GPT-6 Astra bağımsız laboratuvarlardan farklı notlar aldı

3 Eylül 2026'da piyasaya sürülen OpenAI GPT-6 Astra, bağımsız değerlendiriciler arasında nadir görülen bir görüş ayrılığına yol açtı: Bir değerlendirme onu dünyanın en iyi yapay zeka modeli olarak görürken, diğeri onu selefiyle aynı seviyede ve rakibi Anthropic'in gerisinde konumlandırıyor.

Farklılaşan Karneler

Epoch AI'nın Epoch Yetenek Endeksi, Astra'ya 169 puan vererek onu 267 model arasında birinci sıraya yerleştirdi ve Anthropic'in 163 puanlı Claude Fable 5.1 modelinin önüne geçirdi. San Francisco merkezli kıyaslama firması Artificial Analysis ise farklı bir sonuca vardı. Zeka Endeksi, Astra'yı 61 puanla derecelendirerek OpenAI'ın Microsoft Corporation ↘ 0.99% ürünü GPT-5.6 Sol ile tam olarak aynı seviyede tuttu; Anthropic'in Claude Fable 5.1 modeli ise 66 puanla beş puan önde yer aldı. Kodlama görevlerinde tablo daha olumlu: Astra, Artificial Analysis Kodlama Ajanı Endeksi'nde 67 puan alarak Claude Opus 5 ve Meta'nın ↗ 0.84% Muse Spark 1.3 modeliyle yaklaşık aynı seviyede performans sergiledi.trendingtopics+4

Anlaşmazlık, kısmen her endeksin neyi ölçtüğünden kaynaklanıyor. Epoch AI; akıl yürütme, matematik, bilim ve ajan kıyaslamalarındaki puanları tek bir sayıda toplarken, Artificial Analysis bilgi, uzun doküman akıl yürütme ve olgusal doğruluğu farklı ağırlıklandırıyor. Epoch AI, X üzerinden yaptığı açıklamada, Astra'nın rekorunun önceki liderlerin "belirsizlik aralığı" içinde olduğunu belirterek aradaki farkın manşetlerdeki sayıdan daha dar olabileceğini ima etti.latent+1

ARC-AGI-3: Verimlilikte İnsanları Aşmak

ARC Prize organizasyonu, Astra'yı ajanların alışılmadık ortamlarda keşif yapmasını, hedefleri tahmin etmesini ve açık talimatlar olmadan eylem planlamasını gerektiren etkileşimli bir kıyaslama olan ARC-AGI-3 üzerinde test ederek kendi değerlendirmesini sundu. Standart testlerde Astra, çalışma başına yaklaşık 26.000 dolar maliyetle %62.7 puan aldı. Modelin akıl yürütme durumunu istekler arasında koruyan OpenAI Sağlayıcı Adaptörü ile puan, yaklaşık 19.000 dolar maliyetle %99.9'a yükseldi.arcprize

Öne çıkan bir bulgu, Astra'nın eylem verimliliği oldu. Yaklaşık 500 insan katılımcıdan oluşan bir temel ile test edilen Astra, seviyelerin %96'sında medyan insandan daha az eylem kullandı ve genel olarak seviye başına ortalama %51.7 daha az eylem gerçekleştirdi. ARC Prize, "Bu önemli bir kilometre taşı" diyerek sonucun kendi eylem verimliliği ölçütlerine göre "insan dengini yakaladığını ve aştığını" belirtti.arcprize

Açık Matematik Problemleri ve Artan Maliyetler

Epoch AI ayrıca, matematikçi Paul Erdős tarafından ortaya atılan 68 açık problemden oluşan yeni FrontierMath Erdős kıyaslamasında, Astra'nın herhangi birini çözebilen tek model olduğunu ve deneme başına 300 dolarlık bir bütçeyle iki problem için Lean onaylı kanıtlar ürettiğini bildirdi. 220.000 doları aşan daha maliyetli standart dışı çalışmalardan üç çözüm daha ortaya çıktı ancak Epoch bunları resmi puana dahil etmedi.the-decoder+1

Geliştiriciler için bu performansın bir bedeli var. OpenAI, Astra'nın API fiyatlarını milyon girdi tokeni başına 10 dolar ve milyon çıktı tokeni başına 50 dolar olarak belirledi; bu, GPT-5.6 Sol'a göre 2.5 katlık bir artış anlamına geliyor. Artificial Analysis, Astra'nın gelişmiş token verimliliğinin kodlama görevlerinde yüksek fiyatlandırmayı dengelediğini, ancak genel zeka işleri için modelin görev başına yaklaşık %75 daha pahalı olduğunu tespit etti.trendingtopics