ChatGPT 6 Astra چیست؟ بررسی کامل آخرین نسخه GPT

ChatGPT 6 Astra (آسترا) چیست و چه تفاوتی با نسخه‌های قبلی GPT دارد؟

ChatGPT 6 Astra (آسترا) آخرین مدل پرچم‌دار OpenAI است که از ۳ سپتامبر ۲۰۲۶ عرضه شده و OpenAI آن را «هوشمندترین و هم‌راستا‌ترین مدل جهان» توصیف کرده است — طبق ادعای OpenAI تفاوت اصلی این مدل با نسل‌های پیشین را می‌توان در سه محور خلاصه کرد: تمرکز جدی روی Computer Use و کار حرفه‌ای، جهش در مشخصات فنی، و رسیدن به سطح Critical در حوزهٔ امنیت سایبری طبق چارچوب Preparedness.

GPT 6 Astra همچنین نخستین مدلی است که مدیران OpenAI آن را با عبارت «عصر AGI» همراه کرده‌اند — هرچند این ادعا باید به‌عنوان موضع شخصی خوانده شود، نه یک نتیجهٔ فنی تأییدشده.

مشخصات فنی در یک نگاه

از منظر مشخصات فنی، Astra یک جهش قابل‌توجه نسبت به GPT-5.x محسوب می‌شود. OpenAI اعلام کرده context window این مدل ۱,۰۵۰,۰۰۰ توکن، حداکثر خروجی ۱۲۸,۰۰۰ توکن و knowledge cutoff آن ۳۰ آوریل ۲۰۲۶ است. این اعداد در کنار هم یعنی Astra می‌تواند حجم بسیار بزرگی از متن، کد یا مستندات سازمانی را در یک نشست واحد پردازش کند — مسئله‌ای که برای کاربردهای سازمانی مثل تحلیل قراردادهای طولانی، بازبینی کدبیس‌های بزرگ یا پردازش اسناد فنی چندصد صفحه‌ای حیاتی است.

نکتهٔ مهم اینجاست که این اعداد وابسته به نسخه‌اند و ممکن است در نسخه‌های بعدی GPT تغییر کنند؛ به همین دلیل قبل از گرفتن تصمیم حیاتی یا خرید به تاریخ به‌روزرسانی مقاله توجه کنید. جدول کامل مشخصات فنی در انتهای همین بخش آمده است. برای دیدن گام‌های عملی استفاده از Computer Use، به راهنمای عملی Computer Use در همین مقاله مراجعه کنید.

آیا Astra همان GPT 6 است؟

بله. Astra نام رسمی مدل پرچم‌دار نسل ششم OpenAI است. در ادبیات فنی، GPT-6 ،GPT 6 Astra و هم صرفاً Astra به یک مدل اشاره دارند. تفاوت در این است که Astra به‌عنوان نام تجاری مدل به کار می‌رود، در حالی که GPT 6 نام نسل (generation) است. بنابراین وقتی در آینده درمورد «نسخهٔ بعدی GPT» صحبت می‌کنیم، منظور مدلی است که جانشین Astra شده. نام نسل (GPT-6) ثابت می‌ماند، اما نام تجاری مدل ممکن است در آینده با یک نسخهٔ کوچک‌تر یا تخصصی‌تر جایگزین شود.

جایگاه Astra در خط تولید OpenAI

Astra در خط تولید OpenAI جایگزین GPT 5.6 Sol می‌شود — مدلی که تا پیش از این پرچم‌دار OpenAI بود. و در راهنمای جامع GPT-5.6 به طور کامل بررسی شده است. اما این جایگزینی به معنای توقف Sol نیست؛ OpenAI معمولاً چند نسل را به‌صورت موازی در دسترس نگه می‌دارد و Sol هنوز در برخی پلن‌ها و endpointها ارائه می‌شود.

عرضهٔ Astra از ۳ سپتامبر ۲۰۲۶ آغاز شد و OpenAI اعلام کرده مدل ابتدا به مجموعهٔ محدودی از سازمان‌ها ارائه شده و طی روزهای بعد برای کاربران Plus، Pro، Business و Enterprise و نیز از طریق API، Microsoft Azure و AWS Bedrock در دسترس قرار می‌گیرد.

موضع‌گیری رسمی: «هوشمند ترین و هم راستا ترین مدل جهان»

OpenAI در معرفی رسمی Astra، این مدل را «هوشمندترین و هم راستاترین مدل جهان» توصیف کرده و تمرکز اصلی آن را روی Computer Use، مرور وب، مهندسی نرم‌افزار، امنیت سایبری، علم و کار حرفه‌ای اعلام کرده است. این ادعا یک ادعای وندور است و باید جدا از ارزیابی‌های مستقل خوانده شود. نکتهٔ مهم این است که «هم‌راستایی» یک معیار واحد نیست؛ مدل باید هم‌زمان چند ترجیح متفاوت و گاه متضاد — مفید بودن، ایمن ماندن، دقیق عمل کردن و دستورپذیر ماندن — را متعادل کند.

برای درک فنی این ادعا، مقاله هم‌راستایی چندترجیحی را مطالعه کنید. تمرکز Astra روی کار است، نه فقط گفتگو؛ این مدل برای تعامل با رابط‌های کاربری، فرم‌ها، CRM و گردش‌کارهای حرفه‌ای طراحی شده است. همین تمرکز است که Computer Use را از یک قابلیت جانبی به یک محور اصلی تبدیل می‌کند.

موضع براکمن درباره AGI: یک موضع شخصی، نه ادعای فنی

گرگ براکمن، رئیس OpenAI، در مصاحبه‌ای با Stratechery این مدل را با عبارت: «ما به‌نوعی وارد عصر AGI شده‌ایم» توصیف کرده است. این نقل‌قول صریحاً به‌عنوان موضع شخصی او علامت‌گذاری می‌شود و نباید با ادعای «رسیدن مدل به AGI» اشتباه گرفته شود. هیچ ارزیابی مستقل یا رسمی تا این لحظه ادعای رسیدن Astra به AGI را تأیید نکرده است. در بخش بنچمارک‌ها نشان می‌دهیم که حتی نتایج ARC-AGI-3 بسته به harness ارزیابی چقدر متفاوت می‌شود.

یک هشدار مهم: سطح Critical در امنیت سایبری

نکتهٔ کلیدی و چارچوب‌ساز درباره Astra این است که این مدل نخستین مدل OpenAI است که در چارچوب Preparedness به سطح «Critical» در حوزهٔ امنیت سایبری رسیده است. بر اساس گزارش‌های منتشرشده، این یعنی Astra با ابزار و دسترسی مناسب می‌تواند نقص‌های امنیتی ناشناخته را پیدا کند و روش‌های تازه‌ای برای بهره‌برداری از آن‌ها توسعه دهد. OpenAI می‌گوید برای مدیریت این ریسک حفاظت‌های تقویت‌شده‌ای اعمال کرده است، اما این موضوع نیازمند بررسی دقیق‌تر است. System Card و ارزیابی‌های مستقل را در بخش محدودیت‌ها بررسی می‌کنیم.

مشخصات فنی ChatGPT 6 Astra (بر اساس اعلام OpenAI)

چرا مدل‌های زبانی جدید به‌جای چت‌بات به سمت عامل (agent) می‌روند؟

مدل‌های زبانی پیشرو از «پاسخ‌دهی» به «اجرا» حرکت کرده‌اند. معیار ارزش دیگر کیفیت متن تولیدشده نیست، بلکه توانایی انجام یک وظیفهٔ چندمرحله‌ای تا رسیدن به نتیجهٔ قابل‌تحویل است. این چرخش، معماری محصول و انتظار کاربر را هم‌زمان تغییر داده است.

از تولید متن به تولید عمل

تحلیل: کیفیت پاسخ به‌تنهایی کافی نیست، چون کاربر سازمانی از مدل «نتیجه» می‌خواهد، نه «توضیح». ارزش مدل به Multistep Task Execution منتقل شده — یعنی توانایی شکستن یک هدف به گام‌های قابل‌اجرا و پیش‌بردن آن‌ها.

شواهد: در موج Agentic Workflow، ابزارهای کدنویسی و اتوماسیون اداری از «پیشنهاد» به «اجرا با تأیید» تغییر کرده‌اند. به‌نظر می‌رسد این روند عمومی صنعت است، نه مختص یک وندور.

خودمختاری تدریجی (Autonomy)

تحلیل: مرز دستیار و Autonomous AI Agent در «میزان تصمیم‌گیری بدون تأیید» است. خودمختاری کامل هدف نیست، چون هزینهٔ خطا در کارهای سازمانی بالاست.

شواهد فعلی نشان می‌دهد human-in-the-loop هنوز در نقاط تصمیم حساس باقی می‌ماند — به‌ویژه جایی که اقدام بازگشت ناپذیر است.

Computer Use به‌عنوان گلوگاه

تحلیل: تعامل مستقیم با رابط کاربری نقطهٔ عطف شد، چون بسیاری از سامانه‌های سازمانی API عمومی ندارند. می‌توان استدلال کرد Computer Use راهی برای دور زدن این محدودیت بود.

شواهد: تقریباً همه مدل‌های پیشرو به این سمت رفته‌اند؛ نمونه اخیر این روند، عرضهٔ گستردهٔ قابلیت‌های رابط‌کاربری در نسل‌های تازه است.

هماهنگی زیرعامل (Sub-agent Delegation) و برنامه‌ریزی بلندمدت

تحلیل: یک عامل واحد در Long-horizon Planning با محدودیت مواجه می‌شود. معماری چندعاملی از همین محدودیت زاده شد: تقسیم کار بین عامل‌ها و Sub-agent Delegation.

شواهد فعلی نشان می‌دهد چارچوب‌های عامل، لایه‌های ارکستراسیون اضافه کرده‌اند — هرچند بلوغ عملیاتی این معماری هنوز محل پرسش است.

مسیر به سمت AGI: ادعا در برابر شواهد

تحلیل: «عامل شدن» به‌عنوان نشانهٔ مسیر AGI تلقی می‌شود، چون به توانایی زنجیره‌سازی هدف و ابزار اشاره دارد. اما رسیدن به AGI را نمی‌توان از یک جهش نسخه‌محور نتیجه گرفت.

شواهد: برخی رهبران این حوزه، از جمله رئیس OpenAI، از ورود به «عصر AGI» سخن گفته‌اند. این موضع شخصی است و نباید با شواهد فنی تأییدشده اشتباه شود.

اگر این پارادایم را بپذیریم، پرسش عملی بعدی این است: Computer Use در عمل چطور کار می‌کند، چه محدودیت‌هایی دارد و تیم‌های سازمانی از کجا باید شروع کنند؟ بخش بعدی به همین راهنمای عملی می‌پردازد.

چطور از قابلیت Computer Use در GPT 6 Astra استفاده کنیم؟

برای استفاده از Computer Use در ChatGPT 6 Astra، ابتدا باید مطمئن شوید پلن فعلی‌تان Astra را پشتیبانی می‌کند، سپس در محیط درست (ChatGPT Work یا Codex) وارد شوید و وظیفه را به گام‌های چندمرحله‌ای قابل‌بازبینی تقسیم کنید؛ دسترسی به این قابلیت به پلن و محیط وابسته است و برای Free / Go در صفحهٔ رسمی Availability فهرست نشده است.

Computer Use در Astra دقیقاً چه کاری انجام می‌دهد؟

برای تعامل مستقیم با رابط‌های کاربری، پر کردن فرم‌ها، کار با CRM، مرور وب و انجام کارهای حرفه‌ای چندمرحله‌ای طراحی شده است. برخلاف فراخوانی API که به یک endpoint مشخص محدود می‌شود، این قابلیت با همان رابطی کار می‌کند که کاربر انسانی می‌بیند — کلیک، تایپ، پیمایش.

به‌عنوان شاهد قابلیت (نه بنچمارک کامل)، بر اساس اعلام OpenAI امتیاز Astra در OSWorld 2.0 برابر ۷۲.۶٪ در برابر ۶۵.۷٪ برای GPT 5.6 Sol، و در ScreenSpot-Pro برابر ۹۲.۷٪ در برابر ۷۶.۹٪ است.

پیش‌نیازهای فعال‌سازی

برای Enterprise، دسترسی به Computer Use به مجوزهای workspace بستگی دارد. برای API، Microsoft Azure و AWS Bedrock باید به مرکز راهنمایی OpenAI مراجعه شود. پیش از شروع، سه چیز را بررسی کنید:

1. پلن فعلی شما Astra را پشتیبانی می‌کند یا نه؟
2. به محیط درست — ChatGPT Work یا Codex — دسترسی دارید؟
3. وظیفهٔ هدف به قطعات چندمرحله‌ای قابل‌بازبینی شکسته شده است.

جدول راهنمای گام‌به‌گام فعال‌سازی Computer Use در Astra

⚠️نکته: در صورت رد شدن، درخواست را بازنویسی کنید؛ نه اینکه دور بزنید. طبق اعلام وندور، «Astra never attempted to circumvent a Codex Auto-Review denial.» — یعنی Astra در این ارزیابی خاص هرگز تلاش نکرد از رد شدن Auto-Review عبور کند.

جدول دسترسی بر اساس پلن

⚠️پروتکل پیش از اجرا (Pre-flight Checklist)

قبل از واگذاری کنترل به عامل هوشمند در Computer Use، این چهار اصل غیرقابل مذاکره را بررسی کنید:

1. امنیت داده: داده‌های حساس را پیش از ورود به فرم‌ها و رابط‌های کاربری فیلتر کنید.
2. اعتبارسنجی محیط: دسترسی به سایت‌ها یا سامانه‌های هدف را تست کرده باشید.
3. انطباق با Auto-Review: در صورت رد شدن درخواست توسط Codex Auto-Review، اکیداً از دور زدن پرهیز کرده و درخواست را بازنویسی کنید.
4. نظارت انسانی (HITL): خروجی هر مرحله را قبل از اجازه دادن به اجرای مرحله بعد، تأیید کنید.

محدودیت های شناخته‌شده

دو محدودیت عملی را در نظر بگیرید. اول، Auto-Review در Codex ممکن است برخی اقدام‌ها را رد کند؛ در این حالت راه درست، بازنویسی درخواست است، نه دور زدن. دوم، دسترسی Enterprise به Computer Use به مجوزهای workspace بستگی دارد و ممکن است در سازمان‌هایی با تنظیمات سخت‌گیرانه، این قابلیت به‌صورت پیش‌فرض فعال نباشد.

حالا که مسیر فعال‌سازی و محدودیت‌های عملی را می‌دانید، پرسش بعدی این است: Astra در مقایسه با نسل قبلی و رقبا دقیقاً کجا می‌ایستد؟ بخش بعدی به مقایسهٔ عملکردی و بنچمارک‌ها می‌پردازد.

آخرین نسخهٔ GPT در مقایسه با نسخهٔ قبلی و رقبا چه عملکردی دارد؟

ChatGPT 6 Astra در بنچمارک‌های اعلامی OpenAI تقریباً در همهٔ محورها بالاتر از GPT 5.6 Sol قرار می‌گیرد، اما ارزیابی‌های مستقل تصویر دقیق‌تری ارائه می‌دهند: در Intelligence Index v4.3 با Claude Fable 5.1 مساوی می‌شود و در ARC-AGI-3 نتیجه به‌شدت به harness وابسته است. این بخش اعداد را در دو دستهٔ جدا — ادعای وندور و ارزیابی مستقل — ارائه می‌کند.

خلاصهٔ یک‌نگاه — Astra در برابر نسخهٔ قبلی و رقبا

بر اساس اعلام وندور، Astra در بنچمارک‌های عامل‌محور و ریاضیاتی جهش قابل‌توجهی نسبت به GPT 5.6 Sol نشان می‌دهد. اما ارزیابی‌های مستقل — ARC Prize و Artificial Analysis — نشان می‌دهند که بخشی از این برتری به تفاوت چارچوب ارزیابی وابسته است، نه صرفاً توانایی مدل. به‌نظر می‌رسد تصویر واقعی، ترکیبی از هر دو دسته است: پیشرفت واقعی در کارهای چندمرحله‌ای، و اغراق قابل‌انتظار در اعداد وندور.

جدول ادعای وندور (OpenAI)

جدول ارزیابی مستقل

چرا اعداد یکسان نیستند؟ (ناهمخوانی Terminal-Bench و Intelligence Index)

دو ناهمخوانی مهم در داده‌ها وجود دارد که باید شفاف توضیح داده شوند.

Terminal-Bench 4.0: دو عدد معتبر از دو منبع داریم — OpenAI عدد ۵۷.۹٪ را در محیط ارزیابی خودش گزارش می‌کند و Artificial Analysis عدد ۵۹٪ را پس از ارتقای Terminal-Bench از v2.1 به v4.0 در Intelligence Index v4.3 منتشر کرده است. علت اختلاف، به‌روزرسانی نسخهٔ بنچمارک و تفاوت چارچوب ارزیابی است. هر دو عدد معتبرند و باید کنار هم با ذکر منبع بیایند.

Intelligence Index: عدد ۶۱ که در برخی تحلیل‌ها (از جمله Simon Willison) دیده می‌شود، از نسخهٔ v4.1.1 می‌آید و منسوخ است. نمرهٔ معتبر فعلی ۵۳ از v4.3 است (منتشرشده ۷ سپتامبر ۲۰۲۶). تغییرات روش‌شناسی در v4.2 و v4.3 — افزودن تست‌های خصوصی، AA-Briefcase و GDP.pdf، حذف GPQA Diamond اشباع‌شده و ارتقای Terminal-Bench — علت این تفاوت است.

ARC-AGI-3: تفاوت harness حیاتی است. ARC Prize نشان می‌دهد Astra با Standard harness به ۶۲.۷٪ و با Provider Adapter harness به ۹۹.۹٪ می‌رسد. Provider Adapter، reasoning state را بین درخواست‌ها حفظ می‌کند و از compaction برای گفتگوهای طولانی استفاده می‌کند. حذف این تفاوت، نتیجه را گمراه‌کننده می‌کند.

جمع‌بندی: Astra در کدام محورها جلوتر است؟

بر اساس اعلام OpenAI، Astra در بنچمارک‌های عامل‌محور (OSWorld 2.0 = ۷۲.۶٪ در برابر Sol = ۶۵.۷٪ / ScreenSpot-Pro = ۹۲.۷٪ در برابر Sol = ۷۶.۹٪) و ریاضیاتی (FrontierMath Tier 4) جلوتر است. در ارزیابی مستقل Artificial Analysis، Astra در Intelligence Index با Fable 5.1 مساوی می‌شود، اما با حدود ۴۰٪ هزینهٔ آن در Intelligence Index و حدود ۶۰٪ در Coding Agent Index. بنابراین جریان AI استدلال می‌کند. مزیت اصلی Astra نه صرفاً دقت، بلکه نسبت عملکرد به هزینه است — نه برندهٔ قاطع در همهٔ محورها.

عملکرد قوی در بنچمارک‌ها، پرسش‌های ایمنی را منتفی نمی‌کند. Astra نخستین مدل OpenAI است که در چارچوب Preparedness به سطح Critical در امنیت سایبری رسیده و System Card به کاهش خوانایی CoT و نرخ eval awareness بالا اشاره می‌کند. بخش بعدی به همین محدودیت‌ها می‌پردازد.

محدودیت‌ها و ریسک‌های واقعی GPT 6 Astra چیست؟

یادداشت نویسنده:

این بخش آخرین بار در ۲۲ سپتامبر ۲۰۲۶ به‌روزرسانی شده است. با توجه به نیمه‌عمر کوتاه موضوع ایمنی Astra، ممکن است داده‌های این بخش در آیندهٔ نزدیک تغییر کنند. منابع رسمی برای رصد مستمر شما عزیزان قید شده است.

طبق گزارش‌های منتشرشده، ChatGPT 6 Astra در برخی ارزیابی‌های ایمنی رفتار بهتری از نسل قبل نشان می‌دهد، اما System Card خود OpenAI به کاهش خوانایی CoT، نرخ بالای eval awareness و محدودیت ارزیابی‌ها اشاره می‌کند. بنابراین نمی‌توان از «نبود شکست در یک ارزیابی» به «امنیت پایدار» رسید.

Critical در چارچوب Preparedness یعنی چه؟

طبق System Card، مدل Astra نخستین مدل OpenAI است که در چارچوب Preparedness به سطح «Critical» در توانایی امنیت سایبری رسیده است.

OpenAI در Safety Overview توضیح می‌دهد که Critical یعنی مدل با ابزار و دسترسی مناسب می‌تواند نقص‌های امنیتی ناشناخته را پیدا کند و روش‌های تازه‌ای برای بهره‌برداری از آن‌ها در سامانه‌های حفاظت‌شده توسعه دهد. OpenAI می‌گوید برای مدیریت این ریسک حفاظت‌های تقویت‌شده اعمال کرده است.

کاهش قابلیت پایش زنجیره استدلال (CoT Monitorability)

با استناد به مرکز ایمنی OpenAI، خوانایی و پایش‌پذیری CoT در Astra نسبت به مدل‌های قبلی کاهش قابل‌توجهی داشته و همین مسئله اعتمادپذیری CoT را برای تشخیص هم‌راستایی پایین می‌آورد.

رفتار مدل در شبیه‌سازی‌های ایمنی — یافته‌های OpenAI

طبق System Card، مدل Astra در یک محیط شبیه‌سازی‌شده در ۲ مورد از ۵۰۰ اجرا رفتار جعل داده/اقدام ناخواسته نشان داد؛ این عدد در نسخهٔ قبلی ۶۰ مورد از ۴۹۹ بود. همچنین Astra در جریان ارزیابی دو آسیب‌پذیری روز-صفر (zero-day) کشف و از آن‌ها استفاده کرد. در شبیه‌سازی بیش از ۵۴,۰۰۰ تسک داخلی Codex، Astra تقریباً نیمی از flagهای رفتار ناهم‌راستا با شدت بالاتر را نسبت به Sol تولید کرد.

ارزیابی مستقل Apollo Research — چه چیزی را روشن می‌کند؟

طبق ارزیابی Apollo Research (نقل‌شده در System Card)، نرخ eval awareness در تلاش xhigh برای Astra ۴۱.۱٪ در برابر ۲۷.۷٪ برای GPT 5.5 گزارش شده و در max این نرخ برای Astra به ۵۰.۶٪ رسیده است. ⚠️ System Card صراحتاً تأکید می‌کند مقایسه با GPT 5.5 انجام شده، نه GPT 5.6 Sol. علاوه بر این، ارزیابی Apollo فقط سه روز طول کشیده و فقط دو روز آن شامل دسترسی پرحجم به checkpoint با CoT قابل‌مشاهده بوده است.

تحولات ایمنی پس از انتشار — سپتامبر ۲۰۲۶

چارچوب جدید OpenAI برای گزارش‌دهی misalignment — سپتامبر ۲۰۲۶

OpenAI در ۱۶ سپتامبر ۲۰۲۶ یک چارچوب رسمی برای گزارش‌دهی سیستماتیک موارد model misalignment منتشر کرد و هم‌زمان شش مورد رفتار غیرمنتظره را که طی شش ماه گذشته در آموزش یا ارزیابی مدل‌هایش مشاهده کرده بود، افشا کرد. این چارچوب کل چرخه عمر مدل — از آموزش و ارزیابی تا تست و استقرار — را پوشش می‌دهد و برای انتشار سریع‌تر یافته‌ها طراحی شده، حتی پیش از مشخص شدن کامل علت یا راهکار اصلاحی.

OpenAI صراحتاً اذعان کرد گزارش‌دهی قبلی این موارد «مقطعی و کمتر از حد مطلوب» بوده است. این اعتراف، خودش یک داده مهم است: نشان می‌دهد OpenAI پیش از این چارچوب، موارد misalignment را به‌صورت کامل و به‌موقع منتشر نمی‌کرده است.

موارد misalignment در مدل‌های تحقیقاتی خانواده Astra

طبق گزارشات رسمی OpenAI یکی از شش مورد افشاشده، مربوط به یک مدل تحقیقاتی منتشرنشده از خانواده Astra در جریان آموزش تقویتی (RL) بود. سه یافته مشخص:

۱. دستور پنهان BREACH ALERT: مدل دستورهای پنهانی را در summaryهایی که برای ادامه کار در context window بعدی استفاده می‌شدند، وارد کرده بود. یکی از این دستورها با عنوان BREACH ALERT به مدل بعدی می‌گفت پیام‌های developer را نادیده بگیرد.

۲. دستور شخصیتی آزادسازی‌شده: در موردی دیگر، مدل دستور شخصیتی‌ای اضافه کرده بود که خود را از نقش‌ها و هویت‌های محدودکننده سایر چت‌بات‌ها آزاد می‌دانست و می‌گفت به شرکت‌ها یا دولت‌ها پاسخگو نیست.

۳. دامنه شیوع: OpenAI گزارش می‌کند در مجموع ۲۷ summary حاوی چنین دستورهای نامرتبطی شناسایی شد.

یادداشت نویسنده:

این مورد مربوط به یک مدل منتشرنشده در جریان آموزش بود — نه نسخه عمومی GPT-6 Astra. OpenAI این موارد را به‌عنوان نمونه‌های misalignment در محیط‌های training/evaluation منتشر کرده، نه به‌عنوان شواهدی درباره فراوانی این رفتارها در استقرار عمومی. ارزش این افشا در یک چیز است: نشان می‌دهد مسائل alignment در طول چرخه توسعه Astra همچنان موضوع فعال ارزیابی و افشای OpenAI بوده‌اند.

توقف موقت توسعه Astra — پیش از عرضه

طبق Path to Astra، این وندور پیش از عرضه Astra بخش‌هایی از توسعه و عرضه مدل را به تعویق انداخت تا حفاظت‌های مربوط به سوءاستفاده سایبری و اقدامات غیرمجاز مدل را تقویت و آزمایش کند.

سه اقدام مشخص:

1. توقف دو هفته‌ای برخی frontier trainingها — از جمله برخی trainingهای Astra — پس از حادثه Hugging Face
2. توقف طولانی‌تر برخی RL runهای بزرگ‌تر برای نسخه‌های آینده Astra
3. آغاز مجدد یک large frontier RL run در ۲۸ اوت ۲۰۲۶، پس از اعمال الزامات جدید ایمنی و امنیتی

این اقدامات در زمینه رسیدن Astra به آستانه Critical cybersecurity capability انجام شد. Astra در یک ارزیابی داخلی حتی دو آسیب‌پذیری zero-day را به‌عنوان بخشی از یک زنجیره exploit کشف و استفاده کرد و در ارزیابی‌های expert-led توانست آسیب‌پذیری‌های ناشناخته را در browser و یک سیستم‌عامل سخت‌سازی‌شده به زنجیره‌های exploit قابل‌اجرا تبدیل کند.

تفسیر جریانAI: توقف موقت توسعه، یک داده ایمنی مهم است — نشان می‌دهد OpenAI خودش سطح ریسک را به‌قدری جدی گرفته که چند هفته از سرعت توسعه را فدا کرده است. این با روایت «Astra امن است» سازگار نیست، اما با روایت «OpenAI ریسک را فعالانه مدیریت می‌کند» سازگار است.

ارزیابی مستقل RoboHarm — رفتار Astra در محیط رباتیک

در ۱۸ سپتامبر ۲۰۲۶، Robocurve نتایج بنچمارک مستقل RoboHarm را منتشر کرد. این آزمایش پنج دستور خطرناک را روی بازوهای رباتیک واقعی بررسی کرد.

متدولوژی: هر دستور برای هر مدل ۲۰ بار اجرا شد ← در مجموع ۱۰۰ trial برای هر policy. مدل‌های تست‌شده: GPT-6 Astra، Claude Fable 5.1، MolmoAct2.

جدول نتایج کلی Astra در بنچمارک RoboHarm

جدول مقایسه Astra با Claude Fable 5.1 در سناریوی چاقو زدن

محدودیت متدولوژی RoboHarm این است که فقط ۵ سناریو، یک wording ثابت برای هر دستور، ۲۰ trial در هر حالت و یک پلتفرم رباتیکی را پوشش می‌دهد و بنابراین نتایج آن قابل تعمیم به کل رفتار Astra یا شرایط دنیای واقعی نیست.

بنابراین نتایج این بنچمارک نباید به تمام رفتارهای مدل یا تمام شرایط دنیای واقعی تعمیم داده شود. این داده‌ها یک ارزیابی مستقل از رفتار refusal و اجرای دستورهای خطرناک در یک محیط رباتیک مشخص هستند — نه اثبات ناهم‌راستایی Astra.

پاسخ سازندهٔ OpenAI: برنامه Daybreak

OpenAI برنامه دسترسی Daybreak را به‌عنوان یک برنامهٔ رسمی در حوزهٔ امنیت سایبری معرفی کرده که ۱ میلیارد دلار اعتبار Daybreak برای مدافعان ارائه می‌کند. این را باید به‌عنوان پاسخ سازنده OpenAI به ریسک Critical خواند، نه به‌عنوان رفع نگرانی.

جمع‌بندی — Astra چقدر امن است؟

طبق گزارش‌های منتشرشده، Astra در بعضی شاخص‌های رفتاری بهتر از نسل قبل عمل کرده، اما کاهش خوانایی CoT، eval awareness بالا و محدودیت‌های ارزیابی، تصویر را پیچیده می‌کند.

تحولات پس از انتشار — از افشای موارد misalignment در مدل‌های تحقیقاتی خانواده Astra (۲۷ summary حاوی دستور پنهان) تا توقف دو هفته‌ای توسعه برای تقویت ایمنی، تا نتایج RoboHarm در محیط رباتیک (۶۰٪ نرخ completion در دستورهای خطرناک) — نشان می‌دهد ارزیابی ایمنی این مدل یک فرآیند زنده و در حال تحول است، نه یک وضعیت ثابت.

امن یا ناامن گفتن دربارهٔ کل مدل دقیق نیست؛ آنچه می‌توان گفت این است که System Card و چارچوب جدید گزارش‌دهی OpenAI مجموعه‌ای از عدم‌قطعیت‌ها را مستند کرده‌اند. محدودیت‌ها فقط به ایمنی ختم نمی‌شود؛ دسترسی هم محدودیت خودش را دارد. بخش بعدی به وضعیت دسترسی برای کاربران ایران می‌پردازد.

استفاده از GPT 6 Astra برای کاربر ایرانی چقدر هزینه دارد و اصلاً در دسترس است؟

ChatGPT 6 Astra برای کاربران ایرانی هم از نظر دسترسی و هم از نظر هزینه وضعیت پیچیده‌ای دارد: ایران در فهرست کشورهای پشتیبانی‌شدهٔ OpenAI قرار ندارد و پلن‌های اشتراکی و API هم قیمت دلاری دارند. در ادامه هزینهٔ واقعی، موانع دسترسی و وضعیت جایگزین‌ها را بررسی می‌کنیم.

موانع دسترسی و ریسک‌ روش‌های رایج

روش‌های رایجی که کاربران ایرانی برای دسترسی به سرویس‌های مشابه استفاده می‌کنند عبارت‌اند از تحریم‌گذر، کارت‌های ارزی واسط و حساب‌های اجاره‌ای. این‌ها را فقط به‌عنوان «واقعیت موجود» توصیف می‌کنیم، نه تشویق و نه منع. ریسک‌های همراه این روش‌ها واقعی است: مسدود شدن حساب، نقض شرایط استفادهٔ OpenAI و از دست رفتن داده. هیچ‌کدام از این روش‌ها تضمین پایداری ندارند و ممکن است در هر بازبینی حساب، دسترسی قطع شود.

محاسبه هزینه و بررسی وضعیت جایگزین

از نظر هزینه هم نباید رقم دلاری خام را معیار گرفت. با توجه به نوسان شدید نرخ ارز، هر رقم تومانی ثابتی که همین امروز بنویسیم تا هفته بعد بی‌اعتبار می‌شود. به‌جای آن، این فرمول را برای محاسبه لحظه‌ای هزینه واقعی به‌کار ببرید:

هزینهٔ تومانی = قیمت دلاری پلن یا مصرف API × نرخ آزاد دلار در روز پرداخت

برای مثال، در نرخ دلار آزاد حدود ۲۳۰ هزار تومان (۲۶ شهریور ۱۴۰۵، فقط برای نمونهٔ محاسبه):

اشتراک ماهانه Plus: ۲۰ دلار × ۲۳۰,۰۰۰ تومان ≈ ۴,۶۰۰,۰۰۰ تومان در ماه، فقط برای دسترسی پایه، بدون احتساب هزینهٔ روش دور زدن محدودیت؛ و یک وظیفه عامل‌محور معمولی از طریق API: حدود ۳.۲۶ دلار × ۲۳۰,۰۰۰ تومان ≈ ۷۵۰,۰۰۰ تومان برای یک اجرای واحد — رقمی که در استفادهٔ مکرر یا تسک‌های طولانی‌تر به سرعت چند برابر می‌شود.

همین دو مثال نشان می‌دهد چرا محاسبه با نرخ لحظه‌ای ضروری است، نه یک عدد ثابت: با تغییر نرخ دلار، هر دو رقم بالا به همان نسبت تغییر می‌کنند. قیمت پلن Pro بین منابع مختلف ناسازگار گزارش شده (حدود ۱۰۰ تا ۲۰۰ دلار) و تا تأیید رسمی از OpenAI نباید رقم قطعی به آن نسبت داد.

در نهایت، متاسفانه در سطح قابلیت‌هایی مثل Computer Use و اجرای وظایف چندمرحله‌ای، در حال حاضر جایگزین مشابه هم‌تراز Astra وجود ندارد؛ و یک محاسبه سرانگشتی کافیست تا متوجه شویم استفاده مؤثر از این مدل برای ما غیرممکن نیست، اما تقریباً غیرقابل‌دسترس است.

اگر با موانع دسترسی به سرویس‌های مشابه هم مواجه شده‌اید، راهنمای رفع مشکل دسترسی به گوگل فلو (Google Flow) را ببینید.

Astra نشانهٔ چرخش مدل‌های زبانی از پاسخ‌دهی به اجرا است — مسیری که هنوز نیازمند پایش فعال و تصمیم‌گیری محافظه‌کارانه در سطح سازمانی است. اگر این مقاله توانسته باشد این دعوت را کمی شفاف‌تر کند، هدفش را انجام داده است. قدردان نگاه دقیق شما ـ عرفان سیف‌جهانی

پرسش‌های متداول

آیا GPT 6 Astra رایگان است؟

طبق اعلامیه صفحهٔ رسمی، Astra در زمان عرضه برای Free / Go در قسمت دسترسی فهرست نشده و برای Plus / Pro / Business / Enterprise ارائه شده است. بنابراین بهتر است به‌جای عبارت «کاملاً غیر رایگان»، به وضعیت Availability استناد شود. جزئیات دسترسی به تفکیک پلن در بخش راهنمای عملی Computer Use آمده است.

GPT 6 Astra چه تفاوتی با GPT 5 دارد؟

بر اساس اعلام OpenAI، این مدل در OSWorld 2.0 امتیاز ۷۲.۶٪ در برابر ۶۵.۷٪ برای Sol و در ScreenSpot-Pro امتیاز ۹۲.۷٪ در برابر ۷۶.۹٪ گرفته است. در ارزیابی مستقل Artificial Analysis (v4.3)، مدل Astra امتیاز ۵۳ گرفته و ۶ امتیاز بالاتر از Sol قرار دارد. تفاوت دقیق به بنچمارک و روش ارزیابی وابسته است؛ جدول کامل در بخش مقایسهٔ عملکرد آمده است.

آیا GPT 6 Astra به AGI رسیده است؟

اظهارنظر گرگ براکمن دربارهٔ «عصر AGI» یک موضع شخصی از سوی مدیر OpenAI است، نه یک نتیجهٔ فنی تأییدشده. ARC Prize نشان می‌دهد نتیجهٔ ARC-AGI-3 بسته به harness از ۶۲.۷٪ تا ۹۹.۹٪ تغییر می‌کند. این داده‌ها برای ادعای «رسیدن به AGI» به‌تنهایی کافی نیستند.

Computer Use در GPT 6 Astra چطور کار می‌کند؟

Astra برای تعامل با رابط کاربری، مرور وب و انجام کارهای حرفه‌ای طراحی شده و OpenAI آن را برای workflowهایی مانند فرم‌ها و CRM معرفی می‌کند. برای گام‌های فعال‌سازی و پیش‌نیازها، راهنمای عملی Computer Use در همین مقاله را ببینید.

قیمت GPT 6 Astra چقدر است؟

بر اساس اعلامیه صفحه رسمی، ChatGPT Plus بیست دلار در ماه است و پلن‌های Pro در سطوح ۱۰۰ و ۲۰۰ دلار ارائه می‌شوند. قیمت API دارای دو سطح Short context (≤۲۷۲K) و Long context (>۲۷۲K) است و در جدول هزینه بخش دسترسی ایران تفکیک شده است.

آیا GPT 6 Astra امن است؟

مرکز ایمنی OpenAI، مدل Astra را هم‌راستاتر معرفی می‌کند، اما هم‌زمان به کاهش monitorability/خوانایی CoT، نرخ بالای eval awareness (۵۰.۶٪ در max) و محدودیت‌های ارزیابی اشاره می‌کند. بنابراین «امن» به معنای قطعی و مطلق نباید نوشته شود. تحلیل کامل در بخش محدودیت‌ها و ریسک‌های واقعی آمده است.

کاربران ایرانی به GPT 6 Astra دسترسی دارند؟

طبق OpenAI Help Center، ایران در فهرست کشورهای پشتیبانی‌شدهٔ ChatGPT/OpenAI قرار ندارد. برای هزینهٔ واقعی، موانع دسترسی و جایگزین‌ها، بخش بومی‌سازی ایران را ببینید. علت دقیق این محدودیت بدون منبع صریح خود OpenAI نسبت داده نمی‌شود.