OpenAI разрабатывает семейство моделей под названием Astra, которое, по словам компании, может координировать нескольких ИИ-агентов для решения сложных задач на протяжении часов или дней. Как сообщает The Decoder, компания уже использовала внутреннюю версию системы, чтобы получить решения десяти ранее нерешённых задач в математике и теоретической информатике.

Эта работа даёт на сегодняшний день самый ясный публичный сигнал о попытке OpenAI выйти за рамки коротких интерактивных ответов и перейти к длительным исследовательским рабочим процессам. Сообщается, что Astra была продемонстрирована председателем правления Sam Altman политикам в Вашингтоне, при этом модели всё ещё проходят тестирование и дата публичного релиза не объявлена.

Astra’s reported focus: extended reasoning

Проект Astra предназначен для объединения нескольких агентов, которые могут разделять сложную задачу на части, исследовать её, критиковать и дорабатывать результаты. Такой дизайн отнёс бы его к иной категории, чем обычные чат-боты и помощники для программирования, которые, как правило, завершают задачи в пределах более короткого окна взаимодействия.

The Decoder сообщил, что Astra в конечном итоге может выйти как GPT-6 или как будущая версия GPT-5, но OpenAI ещё не решила, как называть и упаковывать систему. Проект также описывается как новый класс модели наряду с якобы существующими семействами OpenAI Sol, Terra и Luna.

Долгосрочная цель компании — создать системы, которые могут планировать, рассуждать, экспериментировать и продолжать работу без постоянного участия человека. Главный научный сотрудник OpenAI Jakub Pachocki ранее обсуждал цель создания ИИ-систем, способных работать над задачами часами или днями, согласно The Decoder. Astra, похоже, является попыткой превратить эту амбицию в проверенное направление продукта.

Ten mathematical results, with human verification

В математическом отчёте OpenAI говорится, что внутренняя система Astra решила десять открытых задач в областях, включая многомерную геометрию, теорию кодирования, теорию групп, квантовую сложность, решёточную криптографию и экстремальную комбинаторику. Сообщается, что эти проблемы не поддавались прогрессу как минимум десятилетие, а во многих случаях — значительно дольше.

Один из заявленных результатов устанавливает существование не-софических групп, тем самым решая крупный вопрос в теории групп. Математическая значимость результатов оценивается исследователями, а не определяется исключительно OpenAI. Thomas Bloom, математик из University of Manchester, управляющий erdosproblems.com, назвал эти конструкции крупной новостью в комментариях, о которых сообщил The Decoder.

OpenAI заявляет, что модель сгенерировала математические аргументы, а исследователи помогли превратить их в статьи и формализовать каждое доказательство в Lean. Эта формализация дала машинно-проверяемые сертификаты, обеспечив важный уровень верификации сверх правдоподобного ответа на естественном языке.

Это различие важно. OpenAI заявила, что её исследователи несут ответственность за точность опубликованной работы, но ключевые аргументы исходили от Astra. Компания также утверждала, что приписывать полное человеческое авторство доказательству, сгенерированному ИИ-системой, значило бы искажать вклад этой системы. Окончательный статус результатов будет зависеть от проверки математиками и другими независимыми экспертами, а не только от способности модели выдавать артефакты Lean или пошаговые объяснения.

What the evidence does and does not show

Наиболее сильные заявления о производительности в этой истории исходят из собственного отчёта OpenAI, как передаёт The Decoder. В имеющихся данных нет независимого бенчмарка, показывающего, что Astra стабильно превосходит другие передовые системы в длительных исследовательских задачах.

OpenAI оценила, что токены, использованные для генерации всех десяти решений, обошлись бы примерно в $2 000 по тарифам API Sol. Эта цифра является оценкой поставщика и не включает более широкие затраты на разработку, эксплуатацию, контроль и валидацию системы. Она также не доказывает, что тот же подход будет экономичен для большого числа исследовательских задач.

Noam Brown, исследователь, связанный с технологией рассуждений на этапе выполнения, используемой Astra, сказал, что система не решила ни одну из семи задач тысячелетия. Он также предположил, что значительно больший объём вычислений на этапе тестирования может улучшить результаты. Его комментарии указывают и на потенциал, и на ограничение этого подхода: сложное рассуждение возможно, но только при значительных затратах вычислительного времени и ресурсов.

Поэтому результаты не следует трактовать как доказательство того, что ИИ заменил математиков. Bloom отверг такую интерпретацию, отметив, что система опирается на более чем столетие математических знаний и на работу исследователей, которые её создали и обучили. Человеческие эксперты по-прежнему участвуют в выборе задач, оценке, формализации и публикации.

Why Astra matters to AI builders and enterprises

Для создателей ИИ Astra подчёркивает сдвиг от качества модели, измеряемого единичными ответами, к системам, оцениваемым по способности поддерживать рабочий процесс. Полезный долгоживущий агент должен сохранять цели, управлять растущим контекстом, обнаруживать неудачные подходы и решать, когда звать человека. Эти требования гораздо ближе к управлению исследовательской командой, чем к генерации текста по запросу.

Многоагентный дизайн также создаёт новые риски надёжности. The Decoder отметил, что ошибки могут накапливаться по мере продолжения процесса, а накладные расходы на координацию могут делать несколько агентов менее эффективными в тесно связанных задачах планирования. Система, которая спустя несколько часов выдаёт убедительный, но неверный вывод, может быть труднее поддающейся аудиту, чем та, что быстро проваливается.

Это делает формализации в Lean особенно важными для высокорисковой технической работы. Машинно-проверяемые доказательства не решают всех вопросов о качестве исследований, но дают конкретный механизм валидации. В других областях разработчикам понадобятся сопоставимые меры контроля: воспроизводимое выполнение, отслеживание источников, промежуточные контрольные точки, тесты и чёткие пути эскалации для неопределённых результатов.

Корпоративным покупателям также следует учитывать профиль затрат. Система, которая тратит часы или дни на задачу, может создавать ценность в научных открытиях, инженерии или сложном анализе, но её экономика будет резко отличаться от обычных чат- или поисковых нагрузок. Опубликованная OpenAI оценка токенов полезна как контекст, но не является полной моделью операционных затрат.

Government review and deployment uncertainty

The Decoder сообщил, что модели Astra, как ожидается, окажутся среди первых систем, рассматриваемых в рамках планируемой схемы правительственной проверки США, требующей одобрения до публичного выпуска. Сроки и окончательная структура этой схемы по имеющимся данным остаются неопределёнными.

Процесс проверки может повлиять на то, как OpenAI будет развёртывать длительно работающие ИИ-агенты, особенно если они смогут проводить исследования, писать программное обеспечение или работать при ограниченном надзоре. Он также может создать прецедент, при котором длительные автономные рабочие процессы будут рассматриваться иначе, чем обычные релизы моделей.

OpenAI не объявляла, будет ли Astra доступна через API, встроена в ChatGPT, выпущена как исследовательский предпросмотр или оставлена внутри компании. Пока эти решения не приняты, разработчики не могут оценить её задержку, цены, доступ к инструментам, защитные механизмы или практические ограничения.

What to watch next

Непосредственным сигналом станет полный математический отчёт OpenAI и то, подтвердят ли независимые математики десять результатов. Качество Lean-формализаций, объём участия человека и воспроизводимость заявленных решений будут информативнее, чем одно лишь число в заголовке.

Рынку также следует ждать публичной оценки Astra, посвящённой длительным задачам, а не отдельным демонстрациям. Полезными показателями будут успешность, восстановление после неудачных цепочек рассуждений, потреблённые вычисления и сравнение с альтернативами на основе одного агента.

Наконец, название продукта, канал выпуска и статус правительственной проверки OpenAI прояснят, является ли Astra экспериментальной исследовательской системой или основой следующего поколения массовых моделей компании.

Creati.ai perspective

Значимость Astra связана не столько с десятью математическими ответами, сколько с операционной моделью, к которой движется OpenAI: ИИ-системы, тратящие значительные вычисления и время на задачу, координирующие специализированные процессы и возвращающие проверяемую работу. Это может расширить роль ИИ в исследованиях, но только если надёжность и стоимость будут улучшаться вместе с сырой способностью к рассуждению.

Практический вывод для разработчиков — относиться к долгоживущим агентам как к проектам системной инженерии. Сохранение состояния, верификация, управление ресурсами и человеческая проверка будут важны не меньше, чем сама базовая модель. Заявления OpenAI значимы, но настоящий тест Astra наступит, когда независимые пользователи смогут измерить, выполняет ли она сложные рабочие процессы стабильно вне тщательно отобранной демонстрации.