GPT-6 Astra বেঞ্চমার্ক চার্ট, 2.5 গুণ মূল্য ট্যাগ এবং একটি চাপা পড়া লাইন নিয়ে লঞ্চ হয়েছে যা গুরুত্বপূর্ণ ছিল: Astra হলো প্রথম মডেল যা OpenAI সাইবার নিরাপত্তা সক্ষমতার জন্য "Critical" হিসেবে শ্রেণীবদ্ধ করেছে, যা কাঠামোর সর্বোচ্চ স্তর। Astra ৩ সেপ্টেম্বর সীমিত প্রিভিউ হিসেবে প্রকাশিত হয়, তারপর একদিন পরে পেইড ChatGPT স্তরে পৌঁছায়। OpenAI-এর প্রেসিডেন্ট বলেন, মডেলটি AGI যুগের সূচনা চিহ্নিত করতে পারে, এবং বেশিরভাগ কভারেজ সেই দাবি নিয়ে বিতর্ক করেছে, Critical শ্রেণীবিভাগকে কয়েকটি বাক্যে নামিয়ে এনেছে।

OpenAI-এর মানদণ্ড নির্দিষ্ট। একটি মডেল Critical-এ পৌঁছায় যদি এটি কোনো মানব সহায়তা ছাড়াই একাধিক সুরক্ষিত বাস্তব-বিশ্ব সিস্টেমে অজানা দুর্বলতা খুঁজে বের করতে ও অস্ত্রায়িত করতে পারে, অথবা একটি উচ্চ-স্তরের লক্ষ্য থেকে সম্পূর্ণ নতুন একটি আক্রমণ চালাতে পারে। Astra-এর আগের মডেল Sol এক স্তর নিচে "High"-এ ছিল। উৎপাদন সুরক্ষা বন্ধ থাকলে, Astra নিজে থেকেই দুটি পূর্বে অজানা জিরো-ডে খুঁজে বের করে ও শৃঙ্খলাবদ্ধ করে, একটি ব্রাউজার স্যান্ডবক্স থেকে বেরিয়ে যায়, এবং একটি সুরক্ষিত OS-এ ত্রুটিগুলোকে সম্পূর্ণ বিশেষাধিকার বৃদ্ধিতে শৃঙ্খলাবদ্ধ করে। সাধারণ অ্যাক্সেস প্রায় 2.4% সময়ে একটি প্রুফ-অফ-কনসেপ্ট এক্সপ্লয়েট সম্পন্ন করে; সীমাবদ্ধ "Daybreak" অ্যাক্সেস তা 92%-এ নিয়ে যায়।

সবাই যে সংখ্যাটি পুনরাবৃত্তি করে তা হলো ARC-AGI-3-এ 99.9%। ARC Prize Astra-কে দুটি হার্নেসে পরীক্ষা করেছে: প্রোভাইডার-নিরপেক্ষটিতে 62.7%, OpenAI-এর নিজস্ব অ্যাডাপ্টারে 98.6%।

মূল সত্তা: কোম্পানি: OpenAI, Towards Data Science, ARC Prize