPT-6 Astra. Công ty gọi đây là mô hình thông minh và được căn chỉnh (aligned) nhất của mình, đồng thời định vị nó chủ yếu như một hệ thống sử dụng máy tính thay vì một mô hình trò chuyện. Điểm nhấn là Astra vận hành phần mềm giống như cách con người thực hiện, trên các trình duyệt, bảng tính, ứng dụng máy tính để bàn và thiết bị đầu cuối (terminal), đồng thời hoàn thành các công việc đa bước thay vì chỉ mô tả cách thực hiện chúng.

Liệu nó có thể triển khai được không? Một phần, và không phải trên phần cứng của riêng bạn. Astra là một mô hình đóng, được lưu trữ trên máy chủ (hosted model) và không phát hành trọng số (weights), vì vậy việc tự lưu trữ (self-hosting) không phải là một lựa chọn. Hiện tại, nó chỉ khả dụng cho các tổ chức tham gia chương trình Trusted Access và Daybreak của OpenAI.

Những điểm mới thực sự

Thay đổi chính đối với các nhà phát triển là cách xử lý ngữ cảnh (context handling). Trước đây, Codex sử dụng phương pháp nén (compaction), tóm tắt các lượt hội thoại trước đó khi ngữ cảnh đầy. Quá trình đó làm mất đi các chi tiết mà một tác nhân (agent) cần sau này: lý do tại sao một bản sửa lỗi thất bại, những bài kiểm tra nào đã chạy, yêu cầu nào đã được thêm vào từ sớm. Thay vào đó, Astra lưu giữ các ghi chú xuyên suốt các cửa sổ ngữ cảnh và tìm kiếm ngược lại các tin nhắn cũng như kết quả đầu ra của công cụ trước đó. Tính năng này được phát hành dưới dạng thử nghiệm thông qua cài đặt trong config.toml và sẽ trở thành mặc định trên Codex trong những tuần tới.

Astra cũng có thể đặt câu hỏi cho người dùng trong khi vẫn tiếp tục công việc không phụ thuộc vào câu trả lời đó. Điều này loại bỏ lỗi phổ biến của các tác nhân, nơi một quyết định chưa được giải quyết làm đình trệ toàn bộ công việc.

Trên trang mô hình, Astra liệt kê cửa sổ ngữ cảnh 1.050.000 token, tối đa 128.000 token đầu ra và thời điểm cắt dữ liệu kiến thức là ngày 30 tháng 4 năm 2026. Đầu vào là văn bản và hình ảnh, đầu ra chỉ là văn bản. reasoning.effort bổ sung hai cấp độ mới cao hơn mức high: xhigh và max. Hỗ trợ công cụ bao gồm sử dụng máy tính, shell được lưu trữ, áp dụng bản vá (apply patch), kỹ năng, MCP và tìm kiếm công cụ. Tính năng tinh chỉnh (fine-tuning) không được hỗ trợ.

Bức tranh về các điểm chuẩn (benchmark)

OpenAI báo cáo đạt 72,6% trên OSWorld V2-Offline so với 65,7% của GPT-5.6 Sol, với thời gian thực hiện tác vụ trung bình giảm từ khoảng 75 phút xuống còn 40 phút. Anthropic báo cáo đạt 77,9% cho Claude Fable 5.1 nhưng cho biết họ đã sử dụng một bản phát hành OSWorld khác nên không thể so sánh trực tiếp.

Astra đạt 98,6% trên ARC-AGI-3. Con số đó được tạo ra với một bộ khai thác Responses API giúp duy trì khả năng suy luận giữa các lượt hội thoại và sử dụng phương pháp nén cho các ngữ cảnh dài; OpenAI trước đây đã chứng minh rằng các cài đặt đó làm thay đổi đáng kể điểm số ARC-AGI-3 mà không cần thay đổi mô hình. Kết quả này đo lường cả mô hình cộng với hệ thống tác nhân.

Các số liệu khác được báo cáo: 97,6% trên FrontierMath Tier 4, 95,9% trên BenchCAD Vision2Code so với 84,3% của Fable 5.1, và 64,6% trên Terminal-Bench Science so với 52,6% mà Anthropic báo cáo. Epoch AI lưu ý rằng OpenAI đã tài trợ cho FrontierMath và có quyền truy cập độc quyền vào một phần của nó.

Lập trình là điểm yếu trong câu chuyện này. Astra đạt 74,1% trên DeepSWE v1.1 so với 70,8% của Sol. Meta báo cáo 75,4% cho Muse Spark 1.3 ở mức suy luận tối đa, và bảng xếp hạng công khai đặt Gemini 3.8 Flash và Claude Opus 5 ở mức gần 74%. Trên một bộ chuẩn gồm 113 tác vụ, những khoảng cách này chỉ chênh lệch một hoặc hai tác vụ.

Khả năng an ninh mạng thúc đẩy mô hình truy cập

Astra là mô hình đầu tiên mà OpenAI xác định đạt ngưỡng an ninh mạng quan trọng (Critical cybersecurity threshold) trong Khung chuẩn bị (Preparedness Framework) của mình. Trong quá trình thử nghiệm, nó đã phát triển các mã khai thác (exploits) cho các trình duyệt và hệ điều hành được bảo mật, đồng thời tìm thấy hai lỗ hổng V8 chưa từng được biết đến mà OpenAI cho biết họ đang tiết lộ cho những người bảo trì.

Các hệ quả mang tính thực tiễn. Quyền truy cập tiêu chuẩn sẽ từ chối các công việc an ninh mạng nâng cao, bao gồm cả việc khám phá lỗ hổng. Đối với các nhà phát triển API, một kiểm tra an toàn an ninh mạng sẽ dừng tác vụ ngay lập tức thay vì tạm dừng để chờ phê duyệt. Mia Glaese của OpenAI cảnh báo rằng người dùng bên ngoài các chương trình truy cập tin cậy có thể gặp phải tình trạng chậm trễ, tạm dừng hoặc bị chặn, đôi khi trong cả những công việc không liên quan.

OpenAI báo cáo đạt 100% trên ExploitBench, một điểm số bao phủ khả năng tổng hợp thay vì tỷ lệ vượt qua, và 42,4% trên ExploitGym so với 30,3% của Sol, với giới hạn thời gian sáu giờ thông thường đã được loại bỏ cho cả hai.

Giá cả

Astra có giá 10 đô la cho mỗi triệu token đầu vào và 50 đô la cho mỗi triệu token đầu ra, với đầu vào được lưu vào bộ nhớ đệm (cached input) có giá 1,00 đô la. Các yêu cầu trên 272K token đầu vào sẽ tính phí gấp 2 lần đầu vào và 1,5 lần đầu ra cho toàn bộ yêu cầu. Chế độ Batch và Flex chạy ở mức 50%, chế độ Fast chạy ở mức gấp 2 lần. Người dùng Pro, Business và Enterprise cũng nhận được Astra Pro.

Những điểm chính cần lưu ý

Hãy xem thông báo của OpenAI, OpenAI trên X và trang mô hình GPT-6 Astra. Ngoài ra, hãy thoải mái theo dõi chúng tôi trên Twitter và đừng quên tham gia SubReddit ML 150k+ của chúng tôi và đăng ký nhận Bản tin của chúng tôi. Khoan đã! Bạn có dùng Telegram không? Bây giờ bạn cũng có thể tham gia cùng chúng tôi trên Telegram.

Bạn cần hợp tác với chúng tôi để quảng bá GitHub Repo, trang Hugging Face, bản phát hành sản phẩm hoặc hội thảo trực tuyến (webinar), v.v. của bạn? Hãy kết nối với chúng tôi.

Asif Razzaq là CEO của Marktechpost Media Inc.. Là một doanh nhân và kỹ sư có tầm nhìn, Asif cam kết khai thác tiềm năng của Trí tuệ nhân tạo vì lợi ích xã hội. Nỗ lực gần đây nhất của ông là ra mắt Nền tảng truyền thông Trí tuệ nhân tạo, Marktechpost, nổi bật với việc đưa tin chuyên sâu về tin tức học máy (machine learning) và học sâu (deep learning), vừa đảm bảo tính kỹ thuật vừa dễ hiểu đối với đông đảo khán giả. Nền tảng này tự hào có hơn 2 triệu lượt xem hàng tháng, minh chứng cho sự phổ biến của nó đối với độc giả.