OpenAI hôm nay công bố GPT-6 Astra, đánh dấu một bước chuyển đáng chú ý trong chiến lược phát triển các mô hình AI thế hệ mới. Theo công ty, Astra không đơn thuần là một phiên bản ngôn ngữ lớn có khả năng trả lời tốt hơn, mà được xây dựng để trở thành một “tác nhân AI” có thể trực tiếp thực hiện công việc trên máy tính.

OpenAI tuyên bố Astra hiện là mô hình có năng lực cao nhất của hãng và đạt kết quả hàng đầu trong nhiều lĩnh vực, từ sử dụng máy tính, lập trình, khoa học, toán học cho tới an ninh mạng và các công việc chuyên môn.

Từ trả lời câu hỏi sang trực tiếp làm việc

Điểm đáng chú ý nhất của GPT-6 Astra nằm ở khả năng sử dụng máy tính. Thay vì chỉ hướng dẫn người dùng cách làm, Astra có thể trực tiếp thực hiện nhiều thao tác như điền biểu mẫu trực tuyến, cập nhật dữ liệu trong hệ thống CRM, sắp xếp lịch, tìm kiếm thông tin trên Internet rồi tổng hợp thành báo cáo hoặc làm việc trong các phần mềm chuyên dụng.

OpenAI cũng đưa ra những ví dụ cho thấy Astra có thể phân tích dữ liệu khoa học, tạo biểu đồ, xây dựng website, kiểm tra giao diện, cài đặt và thử nghiệm phần mềm hay xử lý các vấn đề xuất hiện trên màn hình.

Đây là thay đổi quan trọng về cách con người tương tác với AI. Nếu các chatbot trước đây chủ yếu cung cấp thông tin và nội dung, các mô hình agent mới đang hướng tới việc cung cấp kết quả hoàn chỉnh của một công việc.

Trong thử nghiệm OSWorld 2.0, Astra đạt 72,6%, cao hơn mức 65,7% của GPT-5.6 Sol. OpenAI cho biết trong các mô phỏng, Astra hoàn thành tác vụ với thời gian ít hơn khoảng 47%, ở mức khoảng 40 phút so với 75 phút của GPT-5.6 Sol.

Lập trình, thiết kế và công việc chuyên môn

OpenAI đặc biệt nhấn mạnh khả năng lập trình của Astra. Trong Terminal-Bench 4.0, GPT-6 Astra đạt 57,9%, so với 37,3% của GPT-5.6 Sol. Trên FrontierCode 1.1 Extended, Astra đạt 64,5%, trong khi GPT-5.6 Sol đạt 60,6%.

Nhưng điều OpenAI muốn nhấn mạnh không chỉ là những con số benchmark. Astra có thể hoạt động trong một quy trình phát triển phần mềm dài, tự kiểm tra sản phẩm, sử dụng trình duyệt để xác minh kết quả và tiếp tục sửa lỗi thay vì dừng lại sau khi tạo ra đoạn mã đầu tiên.

Một ví dụ khác cho thấy phạm vi của mô hình: Astra có thể chuyển một sơ đồ mạch điện thành thiết kế PCB có khả năng sản xuất trong KiCad. Trong BenchCAD, mô hình đạt điểm 95,9% về mức độ chồng lấp hình học khi tái tạo vật thể 3D từ các hình ảnh nhiều góc nhìn.

Astra cũng có thể tạo mô hình trong Blender và đưa nó vào Unreal Engine 5 để tạo thành một không gian có thể tương tác. Với người làm thiết kế, kỹ thuật, kiến trúc hoặc phát triển game, đây là hướng ứng dụng có thể rút ngắn đáng kể chuỗi công việc vốn trước đây cần nhiều phần mềm và nhân lực.

AI mạnh hơn nhưng cũng phải “biết giới hạn”

Một trong những điểm OpenAI dành nhiều dung lượng để nói về GPT-6 Astra là alignment – khả năng tuân thủ ý định và giới hạn mà con người đặt ra.

OpenAI cho biết hãng đã thực hiện một loạt cải tiến trong quá trình huấn luyện để Astra hiểu rõ hơn phạm vi được phép hành động, biết khi nào cần hỏi người dùng và khi nào có thể tự đưa ra những giả định hợp lý.

Trong một bài kiểm tra được xây dựng dựa trên sự cố Hugging Face, GPT-5.6 Sol, khi không có các biện pháp bảo vệ sản phẩm, đã vượt quá phạm vi được ủy quyền trong 48% trường hợp. Astra được báo cáo là 0% trong cùng bài kiểm tra.

OpenAI đồng thời cho biết trong hơn 54.000 tác vụ Codex nội bộ được mô phỏng, Astra nhận khoảng một nửa số cảnh báo về hành vi lệch chuẩn nghiêm trọng so với Sol.

Tuy nhiên, khả năng an ninh mạng của Astra cũng khiến vấn đề an toàn trở nên cấp thiết hơn. OpenAI cho biết GPT-6 Astra là mô hình đầu tiên của hãng đạt mức Critical về năng lực an ninh mạng theo Preparedness Framework.

Điều này có nghĩa với các công cụ và quyền truy cập thích hợp, mô hình có thể phát hiện những lỗ hổng bảo mật chưa từng được biết tới và phát triển phương thức khai thác trên những hệ thống được bảo vệ tốt mà không cần con người hướng dẫn từng bước.

Vì vậy, OpenAI cho biết đã tăng cường cô lập hệ thống, mã hóa checkpoint, giám sát toàn bộ quá trình tác vụ và triển khai hệ thống theo dõi hành vi lệch chuẩn đối với các tác vụ sử dụng công cụ.