GPT-6 Astraが最近リリースされました。私はヨーロッパ時間の金曜日の夜にアクセスを取得し、それ以来広範囲に使用しています。この記事では、モデルの第一印象と、モデルから最大限の効果を得るために私が利用しているテクニックを共有します。また、モデルで経験した欠点のいくつかと、今後数週間でそれらにどのように対処しようとしているかについても共有します。その間、モデルをますます使用し、モデルでの生産性を最大化しようとします。

なぜGPT-6 Astraを使うのか？まず、私はいつも記事のトピックを気にするべき理由を説明するのが好きです。この場合、GPT-6は最先端の研究所の一つであるOpenAIの最新リリースだからです。これにより、自然に、私のワークフローでどのように機能するかを確認するためにすぐに試してみたいLMの一つになります。私のワークフローは主にコーディングタスクで構成されていますが、コンピューターの使用、ブラウザでの移動、調査などの他のタスクもあります。そのため、ディープリサーチなどでどれだけうまく機能するかを測定します。

GPT-6 Astraの私の第一印象：モデルの使用を開始するとすぐに、いくつかのことをテストし始めました：以前に行ったタスクで実行する、いくつかの新しいタスク（機能実装とバグ修正）で実行する、そしてリファクタリングの機会を探し始める。したがって、私の第一印象は、これら3つのタスクを実行したときの経験に基づいています。ただし、第一印象はコーディングモデルの良さの最良のイメージを与えないかもしれないことに注意したいと思います。GPT 5.6 Solがリリースされたとき、私は非常に良い第一印象を得ましたが、時間の経過とともにいくつかの癖に気づき始めました。

以前に行って検証したタスクの実行に関しては、GPT-6はもちろんすべてを実行できたと言えます。しかし、私が実際にGPT-6の利点として気づいたことの一つは、はるかに速く達成したことです。これは推論速度とは関係ないと思います。私の経験では、モデルがトークンをより効果的に利用し、タスクを迅速に完了する能力が高いように思われます。この印象は、新しいタスクでもモデルを実行し始めたときにさらに検証されました。モデルはタスクを非常に迅速に完了し、同時に正しく実行できたようです。少なくとも、OpenAIの前世代のモデルとClaude Fable 5の両方と比較した場合です。

主要エンティティ：企業：OpenAI、Towards Data Science