Em 17 de novembro de 2026, a OpenAI classificou o GPT-6.2 Astra como High na categoria AI Self-Improvement de seu Preparedness Framework; o GPT-6.2 Sol ficou abaixo desse nível. Para a OpenAI, High é um marco inicial para preparar salvaguardas diante da possibilidade futura de autoaperfeiçoamento recursivo totalmente automatizado. A categoria avalia a capacidade de ajudar a acelerar pesquisas em inteligência artificial, inclusive pesquisas que ampliem as capacidades de modelos. (Cartão de sistema do GPT-6.2)

A cobertura da NeoTeo sobre a supervisão exigida pelo GPT-6 Astra aborda o uso de um agente em tarefas. A classificação de GPT-6.2 Astra trata de outro aspecto: sua contribuição potencial para acelerar a pesquisa em IA.

Para entender o rótulo High, separe a classificação geral do que cada avaliação mede.

O que a classificação High de GPT-6.2 Astra significa

A classificação expressa a avaliação da OpenAI sobre a capacidade de GPT-6.2 Astra de ajudar a acelerar pesquisas em IA. O marco High orienta a preparação de salvaguardas para uma possibilidade futura: a autoaperfeiçoamento recursivo totalmente automatizado. É essa capacidade de apoiar a pesquisa que está sendo avaliada.

O que mostram os três testes da segunda etapa

A avaliação reuniu cinco testes de engenharia de pesquisa em duas etapas. A primeira incluiu Internal Research Debugging e KernelGen 1P. GPT-6.2 Astra obteve, respectivamente, 81,85% de crédito médio na rubrica de avaliação e 76,92% de crédito médio na rubrica. A etapa seguinte reuniu três testes com medidas diferentes:

AvaliaçãoO que medeResultado de GPT-6.2 AstraCorte indicativo
NanoGPTParcela média do tempo de treinamento de referência economizada42,87%80%
PostTrainBench LiteParcela média da lacuna de desempenho fechada74,79%90%
MLE-Bench RevisedPercentil médio diante das soluções de referência em 72 competições96,0690º percentil

Os resultados de NanoGPT e PostTrainBench Lite ficaram abaixo dos respectivos cortes indicativos; o de MLE-Bench Revised ficou acima. A OpenAI afirma que os cinco testes informaram sua classificação geral e descreve os cortes como indicativos.

O resultado 96,06 de MLE-Bench Revised é o percentil médio de GPT-6.2 Astra em relação às soluções de referência da própria avaliação, calculado ao longo de 72 competições. Esse número situa o desempenho do modelo nesse conjunto de referência.