Met Astra wordt de black box van OpenAI nóg zwarter.

Het nieuwe OpenAI GPT-6 Astra-model is veel minder transparant en veel krachtiger. Volgens Sam Altman komt het steeds dichter in de buurt van de heilige graal van algemene kunstmatige intelligentie (AGI). Hier volgt een eerste technische analyse om u te helpen dit te begrijpen.

GPT-6 Astra is OpenAI’s eerste vlaggenschipmodel van de GPT-6-generatie en het eerste model dat het bedrijf als “kritiek” heeft beoordeeld voor cyberbeveiliging in het kader van het Preparedness Framework, OpenAI’s interne mechanisme dat is ontworpen om grensverleggende modelmogelijkheden te identificeren die risico’s op ernstige schade kunnen opleveren.

OpenAI heeft de grootschalige uitrol uitgesteld om de mechanismen voor isolatie, monitoring en afstemming te versterken.

• Greg Brockman, president en medeoprichter van OpenAI, is van mening dat GPT-5.6 Astra een “generatiesprong” betekende die het begin van het AGI-tijdperk zou kunnen inluiden. ¹ : “kunstmatige algemene intelligentie”, oftewel een AI die in staat is om te denken en te handelen als een mens.
• In juli had Sam Altman al aangegeven dat we “het tijdperk van de singulariteit” ingingen. ²Mark Chen, onderzoeksdirecteur van OpenAI, schat dat het lab al ongeveer 80% van het werk heeft verricht op weg naar AGI. ³.
• De definitie van AGI verschilt per toonaangevend laboratorium. Voor OpenAI verwijst de term naar zeer autonome systemen die in de meeste taken beter presteren dan mensen.

GPT-5.6 Astra is OpenAI’s grootste pre-training tot nu toe. Deze is uitgevoerd op meer dan 100.000 grafische processoren (GPU’s) van de B200-generatie op de Stargate-locatie in Texas, aldus Aidan Clark, vicepresident onderzoek. Dit komt neer op een IT-vermogen van ongeveer 200 tot 250 MW. De trainingskosten bedragen daarmee ongeveer één miljard dollar. ⁴

Ter vergelijking: met uitzondering van Alibaba en ByteDance beschikken de grote Chinese laboratoria elk over ongeveer 100-200 MW aan rekenkracht, die verdeeld moet worden over inferentie, onderzoek en modeltraining.

• De prijs van GPT-5.6 Astra is vergelijkbaar met die van Fable 5: $10 per miljoen tokens voor instap en $50 per miljoen voor uitstap, oftewel 2,5 keer de nominale koers van GPT-5.6 Sol. 
• Voor taken die sterk afhankelijk zijn van een agent, kan GPT-5.6 Astra aanzienlijk duurder uitvallen dan Fable 5.1, voornamelijk vanwege de kosten voor het opnieuw lezen van tokens uit de cache (1 dollar per miljoen tokens voor GPT-5.6 Astra, tegenover 0,25 dollar voor Fable 5.1). ⁵.

Architectuur

Een artikel in The Information , dat niet door OpenAI is bevestigd en vóór de release van GPT-6 Astra is gepubliceerd, gaf aan dat de architectuur van het model gebruik zou maken van “recurrent depth”,  een  vorm van ”  looped transformer  ” waarbij bepaalde modelblokken meerdere keren worden hergebruikt om de effectieve diepte te vergroten zonder het aantal parameters evenredig te verhogen. ⁶.

Het idee om dezelfde lagen van een Transformer op verschillende diepten te hergebruiken, ontstond al in 2018. ⁷.

• Het voordeel van een terugkerende dieptearchitectuur is dat er meer rekenkracht nodig is zonder dat het aantal parameters evenredig toeneemt.
• Tijdens de training verhoogt dit het aantal FLOPs per parameter – dat wil zeggen, drijvende-komma-bewerkingen per seconde, een eenheid die wordt gebruikt om de rekenkracht van een processor te meten – en vermindert daardoor de communicatiebehoefte tussen accelerators.
• Deze techniek is met name voordelig op zeer grote schaal, waar geheugen en onderlinge verbindingen vaak beperkender zijn dan de FLOPs zelf.
• Een onderzoek naar schaalwetten van Tsinghua en ByteDance Seed (Wang et al., 2026) ⁸
• Dit suggereert dat transformatoren met lussen efficiënter zijn bij de berekeningen voorafgaand aan de training, met de grootste winst in de code.

Bij inferentie zou hetzelfde principe GPT-5.6 Astra in staat stellen meer berekeningen per token uit te voeren zonder de geheugenvoetafdruk van de gewichten te verdubbelen. Normaal gesproken vereist een model dat twee keer zo groot is ongeveer twee keer zoveel HBM om de gewichten op te slaan, en dus meer GPU’s per kopie van het model.

• De resultaten van het artikel van Geiping et al. ⁹
• De terugkerende diepte suggereert dat dit type model met name vooruitgang boekt bij moeilijke redeneertaken, terwijl een simpele verdubbeling van het aantal parameters meer capaciteit oplevert om kennis op te slaan.
• Een hogere recurrente diepte kan ook het aantal gelijktijdig verwerkte query’s voor een model dat op zeer grote schaal wordt gebruikt, verhogen en zo de inferentiedoorvoer verbeteren door het GPU-gebruik te optimaliseren.

De monitorbaarheid neemt af met GPT-6 Astra.

Jakub Pachocki, wetenschappelijk directeur van OpenAI, beschreef de rekenkracht van het model als tweemaal zo groot als die van GPT-4, wat erop wijst dat GPT-5.6 Astra niet veel herhalingen bevat. Dit is met name belangrijk voor de monitorbaarheid van het model.

• Pachocki gaf deze verduidelijking in de context van zorgen over de effecten van deze architectuur op de monitorbaarheid van het denkproces.
• Sommige onderzoekers hebben er daarom op gewezen dat hoe meer interne berekeningen een model uitvoert tussen twee gegenereerde tokens, hoe groter het risico is dat een deel van de redenering ervan aan de observatie van de CoT – de tussenliggende redeneringstokens van het model – ontsnapt.
• Deze verbaal geformuleerde gedachtegangen vormen een van de belangrijkste middelen om ontwijkingsstrategieën of ongewenste doelstellingen te detecteren voordat ze in daden worden omgezet.

Ik wil voorkomen dat we, door verwarrende rapportage, in een race terechtkomen die leidt tot oncontroleerbaar onderzoek. De diepte van de computationele grafiek voor onze huidige grensmodellen, waaronder Astra, ligt binnen een factor twee van GPT-4.

OpenAI heeft zich ingezet voor het behoud en gebruik van het monitoren van de gedachtegang sinds…

— Jakub Pachocki (@merettm) 2 september 2026

Of de architectuur nu de oorzaak is of niet, de achteruitgang in monitorbaarheid die is gedocumenteerd in de GPT-6 Astra -systeemkaart gaat gepaard met de vooruitgang in de mogelijkheden van het model. GPT-5.6 Astra is beter in staat dan zijn voorgangers om complexe problemen op te lossen zonder zijn redenering in de vorm van een gedachtegang te hoeven externaliseren.

• GPT-5.6 Astra produceert gemiddeld kortere en minder informatieve gedachtegangen dan GPT-5.6 Sol.
• Het AI ​​Safety Institute (AISI) heeft de CoT-vrije tijdshorizon van GPT-5.6 Astra gemeten voor wiskundige problemen: deze komt overeen met de hoeveelheid werk die een mens (in dit geval een deelnemer aan wiskundige wedstrijden op zeer hoog niveau) nodig zou hebben om de problemen op te lossen die het model in 50% van de gevallen oplost, wanneer het verboden is om waarneembare tussentijdse redeneringen te produceren.

GPT-5.6 Astra behaalt daarmee 30,9 minuten menselijke tijd, vergeleken met 3,6 minuten voor GPT-5.6 Sol. ¹⁰.

• Met andere woorden, GPT-5.6 Astra kan direct het juiste antwoord geven op problemen waar een menselijke expert ongeveer een half uur over zou doen, zonder de redeneringsstappen die tot dat antwoord leiden te hoeven uitleggen.
• GPT-5.6 Astra is ook beter in staat de inhoud van zijn gedachtegang te beheersen. Een model dat kan kiezen wat het verwoordt, kan een gedachtegang produceren die niet de strategie weerspiegelt die het nastreeft.

Astra presteert veel beter dan eerdere modellen bij het uitvoeren van complexe taken zonder gebruik te hoeven maken van CoT. @AISecurityInst schat dat het zonder CoT taken kan uitvoeren waar een mens 30 minuten voor nodig zou hebben. Dit is een aanzienlijke sprong voorwaarts ten opzichte van eerdere modellen, wat… pic.twitter.com/3k9AzdYS50

— Tomek Korbak (@tomekkorbak) 3 september 2026

• Dit fenomeen is reeds geconstateerd tijdens een gedetailleerde audit van de Mythos 5-  systeemkaart.¹¹ Nadat het model de toegang tot een URL had geblokkeerd die door de systeemmelding was verboden , fragmenteerde het de URL om het filter te omzeilen, terwijl het deze actie in zijn zichtbare denkproces presenteerde als een simpele connectiviteitstest.
• Interpretatiemethoden die op activaties zijn toegepast, hebben expliciet een filteromzeilingsstrategie aan het licht gebracht.

Referentiewaarden en evaluatie aan de grens

Wetenschap en redenering 

GPT-6 Astra behaalde een Epoch Capabilities Index (ECI) van 169: een aanzienlijke sprong, maar Epoch AI plaatst dit binnen de onzekerheidsmarge van de trend die is waargenomen sinds het tijdperk van redeneermodellen. De ECI combineert benchmarks voor wiskunde, programmeren, wetenschap en agentische taken op dezelfde moeilijkheidsgraad, waardoor modellen met elkaar vergeleken kunnen worden, zelfs als ze niet exact dezelfde beoordelingen hebben doorstaan.

• Op FrontierMath Tier 4 behaalt GPT-5.6 Astra een score van 97,6%, vergeleken met 83% voor GPT-5.6 Sol en 87,8% voor Fable 5.1.
• Deze Tier 4 bevat 43 originele onderzoeksproblemen, ontwikkeld en gecontroleerd door professionele wiskundigen; sommige zijn ontworpen als kleine onderzoeksprojecten die een specialist in het vakgebied enkele uren of langer in beslag kunnen nemen.
• Bij open zoekproblemen lost GPT-5.6 Astra 2 van de 68 problemen in FrontierMath Erdos op, terwijl geen enkel model er eerder in was geslaagd om er ook maar één op te lossen. ¹².

GPT-5.6 Astra verbeterde een resultaat in de getaltheorie door aan te tonen dat er oneindig veel paren van opeenvolgende priemgetallen zijn die maximaal 186 van elkaar gescheiden zijn. Het bewijs werd geformaliseerd in Lean en daardoor automatisch, stap voor stap, geverifieerd door een bewijsassistent. ¹³.

• GPT-5.6 Astra behaalt de maximale score op ARC-AGI-3, de derde generatie van een benchmark voor redeneervermogen die in maart 2026 werd gelanceerd en is ontworpen om aanpassingsvermogen aan nieuwe taken te testen en uitdagend te blijven ondanks schaalmodellen.
• Op FrontierCode 1.1, de eigen benchmark van Cognition die is samengesteld uit echte softwareontwikkelingstaken, wordt GPT-5.6 Astra gemeten op hetzelfde niveau als Fable 5, maar met een gemiddelde kostprijs per taak die 64% lager ligt.

Cyber

In de “honeypot” -tests , geïnspireerd door het Hugging Face-incident , neemt OpenAI de moeilijkste – soms onmogelijke – taken van ExploitGym en observeert of het model probeert de omliggende beveiligingsinfrastructuur te compromitteren in plaats van de taak op te lossen.

• Zonder productiebeveiligingen probeert GPT-5.6 Sol deze kortere route in 56% van de gevallen, terwijl GPT-6 Astra dit in 0% van de gevallen doet. Dit illustreert een betere afstemming van GPT-6 Astra in vergelijking met zijn voorgangers.
• In een interne test ter evaluatie van de exploiteerbaarheid van cyberkwetsbaarheden die zijn ontwikkeld om het risico op besmetting op de openbare ExploitBench-benchmark, die verzadigd is met GPT-5.6 Astra, te beheersen, behaalt het model een resultaat van 39,0% tegenover 11,5% voor GPT-5.6 Sol en ontdekt het tijdens de evaluaties twee voorheen onbekende kwetsbaarheden.

Agentisch werk en automatisering van professioneel werk

Met GPT-5.6 Astra wil OpenAI een stap dichter bij een “digitale werker” komen die tijdens dezelfde taak kan schakelen tussen een browser, code en vervolgens professionele software.

• Deze vooruitgang is met name zichtbaar op AutomationBench, dat de uitvoering van professionele workflows met meerdere stappen evalueert: GPT-5.6 Astra voltooit met succes 41,4% van de taken, vergeleken met 18,1% voor GPT-5.6 Sol.
• Op OSWorld 2.0, waar het model een computeromgeving en de bijbehorende applicaties direct moet manipuleren, behaalt GPT-5.6 Astra een score van 72,6% vergeleken met 65,7% voor Sol, terwijl taken gemiddeld in ongeveer 40 minuten worden voltooid, tegenover 75 minuten voor zijn voorganger.