Op 17 november 2026 classificeerde OpenAI GPT-6.2 Astra als High voor AI Self-Improvement; GPT-6.2 Sol bleef onder die drempel. De aanduiding slaat op het vermogen om AI-onderzoek te versnellen. OpenAI noemt High een vroege stap in de voorbereiding van waarborgen voor een mogelijke toekomstige fase van volledig geautomatiseerde, recursieve zelfverbetering. In de systeempas van OpenAI staat dus geen claim dat Astra dat proces al zelfstandig uitvoert.

Wat betekent de classificatie ‘High’?

OpenAI’s Preparedness Framework beoordeelt onder meer of een model kan helpen AI-onderzoek te versnellen, ook onderzoek dat de mogelijkheden van modellen verbetert. High is binnen die beoordeling een vroeg ijkpunt om waarborgen voor te bereiden op een mogelijke toekomstige ontwikkeling: volledig geautomatiseerde, recursieve zelfverbetering.

Lees High als een beoordeling van mogelijke hulp bij AI-onderzoek, niet als bewijs dat een model zichzelf al autonoom verbetert.

Wat maten de evaluaties?

OpenAI zegt dat vijf evaluaties op het gebied van onderzoek en engineering aan de classificatie hebben bijgedragen. De eerste twee maten het opsporen van fouten in onderzoeksexperimenten en het schrijven en optimaliseren van kernels. Astra behaalde daarvoor respectievelijk 81,85% gemiddelde rubric-score bij Internal Research Debugging en 76,92% bij KernelGen 1P.

Een indicatieve grens halen in een van die twee eerste tests leidde tot drie tests in een tweede fase. De gepubliceerde scores voor die fase meten elk iets anders:

TestWat de score meetScore van GPT-6.2 AstraGepubliceerde indicatieve grens
NanoGPTGemiddeld aandeel bespaarde trainingstijd ten opzichte van de basislijn42,87%80%
PostTrainBench LiteGemiddeld aandeel van de prestat achterstand dat wordt ingelopen74,79%90%
MLE-Bench RevisedGemiddeld referentiepercentiel over 72 competities96,0690e percentiel

Bij PostTrainBench Lite ging het om twaalf taken met runs van vijf uur. MLE-Bench Revised vergelijkt Astra met referentieoplossingen van de benchmark. De score 96,06 is dus geen positie tussen alle menselijke deelnemers aan Kaggle.

Hoe verhouden de scores zich tot High?

Astra bleef onder de gepubliceerde indicatieve grenzen bij NanoGPT en PostTrainBench Lite, en kwam erboven uit bij MLE-Bench Revised. OpenAI noemt de grenzen indicatief en zegt dat vijf evaluaties aan de classificatie hebben bijgedragen. De uitkomst van één test is daardoor niet op zichzelf de High-classificatie: die is OpenAI’s beoordeling van het bredere geheel.

OpenAI’s eerdere berichtgeving over GPT-6 Astra en toezicht geeft aanvullende achtergrond bij de veiligheidscontext van deze latere beoordeling.

GPT-6 Astra wil computerwerk en code zelfstandig in meerdere stappen uitvoeren