шаг 1.
GPT-6 Astra: что это за модель, что изменилось в API и для каких задач она нужна
OpenAI представила GPT-6 Astra — новую флагманскую модель для сложных задач. Но интереснее здесь не очередное улучшение качества ответов, а изменения в том, как ИИ может выполнять продолжительную работу.
В обычном чате всё просто: человек задаёт вопрос, модель отвечает. В реальной автоматизации этого мало. Системе приходится обращаться к CRM, браузеру, базе данных и внешним API, ждать результаты, выполнять несколько действий подряд и иногда менять план уже во время работы.
11 мин чтения2 373 словОбзоры
Александр Колотов
Автор CompanionAI
Именно для таких сценариев в Astra появились три особенно важных механизма: Async Tool Calling, Mid-turn Steering и возможность менять глубину reasoning по ходу задачи. Простыми словами: модель может не простаивать, пока внешний сервис отвечает, принимать новые инструкции до завершения работы и использовать больше вычислений только там, где это действительно требуется.
Что такое GPT-6 Astra и для каких задач она создана
GPT-6 Astra — флагманская модель OpenAI для сложной работы от постановки задачи до конечного результата. OpenAI отдельно выделяет программирование, исследования, работу с браузером и компьютером, документы и многоэтапные профессиональные процессы.
В API модель называется gpt-6-astra.
Контекстное окно составляет 1 050 000 токенов, максимальный output — 128 000 токенов. Поддерживаются уровни reasoning low, medium, high, xhigh и max. Срез знаний модели — 30 апреля 2026 года.
Большой контекст позволяет в одной задаче учитывать крупные документы, кодовую базу, историю работы агента или большой набор исходных данных. Но сам по себе миллионный контекст не является преимуществом Astra перед GPT-5.6 Sol: у Sol те же 1 050 000 токенов контекста и 128 000 максимального output.
Поэтому главное отличие Astra лучше искать не в размере окна контекста, а в том, как модель ведёт сложный рабочий процесс.
Есть и важное ограничение по доступности. На 5 сентября 2026 года rollout модели ещё продолжается. OpenAI сначала открыла Astra ограниченному набору организаций и заявляет о расширении доступа через API и тарифы Plus, Pro, Business и Enterprise в ближайшие дни. Перед внедрением стоит проверить доступность для конкретного аккаунта.
Три главных изменения в GPT-6 Astra API
| Возможность | Простыми словами | Что это даёт |
|---|---|---|
| Async Tool Calling | модель может продолжать другую работу, пока внешний сервис ещё отвечает | меньше простоев |
| Mid-turn Steering | задачу можно изменить прямо во время выполнения | не всегда нужно начинать заново |
| Изменение reasoning | сложным этапам можно дать больше вычислений, простым — меньше | более гибкое использование ресурсов |
По отдельности это функции API. Вместе они решают три типичные проблемы длинных AI-задач: ожидание внешних систем, изменение требований и разную сложность отдельных этапов.
Astra может продолжать работу, пока внешний сервис ещё отвечает
Сначала разберёмся, что такое «инструмент» для модели.
Это может быть CRM, поисковик, база данных, браузер, калькулятор, внутренний API компании или другая программа, которой AI-система имеет право пользоваться.
Представим агента, который готовит отчёт о потенциальных клиентах. На одном из этапов он отправляет данные во внешний аналитический сервис, которому требуется 30 секунд на расчёт.
При обычной последовательной схеме получается:
«запрос данных → ожидание → результат → продолжение»
Пока сервис считает, эта ветка задачи стоит.
GPT-6 Astra позволяет организовать процесс иначе. Внешний инструмент запускается асинхронно, а модель тем временем может заниматься независимой частью задачи — например, изучать сайты компаний или готовить структуру отчёта.
Когда сервис заканчивает расчёт, результат возвращается в исходный процесс.
OpenAI называет этот механизм Async Tool Calling. Технически разработчик может установить для функции или custom tool параметр async: true, а готовый результат позже вернуть по исходному call_id. Сам инструмент при этом по-прежнему выполняется приложением — Astra не заменяет CRM, API или серверную инфраструктуру.
Главный эффект здесь не в том, что внешний API вдруг начинает работать быстрее. Меньше времени простаивает вся задача.
Задачу можно изменить во время выполнения — Mid-turn Steering
У продолжительных процессов есть другая проблема: требования могут поменяться, когда работа уже началась.
Допустим, агент анализирует 50 компаний. Он уже открыл сайты, собрал часть информации и начал сравнение.
В этот момент пользователь уточняет:
«Маркетплейсы исключи. Оставь только компании с собственными интернет-магазинами».
Astra может получить такое изменение до завершения текущей работы и продолжить задачу уже с новым условием.
Механизм называется Mid-turn Steering.
От обычного следующего сообщения отличие принципиальное. При привычной схеме сначала завершается текущий этап взаимодействия, а затем модель получает новую команду. Steering позволяет вмешаться в ещё выполняющуюся задачу.
Технически OpenAI реализует это через Responses API и WebSocket: уже выполненная полезная работа сохраняется, а новая инструкция учитывается при продолжении.
Для бизнеса смысл проще: если требования изменились на середине длительного исследования или автоматизированного процесса, не обязательно выбрасывать уже выполненную работу и запускать всё с нуля.
Astra может использовать больше вычислений только там, где задача сложная
Разные этапы одной работы требуют разной глубины анализа.
Например:
«сбор информации → сравнение вариантов → сложная проверка → оформление результата»
Собрать несколько очевидных фактов относительно просто. Разобраться в противоречивых данных или проверить архитектурное решение значительно сложнее.
Astra позволяет менять reasoning.effort между этапами. Под reasoning effort здесь имеется в виду объём вычислительных усилий, которые модель использует для рассуждения.
Условно процесс может выглядеть так:
«сбор — low → анализ — high → сложная проверка — xhigh → оформление — low»
Для изменения режима во время работы используется configuration_update. OpenAI отдельно указывает, что такой подход позволяет сохранить исходный prompt prefix и использовать кеширование, вместо того чтобы переписывать начало запроса при каждом изменении режима.
Это не означает автоматическую экономию. Настройки всё равно нужно тестировать. Но появляется важная возможность: не выполнять каждый этап сложного процесса на максимальной вычислительной мощности.
Как это выглядит на одной реальной задаче
Возьмём пример: компании нужно подготовить отчёт по 50 потенциальным клиентам.
AI-агент получает список организаций, открывает сайты, определяет профиль бизнеса, проверяет сведения в CRM и отправляет часть данных в аналитическую систему.
Аналитический API начинает долгий расчёт. Вместо ожидания Astra продолжает изучать сайты остальных компаний — здесь используется Async Tool Calling.
Через несколько минут менеджер уточняет: компании без собственного интернет-магазина дальше анализировать не нужно. Агент меняет оставшуюся работу с учётом нового требования — это Mid-turn Steering.
Большинство компаний проверяются достаточно просто, но по нескольким источники противоречат друг другу. Для этих случаев система повышает reasoning effort и выполняет более глубокий анализ.
Одна задача показывает смысл всех трёх изменений без API-терминологии: система меньше ждёт, может реагировать на новые требования и не обязана использовать одинаковый объём вычислений на каждом шаге.
Такая логика применима не только к исследованиям. Агент продаж может работать одновременно с сайтом клиента и CRM, e-commerce-система — со складскими остатками, каталогом и заказами, coding agent — с кодом, документацией и результатами тестов.
Почему это важно для AI-агентов
Обычный чат в основном отвечает на сообщение. AI-агент получает задачу и может выполнить несколько предусмотренных системой шагов: найти данные, обратиться к внешнему сервису, проверить результат и перейти к следующему действию.
Подробнее сам принцип мы разбирали в статье: AI-агенты в бизнесе: чем они отличаются от обычных чат-ботов и где пока опасны».
Реальная сложность агента определяется не только интеллектом модели. В процессе появляются задержки API, неполные данные, новые требования и ситуации, в которых нужно решить — продолжать самостоятельно или спрашивать человека.
Именно поэтому нововведения Astra особенно интересны для агентных систем: они относятся не только к качеству ответа, а к управлению самой работой.
Что ещё поддерживает GPT-6 Astra
Astra сохраняет возможности предыдущего агентного стека OpenAI: Computer Use, Structured Outputs, Streaming, Programmatic Tool Calling, multi-agent orchestration, prompt caching, persisted reasoning, compaction и pro mode.
Если перевести это на обычный язык, модель можно подключать к браузеру и внешним инструментам, получать результаты в заданной структуре и использовать внутри более сложных автоматизированных процессов.
При этом нет необходимости подключать весь набор возможностей сразу. Конкретная архитектура должна определяться задачей, а не списком функций модели.
Что нужно изменить при переходе с GPT-5.6 на Astra
Для владельца AI-продукта главное — понимать, что миграция не всегда ограничивается заменой названия модели.
Нужно заново проверить реальные рабочие сценарии, стоимость, качество результатов, поведение агента с инструментами и старые системные инструкции.
Для разработчика OpenAI приводит более конкретный migration checklist:
шаг 2.
Проверить reasoning effort
Если использовались none или minimal, OpenAI предлагает начинать тестирование с low; none Astra не поддерживает.
шаг 3.
Для tool calling использовать Responses API
Chat Completions поддерживается, но вызов инструментов Astra требует Responses API.
шаг 4.
Удалить temperature, top_p и top_logprobs
Для Chat Completions также убрать logprobs, а в Responses проверить соответствующие настройки logprobs.
шаг 5.
При изменении reasoning использовать configuration_update
Если reasoning меняется между этапами, использовать configuration_update, не переписывая request-level reasoning и prompt prefix.
шаг 6.
Проверить prompt caching и стоимость cache writes
шаг 7.
Пересмотреть системные инструкции
Проверить AGENTS.md, SKILL.md и другие правила, управляющие поведением агента.
Последний пункт легко недооценить.
Современный AI-агент может получать инструкции сразу из нескольких мест. Например, одно правило требует действовать самостоятельно, а другое — спрашивать подтверждение перед каждым важным шагом.
Более точное следование инструкциям не исправляет такой конфликт. Модель может просто начать внимательнее выполнять старые ограничения.
Поэтому миграция на Astra — хороший повод проверить не только код, но и весь набор системных правил.
Почему Astra может чаще задавать уточняющие вопросы
OpenAI отмечает ещё одну особенность поведения Astra. Если информации достаточно для разумного продолжения, модель старается использовать имеющийся контекст. Но если недостающие данные способны существенно изменить результат, она чаще задаёт точный уточняющий вопрос.
Для обычного пользователя это полезно. Один хороший вопрос может предотвратить целую серию неправильных выводов.
Для автономной системы ситуация сложнее.
Представим процесс, который должен ночью обработать тысячу записей. Если на сотой записи агент останавливается и ждёт ответа человека до утра, аккуратность превращается в остановившийся workflow.
Поэтому уровень автономности нужно задавать в системных инструкциях: когда агент может сделать разумное предположение самостоятельно, какие действия допустимы без подтверждения и в каких случаях ошибка настолько критична, что работу действительно нужно остановить.
Автономность определяется не только моделью, но и правилами самого приложения.
Сколько стоит GPT-6 Astra API
На 5 сентября 2026 года Standard API тарифицируется так:
| Модель | Input за 1 млн токенов | Cached input | Output |
|---|---|---|---|
| GPT-6 Astra | $10 | $1 | $50 |
| GPT-5.6 Sol | $4 | $0,40 | $20 |
Таким образом, по стандартному тарифу Astra в 2,5 раза дороже Sol и по input, и по output.
У Astra есть отдельная ставка cache writes — $12,50 за миллион токенов. Для запросов больше 272 000 входных токенов OpenAI указывает двойную ставку input и cache и коэффициент 1,5 для output на весь запрос. Batch и Flex стоят 50% Standard.
Но цена миллиона токенов — не вся экономика AI-продукта.
Важнее считать стоимость успешно выполненной задачи
Предположим, более дешёвой модели понадобились три попытки, после которых результат всё равно проверил сотрудник.
Более дорогая модель выполнила ту же работу с первого раза.
В таком случае сравнение только цены токена ничего не говорит о фактической стоимости автоматизации.
Для рабочего процесса нужно учитывать токены, повторные запросы, внешние API, ошибки, перезапуски, ручную проверку и долю задач, которые система действительно довела до нужного результата.
OpenAI утверждает, что в некоторых сложных оценках Astra использует существенно меньше output-токенов, чем предыдущие модели, поэтому расчётная цена успешно выполненной задачи может оказаться ниже несмотря на более дорогие токены. Это не универсальное правило: проверять его нужно на собственных сценариях.
GPT-6 Astra или GPT-5.6: что выбрать
Новую флагманскую модель не обязательно использовать везде.
| Задача | Что логичнее тестировать |
|---|---|
| сложный AI-агент с несколькими инструментами | Astra |
| длинный процесс с ожиданием внешних сервисов | Astra |
| computer use и сложное программирование | Astra и GPT-5.6 на собственных тестах |
| простой чат или генерация текста | GPT-5.6 или более дешёвая модель |
| массовая классификация и извлечение данных | чаще более дешёвая модель |
| большие объёмы однотипных операций | модели, оптимизированные под стоимость |
OpenAI сама позиционирует Astra как модель для наиболее сложной end-to-end работы, а GPT-5.6 Terra и Luna — как варианты для баланса цены и качества или высоких объёмов с чувствительностью к стоимости.
Поэтому главный вопрос не «Astra лучше GPT-5.6?», а на каком участке процесса её дополнительные возможности окупаются.
В одном продукте вполне могут работать несколько моделей: Astra выполнять сложную часть, а более дешёвая модель — тысячи простых операций.
Что Astra меняет для AI-продуктов и автоматизации
Самый интересный результат находится не в таблице характеристик.
Простые AI-интеграции часто строятся как цепочка:
«запрос → ответ модели → следующий шаг приложения → новый запрос»
В сложных агентных системах процесс уже гораздо длиннее. Astra добавляет механизмы, благодаря которым модель может активнее участвовать в нём: продолжать независимую работу во время ожидания, принимать новые требования и менять уровень reasoning между этапами.
Но отсюда не следует, что достаточно подключить Astra и получить готового «цифрового сотрудника».
Для рабочего продукта по-прежнему нужны данные, CRM и API, права доступа, бизнес-правила, интерфейс, журналирование действий, обработка ошибок, проверка критических результатов и лимиты на действия.
Если агент может создать заказ, изменить данные клиента или отправить сообщение, необходимо заранее определить, что он делает самостоятельно, а что требует подтверждения человека.
Astra — более способный исполнитель внутри системы, а не готовая система сама по себе.
Хотите использовать AI не только как чат, а как рабочий инструмент бизнеса?
CompanionAI разрабатывает такие решения — от AI-помощников до агентов, работающих с CRM, API и внутренними сервисами компании.
Частые вопросы о GPT-6 Astra
GPT-6 Astra — флагманская модель OpenAI для сложных end-to-end задач: программирования, исследований, computer use и многоэтапной работы с внешними инструментами.
Model ID — gpt-6-astra.
OpenAI объявила API-доступ, но на 5 сентября 2026 года rollout ещё продолжается: сначала модель открыта ограниченному набору организаций, более широкий доступ заявлен на ближайшие дни.
Standard API: $10 за миллион input-токенов, $1 за cached input и $50 за output. Cache writes — $12,50 за миллион токенов.
1 050 000 токенов с максимальным output 128 000 токенов.
Да. Но для tool calling Astra OpenAI требует Responses API.
Возможность запустить внешний инструмент и выполнять независимую работу, пока приложение ожидает его результат.
Возможность передать новые требования прямо во время выполняющейся задачи и продолжить её с учётом изменений.
Для сложных agentic-сценариев особенно важны Async Tool Calling, Mid-turn Steering и изменение reasoning во время работы. При этом Astra значительно дороже GPT-5.6 Sol за токен.
Да, особенно для сложных процессов с несколькими инструментами, ожиданием внешних систем и меняющимися требованиями. Но для простых массовых операций более дешёвая модель часто рациональнее.
Вывод
GPT-6 Astra — не просто ещё одна модель для получения более качественного ответа. Главные изменения особенно заметны там, где AI выполняет сложную работу из нескольких этапов.
Async Tool Calling уменьшает простой при ожидании внешних сервисов. Mid-turn Steering позволяет менять требования до завершения задачи. Управление reasoning помогает распределять вычислительные усилия между простыми и сложными этапами.
Для обычной генерации текста эти возможности могут оказаться избыточными. Для AI-агентов, автоматизации, исследований, программирования и других процессов с несколькими внешними системами они меняют сам подход к построению workflow.
Но Astra не отменяет инженерную часть: данные, интеграции, права доступа, бизнес-логику и контроль действий. Новая модель делает исполнителя сильнее — качество рабочего AI-продукта по-прежнему зависит от всей системы.
