O czym jest ten film
- OpenAI prezentuje GPT-6 Astra jako najinteligentniejszy, najlepiej dopasowany i najbezpieczniejszy model w historii rodziny — i od razu wpisuje go w narrację o AGI.
- Model „nasycił” trzy testy porównawcze: FrontierMath (trudna matematyka), ARC-AGI-3 (abstrakcyjne łamigłówki) i ExploitBench (podatności w kodzie).
- Wynik 99,9% w ARC-AGI-3 (kontra 3,2% Claude Opus 5) uzyskano z autorską nakładką testową OpenAI — bezpośrednie porównanie z konkurencją jest nieuczciwe.
- W ExploitBench model ma 100%, ale na starych podatnościach; na świeżych (czerwiec–sierpień 2026) osiąga do ok. 40% przy najwyższym poziomie rozumowania.
- Największy realny postęp: obsługa komputera — szybkość, celność, bezpieczeństwo; potwierdzona m.in. w benchmarkach Agents Last Exam i ScreenSpot Pro.
- Demonstracja z Excelem: ok. cztery razy szybciej niż wcześniejsze modele, choć — jak zauważa autor — nagranie wymaga „urealnienia”.
- Praca specjalisty: tabele, prezentacje, raporty, dopasowywanie się do szablonów oraz wizualizacje mieszkań w Blenderze.
- Głośne nagrania z Twittera: ChatGPT-6 buduje dla siebie grę online i sam w nią gra.
- Model stał się bardziej proaktywny — dopytuje o brakujący kontekst (przykład: strona wygenerowana na bazie profilu LinkedIn).
- Znakomite wyniki w programowaniu przy cenie 10 USD za milion tokenów wejściowych i 50 USD za milion wyjściowych; przewaga także w biologii, chemii, fizyce i testach medycznych.
Redakcyjne tłumaczenie
Najinteligentniejszy model świata (i narracja o AGI)
No i mamy to, moi drodzy: GPT-6 Astra. Najinteligentniejszy, najpiękniejszy i jeszcze raz najpiękniejszy model z rodziny GPT. Część osób — może nieco podsycając emocje — twierdzi już, że to AGI, czyli ogólna sztuczna inteligencja: AI, które wie wszystko i we wszystkim prześciga człowieka. W tym krótkim materiale chcę się zatem przyjrzeć samej zapowiedzi i wytłumaczyć po ludzku, z czym naprawdę mamy do czynienia.
Zdanie, które wraca w całym ogłoszeniu niczym refren, brzmi tak: to model najinteligentniejszy, najlepiej dopasowany i najbezpieczniejszy. Poza tym dowiadujemy się, że najlepiej ze wszystkich obsługuje komputer, najlepiej przeszukuje internet, najlepiej pisze kod i wypada najbezpieczniej pod względem cyberbezpieczeństwa. Do tego jest znakomity w nauce i w pracy zawodowej. Od pierwszych akapitów widać więc wyraźnie, że OpenAI konsekwentnie buduje narrację: oto krok w stronę AGI.
Trzy „nasycone” benchmarki — z gwiazdką
Aby podkreślić ten punkt, autorzy zapowiedzi podają, że Astra „rozbiła” — delikatniej mówiąc, nasyciła — trzy testy porównawcze: FrontierMath, czyli benchmark z bardzo trudnymi zadaniami matematycznymi; ARC-AGI-3, którym zajmiemy się osobno, bo to ciekawy przypadek; oraz ExploitBench, o którym też wspomnę, bo nie wszystko jest tam tak różowe, jak mogłoby się wydawać.
ARC-AGI-3: 99,9 procent, ale nie w równych warunkach
Sam test polega na tym, że AI dostaje serię plansz — łamigłówek, które musi rozwiązać bez żadnych instrukcji. Wynik 99,9 procent robi wrażenie, zwłaszcza na tle 3,2 procent osiągniętych przez Claude Opus 5. Ale w drobnym druku — bo to zawsze w drobnym druku ukrywają się wszystkie tajemnice — czytamy, że ten rezultat uzyskano dopiero po podpięciu przez inżynierów OpenAI własnej nakładki testowej. Model nie był więc sprawdzany w tych samych warunkach co pozostali gracze; między innymi jego sposób kompresji wiedzy i wstępnego rozumowania został w pewnym stopniu zoptymalizowany pod tego typu długoterminowe rozwiązywanie zadań. Wynik jest więc imponujący, ale bezpośrednie porównania z innymi modelami, takimi jak Opus 5, są po prostu chybione i nieuczciwe.
(Informacja dodatkowa: „harness”, czyli nakładka testowa, to zestaw narzędzi i instrukcji, w które opakowuje się model przed benchmarkiem. Różnice między nakładkami potrafią istotnie zmienić wynik, dlatego rezultatów uzyskanych z autorską nakładką trudno zestawiać wprost z konkurencją.)
(Informacja dodatkowa: Claude Opus 5 to czołowy model Anthropic, głównego konkurenta OpenAI.)
ExploitBench: 100 procent na starych podatnościach, 40 na świeżych
Trzeci „nasycony” benchmark to ExploitBench, sprawdzający, jak AI radzi sobie z lukami w kodzie. W bieżącej wersji testu model osiągnął 100 procent. Wystarczy jednak przewinąć do sekcji o cyberbezpieczeństwie, by odkryć, że OpenAI przygotowało własną odmianę tego testu — w zasadzie jego kopię — ale mierzoną na nowszych podatnościach, z okresu od czerwca do sierpnia 2026, a nie tylko na starych, które niemal na pewno trafiły do materiałów treningowych. Na świeżych lukach, których model nie mógł wcześniej zobaczyć, obraz jest zdecydowanie mniej różowy: Astra osiąga tu co najwyżej 40 procent — i to przy najwyższym poziomie wysiłku umysłowego, czyli wtedy, gdy przed odpowiedzią przetwarza najwięcej tokenów.
Na marginesie: nagrywam właśnie pełny kurs Codex dla nieprogramistów. Dopóki trwają prace, kupując kurs Claude Code dla nieprogramistów, dostaniecie w cenie także ten nowy. Do zobaczenia tam — a teraz wracamy do tematu.
(Informacja dodatkowa: Codex to narzędzie OpenAI do agentskiej pracy z kodem; Claude Code jest jego odpowiednikiem u Anthropic.)
Obsługa komputera: tu widać największy skok
Nie chcę umniejszać tego modelu — już wiemy tylko tyle, że „nasycanie” benchmarków bywa naciągane. Znacznie ciekawsze jest co innego: GPT-6 naprawdę sprawnie posługuje się komputerem, bo został pod to wprost zoptymalizowany. OpenAI podkreśla szybkość, celność i bezpieczeństwo tej obsługi. Szczególnie rozbawiło mnie stwierdzenie, że model przejmie najbardziej nudne zadania — na przykład wypełnianie formularzy online. Cóż, chciałbym mieć takie nudne zadania.
Potwierdzają to trzy testy, między innymi Agents Last Exam, pokazujący, jak agenci radzą sobie z typowymi zadaniami biurowymi, oraz ScreenSpot Pro, sprawdzający, czy AI odnajdzie konkretny przycisk w zagmatwanym interfejsie. To zdecydowanie ciekawy kierunek — wcześniej modele nie grzeszyły sprawnością w posługiwaniu się przeglądarką. Nie jestem do końca przekonany, ale ocenię, gdy tylko będę mógł przetestować GPT-6 bezpośrednio; zostańcie ze mną do momentu, gdy model trafi do wszystkich.
Widać to na przykładzie Excela: latający kursor to właśnie GPT-6 Astra wypełniający arkusz. Deklarowane cztery razy szybsze działanie trzeba co prawda urealnić, ale w praktyce nie jest wcale tak wolno, jak mogłoby wynikać z nagrania. Posługiwanie się komputerem jest po prostu nieporównywalnie szybsze niż u poprzedników.
Przy okazji pojawia się wątek, który w takich pokazowych materiałach wraca zawsze, a którego nie do końca rozumiem: wyszukiwanie mieszkania do wynajęcia. Szczerze mówiąc, wolę poszukać sam. Można natomiast zlecić agentowi umówienie wizyty — u lekarza czy w urzędzie: GPT-6 znajduje specjalistę i pokazuje dostępne terminy. Nie wiem, czy to aż tak porywające, ale taki jest kierunek rozwoju — i to kierunek, w którym różnica względem wcześniejszych modeli jest ogromna.
Praca zawodowa: tabele, prezentacje, raporty
Wątek obsługi komputera łączy się z kolejnym atutem: GPT-6 jest po prostu dobry w pracy specjalisty. Wypełnianie tabel, przygotowywanie prezentacji, tworzenie raportów — wszystko to, co robimy przed monitorem, bezrefleksyjnie klikając, kasując, przenosząc, kopiując i wklejając, może ostatecznie przejąć GPT-6 Astra. Poprzednie generacje radziły sobie z tym dobrze; ta jest jeszcze lepsza.
Podkreślają to ciekawym przykładem z szablonami: jeśli damy modelowi wzór prezentacji jako punkt odniesienia, dopasuje go do wskazanego tematu, a nasze treści ułoży w nasz szablon. Podobnie wychwytuje styl w dokumentach, tabelach i arkuszach. A najbardziej efektowne demonstracje dotyczą wizualizacji mieszkań — polecam wejść na stronę i zobaczyć, jak model obsługuje Blendera i potrafi stworzyć wirtualny spacer po mieszkaniu czy domu. Robi to naprawdę wrażenie.
Nie mogło też zabraknąć najsłynniejszych przykładów z Twittera: ChatGPT-6 potrafi zbudować dla siebie grę online — i sam w nią zagrać, na przykład prowadząc mały samochodzik. Dla mnie to raczej ciekawostka, ale jeśli śledziliście wcześniejsze wyniki w takich zadaniach, wiecie, że to kolosalny postęp.
Więcej inicjatywy: model sam dopyta o szczegóły
Zamykając wątek pracy umysłowej — bo nie chodzi tu o programowanie — GPT-6 Astra wydaje się bardziej proaktywny i świadomy własnych braków: jeśli nie ma pełnych informacji o zadaniu, po prostu zapyta. W przykładzie z ogłoszenia chcieliśmy wygenerować nową stronę na podstawie profilu na LinkedIn. Starsze wersje ruszały z rozpędu i od razu tworzyły stronę za użytkownika, a GPT-6 Astra zapytał: w jakim kierunku rozwijasz karierę? Co planujesz dalej? Ten model jest więc bardziej proaktywny, bardziej przemyślany i mocniej zakorzeniony w rzeczywistości.
Programowanie: znakomite wyniki, rozsądna cena
Nie będę zanudzać benchmarkami z kodowania — sami widzicie, że wyniki są wysokie, a konkurencji nie ma z kim porównywać. Ważniejsze jest to, że poza świetnymi rezultatami model nie jest drogi w użyciu: 10 dolarów za milion tokenów na wejściu i 50 dolarów za milion na wyjściu. To poziom cenowy Claude Opus 5, ale — jak widać — Astra zużywa mniej tokenów, więc wykonanie wielu zadań wychodzi po prostu taniej. Zdecydowany plus. Programowanie to naturalny żywioł tego modelu.
Nauki ścisłe i medycyna
I wreszcie kontynuacja narracji o AGI: nie chcę nikogo krzywdzić ani urażać nikogo wśród naukowców, ale w biologii, chemii i fizyce — a także w testach zdrowotnych opartych między innymi na wywiadach z lekarzami internistami — model zostawia konkurencję daleko w tyle. Nie mam tu więcej do dodania: radzi sobie bardzo dobrze, a jeśli pracujesz w tych dziedzinach, temat może Cię zainteresować.
Podsumowanie: premiera skierowana do mniej technicznych
Najciekawsze w tej premierze jest to, że narzędzia dla programistów i długoterminowych agentów znalazły się w ogłoszeniu niżej, a główne światło reflektorów padło na osoby mniej techniczne — użytkowników rozwiązań typu ChatGPT for Work czy Claude Cowork, czyli tych, którzy sięgają po agentowe AI w codziennej pracy umysłowej. Ciekawe jest też rozszerzone wsparcie dla komputerów i przeglądarek: agenci już wcześniej całkiem sprawnie obsługiwali komputer, ale terminal to wciąż sprawa dość techniczna. Teraz lepiej radzą sobie z samą przeglądarką — i to również trzeba odnotować.
Zostaje nam więc trochę poczekać, przetestować i zobaczyć, co z tego wyjdzie. Czy to tylko marketingowe rozdmuchiwanie — przekonamy się. Na plus trzeba odnotować, że OpenAI przynajmniej deklaruje, iż robi wszystko, by model był jak najbardziej bezpieczny i pod kontrolą.
Newsletter i kursy
Na koniec zapraszam do mojego newslettera, gdzie omawiam temat z nieco innej strony: czy nowy GPT-6 nie jest po prostu… bardziej komputerem? Link znajdziecie w opisie. Zapraszam też do programu Cloudmaster. Jeśli zdecydujecie się na zakup kursu, uprzedzam od razu: nagrywam właśnie odcinki o Codexie dla nieprogramistów. Kupujecie dziś kurs Claude Code, a pełny kurs Codex dostaniecie w pakiecie. Dzięki za dzisiejszy odcinek i do zobaczenia w następnym.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Rekordy benchmarków czytaj w drobnym druku
Na czym polega: Wynik 99,9% w ARC-AGI-3 uzyskano z autorską nakładką testową OpenAI, w warunkach innych niż u konkurencji — więc bezpośrednie porównanie z Claude Opus 5 (3,2%) jest nieuczciwe.
Jak stosować: Zanim uznasz nowy model za zwycięzcę, zajrzyj do sekcji metodologicznej zapowiedzi i sprawdzaj, kto i jak przeprowadzał test. Opieraj decyzje na niezależnych porównaniach, nie na materiałach producenta.
Na co uważać: Nagłówki o „nasyceniu” benchmarków bywają czystym marketingiem; samo słowo „rekord” niczego nie gwarantuje.
2.Osiągi sprawdzaj na danych, których model nie mógł wcześniej zobaczyć
Na czym polega: W ExploitBench model ma 100% na starych podatnościach, ale tylko ok. 40% na lukach z czerwca–sierpnia 2026, których nie było w materiałach treningowych.
Jak stosować: We własnych testach porównuj wyniki na zadaniach „świeżych” — na przykład na bieżących dokumentach firmowych — a nie na głośnych, znanych przykładach. Pytaj dostawców o datę graniczną danych treningowych.
Na co uważać: Wysoki wynik na znanym zestawie zadań może oznaczać zapamiętanie odpowiedzi, a nie rzeczywistą umiejętność.
3.Obsługa komputera staje się głównym wyróżnikiem modeli
Na czym polega: GPT-6 Astra był wprost optymalizowany pod posługiwanie się komputerem — szybkość, celność i bezpieczeństwo potwierdzają m.in. Agents Last Exam i ScreenSpot Pro, a demo z Excelem pokazuje ok. czterokrotnie szybsze działanie.
Jak stosować: Zacznij od powtarzalnych czynności biurowych — formularzy, arkuszy, raportów — i mierz czas przed delegowaniem oraz po nim, żeby zobaczyć realny zysk.
Na co uważać: Demonstracje powstają w kontrolowanych warunkach; autor sam zastrzega, że czterokrotną przewagę trzeba „urealnić”. Testuj na własnych scenariuszach.
4.Oddawaj modelowi szablony, nie tylko polecenia
Na czym polega: Astra potrafi przyjąć wzór prezentacji, dokumentu czy arkusza jako punkt odniesienia i dopasować do niego treści oraz styl.
Jak stosować: Przygotuj firmowe wzory graficzne i formatowe jako załączniki referencyjne zamiast opisywać styl słowami — efekt będzie bliższy standardowi domu.
Na co uważać: Przed wysłaniem do odbiorcy sprawdź zgodność z identyfikacją wizualną; automatyczne odwzorowanie stylu bywa niedokładne w detalach.
5.Korzystaj z proaktywności — pozwól modelowi dopytać
Na czym polega: GPT-6 Astra nie pędzi na oślep: przy brakującym kontekście sam zadaje pytania, jak w przykładzie ze stroną na bazie profilu LinkedIn.
Jak stosować: Przy złożonych zadaniach nie wymuszaj natychmiastowego wykonania; zacznij od krótkiej wymiany pytań i odpowiedzi, żeby ustalić kierunek.
Na co uważać: To zmiana nawyków względem starszych modeli, które od razu generowały wynik — przy bardzo prostych zadaniach dodatkowe pytania mogą tylko niepotrzebnie wydłużać pracę.
6.Licz koszt zadania, nie cenę samego tokena
Na czym polega: Cennik Astri (10 USD za milion tokenów wejściowych, 50 USD za milion wyjściowych) wygląda jak u Claude Opus 5, ale mniejsze zużycie tokenów przekłada się na tańsze wykonanie całych zadań.
Jak stosować: Porównuj modele po koszcie konkretnego, powtarzalnego zadania — na przykład jednego raportu — a nie po samych stawkach za tokeny.
Na co uważać: Cenniki szybko się zmieniają, a faktyczne koszty zależą od trybu rozumowania i liczby kroków agenta.
7.Nowości trafiają do nieprogramistów: przeglądarka zamiast terminala
Na czym polega: W zapowiedzi narzędzia dla programistów zeszły na dalszy plan, a nacisk położono na użytkowników typu ChatGPT for Work czy Claude Cowork oraz na lepszą obsługę samej przeglądarki.
Jak stosować: Jeśli nie programujesz, śledź możliwości agentowe w codziennych aplikacjach biurowych, a nie w API — to tam trafiają najnowsze funkcje.
Na co uważać: Agent z dostępem do komputera i przeglądarki wymaga nadzoru oraz przemyślanych uprawnień — zwłaszcza przy logowaniu i danych wrażliwych.
8.Wysokie wyniki w nauce i medycynie traktuj jako sygnał, nie wyrok
Na czym polega: Model deklasuje konkurencję w biologii, chemii, fizyce i testach zdrowotnych opartych na wywiadach z internistami.
Jak stosować: Jeśli pracujesz w tych dziedzinach, śledź wyniki i testuj model jako wsparcie analityczne — ale decyzje merytoryczne zostaw specjalistie.
Na co uważać: Wynik w benchmarku medycznym nie jest tożsamy z praktyką kliniczną ani odpowiedzialnością za pacjenta.
9.Efektowne kreacje traktuj jako miernik tempa rozwoju
Na czym polega: ChatGPT-6 potrafi stworzyć własną grę online i w nią zagrać, a także generować wizualizacje mieszkań ze spacerem w Blenderze — zdaniem autora to kolosalny postęp względem poprzednich generacji.
Jak stosować: Obserwuj takie pokazy jako wskaźnik ogólnego poziomu umiejętności modelu, przydatny przy prognozowaniu, co za rok będzie codziennością.
Na co uważać: Widowiskowe demo nie jest jeszcze produktywnym narzędziem — autor sam nazywa gry „ciekawostką”.
10.Przed migracją odczekaj na niezależne testy
Na czym polega: Cała zapowiedź to deklaracje producenta; także autor woli poczekać, aż sam przetestuje model, zanim oceni, ile w tym marketingu.
Jak stosować: Planuj pilotaż na ograniczonym zakresie zadań zamiast natychmiastowej zmiany narzędzi w całym zespole.
Na co uważać: Deklaracje o bezpieczeństwie i sterowności traktuj jako obietnice, nie gwarancje — weryfikuj je własnymi procedurami.