7 wskazówek, które zamieniają ChatGPT 6 Astra w AGI

O czym jest ten film

1. Alex Finn ogłasza nadejście AGI wraz z ChatGPT 6 Astra; na poparcie przywołuje wpis Jensena Huanga, szefa Nvidii, który pogratulował zespołowi OpenAI przełomu.
2. Sam dostęp do modelu nie wystarczy — trzeba zmienić sposób pracy; stąd siedem wskazówek, z których część przy okazji obniża rachunek za tokeny.
3. Podstawą jest aplikacja desktopowa: tylko tam działa computer use, czyli sterowanie komputerem przez model (demo: samodzielne zakupy na Amazonie).
4. Nowość w aplikacji desktopowej: model zadaje pytania w trakcie realizacji zadania, zamiast zgadywać szczegóły.
5. Niski poziom rozumowania wystarcza do niemal wszystkiego i jest tańszy; wysoki oraz wyższe Finn rezerwuje na planowanie i szukanie własnych ślepych punktów.
6. Pliki reguł (w rodzaju agents.md) i skillsy stają się zbędne — obciążają kontekst i pożerają tokeny; zostać mają tylko wysoce specjalistyczne procesy robocze.
7. Model pierwszy raz świetnie radzi sobie z modelowaniem 3D: sprawdzony łańcuch to obraz koncepcyjny → Blender → Unity.
8. „Drugi mózg” (tablica kanban w Notion lub Linear) pozwala drogo zaplanować, a tanio wykonać.
9. Tryb zdalny i zawsze włączona stacjonarka chronią przed tym, że testy modelu zawłaszczają cały komputer.
10. Ostatnia rada: częściej pytać model („co dalej?”, „jakie są moje ślepe punkty?”), niż wydawać mu polecenia.

Redakcyjne tłumaczenie

AGI nadeszła — pod warunkiem, że umiesz z nią pracować

AGI jest już wśród nas — tak przynajmniej ogłosił Jensen Huang, którego Finn nazywa „bogiem AI”. W poście na X szef Nvidii napisał wprost: „AGI nadeszła. Gratulacje, zespole OpenAI”.

(Informacja dodatkowa: Jensen Huang — szef Nvidii, największego dostawcy układów do trenowania modeli AI.)

Finn idzie o krok dalej: jego zdaniem ChatGPT 6 Astra to już proper sztuczna inteligencja ogólnego przeznaczenia. Zastrzega jednak, że samo uruchomienie modelu nie wystarczy. Używany po staremu nie robi wrażenia — dlatego przekazuje siedem sposobów pracy z Astrą, po których różnicę ma poczuć każdy. Kilka z nich przy okazji ogranicza zużycie tokenów, więc lepiej wykorzystany model wychodzi też taniej. Finn zapowiada to jako najważniejszy materiał o tej wersji, jaki można obejrzeć.

Wskazówka 1. Aplikacja desktopowa i sterowanie komputerem

Sterowanie komputerem działa tylko w aplikacji desktopowej

Największym skokiem jakości w całej nowej wersji jest według Finna tzw. computer use — funkcja, w której model sam porusza kursorem, klika i wpisuje tekst, wykonując czynności na komputerze użytkownika. Jego ocena jest bezkompromisowa: radzi sobie z tym lepiej i szybciej niż człowiek. Jest jednak warunek: interfejs wiersza poleceń tej funkcji nie obsługuje, więc żeby z niej korzystać, trzeba pracować w aplikacji desktopowej ChatGPT.

Do tego dochodzi nowy nawyk myślowy: wszystko, co normalnie robi się na komputerze, należy po prostu zlecić Astrze.

Demo: model robi zakupy na Amazonie

Żeby pokazać, jak to wygląda w praktyce, Finn wybiera przykład z życia: parmigiana z kurczaka to jego ulubione danie, więc prosi model, żeby otworzył Amazona i dodał do koszyka wszystkie składniki — na cztery porcje, produktami z Whole Foods.

Model bierze się do roboty: otwiera stronę, po kolei wyszukuje kurczaka, mozzarellę i parmezan, sam klika i dorzuca zakupy do koszyka. Przy okazji wybiera tańszy sos marinara marki własnej sklepu, oszczędzając Finnowi kilka dolarów. Finn podkreśla, że model w trakcie tego działania jednocześnie myśli i operuje jego komputerem — i wyciąga z tego wniosek: każdą wieloetapową czynność, którą dotąd robiło się samemu, powinien teraz wykonywać model, bo jest w tym równie dobry, a często lepszy od człowieka.

(Informacja dodatkowa: Whole Foods to amerykańska sieć sklepów spożywczych należąca do Amazona; „365” to jej tańsza marka własna.)

Drugi powód, by siedzieć w aplikacji: model pyta w trakcie pracy

Aplikacja desktopowa dostała pod Astrę cały pakiet nowych funkcji — i jedną z najważniejszych jest możliwość zadawania użytkownikowi pytań w czasie realizacji zadania. Finn pokazuje to na budowanej przez siebie grze: w trakcie pracy model pyta go, jak powinien działać ładowany strzał strzelby „coil breaker” — przebijać na wylot kilku przeciwników czy raczej odrzucać ich do tyłu? Finn wybiera odrzucanie i praca rusza dalej.

Jego zdaniem działa to jak planowanie rozłożone w czasie: model nie wymyśla wszystkich pytań z góry, tylko dopytuje w miarę postępów i coraz lepiej rozumie, czego użytkownik naprawdę chce. W połączeniu ze sterowaniem komputerem robi to z Astry znacznie sprawniejszego asystenta.

Trik: deleguj wszystko, czego nie lubisz

Praktyczna zasada, którą stosuje Finn: za każdym razem, gdy jakaś czynność na komputerze go nuży — dodawanie produktów do koszyka, wypełnianie formularzy, zbieranie informacji — zamiast robić ją sam, zleca ją ChatGPT, na przykład w Codexie. Gwarantuje, że po pierwszych takich próbach większość osób zdziwi się, co model potrafi wykonać samodzielnie.

Wskazówka 2. Domyślnie niski poziom rozumowania — taniej i mądrzej

Druga wskazówka dotyczy poziomów rozumowania i to jedna z tych, które oszczędzają tokeny. Porównanie Finna jest jednoznaczne: Astra ustawiona na niskim poziomie jest wyraźnie mądrzejsza od poprzedniego modelu na poziomie wysokim (w transkrypcie przebrzmiał on jako „5.5 Soul”) — a przy tym znacznie tańsza. Wniosek: niski poziom powinien być domyślny przy niemal każdym zadaniu.

Poziomy wysoki i wyższe Finn rezerwuje dla planowania. Za każdym razem, gdy zaczyna nowy wątek albo szykuje coś wymagającego, włącza wysoki poziom i każde modelowi zaplanować działanie. Jego zdaniem to pierwsze modele, z którymi pracował, naprawdę konsekwentnie proponujące świeże, nieszablonowe pomysły — wychodzą poza utarte schematy lepiej niż cokolwiek wcześniej. Dlatego właśnie na wyższych poziomach warto szukać własnych ślepych punktów.

Finn przywołuje tu przykład kolegi, którego sposób pracy bardzo mu się podoba: ten regularnie prosi model o wskazanie swoich ślepych punktów i przeredagowanie pomysłów w coś, co można zacząć testować jeszcze tego samego dnia. Recepta jest prosta: wejść na poziomie wysokim lub wyższym, poprosić o plan i zapytać, czego w nim brakuje. A gdy plan stoi, zejść na niski (ewentualnie średni) i wykonać wszystko w oparciu o gotowe ustalenia — w ten sposób wykonanie jest i tanie, i dobre, bo opiera się na planie z droższego poziomu.

Wskazówka 3. Usuń pliki reguł i większość skillsów

Trzecia rada jest krótka i radykalna: pozbyć się plików z regułami (w rodzaju agents.md) i przestać używać skillsów, czyli podpinanych do modelu pakietów gotowych instrukcji. Model jest według Finna na tyle sprytny, że praktycznie wszystkie polecenia, które wcześniej trzymał w pliku reguł, stały się zbędne, a skillsy tylko spowalniały pracę i pożerały tokeny — teraz model sam doskonale dobiera narzędzia.

Diagnoza Finna: era plików reguł i skillsów właśnie się kończy. Były to w gruncie rzeczy łatki na słabości modeli — na błędy, których te już nie popełniają. A skoro model przestał się potykać, po co człowiek ma instruować coś sprawniejszego od siebie? Wszystko, co trafia do pliku reguł czy skillsa, wchodzi do kontekstu przy każdym pojedynczym zapytaniu — im mniej tego balastu, tym lżejszy kontekst i niższe zużycie tokenów.

Finn ma też ciętą uwagę do twórców rozbudowanych list „niezbędnych” reguł: robią to dla klików. Sam widzi jeden uzasadniony wyjątek — bardzo specyficzne, powtarzalne procesy, jak jego własny sposób pracy przy modelowaniu 3D w grze, dla którego można zbudować osobny skill. Ale im sprawniejsze modele, tym i ta potrzeba znika, bo model zapisze sobie ustalenia we własnej pamięci.

(Informacja dodatkowa: pliki w rodzaju AGENTS.md to instrukcje projektowe, które wcześniejsze modele AI wczytywały przy każdym zapytaniu, żeby trzymać się ustaleń — na przykład konwencji kodowania w danym repozytorium.)

Wskazówka 4. Modelowanie 3D: pierwszy raz na poważnie

Astra została — jako pierwszy model, zdaniem Finna, wyraźnie i celowo — wytrenowana na modelowaniu 3D i miażdży w tym konkurencję. Dowodem ma być jego gra: wszystkie budynki, postacie i oprawa powstały w jednym prompcie, bez zewnętrznych narzędzi ani gotowych assetów. Budowanie gier i modeli 3D z AI to jego zdaniem najprzyjemniejsza rzecz, jaką można dziś z tymi modelami robić — i jeśli ktoś jeszcze nie próbował, powinien jak najszybciej zacząć.

Recepta na najlepsze efekty to duet darmowych narzędzi: Blender, czyli open-source’owy edytor do modelowania 3D, oraz Unity, darmowy silnik gier z bardzo udanym interfejsem wiersza poleceń. Proces wygląda tak:

1. Zacznij projekt w Codexie i zleć: „zbuduj grę w Unity, a assety zrób w Blenderze”.
2. Najpierw wygeneruj obrazy koncepcyjne — pogląd tego, jak mają wyglądać modele 3D.
3. Na podstawie tych koncepcji zbuduj modele 3D w Blenderze.
4. Gotowe elementy przenieś do Unity.

Ten łańcuch Finn nazywa bezbłędnym i przysięga, że daje mu najlepsze rezultaty, jakie kiedykolwiek osiągnął przy tworzeniu 3D i gier z pomocą AI — efekty są jego zdaniem oszałamiające. Radzi budować małe gry i prototypy, bo to najbardziej bezpośredni sposób, żeby zobaczyć, na co nowy model go stać.

Wskazówka 5. Drugi mózg: planuj drogo, wykonuj tanio

Piąty pomysł łączy wyższe poziomy rozumowania z oszczędzaniem tokenów. Astra na poziomach od wysokiego do ultra potrafi naraz przemyśleć mnóstwo wątków — i przy okazji sporo kosztuje. Zamiast trzymać całą tę inteligencję w jednym wątku, Finn podepina jej „drugi mózg”: zewnętrzną tablicę, na której model zapisuje pomysły w trakcie pracy, żeby później wracać do nimi tańszymi poziomami.

W jego przypadku tę rolę pełni tablica kanban w Notion — narzędziu darmowym, bez limitu tablic. Równie dobrze sprawdza się Linear (aplikacja do zarządzania zadaniami); Finn korzysta z obu. Przepływ jest dwuetapowy:

1. Planowanie na wysokim poziomie. Finn każe modelowi zaplanować grę i dodawać każdy wymyślony pomysł do drugiego mózgu w Notion. W ten sposób powstało dwadzieścia pięć–trzydzieści kart z bardzo szczegółowymi opisami.
2. Wykonanie na niskim poziomie. Potem przełącza się na niski poziom rozumowania i poleca: „przejedź całą tablicę od początku do końca i zrealizuj kolejne zadania”. Model po kolei zamyka każdą kartę i buduje kolejne funkcje.

Korzyść jest podwójna: żaden pomysł nie ginie, bo wszystko zostaje zapisane na tablicy, a kosztowne myślenie odbyło się tylko raz. Realizacją zajmuje się tani, niski poziom, który i tak „widzi” wszystkie ustalenia — wystarczy mu przeczytać tablicę. Efekt: więcej zrobionej pracy, szybciej i za mniejsze pieniądze. Jeśli komuś zależy wyłącznie na drugim mózgu, wystarczy Linear; kto chce całego pakietu funkcji, niech zostanie przy Notion.

Wskazówka 6. Tryb zdalny i komputer, który nigdy nie śpi

Szósta rada dotyczy trybu zdalnego w aplikacji desktopowej — i wynika z pewnej osobliwości Astry. To według Finna najbardziej skrupulatny model w historii: wszystko, co zbuduje, testuje w stopniu, który sam nazywa absurdalnym. Po dodaniu nowej broni do gry model potrafi spędzić 45 minut, badając jej działanie na każdy możliwy sposób.

Da się to jednak uznać za wadę: skoro testy są tak gruntowne, model nieustannie zawłaszcza komputer — gra wyskakuje na wierzch, coś się klika — i na tej samej maszynie nie da się już spokojnie pracować. Dlatego Finn uważa, że tryb zdalny jest dziś ważniejszy niż kiedykolwiek.

Jego układ wygląda tak: jeden komputer stacjonarny (Mac Studio, na którym nagrywa materiał) pełni rolę maszyny testowej — tam żyje cały kod i tam toczą się wszystkie testy. Z laptopa, iPhone’a i iPada łączy się z nią zdalnie, wysyła prompty i zajmuje się tym, co nazywa vibe codingiem, czyli pisaniem kodu głównie za pomocą poleceń do modelu. Cała ciężka praca i testy dzieją się na stacjonarce, więc już mu nie przeszkadzają. Bonus: komputer stacjonarny nigdy nie gaśnie i nie usypia się, więc model może testować całą dobę, bez przerwy.

Jeśli ktoś chce powtórzyć ten układ, wystarczy dowolna stacjonarka podłączona do prądu i zawsze włączona — choćby Mac mini. Konfiguracja jest prosta: w aplikacji klikamy swoją nazwę użytkownika, wchodzimy w ustawienia, potem w zakładkę połączeń i włączamy opcję kontroli tego komputera, a na koniec dodajemy pozostałe urządzenia. Od tej chwili można wysyłać polecenia z dowolnego z nich, a testy — bo to najlepszy model do testów, z jakim Finn pracował — toczą się na jednym, wyznaczonym komputerze.

Wskazówka 7. Pytaj częściej, niż wydajesz polecenia

Ostatnia wskazówka to zmiana nawyku. Skoro model jest tak dobry w wymyślaniu nowatorskich pomysłów, to niech to on proponuje kolejne kroki. Finn samodzielnie nie planuje już dalszych działań — uważa, że model zrobi to lepiej, bo zobaczy rzeczy, które jemu umknęły. W praktyce, zamiast mówić „zrób teraz X”, nieustannie pyta: „Jakie są moje ślepe punkty?”, „Czego jeszcze nie uwzględniliśmy?”, „Co według ciebie powinniśmy zrobić dalej?”. Jego doświadczenie: takie podejście przynosi lepsze wyniki i projekt rozwija się szybciej.

Jego wyzwanie dla widzów brzmi: przez jakiś czas w ogóle nie wydawać poleceń — wszystko zaczynać od pytania „co dalej?”, a potem jedynie akceptować pomysły modelu albo je odrzucać. Nigdy nie zaczynać od „zróbmy teraz to”. Finn dodaje, że to po prostu przyjemniejszy sposób pracy: zamiast kierować, eksploruje się razem z modełem, burzy mózgi i wychodzi poza własne schematy — co porównuje niemal do psychodelicznej podróży. Jeśli 95% wysyłanych wiadomości będą pytania — o ślepe punkty, o następny krok, o to, „jaka decyzja da nam teraz najwięcej” — Finn obiecuje wyraźnie lepsze rezultaty i znacznie więcej frajdy.

Puenta: „moment Astry 6”

Finn jest przekonany, że właśnie wkroczyliśmy w erę AGI, a premiera ChatGPT 6 Astra to skokowa zmiana — większa niż premiera Claude’a Opus 4.5 rok wcześniej, którą dziś nazywa mniejszym wydarzeniem. Radzi wdrożyć wszystkie siedem wskazówek i obiecuje, że możliwości modelu przerastają wyobrażenia. Na koniec, jak zwykle, zachęca do polubienia materiału, zapisu na darmowy newsletter (dwa pomocne wydania tygodniowo) oraz subskrypcji kanału z włączonymi powiadomieniami.

(Informacja dodatkowa: Claude Opus 4.5 to model firmy Anthropic; jego premiera również uchodziła za przełom w jakości.)

10 najważniejszych takeaways — z kontekstem zastosowania

1.Sterowanie komputerem tylko z aplikacji desktopowej

Na czym polega: Największy nowy atut Astry — computer use, czyli samodzielne operowanie myszką i klawiaturą — nie działa w interfejsie wiersza poleceń, tylko w aplikacji na komputer.

Jak stosować: Zainstaluj aplikację desktopową i przeglądaj swoje rutyny pod kątem czynności wieloetapowych (zakupy, formularze, research), a potem zlecaj je wprost: „otwórz X, zrób Y, dokończ do końca”.

Na co uważać: Model zawłaszcza mysz i klawiaturę — na tym samym komputerze nie popracujesz równolegle. Przy płatnościach i danych osobowych zostaw sobie ostatni krok i sprawdzaj każde kliknięcie.

2.Deleguj czynności, których nie znosisz

Na czym polega: Zasada Finna: każda nudna, wieloetapowa czynność na komputerze to kandydat do przekazania modelowi — nie tylko te „poważne”.

Jak stosować: Przez tydzień notuj wszystko, co cię denerwuje podczas pracy (wypełnianie dokumentów, zbieranie danych, konfiguracja), i przy każdej pozycji pytaj: czy to może zrobić Astra za mnie?

Na co uważać: Delegowanie nie zwalnia z odpowiedzialności — wyniki sprawdzaj zwłaszcza tam, gdzie błąd kosztuje (zamówienia, dane klientów).

3.Odpowiadaj na pytania modelu w trakcie pracy

Na czym polega: Aplikacja desktopowa pozwala modelowi dopytywać o szczegóły w trakcie realizacji zadania — działa to jak planowanie rozłożone w czasie, zamiast zgadywania za użytkownika.

Jak stosować: Traktuj pytania modelu jako szybką iterację wymagań: odpowiadaj krótko i konkretnie, doprecyzowuj preferencje zamiast przerywać zadanie.

Na co uważać: Jeśli nie odpowiadasz, model utknie albo zdecyduje za ciebie — miej włączone powiadomienia i wygospodaruj chwilę na reakcję.

4.Niski poziom rozumowania jako domyślny

Na czym polega: Zdaniem Finna Astra na niskim poziomie jest mądrzejsza od poprzedniego modelu na wysokim — i znacznie tańsza. Nie ma więc sensu przepłacać przy rutynowych zadaniach.

Jak stosować: Niski (ewentualnie średni) poziom ustawiaj domyślnie do wykonywania planów, pisania i powtarzalnych zadań; poziom podnoś dopiero, gdy widzisz spadek jakości.

Na co uważać: Do zadań wymagających świeżych pomysłów niski poziom może być za słaby — wtedy sięgaj po wyższe, zamiast ratować się dłuższym promptowaniem.

5.Wysoki poziom do planowania i ślepych punktów

Na czym polega: Poziomy wysoki i wyższe najlepiej radzą sobie z planowaniem i wychodzeniem poza utarte schematy — to pierwszy raz, kiedy model konsekwentnie proponuje coś naprawdę nowego.

Jak stosować: Każdy nowy projekt zaczynaj od sesji na wysokim poziomie: „zbuduj plan, pokaż nasze ślepe punkty i przeredaguj pomysły w coś testowalnego od dziś”. Gdy plan stoi, schodź na niski do wykonania.

Na co uważać: Wysokie poziomy potrafią sporo kosztować przy jednej odpowiedzi — używaj ich punktowo, do planowania, a nie do całej pracy.

6.Wygaś pliki reguł i nadmiarowe skillsy

Na czym polega: Każda reguła z agents.md i każdy skill wchodzą do kontekstu przy każdym zapytaniu. Przy tak sprawnym modelu to zbędny balast, który spowalnia pracę i podbija rachunek za tokeny.

Jak stosować: Przejrzyj swoje reguły i usuń te, które dotyczyły błędów, których model już nie popełnia; zostaw wyłącznie bardzo specyficzne, powtarzalne procesy, których nie da się inaczej zapisać w pamięci modelu.

Na co uważać: Jeśli pracujesz zespołowo albo trzymasz się nietypowych konwencji, najpierw przetestuj, czy model faktycznie trzyma się ich bez reguł — dopiero potem czyść pliki.

7.Łańcuch 3D: koncept → Blender → Unity

Na czym polega: Astra pierwszy raz radzi sobie z modelowaniem 3D na poważnie; najlepsze efekty daje łańcuch: obraz koncepcyjny z generatora → model 3D w Blenderze → scena w Unity.

Jak stosować: Zacznij projekt w Codexie, zleć grę w Unity i assety w Blenderze; najpierw wygeneruj koncepty, dopiero potem każ przenieść je do geometrii — nie odwrotnie.

Na co uważać: Nie każdy silnik ma tak wygodny interfejs wiersza poleceń jak Unity — przy innych narzędziach część automatyzacji trzeba będzie dopiero dopasować.

8.Drugi mózg: planowanie na drogo, wykonanie na tanio

Na czym polega: Pomysły wygenerowane na drogich poziomach zapisujesz na tablicy kanban (Notion lub Linear), a tanie poziomy realizują je później kartę po karcie — kosztowne myślenie odbywa się tylko raz.

Jak stosować: Sesja na wysokim poziomie: „zaplanuj projekt i dodawaj każdy pomysł jako osobną kartę”. Potem na niskim: „przejedź całą tablicę i realizuj zadania po kolei”.

Na co uważać: Tablicę trzeba porządkować — bez priorytetów model będzie z równym zaangażowaniem realizował też pomysły niskiej wartości.

9.Testy na osobnej, zawsze włączonej maszynie

Na czym polega: Model testuje wszystko bardzo skrupulatnie i przez to nieustannie zawłaszcza komputer. Rozwiązaniem jest tryb zdalny i jedna stacjonarka, na której żyje cały kod.

Jak stosować: Wyznacz komputer podłączony do prądu, bez usypiania (choćby Mac mini), w ustawieniach aplikacji wejdź w zakładkę połączeń, włącz kontrolę nad tym komputerem i dodaj laptopa, telefon oraz tablet jako urządzenia zdalne.

Na co uważać: Maszyna ma pracować całą dobę — zadbaj o zasilanie i chłodzenie, a dostęp zdalny odpowiednio zabezpiecz.

10.Pytaj, zamiast wydawać polecenia

Na czym polega: Zamiast samemu wymyślać kolejne kroki, pytaj: „co dalej?”, „jakie są moje ślepe punkty?”, „jaka decyzja da nam teraz najwięcej?” — model zaproponuje rozwiązania, które same by ci nie przyszły do głowy.

Jak stosować: Ustal sobie regułę, że większość wiadomości to pytania, a twoja rola sprowadza się do akceptowania lub odrzucania propozycji modelu.

Na co uważać: Pełne oddanie sterów grozi eleganckimi, ale błędnymi pomysłami — tam, gdzie znasz kontekst najlepiej, zachowaj decyzyjność i weryfikuj kierunek.