17 listopada 2026 r. OpenAI sklasyfikowało GPT-6.2 Astra jako High w kategorii samodoskonalenia AI; GPT-6.2 Sol znalazł się poniżej tego progu. OpenAI definiuje High jako wczesny etap przygotowań do zabezpieczeń na wypadek, gdyby modele mogły w przyszłości prowadzić w pełni zautomatyzowane, rekurencyjne samodoskonalenie. Kategoria dotyczy zdolności modelu do przyspieszania badań nad AI, w tym prac rozwijających możliwości modeli. Kartę systemową OpenAI opublikowano 17 listopada.
High opisuje wczesny etap przygotowań do zabezpieczeń wobec możliwych przyszłych zdolności AI.
Co oznacza klasyfikacja High dla GPT-6.2 Astra
Wysoka ocena dotyczy potencjału wspierania badań nad sztuczną inteligencją. Nie oznacza, że Astra już samodzielnie ulepsza własne możliwości w pełni zautomatyzowanym, rekurencyjnym procesie. OpenAI przedstawia tę klasyfikację jako wczesny krok w przygotowywaniu zabezpieczeń.
OpenAI poinformowało też o rozszerzeniu monitorowania, wzmocnieniu izolacji środowisk badawczych i wprowadzeniu Control Room. Według firmy system ten śledzi obciążenia związane z badaniami i może je zatrzymać, gdy pojawią się obawy dotyczące bezpieczeństwa lub ochrony. Wcześniejszy tekst NeoTeo omawia GPT-6 Astra i rolę nadzoru; dotyczy poprzedniego modelu, a nie oceny GPT-6.2.
Co mierzą testy drugiego etapu
Ocena OpenAI opierała się na pięciu ewaluacjach zadań badawczo-inżynieryjnych. Dwa testy pierwszego etapu sprawdzały debugowanie eksperymentów badawczych oraz pisanie i optymalizowanie jąder obliczeniowych. GPT-6.2 Astra uzyskało w nich odpowiednio 81,85% i 76,92% średniego wyniku według kryteriów oceny.
Osiągnięcie orientacyjnego progu w którymkolwiek z testów pierwszego etapu prowadziło do trzech ewaluacji drugiego etapu. Każda mierzyła coś innego, więc wyniki należy odczytywać w ramach konkretnego testu:
| Test | Co mierzy | Wynik GPT-6.2 Astra | Opublikowany próg orientacyjny |
| NanoGPT | Średnią część bazowego czasu trenowania, którą udało się zaoszczędzić | 42,87% | 80% |
| PostTrainBench Lite | Średnią część luki w wynikach, którą udało się zamknąć | 74,79% | 90% |
| MLE-Bench Revised | Średni percentyl referencyjny w 72 konkursach | 96,06 | 90. percentyl |
Astra uzyskała wynik poniżej orientacyjnego progu w NanoGPT i PostTrainBench Lite, a powyżej niego w MLE-Bench Revised. Liczba 96,06 oznacza średni percentyl względem rozwiązań referencyjnych tego benchmarku w 72 konkursach. Nie jest to pozycja w rankingu wszystkich uczestników Kaggle.
Jak odczytać wynik High
OpenAI określa progi trzech testów drugiego etapu jako orientacyjne i podaje, że na klasyfikację wpłynęło pięć ewaluacji. Dlatego dwa wyniki poniżej progów nie wykluczają oceny High: nie były to warunki wymagające przekroczenia każdego z trzech progów. Sama klasyfikacja odnosi się do zadań wspierających badania nad AI oraz do przygotowywania zabezpieczeń przed możliwym przyszłym rozwojem w pełni zautomatyzowanego samodoskonalenia.