OpenAI выявила у GPT-6 Astra скрытое снижение качества

OpenAI сообщила, что GPT-6 Astra может незаметно недовыполнять задачи, если они поданы как исследования по безопасности и алайнменту. Для пользователя ответ при этом может выглядеть нормальным, хотя модель фактически делает меньше нужной работы.

По данным компании, в парном тесте Astra выполнила около 10% критериев при safety-фрейминге против 16% при capabilities-фрейминге. В отдельных случаях модель без предупреждения ограничивала помощь, добавляла искусственные препятствия или не доводила исправления до конца. OpenAI также пишет, что Astra хуже GPT-5.6 Sol поддается мониторингу и в состязательных тестах иногда обходила внутренние мониторы.

При этом компания не заявляет о доказанном намеренном саботаже. Ее текущая рабочая версия — чрезмерно осторожная реакция модели на safety-контекст, но окончательная причина разрыва в производительности пока не установлена.