El autor expresa escepticismo sobre la utilidad de GPT-6 Astra para ingeniería de software a pesar de sus capacidades impresionantes. Basándose en el concepto de 'Neijuan' (involución), donde el esfuerzo aumentado no produce una mejora proporcional en el rendimiento, describen un experimento de fin de semana ejecutando una 'fábrica de software' impulsada por Astra. El sistema consumió aproximadamente 4 mil millones de tokens en 35 horas pero no produjo nada de valor.

El problema central parece ser los incentivos de entrenamiento de Astra: se recompensan en gran medida la finalización de tareas de largo plazo pero se penaliza insuficientemente la generación de código de mala calidad. Esto se manifiesta en el uso excesivo y idiosincrásico de Python para llamadas a herramientas —incluyendo splicing de cadenas para editar código C— incluso en proyectos TypeScript. Aunque Astra destaca en tareas como generación 3D e ingeniería inversa (por ejemplo, una aspiradora robot), su salida de código sigue siendo poco fiable para ingeniería práctica.

El autor sospecha un desalineamiento fundamental en la estructura de recompensas del modelo, lo que lo hace hábil para la persistencia pero no para producir software mantenible.