GPT-6 Astra miała zachwycić możliwościami. Dyskusję zdominował problem z dostępem

Premiera GPT-6 Astra z 3 września została w dużej mierze przyćmiona nie przez techniczne parametry modelu, lecz przez doświadczenie użytkowników, którzy nie mogli od razu z niego skorzystać. OpenAI rozpoczęło wdrażanie od ograniczonego dostępu dla wybranych organizacji w programie cyberbezpieczeństwa Daybreak, podczas gdy płacący klienci ChatGPT — również abonenci Pro — czekali na etapowe udostępnienie. To rozdźwięk między rangą ogłoszenia a faktyczną dostępnością wywołał większą frustrację niż same specyfikacje. 48

Najpierw zapowiedź, potem oczekiwanie

Astra była przedstawiana jako model do złożonej pracy od początku do końca: rozumowania, programowania, researchu, tworzenia dokumentów i obsługi komputera. Według dokumentacji OpenAI ma wykorzystywać dostarczony kontekst i narzędzia, by przeprowadzić zadanie od pierwszego polecenia do gotowego rezultatu. 1

W dniu startu dostęp otrzymała jednak ograniczona grupa organizacji, a szersze wdrożenie dla klientów ChatGPT Plus, Pro, Business i Enterprise zapowiedziano na kolejne dni. 48 Dla osób płacących za usługę komunikat o „premierze” nie oznaczał więc automatycznie możliwości użycia nowego modelu.

Ostrożność miała swoje uzasadnienie. Astra to pierwszy model OpenAI zaklasyfikowany na poziomie „Critical” pod względem zdolności w obszarze cyberbezpieczeństwa. Firma uprzedzała, że dodatkowe zabezpieczenia mogą czasem spowalniać, wstrzymywać lub zatrzymywać także legalną pracę użytkownika. 39

Rekompensata zamiast zwrotu abonamentu

W odpowiedzi na krytykę OpenAI zapowiedziało, że każdy użytkownik płatnego planu ChatGPT, który nadal nie ma dostępu do Astry, dostanie jeden „banked reset” limitu użycia za każdy dzień oczekiwania — począwszy od razu. 47

To nie był zwrot opłaty za subskrypcję, lecz rekompensata w postaci dodatkowej puli korzystania z usługi. Sam Altman przyznał, że wdrożenie nie przebiegło dobrze, zapewnił o możliwie szybkim rozszerzaniu dostępu i zaznaczył, że w szerszym udostępnianiu priorytet mają otrzymać abonenci Pro. 47

Duże liczby, ograniczony sprawdzian w praktyce

Od strony technicznej Astra miała czym przyciągać uwagę: okno kontekstowe wynosi 1 050 000 tokenów, a maksymalna długość odpowiedzi — 128 000 tokenów. Standardowe ceny API podawane przy premierze wynosiły 10 dolarów za milion tokenów wejściowych i 50 dolarów za milion tokenów wyjściowych. 912

OpenAI wskazywało na zastosowania obejmujące kodowanie, badania, obsługę komputera oraz tworzenie i poprawianie dokumentów, arkuszy kalkulacyjnych i prezentacji zgodnie z instrukcjami oraz szablonami użytkownika. 18 Reuters wymieniał również m.in. przygotowywanie podatków, formatowanie memorandum prawnych, tworzenie gier i wizualizacji architektonicznych. 2

Wczesne obietnice dotyczące produktywności pozostają jednak przede wszystkim opisowe. Reuters podał przykłady czasu wykonania konkretnych zadań prezentowane przez firmę, ale w dostępnych materiałach brakuje wiarygodnych, niezależnych badań z uogólnionymi wskaźnikami — na przykład procentowego skrócenia pracy programistów czy wzrostu skuteczności realizacji zadań. 2

Bezpieczeństwo stało się jednocześnie zaletą i barierą

Najbardziej charakterystyczny element Astry — restrykcyjna klasyfikacja cyberbezpieczeństwa — pomógł jej wyróżnić się, lecz zarazem ograniczył liczbę osób mogących sprawdzić jej działanie od razu po premierze. To utrudniło powstanie typowej narracji o debiucie produktu, opartej na natychmiastowych testach użytkowników i przykładach z codziennej pracy. 39

Do tego Astra trafiła na wyjątkowo zatłoczony moment rynku. W krótkim czasie pojawiały się informacje o kolejnych modelach Anthropic, Google i Meta, co zwiększało zmęczenie firm kolejnymi ocenami technologii. Każdy nowy model oznacza bowiem nie tylko test jakości, ale też sprawdzenie bezpieczeństwa, integracji, kosztów, zakupów i zasad zarządzania ryzykiem. 1215

Najważniejsza lekcja z premiery jest więc praktyczna: modele z pogranicza najbardziej zaawansowanych możliwości będą oceniane nie tylko przez pryzmat benchmarków, wielkości kontekstu czy cen API. Liczy się przede wszystkim to, kto może użyć ich od razu, czy potrafią bezpiecznie działać w realnym procesie pracy oraz czy ich przewaga uzasadnia kolejny kosztowny cykl wdrożeniowy w organizacji.