GPT-6 Astra druknede i en rodet lancering: Adgang blev vigtigere end specifikationerne

Det var ikke Astra-modellens tal på papiret, der satte tonen for OpenAI’s lancering den 3. september. Det var fraværet af adgang.

GPT-6 Astra blev præsenteret som en model til krævende, sammenhængende arbejde: ræsonnement, kode, research, dokumentproduktion og brug af computer. Men den første adgang gik til udvalgte organisationer i OpenAI’s lukkede Daybreak-program for cybersikkerhed. Betalende ChatGPT-kunder – også Pro-abonnenter – måtte vente på en trinvis udrulning. 148

Den afstand mellem en stor lancering og en produktoplevelse, som mange abonnenter ikke straks kunne få, kom derfor til at dominere reaktionen.

En sikkerhedsmodel, der nødvendigvis blev holdt tilbage

Astra var OpenAI’s første model, som virksomheden klassificerede på niveauet “Critical” for cybersikkerhedskapacitet under sit Preparedness Framework. Det betyder, at modelens mest følsomme evner ikke blot kunne lanceres som en almindelig softwareopdatering. 39

OpenAI havde på forhånd gjort opmærksom på, at de ekstra sikkerhedsforanstaltninger i nogle tilfælde kunne forsinke, sætte legitimt arbejde på pause eller helt stoppe det. Det gjorde den forsigtige lancering forståelig – men ikke mindre frustrerende for kunder, der allerede betalte for adgang. 3

I ChatGPT beskrev OpenAI Astra som et værktøj, der kan udarbejde og revidere dokumenter, regneark og præsentationer efter brugerens skabeloner og instruktioner, også når kravene ændrer sig undervejs. 8 I udviklerdokumentationen fremhævede virksomheden desuden modellens evne til at føre komplekse opgaver fra en indledende forespørgsel til et færdigt resultat ved hjælp af den kontekst og de værktøjer, brugeren giver den. 1

OpenAI tilbød ekstra brugstid – ikke penge tilbage

Som svar på den problematiske udrulning lovede OpenAI, at betalende ChatGPT-brugere uden Astra ville få ét “banked reset” af deres brugsgrænse for hver dag uden adgang, med virkning med det samme. 47

Det var en kompensation i form af ekstra kapacitet, ikke en refusion af abonnementet. Sam Altman erkendte offentligt problemerne med lanceringen og skrev, at virksomheden arbejdede på at udvide adgangen så hurtigt som muligt. Han oplyste samtidig, at Pro-abonnenter som sædvanligt ville blive prioriteret i den bredere udrulning. 47

Budskabet var altså: undskyld forsinkelsen, og her er mere brugstid – men ikke en opgivelse af den sikkerhedsstyrede adgangsmodel.

Store tekniske ambitioner, begrænset praktisk dokumentation

Astra blev markedsført med en kontekstlængde på 1.050.000 tokens og mulighed for svar på op til 128.000 tokens. Den oplyste API-pris var 10 dollar pr. million inputtokens og 50 dollar pr. million outputtokens. 91215

Reuters beskrev blandt de tiltænkte anvendelser skatteforberedelse, formatering af juridiske notater, spiludvikling og arkitektonisk visualisering. Mediet gengav også OpenAI-eksempler, hvor research på kattepassere angiveligt faldt fra 30 minutter manuelt til 5 minutter og 27 sekunder med Astra, og en jobsøgning fra fem timer til 2 minutter og 51 sekunder. 2

Det er dog vigtigt at skelne mellem sådanne leverandøreksempler og en uafhængigt valideret produktivitetsmåling. Kilderne giver ikke et solidt, generelt procenttal for, hvor meget hurtigere udviklere eller andre faggrupper bliver med Astra.

Lanceringen ramte et marked mættet af nye modeller

Astra kom også i en periode med mange konkurrerende modeludgivelser, herunder rapporterede lanceringer fra Anthropic, Google og Meta. 1215 For virksomheder er en ny topmodel ikke bare en ny knap i et værktøj: Den kan udløse vurderinger af sikkerhed, integration, indkøb, datastyring og intern governance.

Det skaber det, der er blevet omtalt som modeltræthed: Før en virksomhed kan afgøre, om et nyt system er værd at skifte til, skal den gennem endnu en tung evalueringsrunde. 15

Den centrale læring fra Astra-lanceringen er derfor enkel. En million tokens i kontekst og mere autonome computerfunktioner kan skabe opmærksomhed, men den praktiske vurdering af en ny AI-model starter tre andre steder: Hvem kan bruge den nu? Kan den handle sikkert i virkelige arbejdsgange? Og er forbedringen stor nok til at retfærdiggøre endnu en implementering og evaluering?