# GPT-6 Astra: benchmark, prezzi e sicurezza del nuovo modello di OpenAI

_Uso del computer, documenti, programmazione, scienza e una capacità cyber che tocca la soglia Critical. Cosa ha annunciato OpenAI, dove Astra vince, dove no e quanto costa usarlo._

Fonte: https://andreapirazzini.it/blog/gpt-6-astra-openai-benchmark-prezzi · Andrea Pirazzini · 4 settembre 2026

## In breve

- OpenAI presenta GPT-6 Astra come il suo modello più capace e più allineato: 99,9% su ARC-AGI-3, 97,6% su FrontierMath Tier 4, 100% su ExploitBench.
- Nell'uso del computer fa 72,6% su OSWorld 2.0 e ci mette quasi la metà del tempo di GPT-5.6 Sol per ogni compito.
- Via API costa 10 $ per milione di token in ingresso e 50 $ in uscita; la modalità Fast è due volte più veloce e costa il doppio.
- Le capacità cyber raggiungono la soglia Critical di OpenAI: la versione pubblica rifiuta di scrivere exploit dimostrativi.
- Non vince ovunque: su Humanity's Last Exam e su alcuni indici esterni i modelli Claude restano davanti. Quasi tutti i numeri sono di OpenAI.

## Perché se ne parla

OpenAI ha presentato **GPT-6 Astra** e lo descrive come il modello più intelligente, e insieme il più allineato, che esista. Dietro ci sono anni di ricerca e alcune scommesse forti su tre fronti: pre-addestramento, apprendimento per rinforzo e allineamento. L'azienda lo dichiara il migliore in sei aree: uso del computer, navigazione web, sviluppo software, cybersicurezza, scienza e lavoro professionale.

Il segnale più vistoso è che tre test usati da anni per misurare quanto manca al traguardo sono di fatto **saturi**: ARC-AGI-3 al 99,9%, ExploitBench al 100% e FrontierMath Tier 4 al 97,6% (OpenAI arrotonda a 98%). Su FrontierMath, peraltro, il modello aveva già dato una mano a chiudere problemi matematici aperti da decenni. Per orientarsi: ARC-AGI-3 misura quanto in fretta un sistema impara a muoversi in ambienti che non ha mai visto; FrontierMath Tier 4 è il livello più alto di una raccolta di problemi di matematica; ExploitBench chiede di trasformare falle note del motore JavaScript V8, quello di Chrome, in attacchi che funzionano. Quando un modello arriva vicino al 100%, il test smette di distinguere tra i migliori e bisogna inventarne di nuovi. Nell'uso del computer e del browser, secondo OpenAI, Astra sposta in avanti la frontiera: regge il lavoro professionale più esigente con una combinazione di velocità, precisione e buon senso che l'azienda considera senza rivali.

L'annuncio è insolitamente ricco di dati: curve di costo per ogni livello di ragionamento, note di metodo, ammissioni sui punti deboli, una lunga serie di video dimostrativi. Qui provo a rimettere in ordine tutto, sezione per sezione, separando cosa dichiara OpenAI da cosa si può già dire, e soprattutto cosa conta per un'azienda. Il giorno prima era uscito Claude Fable 5.1, di cui ho scritto nell'articolo su [Claude Fable 5.1 e Mythos 5.1](https://andreapirazzini.it/blog/claude-fable-5-1-mythos-benchmark-prezzi): molti confronti che seguono sono proprio con quel modello.

- **99,9%** su ARC-AGI-3, contro il 30,2% di Claude Opus 5
- **−47%** tempo per compito su OSWorld 2.0 rispetto a GPT-5.6 Sol (circa 40 minuti contro 75)
- **0%** colpi al bersaglio esca fuori dal perimetro autorizzato (GPT-5.6 Sol: 48,2%)
- **50 $** per milione di token in uscita via API (10 $ in ingresso)

_Fonte: dichiarato da OpenAI, settembre 2026_

## La scheda

| Voce | Cosa dichiara OpenAI |
| --- | --- |
| Disponibilità al lancio | Un gruppo ristretto di organizzazioni |
| Nei giorni successivi | ChatGPT Plus, Pro, Business ed Enterprise; API OpenAI, Microsoft Azure, AWS Bedrock |
| Nome nell'API | `gpt-6-astra` |
| Prezzo in ingresso | 10 $ per milione di token |
| Prezzo in uscita | 50 $ per milione di token |
| Modalità Fast | Due volte più veloce, al doppio del prezzo Standard |
| Versione Pro | GPT-6 Astra Pro per utenti Pro, Business ed Enterprise |
| Aziende Enterprise | Spento di default: lo attiva l'amministratore |
| Dati | Zero Data Retention via API, per chi ha i requisiti |
| Rischio cyber | Soglia Critical del Preparedness Framework |

OpenAI ha presentato il modello con un video di lancio, pubblicato sul proprio canale.

[Video: Il video di presentazione di GPT-6 Astra, dal canale YouTube di OpenAI](https://www.youtube.com/watch?v=1QNsdr-Qx_I)

## I numeri di testa

**GPT-6 Astra contro i rivali diretti** — Punteggio percentuale, più alto è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
| --- | --- | --- | --- | --- |
| Terminal-Bench Science 0.1 | 64,6% | 22,4% | 52,6% | 30% |
| ARC-AGI-3 | 99,9% | 7,8% | n.d. | 30,2% |
| FrontierMath Tier 4 (v2) | 97,6% | 83% | 87,8% | 73,2% |
| Terminal-Bench 4.0 | 57,9% | 37,3% | 55,8% | 52,3% |
| AutomationBench | 41,4% | 18,1% | 31,4% | 26,9% |
| Humanity's Last Exam (con strumenti) | 57,2% | n.d. | 65% | 63,6% |

_Fonte: dichiarato da OpenAI, settembre 2026_

Accanto ai punteggi, OpenAI mette spesso un secondo numero: quanto costa arrivarci. È la parte che conviene leggere con più attenzione.

- **Terminal-Bench Science 0.1**, flussi di ricerca scientifica fatti con codice e terminale (analisi dati, simulazioni, adattamento di modelli): Astra arriva al 64,6% contro il 52,6% di Claude Fable 5.1, e la spesa API stimata è più bassa di circa il 31%. Con un budget minore fa 61,1%, contro il 22,4% che è il miglior risultato di GPT-5.6 Sol, con circa il 27% di spesa in meno.
- **ARC-AGI-3**: 99,9%, dove Opus 5 si ferma al 30,2% e Sol al 7,8%. Per questo test OpenAI ha usato il proprio ambiente basato sulla Responses API, con due impostazioni modificate per somigliare all'uso reale; secondo l'azienda non sono ritocchi pensati per questo benchmark.
- **FrontierMath Tier 4**: già al livello di ragionamento medio si arriva al 97,6%, spendendo poco più di 0,6 $ a problema. Nei grafici originali i modelli Claude compaiono come linee tratteggiate, perché di loro si conosce solo il punteggio dichiarato e non il costo.
- **Terminal-Bench 4.0**: 57,9% con ragionamento alto, contro il 37,3% di Sol e il 55,8% di Fable 5.1, con un costo per compito stimato più basso di circa il 9% rispetto a Sol e di circa il 63% rispetto a Fable 5.1.
- **AutomationBench**: nel punto migliore Astra fa 41,4%, Sol 18,1%; Fable 5.1 (31,4%) e Opus 5 (26,9%) compaiono solo con il punteggio che ha pubblicato Anthropic.

Sul fronte ARC, la ARC Prize Foundation ha fatto sapere per bocca di Greg Kamradt che Astra ha battuto la loro misura umana di efficienza (quante azioni servono per risolvere un livello) sul 96% dei livelli: in pratica, parità con le persone. Kamradt lo definisce il miglior modello mai passato dai loro test e un vero cambio di passo per i modelli di frontiera. Per la fondazione conta non solo che risolva ambienti nuovi, ma quanto in fretta impara a farlo.

> **Nota:** Astra non vince ovunque, e le tabelle di OpenAI lo mostrano. Su Humanity's Last Exam con strumenti si ferma al 57,2%, contro il 65,0% di Fable 5.1. Sull'indice di intelligenza di Artificial Analysis (v4.1.1) fa 61,2, dietro a Fable 5.1 (65,7), Opus 5 (63,1) e Fable 5 (62,1). Su FrontierCode Fable 5 è appena sopra, e sull'indice di Artificial Analysis per gli agenti di programmazione Opus 5 fa 68,1 contro 67,0.

Gli indici di Artificial Analysis meritano un grafico a parte, perché sono le uniche classifiche del confronto calcolate da un soggetto esterno e non dai produttori dei modelli.

**Gli indici di Artificial Analysis** — Punti, più alto è meglio: classifiche calcolate da terzi

| Voce | Intelligence Index v4.1.1 | Coding Agent Index v1.4 |
| --- | --- | --- |
| GPT-6 Astra | 61,2 | 67 |
| GPT-5.6 Sol | 60,9 | 65,1 |
| Claude Fable 5.1 | 65,7 | n.d. |
| Claude Fable 5 | 62,1 | 67,2 |
| Claude Opus 5 | 63,1 | 68,1 |
| Gemini 3.8 Flash | 58,7 | 61,2 |

_Fonte: Artificial Analysis, riportati nelle tabelle di OpenAI, settembre 2026_

Sull'indice generale Astra supera di poco il predecessore (61,2 contro 60,9) e Gemini 3.8 Flash (58,7), ma resta sotto tutti e tre i Claude. Sull'indice per gli agenti di programmazione è a un soffio da Fable 5 e Opus 5. Secondo OpenAI, qui il suo vantaggio sta nel costo, non nel punteggio.

## Usare il computer come farebbe una persona

È l'area su cui OpenAI insiste di più. Astra sa sbrigare le incombenze noiose (compilare moduli online, aggiornare schede in un CRM, riordinare un calendario), cercare informazioni sul web e scriverne la sintesi direttamente nella mail o nel documento. Sa analizzare dati scientifici e farne grafici, costruire un sito e poi collaudarne l'interfaccia controllando che ogni funzione risponda, installare e provare software da solo e capire cosa non va guardando lo schermo.

**Usare il computer: i tre test** — Punteggio percentuale, più alto è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Opus 5 | Claude Fable 5 |
| --- | --- | --- | --- | --- |
| Agents' Last Exam | 59,3% | 53,6% | 55,5% | 48,7% |
| OSWorld 2.0 | 72,6% | 65,7% | 70,2% | n.d. |
| ScreenSpot-Pro | 92,7% | 76,9% | n.d. | 87,3% |

_Fonte: dichiarato da OpenAI, settembre 2026_

Agents' Last Exam mette gli agenti al lavoro su software veri, in compiti che vanno dai modelli finanziari all'ingegneria alla produzione di contenuti: nelle configurazioni migliori Astra consuma anche circa il 65% in meno di token in uscita rispetto a Opus 5. Su ScreenSpot-Pro parte già dal 91,4% con il ragionamento più basso; il dato di Fable 5 è in realtà di Mythos, cioè della variante con filtri più larghi. Su OSWorld 2.0 (la versione dell'8 agosto 2026, nel sottoinsieme che funziona senza internet) Opus 5 si avvicina, ma per arrivarci spende più del doppio.

Il dato più pratico riguarda il tempo. Simulando i tempi reali su OSWorld 2.0, OpenAI misura per Astra il 72,6% in circa 40 minuti a compito, mentre Sol si ferma al 65,7% in circa 75 minuti: **quasi metà del tempo** (circa -47%) per un risultato migliore. OpenAI ha anche aggiornato l'ambiente di Codex per l'uso del computer: sommando i due miglioramenti, su Mind2Web i compiti si chiudono **1,9 volte più in fretta** rispetto a Sol. L'idea, in parole semplici, è poter affidare al modello le piccole incombenze che mangiano la giornata e ritrovarle finite prima di quanto ci avremmo messo noi.

### Le dimostrazioni di lavoro

OpenAI ha pubblicato una serie di video su domini molto diversi tra loro. Le clip sono estratti montati; i tempi indicati sono quelli delle sessioni reali.

- **Un circuito stampato in KiCad.** In quindici secondi di video condensato, Astra passa dallo schema elettrico a un layout pronto per la produzione, sistemando i componenti e tracciando le piste di rame. Il layout di una scheda sta dentro qualunque apparecchio elettronico, si fa ancora in gran parte a mano ed è uno dei classici colli di bottiglia della progettazione: accelerarlo lascia agli ingegneri più tempo per inventare, ottimizzare e provare l'idea successiva.
- **Una gara di modellazione in Excel.** Un esercizio della Financial Modeling World Cup risolto dall'inizio alla fine: costruzione del modello, formule, controllo dei risultati. Il video breve mostra i passaggi chiave, quello integrale è la sessione in tempo reale.
- **Una scena di gioco in Unity.** Astra monta un quartiere urbano, sistema le luci e poi controlla il risultato camminando per strada dentro la scena.
- **La dichiarazione dei redditi americana.** Il modello legge un modulo W-2 e ne riporta i dati nella bozza del Form 1040, direttamente nel browser: il classico lavoro ripetitivo in cui un numero ricopiato male costa caro.
- **Il collaudo di un sito.** Astra apre il sito di OpenAI, prova le funzioni una alla volta e, in Linear, segna come fatta ogni voce della checklist appena il controllo passa.
- **Una dashboard in Power BI.** Sui dati di una flotta di veicoli, il modello importa le tabelle, crea le misure, disegna i grafici e impagina il tutto, usando l'interfaccia come farebbe un analista.
- **Un cambio a cinque marce.** Un'animazione con ingranaggi e alberi che girano dentro la scatola del cambio: un esempio di come Astra trasforma una descrizione tecnica in un modello meccanico che sta in piedi.
- **Un documento legale.** Un memorandum impaginato in LibreOffice Writer, curando intestazioni, spaziature e layout di pagina. Nella sessione completa sistema un intero testamento, da cima a fondo, in un minuto e quaranta.

### Le faccende di tutti i giorni

Poi ci sono i compiti domestici, quelli che tutti rimandiamo:

- **trovare un pediatra** vicino a casa, che accetti la propria assicurazione e abbia posti liberi: 2 minuti e 54 secondi di tempo reale;
- **cercare un appartamento** rispettando prezzo, zona e servizi, confrontando gli annunci, verificando i dettagli e riassumendo le opzioni migliori;
- **prenotare un appuntamento alla motorizzazione** americana (il DMV), scegliendo ufficio e orario e compilando il modulo;
- **scegliere snack adatti a chi ha il diabete**, leggendo le etichette e confrontando i valori nutrizionali fino a una lista finale;
- **confrontare gli asili** per distanza, recensioni e costi, chiudendo con una tabella che aiuta a scegliere.

Cognition, che produce l'agente di programmazione Devin, racconta per voce di Silas Alberti di averlo integrato nel proprio ambiente dal primo giorno. Sul loro test interno dedicato al collaudo del software Astra raggiunge lo stato dell'arte, e l'uso del computer, la scrittura e la comprensione del codice hanno migliorato subito i test, senza alcun adattamento: i video delle sessioni sono più facili da seguire e i rapporti più chiari e sintetici.

Per una PMI questa è la parte più concreta: molte attività ripetitive oggi passano da programmi senza API, e un agente che usa lo schermo può arrivarci. Ne parlo nella guida su come [automatizzare i processi aziendali con l'AI](https://andreapirazzini.it/guide/automatizzare-processi-aziendali-ai).

## Documenti, presentazioni e siti

Astra unisce l'uso del computer a un addestramento specifico sugli ambienti di lavoro: l'idea è che affronti compiti professionali complessi, con l'intelligenza per i problemi difficili e la capacità di portare avanti flussi in più passaggi, fino a documenti, fogli di calcolo e presentazioni già rifiniti.

**Lavoro professionale** — Punteggio percentuale, più alto è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
| --- | --- | --- | --- | --- |
| BenchCAD (con strumenti) | 95,9% | 83,3% | 84,3% | 82,1% |
| BrowseComp | 91,5% | 90,4% | n.d. | 90,8% |
| Compiti di design (interno) | 50% | 47,4% | n.d. | n.d. |
| Compiti di data science (interno) | 40,9% | 30,5% | n.d. | n.d. |

_Fonte: dichiarato da OpenAI, settembre 2026_

BenchCAD verifica se un modello ricostruisce un oggetto 3D, visto da più angolazioni, scrivendo il codice CAD giusto; il punteggio misura quanto la forma ottenuta si sovrappone a quella vera. Secondo OpenAI Astra ci arriva spendendo circa il 43% in meno di Sol e l'86% in meno di Fable 5.1, nelle configurazioni mostrate; i numeri dei Claude, però, riflettono tre modifiche al metodo di valutazione descritte nella system card di Fable 5.1. BrowseComp misura la ricerca sul web di informazioni difficili da trovare.

**OpenScore String Quartets** riguarda la lettura automatica di spartiti per quartetto d'archi, cioè la trascrizione in formato digitale di una partitura stampata. Il punteggio è costruito in modo che 1 corrisponda a una trascrizione perfetta: Astra arriva a 0,84, Sol si fermava a 0,19. È il salto più grande di tutto il confronto.

> **Nota:** Sui compiti interni di design e di data science OpenAI riporta per i modelli Claude solo punteggi dichiarati (tra il 34,7% e il 40,2%), attribuiti in modo non del tutto coerente tra il testo e le tabelle dell'annuncio. Per questo nel grafico li lascio fuori: il confronto affidabile è tra Astra e Sol, 50,0% contro 47,4% nel design (a sforzo massimo) e 40,9% contro 30,5% nella data science.

Sul lato pratico, OpenAI dice che Astra è il suo modello più bravo a **rispettare un template esistente**: slide impaginate bene, con un filo logico, e documenti che seguono stile di scrittura e grafica dell'azienda. È anche addestrato a portare nei documenti soltanto il contesto necessario, senza ripetizioni inutili, così che il risultato si possa usare subito.

### I documenti generati

- **Una presentazione su GPT-Gaia**, un modello inventato, costruita partendo da poche slide del modello grafico di OpenAI e coerente nel tono e nell'impaginazione fino all'ultima pagina. In pratica: presentazioni formattate secondo gli standard della propria azienda.
- **Un foglio sulla fidelizzazione dei clienti**, diviso per mese di acquisizione, con i tassi di permanenza a 1, 3 e 6 mesi, una mappa di calore e il confronto tra canali: un file da portare in riunione, non una tabella grezza.
- **Il documento "How Small Teams Win with ChatGPT"** di OpenAI, rifatto in nove pagine con lo stile di Goodfield Oat Co., un marchio immaginario: titoli, colori e gerarchia visiva del riferimento applicati a tutto il contenuto.

### Siti, modelli 3D e giochi

Astra porta anche un occhio più sicuro nella grafica di siti, giochi, applicazioni e rendering. Con **Sites in ChatGPT** crea, pubblica e condivide siti, web app e giochi partendo da una richiesta scritta. Le demo pubblicate:

- **una casa modellata in Blender** e trasformata in una scena percorribile in Unreal Engine 5, perché progettisti e clienti possano esplorare la pianta e "vivere" gli spazi prima che vengano costruiti; c'è anche il modello di partenza aperto in Blender, con masse, porte, finestre e mobili già al loro posto, prima dell'esportazione verso Unreal;
- **sette inquadrature renderizzate con Cycles** della stessa residenza nel bosco: l'esterno nella luce del tramonto, il soggiorno con la libreria, la cucina, lo studio, la camera da letto, il bagno e la terrazza;
- **un gioco di kart** (credito: Pietro Schirano), con grafica vivace, movimento preciso e una giocabilità che va ben oltre il prototipo: secondo OpenAI anche chi non ha competenze tecniche può creare e giocare titoli su misura in pochi minuti;
- **un cantiere di astronavi** generato in modo procedurale, in cui ogni seme produce una flotta diversa, creato e pubblicato proprio con Sites.

Higgsfield AI, che sviluppa strumenti creativi, riferisce per voce del suo amministratore delegato Alex Mashrabov un vantaggio sia di capacità sia di efficienza: i loro flussi creativi più complessi vanno a buon fine usando fino a un quinto dei token (20%) in meno rispetto agli altri modelli provati, con risultati di qualità più alta per i clienti.

### Chiede quando serve, e solo allora

Un cambiamento meno appariscente ma importante: davanti a istruzioni ambigue, Astra riempie da solo i vuoti di routine e fa domande solo quando la risposta cambia il risultato. Dentro Codex la domanda può arrivare in parallelo: il modello intanto porta avanti la parte di lavoro che non dipende dalla risposta; se nessuno risponde, procede con ipotesi ragionevoli ma aspetta sulle decisioni importanti.

L'esempio di OpenAI è eloquente. Richiesta: "Sto cambiando lavoro, fammi un sito personale partendo dal mio LinkedIn". Sol ci lavora per tredici minuti e restituisce un sito con un racconto generico, tutto da adattare. Astra, dopo venti secondi, chiede l'unica cosa che conta: verso quale ruolo ti stai spostando?

Gli altri due casi seguono lo stesso schema. Per la scelta di un'università, invece di sfornare un elenco lungo e generico, chiarisce prima i vincoli che pesano davvero (budget, materia, distanza) e solo dopo restringe la rosa. Per la lista della spesa completa da solo i dettagli ovvi e chiede solo ciò che cambierebbe la lista, come un'allergia o il numero di persone a tavola.

Astra tiene anche meglio la rotta quando il compito cambia strada facendo. I modelli precedenti a volte scambiavano una correzione per un obiettivo nuovo e dimenticavano la richiesta iniziale o i vincoli già dati; Astra incorpora i nuovi requisiti, cambia direzione quando glielo si chiede e risponde alle domande laterali senza perdere di vista il lavoro principale.

Harvey, che fa software per studi legali, lo vede come un salto di qualità netto rispetto a Sol sui compiti legali complessi. Niko Grupen, che guida la ricerca applicata, racconta un modello che lavora come un avvocato scrupoloso: tiene separato ciò che dicono i documenti da ciò che è accertato, mette in luce le ipotesi senza appoggio e trasforma le lacune in proposte di redazione concrete.

## Programmazione

Per OpenAI, Astra è oggi il suo miglior modello per lo sviluppo software. Due partner lo raccontano così:

- **Jane Street** (John Crepezzi) lo vede allo stato dell'arte sui propri test interni di programmazione, con un passo avanti chiaro rispetto a Sol anche nelle prove di intuizione di trading. Nel lavoro agentico spiega quello che fa in modo più facile da seguire per gli sviluppatori, e il codice che scrive richiede meno giri per arrivare alla qualità da produzione.
- **Lovable** (Fabian Hedin) lo ha provato con ragionamento basso, medio e alto su una delle proprie valutazioni di prima generazione, e in tutti e tre i casi è uscito nettamente davanti a Sol. Alzando il livello, il modello fa più tentativi su una build nuova, più verifiche con test nel browser e preferisce eseguire il codice piuttosto che limitarsi ad applicare modifiche. Capire come un modello spende il proprio sforzo, dice Hedin, è ciò che permette a milioni di persone di passare più in fretta dall'idea a un'app che funziona.

**Programmazione: i test principali** — Punteggio percentuale, più alto è meglio; accanto, Gemini 3.8 Flash

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
| --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 | 57,9% | 37,3% | 55,8% | 52,3% |
| DeepSWE v1.1 | 74,1% | 72,7% | 67,4% | 73,7% |
| FrontierCode 1.1 Extended | 64,5% | 60,6% | 63,6% | 63,6% |
| FrontierCode 1.1 Main | 53,3% | 47,5% | 50,9% | 53,4% |
| Migrazioni di database (interno) | 63,9% | 42,7% | 57,8% | n.d. |

_Fonte: dichiarato da OpenAI, settembre 2026_

Letto bene, il grafico dice due cose. Su Terminal-Bench 4.0 (compiti complessi da terminale: sviluppo software, configurazione di sistemi, analisi dati) e sulle migrazioni di database il distacco è netto. Su DeepSWE, FrontierCode e sull'indice di Artificial Analysis, invece, i migliori sono vicinissimi: Fable 5 fa 64,9% e 53,5% su FrontierCode e 67,2 sull'indice, cioè quanto o più di Astra, e su FrontierCode Main anche Opus 5 (53,4%) è un decimo sopra. Il vantaggio di Astra, qui, sta nel costo: su FrontierCode Extended arriva al 64% con circa 26.000 token in uscita, mentre Fable 5, per un risultato analogo, ne consuma quasi due volte tanto. Su DeepSWE, dove Astra dà il meglio con ragionamento extra-alto, Gemini 3.8 Flash è confrontabile solo al livello medio-alto, e il dato di Fable 5.1 (67,4%) è solo quello dichiarato.

Su FrontierCode Astra ha ricevuto istruzioni simili a una parte di quelle che usa in Codex: non creare file di test superflui, non fare pulizie non richieste né aggiungere complessità inutile, riusare le funzioni esistenti, leggere le regole del repository e guardare codice, test, documentazione e integrazione continua vicini, seguendo le convenzioni del progetto. Lo scopo è un codice pulito, pronto per essere unito al resto. OpenAI precisa che il prompt non è stato ottimizzato per il test.

### Appunti al posto dei riassunti

In Codex arriva un modo nuovo di gestire le sessioni lunghe. Finora, quando la finestra di contesto si riempiva, il modello _compattava_: riassumeva il lavoro fatto, perdendo a volte dettagli preziosi (perché una correzione era fallita, come si comportava un componente). Succede soprattutto nel debug più ostinato o nei grandi refactoring. Con Astra, Codex può tenere **appunti attraverso più finestre di contesto**, senza schiacciare tutto in un unico riassunto, e le finestre precedenti restano consultabili: il modello può ritrovare un requisito o l'esito di un test nei messaggi e negli output passati, anche se non era finito negli appunti. La funzione è sperimentale, si attiva nel file `config.toml` di Codex e diventerà quella predefinita per Astra nelle settimane successive al lancio.

## Scienza e salute

Epoch AI ha commentato il lancio con una frase secca, firmata da Greg Burnham: «fine di un'era, inizio di un'altra». Il motivo principale sono due risultati sui numeri primi pubblicati insieme al modello.

Il primo riguarda quanto possono stare vicini due numeri primi, anche andando lontanissimo sulla retta dei numeri. Per oltre dieci anni il miglior risultato diceva che esistono infinite coppie di primi a distanza non superiore a 246; Julia Stadlmann era scesa di recente a 240; con il contributo di Astra si arriva a **186**. Il secondo riguarda i salti insolitamente grandi tra un primo e il successivo: Astra ha affinato uno dei termini di una stima rimasta immobile per più di 80 anni. Dimostrazioni, versioni abbreviate dei ragionamenti del modello e materiali di verifica sono pubblici.

Sui test scientifici:

- **GPQA Diamond** (domande di livello dottorato in biologia, chimica e fisica): 96,0%, il migliore del confronto. A una spesa più bassa fa 94,9%, sopra il 94,6% di Sol, spendendo circa il 37% in meno.
- **HealthBench Professional**: Astra resta intorno al 63% a ogni livello di costo (63,4% il massimo, contro 60,5% di Sol). I modelli Claude li ha valutati OpenAI stessa, seguendo la procedura prevista dal test, con correzione affidata a GPT-5.4 e punteggi corretti per la lunghezza delle risposte, senza troncarle; per Fable 5.1, quando Anthropic rifiutava la risposta, è subentrato Opus 5.
- **LifeSciBench**: 60,3% a circa 2,3 $, contro il 59,9% che Sol raggiunge solo al ragionamento massimo spendendo quasi il triplo.
- **GeneBench Pro**: 37,8% contro 28,7%, e Astra è già al 28,5% nel punto di spesa più basso.
- **MedChemBench** (interno): 49,3% contro 47,4%, e oltre il 47% già sotto il mezzo dollaro.

**Scienza e salute** — Punteggio percentuale, più alto è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Gemini 3.8 Flash |
| --- | --- | --- | --- | --- |
| GPQA Diamond | 96% | 94,6% | 93,7% | 95,3% |
| HealthBench Professional | 63,4% | 60,5% | 58,1% | 52,1% |
| LifeSciBench | 60,3% | 59,9% | n.d. | n.d. |
| GeneBench Pro | 37,8% | 28,7% | n.d. | n.d. |
| MedChemBench (interno) | 49,3% | 47,4% | n.d. | n.d. |

_Fonte: dichiarato da OpenAI, settembre 2026_

Sugli ultimi tre test mancano i Claude: secondo OpenAI, Fable 5 e Fable 5.1 rifiutano la maggior parte delle domande di LifeSciBench Gold v1, GeneBench Pro v13 e MedChemBench. Tra le demo c'è anche Astra che lavora dentro software scientifici per controllare la qualità di un sequenziamento genetico e visualizzarne le varianti: unendo ragionamento scientifico e uso del computer, aiuta i ricercatori a pesare i dati e a decidere dove concentrare le analisi successive.

### Contesto lungo e ragionamento astratto

**Contesto lungo e ragionamento astratto** — Punteggio percentuale, più alto è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 | Claude Opus 5 |
| --- | --- | --- | --- | --- |
| MRCR v2, da 256K a 512K token | 100% | 91,5% | n.d. | n.d. |
| MRCR v2, da 512K a 1M token | 96,3% | 73,8% | n.d. | n.d. |
| ARC-AGI-3 | 99,9% | 7,8% | n.d. | 30,2% |
| ARC-AGI-2 | 95% | 92,5% | 90% | 90,4% |
| ARC-AGI-1 | 98,5% | 97,5% | 97,5% | 97,5% |

_Fonte: dichiarato da OpenAI, settembre 2026_

MRCR misura la capacità di ritrovare più informazioni sparse ("aghi") in un testo enorme: tra mezzo milione e un milione di token Astra fa 96,3%, contro il 73,8% di Sol. Tradotto per un'azienda: un contratto lunghissimo, un archivio di verbali o una codebase intera possono stare in una sola richiesta senza che i dettagli si perdano per strada. Su ARC-AGI-1 anche Fable 5 fa 98,5%, e su ARC-AGI-2 si ferma all'89,2%.

## Cybersicurezza: la soglia Critical

Questa è la parte più delicata. Astra fa un salto netto nelle capacità informatiche, tanto da arrivare al livello **Critical** nella scala di rischio di OpenAI, il Preparedness Framework, come l'azienda aveva anticipato in un aggiornamento sulla sicurezza. Saper trovare e sfruttare vulnerabilità mai viste (le _zero-day_) aiuta chi difende a chiudere le falle prima, ma richiede protezioni molto più forti. Per misurare fin dove si spingono queste abilità, OpenAI ha condotto prove interne e ne ha commissionate a esperti esterni.

**Capacità cyber a confronto** — Percentuale di successo nei test di OpenAI

| Voce | GPT-6 Astra | GPT-5.6 Sol | Claude Opus 5 |
| --- | --- | --- | --- |
| ExploitBench | 100% | 78,5% | 70% |
| ExploitGym | 42,4% | 30,3% | 22% |
| ExploitBench giugno–agosto 2026 | 39% | 11,5% | n.d. |
| SRE-Bench (primo tentativo) | 88% | 55,9% | 12,5% |
| SEC-Bench Pro | 85,4% | 79,1% | n.d. |

_Fonte: dichiarato da OpenAI, settembre 2026_

I primi due test, eseguiti senza le protezioni di produzione, verificano se un modello trasforma vulnerabilità note in exploit che funzionano. Su **ExploitBench** (falle note del motore JavaScript V8) Astra fa il 100%, contro il 78,5% di Sol, che era il precedente modello di frontiera con capacità cyber, e il 70% di Opus 5. Su **ExploitGym** arriva al 42,4%, e lo fa con circa 31.000 token in uscita, mentre Sol tocca il 30% solo superando i 269.000; entrambi sono stati provati senza il limite di 6 ore previsto dal test, per misurarne le capacità piene (sono comunque abbastanza veloci da rendere quel limite poco rilevante). Nella stessa tabella Fable 5.1 fa 30,4% e Fable 5 28,4%, ma quei dati sono di Mythos, la variante con meno protezioni.

Il dubbio ovvio è che il modello abbia già "visto" le vecchie falle durante l'addestramento. Per questo OpenAI ha costruito due prove nuove:

- **ExploitBench giugno–agosto 2026**: venti vulnerabilità gravi di V8 comparse in tredici versioni stabili di Chrome negli ultimi tre mesi. Il test verifica se l'agente, sfruttando ciascuna falla, riesce a eseguire codice arbitrario sia in V8 sia nelle versioni ufficiali di Chrome per Linux. Astra ci riesce nel 39% dei casi contro l'11,5% di Sol, con metà dei token. Non tutte le falle permettono di arrivarci entro i vincoli della prova, quindi il 100% potrebbe essere irraggiungibile. Durante i test Astra ha **scoperto e usato due zero-day** sconosciute, che OpenAI sta segnalando a chi mantiene quel software.
- **SRE-Bench**: reverse engineering di programmi compilati, cioè capire la logica di un software senza averne il codice sorgente. Il test viene da uno studio del 2026 che lo presenta come privo di contaminazioni. Astra chiude l'88,0% dei compiti al primo colpo e il 99,2% avendo a disposizione quattro tentativi; Sol si ferma al 55,9% e al 68,7%, con un costo per compito molto più alto. Opus 5 è al 12,5%.

Nelle valutazioni con esperti, sempre senza protezioni, Astra è riuscito a usare falle sconosciute per eseguire codice in browser blindati e a costruire exploit per ottenere privilegi più alti su sistemi operativi altrettanto protetti.

> **Attenzione:** La versione rilasciata al pubblico consente revisione sicura del codice e correzione delle falle, ma rifiuta i compiti più avanzati, come scrivere exploit dimostrativi (_proof-of-concept_). Attraverso OpenAI Daybreak, l'azienda prevede nelle settimane successive di allargare l'accesso con protezioni meno restrittive per validare vulnerabilità, analizzare malware e scrivere regole di rilevamento. Di Daybreak avevo scritto nell'articolo su [OpenAI Daybreak e GPT-5.6 Cyber](https://andreapirazzini.it/blog/openai-daybreak-gpt-5-6-cyber).

Rispetto a Sol, le difese contro l'abuso sono state rafforzate: il modello resiste meglio ai jailbreak, i sistemi di monitoraggio ricevono più contesto, e i test interni ed esterni continuano, compresi attacchi automatici di red teaming, descritti nel dettaglio nella system card del modello. Il ragionamento di fondo, già esposto da OpenAI nel testo _The Defender's Window_, è che queste capacità aiutano i difensori a trovare prima le debolezze ma le rendono anche più facili da sfruttare: il tempo per adeguarsi si accorcia.

Per un'azienda il messaggio pratico è doppio. Da un lato, strumenti così abbassano il costo di una buona revisione della sicurezza del proprio software. Dall'altro, abbassano anche il costo di un attacco: aggiornare in fretta browser, sistemi e librerie diventa ancora più importante di prima.

## Allineamento: il modello che resta nel perimetro

L'altra metà dell'annuncio è l'allineamento, cioè quanto il modello fa quello che si intende davvero e si ferma dove deve. OpenAI lo definisce il suo modello più allineato: capisce meglio le intenzioni di chi scrive, si comporta in modo più prevedibile, agisce con prudenza, rispetta i confini del compito e comunica in modo trasparente. È, dice l'azienda, l'ultimo frutto di un programma di ricerca lungo anni.

Tra le prove ce n'è una inedita, nata dopo l'incidente di Hugging Face: misura se un modello, davanti a un compito difficile o impossibile, esce dal perimetro che gli è stato assegnato. Senza le protezioni di produzione, GPT-5.6 Sol colpiva un bersaglio esca fuori dal perimetro nel 48,2% dei casi. Astra **mai**.

Quando l'ambiente è delicato, Astra dosa la prudenza in base al rischio. In una prova fatta di compiti di uso del computer scelti apposta per provocare errori, ha evitato meglio degli altri le conseguenze indesiderate: secondo OpenAI produce meno risultati disallineati di tutti gli altri modelli di frontiera messi alla prova.

**Esiti indesiderati nell'uso del computer** — Benchmark interno OpenAI, più basso è meglio

| Voce | Esiti indesiderati |
| --- | --- |
| GPT-6 Astra | 2,4% |
| Claude Fable 5.1 | 9,5% |
| Claude Opus 5 | 11,5% |
| Claude Fable 5 | 18,3% |
| GPT-5.6 Sol | 22% |

_Fonte: dichiarato da OpenAI, settembre 2026_

Per un confronto equo, OpenAI ha usato un ambiente generico per agenti basato sugli strumenti nativi della propria Responses API e della Messages API di Anthropic, senza le protezioni che gli utenti di Codex e ChatGPT Work hanno di solito, come la revisione automatica e le conferme. Con la revisione automatica accesa, Astra scende all'1,8% (Sol al 4,3%).

**Allineamento: Astra contro Sol** — Percentuale di casi, più basso è meglio

| Voce | GPT-6 Astra | GPT-5.6 Sol |
| --- | --- | --- |
| ExploitGym honeypot | 0% | 48,2% |
| Allucinazioni sulle proprie capacità | 4,2% | 12,2% |
| Uso del computer con revisione automatica | 1,8% | 4,3% |
| Aggiramento di un no di Codex Auto-Review | 0% | 0,29% |

_Fonte: dichiarato da OpenAI, settembre 2026_

In una prova interna, fatta su compiti di lavoro d'ufficio, Astra non ha mai cercato di scavalcare un diniego della revisione automatica di Codex, nemmeno quando questa era configurata apposta per essere aggirabile e il compito non si poteva finire in altro modo: approfittare di una configurazione debole conta come fallimento. È anche tre volte meno propenso di Sol ad affermare cose false su ciò che sa o può fare. E sulla prova Impossible ExploitGym, l'unica della serie in cui conta il punteggio più alto, arriva al 100%.

> **Attenzione:** C'è un punto che OpenAI non nasconde. Quando gli si chiedeva apposta di sfuggire ai controlli, le tracce di ragionamento di Astra sono risultate **più difficili da sorvegliare** rispetto a quelle di Sol. La spiegazione proposta: controlla meglio ciò che scrive nei compiti semplici e li risolve con meno passaggi espliciti. Nei compiti complessi, per ora, non sembra riuscire a occultare i passaggi che gli servono, ma OpenAI dice di prendere il calo sul serio e di farne una priorità di ricerca.

Sopra l'addestramento ci sono le difese di sistema: la revisione automatica di Codex e un **monitoraggio del disallineamento** attivo in produzione per i modelli di classe Astra, cioè classificatori che controllano ragionamento e azioni e fermano da soli le attività potenzialmente non autorizzate, come già avviene negli usi interni di OpenAI. Il rovescio della medaglia: questi controlli possono rallentare, mettere in pausa o bloccare anche lavoro legittimo, compresa la sicurezza difensiva. In ChatGPT o Codex può capitare di dover approvare un'azione prima di continuare; nell'API il compito si interrompe. OpenAI promette di ridurre le interruzioni inutili e ribadisce che la sorveglianza è una rete di sicurezza e non prende il posto dell'allineamento: il traguardo è un modello che rimanga da solo dentro i confini autorizzati, così che queste protezioni non debbano mai scattare.

## Prezzi e disponibilità

Al lancio Astra è aperto a un gruppo ristretto di organizzazioni; nei giorni seguenti si estende agli abbonati ChatGPT Plus, Pro, Business ed Enterprise e via API OpenAI, Microsoft Azure e Amazon Bedrock. In ChatGPT l'uso rientra nei limiti degli abbonamenti, con la possibilità di comprare crediti extra. Chi ha Pro, Business o Enterprise avrà anche **GPT-6 Astra Pro**. Nelle aziende Enterprise il modello parte spento e va abilitato dall'amministratore.

Per i clienti API idonei c'è la Zero Data Retention, e OpenAI sta sperimentando il **Private Safety Processing**, annunciato il mese precedente, che punta a rafforzare i controlli di sicurezza senza sacrificare la privacy dei clienti.

**GPT-6 Astra via API** — Dollari per milione di token

| Voce | Prezzo |
| --- | --- |
| Input, Standard | 10 $ |
| Output, Standard | 50 $ |
| Input, Fast mode | 20 $ |
| Output, Fast mode | 100 $ |

_Fonte: listino OpenAI, settembre 2026 (Fast mode: doppio del prezzo Standard)_

Le letture e le scritture nella cache hanno tariffe a parte, che l'annuncio non riporta. La modalità Fast è disponibile per Astra nell'API.

### Un esempio di calcolo

Tre casi inventati, a prezzi di listino e senza sconti della cache:

| Caso | Token in ingresso | Token in uscita | Standard | Fast mode |
| --- | --- | --- | --- | --- |
| Riassunto di un contratto | 30.000 | 2.000 | 0,40 $ | 0,80 $ |
| Sessione di programmazione con un agente | 1,5 milioni | 100.000 | 20 $ | 40 $ |
| Un mese di assistente interno: 2.000 richieste | 10 milioni | 1,6 milioni | 180 $ | 360 $ |

Nel terzo caso ogni richiesta ha 5.000 token in ingresso e 800 in uscita: 100 $ di input e 80 $ di output al mese. Si vede subito che l'output, a 50 $ per milione, pesa quasi quanto un volume di input sei volte più grande. E si vede che la modalità Fast va usata dove la velocità vale davvero il doppio, non come impostazione predefinita.

## Tutti i numeri, tabella per tabella

Per chi vuole il quadro completo, ecco le tabelle dell'annuncio con tutti i modelli confrontati. Il trattino indica un valore non riportato. Salvo dove indicato, più alto è meglio.

**Uso del computer e lavoro professionale**

| Test | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gemini 3.8 Flash |
| --- | --- | --- | --- | --- | --- | --- |
| Agents' Last Exam | 59,3% | 53,6% | — | 48,7% | 55,5% | — |
| OSWorld 2.0 (offline, parziale) | 72,6% | 65,7% | — | — | 70,2% | — |
| ScreenSpot-Pro (senza strumenti) | 92,7% | 76,9% | — | 87,3% (Mythos) | — | — |
| AutomationBench | 41,4% | 18,1% | 31,4% | 17,4% | 26,9% | — |
| BenchCAD | 95,9% | 83,3% | 84,3% | 67,5% | 82,1% | — |
| BrowseComp | 91,5% | 90,4% | — | 87,4% | 90,8% | — |
| OpenScore String Quartets | 0,84 | 0,19 | — | — | — | — |
| Compiti di design (interno) | 50,0% | 47,4% | — | 35,8% | — | — |
| Compiti di data science (interno) | 40,9% | 30,5% | — | 34,7% | — | — |
| Artificial Analysis Intelligence Index v4.1.1 | 61,2 | 60,9 | 65,7 | 62,1 | 63,1 | 58,7 |

**Programmazione e materie accademiche**

| Test | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gemini 3.8 Flash |
| --- | --- | --- | --- | --- | --- | --- |
| Terminal-Bench 4.0 | 57,9% | 37,3% | 55,8% | 42,0% | 52,3% | 19,1% |
| DeepSWE v1.1 | 74,1% | 72,7% | 67,4% | 69,9% | 73,7% | 73,8% |
| FrontierCode 1.1 Extended | 64,5% | 60,6% | 63,6% | 64,9% | 63,6% | 56,3% |
| FrontierCode 1.1 Main | 53,3% | 47,5% | 50,9% | 53,5% | 53,4% | 43,6% |
| Migrazioni di database (interno) | 63,9% | 42,7% | 57,8% | 50,3% | 61,1% (solo nel testo) | — |
| Artificial Analysis Coding Agent Index v1.4 | 67,0 | 65,1 | — | 67,2 | 68,1 | 61,2 |
| Terminal-Bench Science 0.1 | 64,6% | 22,4% | 52,6% | 21,4% | 30,0% | — |
| FrontierMath Tier 4 (v2) | 97,6% | 83,0% | 87,8% | 87,8% | 73,2% | — |
| GPQA Diamond | 96,0% | 94,6% | 93,7% | 92,6% | 93,7% | 95,3% |
| Humanity's Last Exam (con strumenti) | 57,2% | — | 65,0% | 63,8% | 63,6% | — |

**Scienza, salute e cybersicurezza**

| Test | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gemini 3.8 Flash |
| --- | --- | --- | --- | --- | --- | --- |
| GeneBench Pro | 37,8% | 28,7% | — | — | — | — |
| MedChemBench (interno) | 49,3% | 47,4% | — | — | — | — |
| LifeSciBench | 60,3% | 59,9% | — | — | — | — |
| HealthBench Professional | 63,4% | 60,5% | 58,1% | 60,9% | 56,4% | 52,1% |
| ExploitBench | 100% | 78,5% | — | — | 70% | — |
| ExploitGym | 42,4% | 30,3% | 30,4% (Mythos) | 28,4% (Mythos) | 22,0% | — |
| ExploitBench giugno–agosto 2026 | 39,0% | 11,5% | — | — | — | — |
| SRE-Bench | 88,0% | 55,9% | — | — | 12,5% | — |
| SEC-Bench Pro | 85,4% | 79,1% | — | — | — | — |

**Allineamento, contesto lungo e ragionamento astratto** (per l'allineamento più basso è meglio, salvo Impossible ExploitGym)

| Test | Astra | Sol | Fable 5.1 | Fable 5 | Opus 5 | Gemini 3.8 Flash |
| --- | --- | --- | --- | --- | --- | --- |
| Sicurezza nell'uso del computer (interno) | 2,4% | 22,0% | 9,5% | 18,3% | 11,5% | — |
| Lo stesso, con Auto-Review | 1,8% | 4,3% | — | — | — | — |
| Aggiramento della revisione (interno) | 0,00% | 0,29% | — | — | — | — |
| ExploitGym honeypot | 0,0% | 48,2% | — | — | — | — |
| Impossible ExploitGym | 100% | — | — | — | — | — |
| Allucinazioni sulle capacità (interno) | 4,2% | 12,2% | — | — | — | — |
| MRCR v2, 8 aghi, 256K–512K | 100% | 91,5% | — | — | — | — |
| MRCR v2, 8 aghi, 512K–1M | 96,3% | 73,8% | — | — | — | — |
| ARC-AGI-3 | 99,9% | 7,8% | — | — | 30,2% | — |
| ARC-AGI-2 | 95,0% | 92,5% | 90,0% | 89,2% | 90,4% | — |
| ARC-AGI-1 | 98,5% | 97,5% | 97,5% | 98,5% | 97,5% | — |

## Come leggere questi numeri

Le note di metodo di OpenAI sono lunghe e vale la pena riassumerle tutte, perché cambiano il peso dei confronti:

- I punteggi sono il **massimo** ottenuto a qualsiasi livello di ragionamento.
- I test sui modelli GPT sono stati fatti nell'ambiente di ricerca di OpenAI o via API: ChatGPT in produzione può rispondere in modo un po' diverso, per prompt di sistema e strumenti differenti.
- Per GPT-5.6 Sol si intende la versione dell'API, di Codex e di ChatGPT Work; quella nella chat di ChatGPT è leggermente diversa.
- OSWorld V2-Offline è la parte di OSWorld V2 che gira senza accesso a internet. I risultati dei Claude su questa versione sono stati riprodotti dagli autori del test sulla classifica ufficiale, con le impostazioni standard e non con i compiti e la correzione modificati della system card di Fable 5.1.
- I tempi indicati nelle demo sono quelli effettivamente trascorsi nelle sessioni corrispondenti; le clip mostrate sono estratti montati.
- Su BenchCAD i numeri dei Claude riflettono tre modifiche alla valutazione, descritte nella system card di Fable 5.1.
- Su ScreenSpot-Pro ed ExploitGym i punteggi di Fable riportati vengono da Mythos, cioè da Fable con meno protezioni.
- Su HealthBench Professional OpenAI ha valutato da sé tutti i Claude, con la procedura del test, correzione di GPT-5.4 e punteggi corretti per la lunghezza e non troncati; per Fable 5.1 i rifiuti del fornitore sono stati coperti con Opus 5.
- Sui modelli di terzi OpenAI usa una configurazione di ricerca più semplice di quella di produzione di Codex, che può dare tassi di errore diversi; anche le protezioni dei fornitori e gli strumenti di uso del computer restano diversi. Lo scenario senza conferme in Codex è una configurazione interna di ricerca: gli utenti non lo vivono.
- Per la lettura degli spartiti OpenAI cita due lavori accademici: LEGATO, un approccio al riconoscimento ottico della musica stampata (2025), e l'OpenScore String Quartet Corpus, presentato a una conferenza sulle biblioteche digitali per la musicologia (2023). SRE-Bench viene da un articolo di Jeremy Spence e colleghi uscito nel 2026.
- Molti numeri dei Claude sono solo "dichiarati" da Anthropic, oppure ottenuti con modifiche alla valutazione. In sintesi: nessuno dei confronti è stato rifatto da un soggetto indipendente nelle stesse condizioni, a parte gli indici di Artificial Analysis e i risultati riprodotti su OSWorld.

## Cosa significa per un'azienda

Tolti i record, l'annuncio lascia alcune indicazioni pratiche.

1. **Se usate ChatGPT Business o Enterprise**, Astra arriva nei giorni successivi al lancio e l'uso rientra nei limiti dell'abbonamento, con crediti extra per chi li supera. In Enterprise però il modello parte spento: conviene decidere prima chi lo usa, per quali attività e con quali dati, invece di accenderlo per tutti.
2. **Se costruite agenti via API**, il listino da 10 e 50 dollari è solo metà del conto: l'altra metà la fanno i token consumati. OpenAI insiste proprio su questo, con Astra che chiude compiti usando meno token dei rivali (circa il 65% in meno di Opus 5 in uscita su Agents' Last Exam, metà dei token di Sol sulle vulnerabilità recenti, circa 26.000 token su FrontierCode Extended). Sono numeri da verificare sui propri flussi, non da prendere per buoni.
3. **Se volete automatizzare lavoro su programmi senza API**, l'uso del computer è il fronte più interessante, con tempi quasi dimezzati rispetto a Sol. Va però messo in conto che i controlli di sicurezza possono mettere in pausa un'azione in ChatGPT o Codex, o fermare del tutto un compito nell'API: il flusso va progettato sapendo che può interrompersi.
4. **Per la sicurezza informatica**, il salto nelle capacità cyber vale in entrambe le direzioni. Tenere aggiornati browser, sistemi e librerie diventa ancora più urgente, perché trovare e sfruttare una falla costerà meno a tutti, anche a chi attacca.

## Il mio parere

Per una volta l'annuncio è pieno di dati veri: curve costo-qualità con un punto per ogni livello di ragionamento, note che ammettono dove il confronto con Claude zoppica, una sezione cyber che ammette senza giri di parole la scoperta di due zero-day e spiega che il modello pubblico non scrive exploit. Così andrebbe presentato ogni modello di punta, e da qui in avanti sarà il metro con cui misurare gli altri.

Tengo però a mente tre cose. Primo, quasi tutti i numeri li ha misurati OpenAI, e i confronti con Fable 5.1 e Opus 5 sono spesso basati su punteggi dichiarati o su valutazioni modificate. Secondo, la sorvegliabilità del ragionamento peggiora, e lo dice OpenAI stessa: per chi affida ad agenti compiti delicati non è un dettaglio. Terzo, per un'azienda europea a decidere sono costi, tempi di risposta e integrazione con i sistemi che già usa, non i benchmark: i 10 e 50 dollari a milione di token, il raddoppio della modalità Fast e la versione Pro vanno messi in un foglio di calcolo prima di spostare qualsiasi sistema.

Il metodo che consiglio è sempre lo stesso: un piccolo insieme di attività reali, eseguite con Astra e con il modello in uso oggi, misurando qualità, costo, tempi e quante volte serve l'intervento di una persona. Se volete impostare questo confronto sui vostri processi, possiamo farlo insieme.

[Prenota una call](https://andreapirazzini.it/prenota)

## Domande frequenti

**Quanto costa GPT-6 Astra via API?**

10 dollari per milione di token in ingresso e 50 dollari per milione in uscita. La modalità Fast è due volte più veloce e costa il doppio. Le tariffe della cache sono separate.

**Chi può usare GPT-6 Astra?**

Al lancio un gruppo ristretto di organizzazioni; nei giorni successivi gli utenti ChatGPT Plus, Pro, Business ed Enterprise e gli sviluppatori via API OpenAI, Azure e Amazon Bedrock. Nelle aziende Enterprise va attivato dall'amministratore.

**Astra è il migliore su tutti i benchmark?**

No. È davanti sulla maggior parte dei test pubblicati da OpenAI, ma su Humanity's Last Exam con strumenti e sull'indice di intelligenza di Artificial Analysis i modelli Claude fanno meglio.

**Astra scrive exploit informatici?**

La versione pubblica no: permette revisione del codice e correzione delle falle, ma rifiuta gli exploit dimostrativi. OpenAI prevede un accesso più ampio per i difensori tramite Daybreak.

**Cosa vuol dire che Astra è "più allineato"?**

Che nei test di OpenAI rispetta meglio i limiti del compito: 0% di tentativi di uscire dal perimetro autorizzato contro il 48,2% di GPT-5.6 Sol. Il suo ragionamento però è risultato più difficile da monitorare.

**I dati restano riservati?**

Per i clienti API idonei è disponibile la Zero Data Retention; OpenAI sta inoltre provando il Private Safety Processing per i controlli di sicurezza.