Laster katalogen …
Laster katalogen …
OpenAIs flaggskipmodell med lukkede vekter og et kontekstvindu på 1,05 millioner token, med obligatorisk resonnering på hver forespørsel.
Oversikt. GPT-6 Astra er OpenAIs flaggskipmodell med lukkede vekter og innebygd resonnering, lansert i september 2026 som etterfølgeren til GPT-5.6-serien. Den kombinerer et kontekstvindu på 1 050 000 token med obligatorisk resonnering på hver forespørsel, tar imot tekst, bilder og filer som inndata og returnerer tekst. Utviklere bruker den når en oppgave krever vedvarende, grundig resonnering over svært store dokumenter eller kodebaser, fremfor et raskt svar med lav innsats.
Viktigste styrker. Resonnering i GPT-6 Astra kan ikke slås av – hver forespørsel kjøres gjennom OpenAIs resonneringsprosess, med resonneringsnivå som kan stilles fra lavt til maksimalt. Kontekstvinduet på 1 050 000 token er det største i katalogen, og inndataegenskapene strekker seg utover tekst og bilder til filopplasting, med innebygd dokumentforståelse. Uavhengige målinger plasserer den som OpenAIs nye flaggskipmodell på toppnivå, og den er rapportert som den første OpenAI-modellen som er vurdert til nivået «Critical» under OpenAIs eget Preparedness Framework for cybersikkerhetsegenskaper – et mål på hvor langt den rene resonneringskapasiteten rekker, og på de misbruksrisikoene som følger med.
Når du bør bruke den. Bruk GPT-6 Astra til resonneringstunge oppgaver – kompleks analyse, problemløsning med mange steg eller agentiske arbeidsflyter med verktøykall via Responses API – der kvalitet veier tyngre enn ren hastighet. Kontekstvinduet på 1,05 millioner token og støtten for filinndata gjør den godt egnet til resonnering over lange dokumenter, store kodebaser eller flerdokumentoppgaver i ett enkelt kall. Å sette resonneringsnivået til lavt gjør den brukbar med interaktiv svartid på noen sekunder; høyere resonneringsnivåer bytter svartid mot dypere resonnering på vanskeligere problemer.
Begrensninger. GPT-6 Astra støtter ikke egendefinert temperature, top_p eller logprobs – utdataforming skjer bare gjennom resonneringsnivåinnstillinger, ikke klassiske samplingkontroller. Verktøykall krever OpenAIs Responses API i stedet for Chat Completions, så integrasjoner bygget mot det eldre API-et må oppdateres. Som en modell med lukkede vekter har OpenAI ikke offentliggjort parameterantall eller arkitektur, og treningsdataene slutter 30. april 2026.
Suverenitetsnotat. GPT-6 Astra er laget av OpenAI, et amerikansk selskap, og forespørsler kan derfor være underlagt CLOUD Act-eksponering fremfor utelukkende EU-jurisdiksjon. Undersøkelser har ikke bekreftet spesifikke detaljer om datalokasjon eller policy for trening på inndata for dette endepunktet, og det gjøres derfor ingen ytterligere påstander her.
| Inferensleverandør | Suverenitet | Kjører i | Inn / ut per 1M | Status | Lås |
|---|---|---|---|---|---|
| L0 | 8,98 / 44,88€+9 priser | Tilkoblet |
26 bruksområder klassifisert av kuratoren. Notatet forklarer hvorfor.
Resonnering brukes på hver forespørsel, noe som favoriserer numeriske analyseoppgaver og dataanalyse med mange steg fremfor ren mønstergjenkjenning.
Visjonsegenskap kombinert med obligatorisk resonnering støtter tolkning og detaljert forklaring av diagraminnhold.
Visjonsegenskap støtter tolkning av brukergrensesnitt og skjermbilder, og resonnering som standard hjelper med fortolkning av elementer med mange komponenter.
En flaggskip-resonneringsmodell med et kontekstvindu på over 1M token kan opprettholde sammenheng gjennom svært lange genererte dokumenter.
Kontekstvinduet på 1,05M token gjør det mulig å holde mange artikler og kilder samtidig, og resonnering som standard støtter komparativ analyse på tvers av dem.
Obligatorisk resonnering på hver forespørsel kombinert med et kontekstvindu på 1,05M token gjør denne modellen godt egnet for komplekse agentiske planleggingsoppgaver med mange steg.
Visjonsegenskap støtter OCR-lignende oppgaver, selv om ingen OCR-spesifikk benchmark er dokumentert for denne varianten.
Obligatorisk resonnering støtter rotårsaksanalyse, men mangelen på publiserte kodingsbenchmarker svekker tilliten sammenlignet med kodingsspesialiserte modeller.
Oppgaver med kort inndata og kort utdata tåler modellens minimale kontekstvindu på 2 026 token; ingen andre differensierende egenskapssignaler er tilgjengelige.
Kontekstvinduet på 1,05M token kan romme hele kodebaser til gjennomgang, selv om ingen kodingsspesifikk benchmark er publisert for denne modellen.
Tagging opererer vanligvis på korte tekstutsnitt, så det begrensede kontekstvinduet på 2 026 token er ikke til hinder, selv om ingen egenskaper er registrert.
Det store kontekstvinduet støtter oppsummering av lange inndata, men obligatorisk resonnering gir lengre svartid sammenlignet med lettere modeller tilpasset oppsummering.
Ingen verktøykall eller agentisk egenskap er registrert for denne modellen, og kontekstvinduet på 2 026 token er for lite til å opprettholde kodingsøkter med mange steg.
Ingen funksjonskall-egenskap er dokumentert for denne modellen, noe som gjør den til et upålitelig grunnlag for applikasjonsarkitekturer basert på funksjonskall.
Nettleserautomatisering krever verktøykall-egenskap som ikke er registrert for denne modellen, og det minimale kontekstvinduet begrenser sporing av tilstand på tvers av flere sider.
Jurisdiksjonseksponering under den amerikanske CLOUD Act er en risiko for revisjonsarbeidsflyter med sensitive regulerte data, selv med sterk resonneringsdybde.
Arbeidsflyter med henting og utvidelse av kontekst må sende store kandidatdeler inn i konteksten; 2 026 token er utilstrekkelig for de fleste tekstsamlinger.
Eksponering under den amerikanske CLOUD Act og lukkede vekter gjør dette til et svakere valg der datasuverenitet er et styringsansvar, til tross for sterk resonneringsevne.
Innhentede tall, ikke våre egne evalueringer. Persentilene er mot hele Stav-katalogen.
Beregnet fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "openai/gpt-6-astra",
"reasoning_effort": "high",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level – nivået forespørselen ble betjent på