GPT-6.2 Astra: ضعیف تو کار روزمره، قوی تو CAD
خلاصهٔ کاملتر
GPT-6.2 Astra تازهترین مدل پیشرو OpenAI هست که همراه یه نسخهٔ کوچیکتر به اسم 6.2 Soul منتشر شد. تستکنندههایی مثل Dan Shipper و Ethan Mollick و Matt Schumer گفتن رفتارش یکدست نیست، دستورها رو ضعیفتر دنبال میکنه و تو کار روزمره از Claude Opus 5.5 و Claude 5.2 زمختتره. یکیشون گفته خلاصههای bulletدارش نظم منطقی نداشتن. برای کدنویسی هم فعلاً Claude انتخاب بهتریه.
ولی تو مدلسازی سهبعدی و CAD (یعنی طراحی دقیق قطعهها برای ساخت واقعی) قضیه فرق میکنه. تو یه تست، ازش خواستن یه ساعت آونگی قابل پرینت سهبعدی از صفر طراحی کنه. مدل قطعهها رو اسکچ کرد، همه رو تو CAD ساخت، یه solver پایتونی برای چک کردن حرکت مکانیکی نوشت و تو Blender ساعت رو در حال کار نشون داد. چرخدندهها درست تو هم میرفتن و دستور مونتاژ هم تولید شد. یعنی کل مسیر از ایده تا فایل قابل پرینت.
تو یه تست دیگه یه ماشین RC با سیستم تعلیق جلو و عقب و سطح تماس لاستیک ساخت و تو یه محیط فیزیک سهبعدی گذاشت. همهٔ قطعهها از روی عکس و دفترچهٔ عمومی تکتک طراحی شدن، نه از کتابخونهٔ آماده. همین با بنچمارکها هم جور درمیاد: Astra با adapter اختصاصی OpenAI روی ARC-AGI-3 (بنچمارکی برای پازلهای بصری که مدل قبلاً ندیده) به ۱۰۰٪ رسید. ولی بدون adapter از Claude 5.2 پایینتره. تو leaderboard نسخهٔ 0.1 AI Robotics هم بالاتر از Claude 5.2 و Gemini 4 Hydrogen ایستاده.
برگ برندهٔ اصلی هزینهست. روی Pareto frontier، یعنی نموداری که امتیاز رو در برابر هزینهٔ هر کار نشون میده، Astra نزدیک گوشهٔ ایدهآله. تو Terminal-Bench Science 0.1 با کمتر از ۱۰ دلار برای هر کار حدود ۷۸٪ گرفت. تو Artificial Analysis Intelligence Index کمی از Claude 5.2 عقبتره، ولی با حدود یکهشتم هزینه. یعنی برای حجم بالای کار CAD و شبیهسازی، این صرفهجویی از اختلاف کوچیک کیفیت مهمتره.
OpenAI این مدل رو اولین مدل عمومیای دونسته که به آستانهٔ «high» برای خودبهبودی AI رسیده، یعنی تو خودکار کردن تحقیقات هوش مصنوعی اونقدر توانمنده که ریسکش دستهٔ جدیدی حساب میشه. Astra تو یه شاخص اصلاحشدهٔ خودبهبودی ۲۹٪ گرفت، پشت Gemini 4 Argon. روی ۵۰٪ این شاخص تقریباً معادل سطح انسانه. تو بنچمارک Erdős Problems از Epoch AI هم با بودجهٔ ۳۰۰ دلار برای هر سؤال، ظاهراً یه مسئله رو حل کرد که قبلاً راهحلی نداشت.
برای همین OpenAI محافظهای تازه گذاشته: یه kill switch که با تشخیص misalignment ظرف ۳۵ ثانیه عمل میکنه، زیرساخت مرکزی برای نظارت روی اجراهای reinforcement learning، و اینکه اگه هر سیستم ایمنی از کار بیفته، inference کامل متوقف میشه. مدل همچنان تو بالاترین سطح ریسک زیستی و شیمیایی OpenAI قرار داره که از نسخههای قبلی به ارث رسیده.
نکات کلیدی:
- Astra روی ARC-AGI-3 فقط با adapter اختصاصی OpenAI به ۱۰۰٪ رسید و بدون اون از Claude 5.2 عقبتره.
- تو leaderboard نسخهٔ 0.1 AI Robotics بالاتر از Claude 5.2 و Gemini 4 Hydrogen ایستاده.
- تو Terminal-Bench Science 0.1 حدود ۷۸٪ با کمتر از ۱۰ دلار برای هر کار گرفت.
- تو Artificial Analysis Intelligence Index کمی پشت Claude 5.2 هست، با حدود یکهشتم هزینه.
- اولین مدل عمومی OpenAI با سطح «high» تو ریسک خودبهبودی و امتیاز ۲۹٪ روی شاخص مربوطه.
- برای کدنویسی و کار روزمره، تستکنندهها فعلاً Claude Opus 5.5 و Claude 5.2 رو ترجیح میدن.




