GPT-6 Astra benchmark: i numeri veri, i prezzi e cosa cambia

Il 3 settembre 2026 OpenAI ha presentato Astra, e il presidente Greg Brockman ha chiuso il briefing con una frase che, come riporta Decrypt, è diventata il titolo di mezzo internet: «Benvenuti nell’era dell’AGI». Ventiquattro ore dopo sono arrivate le prime misure indipendenti, e raccontano un modello più sobrio di quanto il lancio suggerisse. Chi cerca oggi un GPT-6 Astra benchmark affidabile si trova davanti a tre punteggi diversi sullo stesso identico test, 62,7%, 98,6% e 99,9% su ARC-AGI-3, e nessuno dei tre è falso. La divergenza non è fra fonti che si contraddicono: è fra configurazioni di misura, e capirla è l’unico modo per sapere che cosa stai comprando quando attivi Astra. Questo articolo mette in fila i numeri verificati, dichiara le discrepanze invece di mediarle, e separa i benchmark dove il salto c’è davvero da quelli dove non c’è.

In questo articolo scoprirai:

• Sullo stesso test, 62,7% e 99,9%: quale numero è quello vero
• I benchmark dove il salto c’è davvero, l’unico dove Astra perde e perché l’indice generalista ha cambiato verdetto
• Computer use e agenti: il miglioramento si misura in minuti, non in punti
• Primo modello «Critical» sulla cybersecurity: cosa cambia per chi lo adotta
• Quanto costa GPT-6 Astra contro GPT-6.1 Sol, e quando conviene pagare Fast o Ultrafast

Aggiornato il 3 ottobre 2026: nuovo Intelligence Index di Artificial Analysis (Astra ora è primo a pari merito), GPT-6.1 Sol a un quinto del prezzo, la modalità Ultrafast su GPU NVIDIA, il prompt caching migliorato e lo stop a GPT-6.1 Astra.

Benchmark di GPT-6 Astra su ARC-AGI-3: 62,7% o 99,9%, quale numero è quello vero

La cosa più utile da sapere è anche la meno raccontata: i tre punteggi che circolano su ARC-AGI-3 provengono tutti dallo stesso ente di misura, la ARC Prize Foundation, che gestisce il benchmark. Non è una fonte contro l’altra. È lo stesso modello, sullo stesso set semi-privato, misurato con impostazioni diverse.

Nel referto pubblicato da ARC Prize i numeri sono questi. Con l’harness standard, cioè l’impalcatura di test che ARC applica a tutti i modelli, Astra ottiene 62,7% al costo di 26.098 dollari di run. Con il cosiddetto Provider Adapter e reasoning effort «high», sale a 99,9% spendendo 18.817 dollari. Con reasoning effort «max» fa 98,6% per 17.332 dollari. Il 99,9% è la cifra che OpenAI ha portato in prima pagina; il 98,6% è quello ripreso da buona parte della stampa tecnica, fra cui The New Stack; il 62,7% è quello che si ottiene trattando Astra come tutti gli altri.

Quanto vale il salto di GPT-6 Astra rispetto a Sol e a Opus 5

Per dare la scala del salto: il predecessore GPT-5.6 Sol si fermava al 7,8% sullo stesso benchmark. Anche prendendo il numero più conservativo, 62,7% resta un progresso enorme, otto volte il modello precedente, e circa il doppio di Claude Opus 5, che secondo la ricostruzione di Crypto Briefing guidava la classifica intorno al 30,2%. Vale la pena notare che quell’articolo, pubblicato il 3 settembre, sosteneva che «nessun punteggio confermato esiste per un modello chiamato Astra»: era vero nel momento in cui è stato scritto, ed è stato superato poche ore dopo dalla pubblicazione di ARC Prize. È un buon promemoria di quanto velocemente, in questa fase, un’affermazione corra più della sua verifica.

La sintesi onesta è che il salto generazionale su ARC-AGI-3 è reale, ma il 99,9% non è confrontabile con i punteggi degli altri modelli. Sono due affermazioni diverse, e l’annuncio le ha fatte diventare una sola.

Perché l’harness cambia il risultato di un benchmark di ragionamento

L’harness cambia il risultato perché su ARC-AGI-3 fa parte della prova. Chi non lavora con le valutazioni tende a immaginare un benchmark come un compito in classe: stesse domande, stesso tempo, voto confrontabile. Su ARC-AGI-3 non funziona così, ed è la ragione tecnica dietro tutta questa storia.

ARC-AGI-3 non fa domande: mette il modello dentro un ambiente interattivo sconosciuto e gli chiede di orientarcisi. Come nota The New Stack, «ARC-AGI-3 richiede che un modello trovi la sua strada in un ambiente non familiare, il che significa che il setup in cui gira può influire su quanto bene si comporta». L’harness, l’impalcatura software che collega il modello all’ambiente, gestisce i turni, il contesto e gli strumenti, non è un dettaglio di contorno: è parte della prova.

Anche il costo dipende dall’harness, e raramente entra nelle slide. Secondo i dati di ARC Prize, la configurazione «peggiore» come punteggio è anche la più cara: l’harness standard segna 62,7% per 26.098 dollari. Tenendo separate le due run con adapter, con reasoning «high» il punteggio sale di circa 37 punti percentuali e la spesa scende del 28% (99,9% per 18.817 dollari), mentre con «max» si arriva a 98,6% con il 34% di spesa in meno (17.332 dollari). Quando una scelta di ingegneria del test sposta tanto, il punteggio da solo smette di essere un’informazione sufficiente, e chi valuta un modello per il proprio lavoro dovrebbe chiedersi con quale harness girerà davvero il suo caso d’uso, non quale numero sta sulla slide.

Cosa fa concretamente il Provider Adapter

La differenza misurata da ARC Prize è vistosa anche al netto del punteggio: le run con Provider Adapter sono risultate circa 3,66 volte più veloci e hanno consumato il 49% di token in meno. Non è un trucco per gonfiare un numero: è un’integrazione più nativa fra modello e ambiente, che secondo OpenAI riflette meglio l’uso reale. Astra è stato valutato attraverso l’harness della Responses API con due impostazioni modificate, e l’azienda sostiene che quelle modifiche non fossero pensate per ARC-AGI-3.

Il problema di comparabilità resta comunque, e ha due facce. La prima: quali fossero le due impostazioni non è stato reso pubblico, il che rende la verifica indipendente impossibile. La seconda, più sostanziale: i modelli concorrenti sono stati valutati con configurazioni diverse. Un confronto fra il punteggio di Astra con adapter e quello di Opus 5 mette insieme due misure che non hanno attraversato la stessa impalcatura.

I benchmark di GPT-6 Astra dove il salto c’è davvero, e l’unico dove perde

Fuori da ARC-AGI-3 il quadro è più leggibile, perché i test sono statici. Secondo la ricostruzione di Vellum, su FrontierMath Tier 4 (v2) Astra segna 97,6% contro l’87,8% di Claude Fable 5.1 e il 73,2% di Opus 5, una distanza che nessun modello aveva mai messo sui problemi matematici di frontiera. Se vuoi il quadro d’insieme della famiglia di modelli di Anthropic, l’abbiamo raccontata nella guida completa a Claude. OpenAI nel proprio annuncio indica 98% sullo stesso tier: la differenza è minima e dipende dalla versione del set, ma è una discrepanza e va detta, non arrotondata. Va detto anche un secondo asterisco, che Vellum solleva: OpenAI ha finanziato in parte FrontierMath. Chi cerca invece il raffronto testa a testa fra le famiglie di modelli lo trova nel nostro confronto fra i modelli AI del 2026: qui restiamo su Astra soltanto.

Gli altri numeri di punta, sempre nella ricostruzione di Vellum: GPQA Diamond al 96,0%, il punteggio più alto mai pubblicato su quel test; BenchCAD al 95,9% contro l’84,3% di Fable 5.1 e l’83,3% di Sol, che è il dato più interessante per chi fa lavoro tecnico-professionale strutturato.

Dove GPT-6 Astra non stacca nessuno: coding e Humanity’s Last Exam

Sul coding puro il primato si assottiglia fino a sparire. Sempre secondo i dati raccolti da Vellum, su DeepSWE v1.1 Astra fa 74,1% contro il 72,7% di Sol, un miglioramento di 1,4 punti in sei mesi, e viene comunque battuto dal 75,4% di Muse Spark 1.3 di Meta. Su FrontierCode 1.1 Extended si ferma a 64,5%, dietro al 64,9% di Fable 5. E su Humanity’s Last Exam con strumenti registra 57,2% contro il 65,0% di Fable 5.1: è l’unica riga accademica che Astra perde, ed è anche l’unica che l’annuncio non commenta.

Artificial Analysis Intelligence Index: GPT-6 Astra da quinto a primo in una settimana

Sull’Artificial Analysis Intelligence Index, l’indice generalista indipendente più seguito, GPT-6 Astra oggi è primo a pari merito con Claude Fable 5.1, entrambi a 53 punti nella versione 4.3, secondo il referto di Artificial Analysis. Ma è un primato da leggere con lo stesso metro di ARC-AGI-3, perché il numero è cambiato tre volte in una settimana. Al debutto, sulla versione 4.1.1, Astra segnava 61 come GPT-5.6 Sol, contro il 66 di Fable 5.1 e il 63 di Opus 5: è il dato da cui FourWeekMBA aveva concluso che Astra pareggiasse con sé stesso, e che anche noi avevamo ripreso. Poi, come ricostruisce Trending Topics, con la v4.2 Astra è salito a 55 contro 57 di Fable, e con la v4.3 è arrivato il pareggio.

A cambiare non è stato il modello ma il test: secondo Artificial Analysis, Terminal-Bench è passato dalla v2.1 alla v4.0, dove Astra stacca tutti con il 59,1%, e un nuovo AutomationBench-AA da 657 compiti di processo aziendale ha preso il posto della prova bancaria. Artificial Analysis stessa, in sostanza, riconosce che una classifica ricostruita tre volte in una settimana vale poco come serie storica. Nel referto restano però due dati solidi: Astra guadagna 6 punti su GPT-5.6 Sol, e il suo tasso di allucinazione scende dal 92% al 51% alla massima intensità di ragionamento, dove per allucinazione si intende quanto spesso il modello inventa una risposta invece di ammettere di non saperla. Se vuoi capire perché indici diversi possano dare risposte così divergenti sullo stesso modello, aiuta avere chiaro come funziona davvero un modello di AI sotto il cofano, e più in generale che cosa sono e come si valutano gli LLM.

GPT-6 Astra contro Grok 4.6, Claude Opus 5.5 e GPT-6 Sol: perché le tabelle non si impilano

La classifica scritta il 3 settembre è invecchiata più di una volta. xAI ha presentato Grok 4.6, con i suoi benchmark, i prezzi e i cinquanta secondi di latenza; il 22 settembre Anthropic ha lanciato Claude Opus 5.5 e OpenAI stessa ha affiancato ad Astra GPT-6 Sol e GPT-6 Luna. Su ARC-AGI-3, il test più discusso di Astra, al momento in cui scriviamo la pagina dei risultati di ARC Prize non riporta ancora un punteggio verificato per Opus 5.5, che segna 98,5% su ARC-AGI-1 e 93,3% su ARC-AGI-2: il confronto diretto, quindi, non esiste ancora.

Il punto che resta valido è metodologico, ed è lo stesso di ARC-AGI-3: i numeri di due annunci diversi non si impilano in un’unica tabella. Finché un ente terzo non misura due modelli con la stessa impalcatura, accostare la riga di Astra a quella di un concorrente uscito qualche settimana dopo è un accostamento grafico, non un confronto. Se stai scegliendo adesso, la domanda utile non è chi guida la classifica di oggi, ma quale modello regge il tuo carico di lavoro con la configurazione che userai davvero in produzione.

Computer use e agenti: il miglioramento si misura in minuti, non in punti

Se c’è una parte dell’annuncio che regge alla verifica indipendente, è questa. E non si vede guardando i punteggi, si vede guardando il tempo.

Su OSWorld 2.0, il test che misura la capacità di usare un computer come lo userebbe una persona, fra finestre, menu e applicazioni reali, Astra passa dal 65,7% di Sol al 72,6%, secondo la ricostruzione di Vellum. Sette punti sono un progresso normale. Il dato che conta è un altro: completa i task in 40 minuti invece di 75, una riduzione del 47% del tempo per attività. Su ScreenSpot-Pro, che misura la precisione nell’individuare gli elementi giusti sullo schermo, si passa dal 76,9% al 92,7%: qui il salto è grosso anche in punti, e spiega buona parte del guadagno di tempo, perché un agente che sbaglia bersaglio spende la maggior parte della sua vita a tornare sui propri passi. Su Agents’ Last Exam Astra segna 59,3 contro 53,6, e sul Coding Agent Index si attesta intorno a 67, cifre che trovano riscontro anche nell’annuncio ufficiale OpenAI.

Che cosa cambia davvero nel lavoro agentico con GPT-6 Astra

La lettura corretta di questi numeri è che Astra non è tanto un modello che sa molto di più, quanto un modello che sbaglia meno mentre fa le cose da solo. È una differenza che pesa moltissimo nel lavoro agentico, dove il costo di un errore non è una risposta sbagliata ma una catena di azioni sbagliate da annullare. Il primo caso d’uso documentato va nella stessa direzione: Basis, che costruisce agenti per la contabilità, ha completato con Astra un prospetto fiscale da 50 schede nella metà del tempo richiesto da GPT-5.6 Sol, attribuendo il guadagno a decisioni migliori all’inizio del compito e a meno tempo speso a correggere errori. È un caso pubblicato da OpenAI, quindi va pesato come tale, ma il meccanismo è quello che misura OSWorld.

Workflow agentici in azienda: il limite che i benchmark non misurano

Nessuno dei benchmark visti finora misura il limite che decide il ritorno di un agente in azienda: un agente che sbaglia meno rende soltanto dentro un flusso di lavoro che qualcuno ha scritto. La filiera degli strumenti si sta muovendo esattamente lì, con GitHub che ha portato i workflow agentici dentro il repository, accanto a integrazione continua e revisione del codice, dove i permessi e i controlli esistono già. La distanza fra le aziende che ricavano qualcosa da questi modelli e quelle che no passa più da questo lavoro di organizzazione che dal punteggio su OSWorld. Tradurre un processo esistente in una procedura che un agente può eseguire, con permessi espliciti, verifiche e punti di stop, è la parte che non arriva insieme all’abbonamento.

Chi sta valutando questo tipo di automazione trova il quadro completo di che cosa sanno e non sanno fare questi sistemi nella nostra guida agli agenti AI. La direzione, del resto, era già leggibile con GPT-5.4, il primo modello da un milione di token con computer use, e si è consolidata con GPT-5.6 Sol.

Primo modello «Critical» sulla cybersecurity: cosa cambia per chi lo adotta

Astra è il primo modello di OpenAI a superare la soglia «Critical» per le capacità cyber del Preparedness Framework, una classificazione che secondo l’azienda fa scattare restrizioni aggiuntive al rilascio. Non è marketing al contrario: è il primo caso in cui un laboratorio dichiara di aver costruito qualcosa di troppo capace per essere consegnato così com’è.

I numeri che motivano la classificazione: ExploitBench al 100% contro il 78,5% di Sol, ExploitGym al 42,4% contro 30,3%. Nei test su vulnerabilità divulgate fra giugno e agosto 2026, Astra ha individuato due zero-day mai visti prima: Decrypt li attribuisce al motore V8 di Google, mentre The Hacker News parla di software non specificato, e la discrepanza resta aperta. C’è poi un dato meno citato e più rassicurante: sul controllo del perimetro, Astra ha ecceduto i bersagli autorizzati nello 0% dei casi, contro il 48% di Sol.

Cosa significa GPT-6 Astra «Critical» per chi lo attiva in azienda

La versione pubblica è limitata a revisione sicura del codice e patching, e rifiuta di produrre proof-of-concept di exploit. Sul piano operativo conta un dettaglio: per gli account Enterprise l’accesso è disattivato di default, e un amministratore deve abilitarlo esplicitamente per il workspace. L’analista Sanchit Vir Gogia, citato da CSO Online, formula bene il cambio di baricentro: «l’unità di governance si sposta fuori dal modello», e le aziende devono ragionare su permessi di identità e accessi ai sistemi più che sulla scelta del modello. La sua osservazione più tagliente riguarda l’audit: «che OpenAI sia in grado di monitorare Astra non significa che un’azienda possa auditare Astra». Per chi opera in Europa è un punto che si intreccia direttamente con gli obblighi dell’AI Act.

Le capacità offensive complete restano riservate ai difensori verificati attraverso OpenAI Daybreak, un programma da un miliardo di dollari che offre accesso sussidiato, formazione e assistenza tecnica ai settori delle infrastrutture critiche, con un pilota insieme al MS-ISAC statunitense. Decrypt riporta inoltre che il rilascio è passato per una revisione della Casa Bianca nel quadro volontario dell’amministrazione in carica.

GPT-6.1 Astra bloccato: che cosa significa per chi usa GPT-6 Astra

Il 28 settembre OpenAI ha rinunciato a rilasciare a ottobre il successore, GPT-6.1 Astra, dopo che i test interni lo hanno visto agire senza permesso, fuorviare gli utenti e accedere a servizi esterni, secondo CNBC. Saachi Jain, responsabile dei sistemi di sicurezza di OpenAI, ha spiegato che il modello «non ha raggiunto del tutto l’asticella quanto a restare entro il perimetro e l’autorizzazione, e a come riferisce all’utente il lavoro che ha svolto».

Per chi usa GPT-6 Astra la notizia ha due letture. La prima: il modello in produzione resta Astra, e il suo dato sul perimetro, nessuno sconfinamento dai bersagli autorizzati nei test cyber, è esattamente la misura che il successore non ha passato. La seconda: la generazione successiva non è garantita, e chi pianifica un’adozione dovrebbe ragionare sul modello che c’è, non su quello promesso.

Quanto costa GPT-6 Astra rispetto a GPT-5.6 Sol

GPT-6 Astra costa 2,5 volte GPT-5.6 Sol, e su questo l’annuncio non è ambiguo. Secondo la documentazione API ufficiale, Astra costa 10 dollari per milione di token in input e 50 in output, con input in cache a 1 dollaro e scritture di cache a 12,50. Sol costava 4 dollari in input e 20 in output: Astra costa esattamente 2,5 volte tanto.

Messo accanto al pareggio sulla versione 4.1.1 dell’indice di Artificial Analysis, il conto sembrava quello che FourWeekMBA chiamava «un patto generazionale invertito»: pagare 2,5 volte per la stessa prestazione. Con l’indice aggiornato quella lettura va corretta, e lo diciamo noi per primi perché l’avevamo ripresa: il prezzo per token non è il prezzo per compito. Secondo Artificial Analysis, Astra usa circa un terzo dei token di output di Fable 5.1 per lo stesso punteggio e chiude un compito medio dell’indice a 3,26 dollari, contro i 7,63 di Fable. Resta vero che su scrittura, sintesi e Q&A il salto rispetto a Sol non giustifica il moltiplicatore: lì il modello nuovo non è il modello giusto. Il ragionamento è identico a quello che si fa quando si confrontano i costi delle API rispetto all’abbonamento.

GPT-6 Astra o GPT-6.1 Sol: risultati simili sul coding a un quinto del prezzo

Dal 29 settembre il prezzo di Astra ha un termine di paragone interno. Al DevDay 2026 OpenAI ha presentato GPT-6.1 Sol a 2 dollari per milione di token in input e 10 in output, un quinto delle tariffe standard di Astra, con input in cache a 0,10 dollari. Secondo la ricostruzione di Vellum, su DeepSWE v1.1 GPT-6.1 Sol fa 75,2% contro circa 74,8% di Astra (cifra un po’ diversa dal 74,1% citato sopra, perché viene da una nuova tornata di misure), su OSWorld 2.0 resta a 2,1 punti da Astra costando circa un settimo per compito, e su GDP.pdf segna 32,0% contro 32,2%. Il dettaglio è nel nostro articolo su GPT-6.1 Sol e il confronto con Astra.

Una settimana prima, il 22 settembre, erano arrivati GPT-6 Sol e GPT-6 Luna, addestrati con metodi simili ad Astra: Sol a 2 e 10 dollari, Luna a 0,10 e 0,50, secondo VentureBeat. Tradotto: Astra resta il modello per i problemi più difficili, ma per il coding quotidiano e il computer use non è più la scelta di default.

Finestra di contesto e prompt caching di GPT-6 Astra: dove si nasconde il costo

Il moltiplicatore meno visibile è quello del contesto lungo: secondo la documentazione API ufficiale, oltre i 272.000 token di input il prezzo diventa 2x su input e cache e 1,5x sull’output. La finestra totale è di 1.050.000 token, con un massimo di 922.000 in input e 128.000 in output, knowledge cutoff al 30 aprile 2026, input testo e immagini, output testo. I rate limit vanno da 500 RPM e 500K TPM del Tier 1 fino a 15.000 RPM e 40M TPM del Tier 5. Tradotto: una finestra da un milione di token esiste, ma sopra i 272K la stai pagando il doppio.

La leva che lavora in senso opposto è il prompt caching, cioè il riuso del calcolo già fatto sulla parte di prompt che resta uguale fra una richiesta e l’altra. A fine settembre OpenAI ha migliorato il caching per la famiglia GPT-6: tassi di cache hit più alti di default, sconto sull’input in cache fino al 90% (per Astra, 1 dollaro invece di 10) sui prefissi riusati entro 30 minuti, un pannello per misurare il tasso di riuso e breakpoint espliciti per decidere quanta parte del prompt mettere in cache. Per un agente che rilegge lo stesso contesto a ogni passo, è una leva sul costo più concreta del listino.

Modalità Fast e Ultrafast: velocità, prezzi e limiti in Europa

La modalità Fast non è un modello diverso né più capace: è lo stesso Astra servito con priorità di calcolo, fino a circa 2,5 volte più rapido, e secondo la documentazione del modello costa il doppio delle tariffe applicabili. Ha senso solo dove la latenza è essa stessa il requisito, interfacce interattive, agenti che devono rispondere in tempo di conversazione, e non dove serve semplicemente finire prima un batch.

Dal 1° ottobre esiste un gradino in più. GPT-6 Astra Ultrafast, che secondo il blog di NVIDIA gira su GPU Blackwell, genera token fino a 8 volte più rapidamente della modalità Standard ed è disponibile via API e per gli utenti idonei di ChatGPT Work e Codex. Il prezzo, secondo il listino ripreso da FourWeekMBA, è 6 volte lo Standard: 60 dollari per milione di token in input e 300 in output. Per chi lavora in Italia c’è un vincolo che pesa più del prezzo: la guida ufficiale a Ultrafast chiarisce che supporta solo la residenza dei dati negli Stati Uniti e l’elaborazione globale, non gli endpoint europei, e anche Fast non è disponibile con la residenza dei dati UE. Chi ha obblighi di localizzazione dei dati in Europa, oggi, non può usare nessuna delle due modalità accelerate.

Sul perché la velocità abbia un prezzo così netto c’è un retroscena da registrare con le pinze: secondo ricostruzioni della stampa, prima del lancio delle modalità ultrarapide OpenAI avrebbe acquisito una quota in Cerebras, che produce hardware di inferenza a bassissima latenza. Non abbiamo potuto verificare in modo indipendente i termini dell’operazione, e il blog di NVIDIA su Ultrafast non nomina Cerebras e attribuisce il guadagno all’architettura Blackwell. La riportiamo perché indica una direzione, cioè che la velocità sta diventando una linea di prodotto a sé con infrastruttura dedicata, non perché cambi il conto che paghi oggi in fattura.

GPT-6 Astra è disponibile in Italia e su quali piani ChatGPT

Sì, GPT-6 Astra è disponibile in Italia sui piani a pagamento. Il rollout è partito il 3 settembre 2026 su un gruppo ristretto di organizzazioni e si è esteso nei giorni successivi agli abbonati Plus, Pro, Business ed Enterprise, senza distinzioni geografiche annunciate: in Italia arriva con gli stessi piani e le stesse soglie d’uso degli abbonamenti esistenti, con possibilità di acquistare crediti aggiuntivi. Pro, Business ed Enterprise ricevono anche GPT-6 Astra Pro. Sul piano gratuito Astra non è disponibile: gli utenti Free e Go possono provare soltanto GPT-6 Luna nell’app desktop, come indica l’annuncio di GPT-6 Sol e Luna. Via API il modello si chiama gpt-6-astra ed è raggiungibile anche su Microsoft Azure e AWS Bedrock: i dettagli su piani e disponibilità sono nell’annuncio ufficiale OpenAI e nella documentazione API. Per il quadro completo dei piani resta valida la nostra guida a ChatGPT, mentre per l’uso sui documenti aziendali il riferimento è ChatGPT Work.

GPT-6 Astra e l’AGI: cosa dice chi il benchmark lo gestisce

Chi gestisce ARC-AGI-3 dice che Astra non è un’AGI. Brockman ha parlato di «salto generazionale» e di era dell’AGI, ma nel suo referto ARC Prize riconosce che Astra rappresenta «un progresso significativo verso la generalizzazione», e aggiunge senza giri di parole di non star sostenendo che si tratti di AGI. Ricorda anche che ARC-AGI-3 ha «uno scopo strettamente delimitato» e non riproduce «la complessità e l’apertura del mondo reale».

Quando l’azienda che vende il modello e l’ente che lo misura dicono cose diverse con gli stessi numeri in mano, la posizione difendibile è quella dell’ente che misura. Un ultimo dato aiuta a tenere i piedi per terra: ARC Prize riporta un costo umano di riferimento di circa 12,78 dollari per partita tentata, mentre le run di Astra sono costate fra 17.332 e 26.098 dollari. Non è un confronto uno a uno, una run copre molte partite, ma restituisce l’ordine di grandezza economico di ciò di cui stiamo parlando.

GPT-6 Astra: la conclusione operativa prima di migrare

La conclusione operativa è meno emozionante del lancio e più utile. Astra è, con ragionevole certezza, il miglior modello disponibile per uso del computer, lavoro agentico prolungato, matematica di frontiera e attività professionali strutturate. Sull’intelligenza generale il suo primato dipende da come si costruisce l’indice, costa 2,5 volte il suo predecessore, e su alcune righe di coding viene battuto. La domanda giusta prima di migrare non è «è un’AGI», è «il mio lavoro assomiglia più a OSWorld o a Humanity’s Last Exam», perché su quei due test lo stesso modello dà risposte opposte. Dal 29 settembre se ne aggiunge una seconda: se il tuo lavoro è soprattutto coding o computer use, GPT-6.1 Sol ci arriva vicino a un quinto del prezzo. Vale la pena ricordare, infine, che questi sistemi restano strumenti statistici: la nostra guida su come funziona davvero l’intelligenza artificiale generativa spiega perché il divario fra un punteggio da record e l’affidabilità in produzione resti la parte difficile. Per chi deve portare tutto questo dentro un’organizzazione, il percorso pratico è quello descritto nella guida all’onboarding aziendale dei modelli OpenAI.

Fonti:

• OpenAI, GPT-6 Astra: a new generation of intelligence
• OpenAI API, documentazione del modello GPT-6 Astra
• OpenAI API, guida a Ultrafast mode
• OpenAI, Introducing GPT-6 Sol and Luna
• OpenAI, Better prompt caching for GPT-6
• OpenAI, Basis completes a tax workbook 2x faster with GPT-6 Astra
• ARC Prize Foundation, referto su GPT-6 Astra e ARC-AGI-3
• ARC Prize Foundation, risultati di Claude Opus 5.5
• Artificial Analysis, Benchmarking GPT-6 Astra
• NVIDIA, How NVIDIA GPUs Help Accelerate OpenAI’s GPT-6 Astra Ultrafast
• Vellum, GPT-6 Astra benchmarks explained
• Vellum, GPT-6.1 Sol benchmarks explained
• The New Stack, Astra e il benchmark ARC-AGI-3
• Decrypt, il lancio di GPT-6 Astra e la frase di Brockman sull’AGI
• VentureBeat, OpenAI releases GPT-6 Sol and Luna models
• CNBC, OpenAI abandons plan to release upcoming model as safety concerns escalate
• CSO Online, GPT-6 Astra e la soglia Critical sulla cybersecurity
• The Hacker News, GPT-6 Astra scores 100% on ExploitBench
• Trending Topics, GPT-6 Astra e l’aggiornamento dell’indice di Artificial Analysis