Кратко
- GPT-6 Astra держит в памяти около 1,05 млн токенов текста — это полторы тысячи страниц, поэтому главный козырь модели — работа с длинными документами.
- В математике, поиске уязвимостей и самостоятельной работе в программах Astra ставит новые рекорды, но не везде: в правках готового кода её обходит модель другого разработчика.
- У Astra нельзя выключить режим рассуждений — можно только выбрать глубину, и на простые бытовые вопросы это делает модель избыточной.
- Попробовать GPT-6 Astra можно в чате Veruna AI на подписке Max — без VPN и иностранной карты.
GPT-6 Astra умеет держать в фокусе документ на полторы тысячи страниц без потери деталей, самостоятельно ориентироваться в интерфейсах программ и доводить до конца многошаговые рассуждения — и в этом главное отличие модели от предыдущих версий OpenAI. В поиске это обычно формулируют короче: «что умеет гпт 6 астра» или «чат гпт 6 астра что умеет» — разбираемся именно с этим, по бенчмаркам и на живых сценариях, а не по релизным обещаниям. Про доступ, цену подписки и работу без VPN мы уже рассказывали в статье как пользоваться GPT-6 Astra в России — здесь только о том, что модель реально делает.
Что умеет GPT-6 Astra по паспортным данным
Контекстное окно GPT-6 Astra — около 1,05 млн токенов, это примерно полторы тысячи страниц печатного текста, которые модель способна удерживать в одном разговоре целиком. Максимальная длина одного ответа — 128 тысяч токенов, а знания актуальны по апрель 2026 года. На входе модель принимает текст и изображения, а вот на выходе — только текст: ни картинок, ни видео Astra не генерирует, для этого в каталоге нейросетей есть другие инструменты.
GPT-6 Astra и миллион токенов контекста: нейросеть для длинных документов
Самое заметное отличие Astra от предыдущих моделей — не в том, сколько текста она может «проглотить» за раз, а в том, что она не теряет детали к концу этого текста. Показательный тест — MRCR v2, где модель должна найти несколько конкретных фактов, разбросанных по длинному документу.
На отрезке от 256 до 512 тысяч токенов Astra находит 100% нужных фактов — против 91,5% у предыдущего флагмана GPT-5.6 Sol. А на диапазоне от 512 тысяч до миллиона токенов, где раньше «терялись» даже сильные модели, разрыв ещё заметнее: 96,3% против 73,8%.
На практике для нейросети для работы с документами это значит, что необязательно резать договор, дипломную работу или годовой отчёт на куски перед тем, как отдать его модели: текст можно загрузить целиком и получить точный ответ по любой его части, а не пересказ по памяти. Разбор объёмного PDF, сведение нескольких версий одного документа или поиск конкретного пункта в многостраничном ТЗ — как раз тот класс задач, где миллион токенов контекста у GPT-6 Astra ощущается на практике, а не остаётся цифрой в характеристиках. Если интересно, какие ещё задачи с документами по силам нейросетям в целом, у нас есть отдельный разбор нейросетей для работы с документами.
Самостоятельная работа в программах
Astra умеет не только отвечать текстом, но и действовать: ориентироваться в интерфейсах программ, кликать, вводить данные и доводить многошаговый сценарий до результата. На бенчмарке OSWorld 2.0, который проверяет именно такую самостоятельную работу за компьютером, Astra набирает 72,6% против 65,7% у GPT-5.6 Sol.
Выросла и скорость выполнения: Sol в среднем тратил на такую задачу около 75 минут, Astra справляется примерно за 40 — почти вдвое быстрее.
Код и терминал: сильна, но не во всём
В работе с терминалом результаты впечатляющие: Astra набирает 57,7% на Terminal-Bench 4.0, у Sol в том же тесте только 37,3%, у Claude Fable 5.1 — 55,8%. Разрыв с собственным предшественником больше чем в полтора раза, конкурента от Anthropic модель тоже обходит, хоть и не с большим отрывом.
А вот в правках уже существующего кода картина другая. На бенчмарке DeepSWE v1.1, который проверяет именно доработку реального кода, а не решение задач с нуля, Astra набирает 74,1% — и здесь её обходит модель другого разработчика, Muse Spark 1.3, с результатом 75,4% (у Sol — 72,7%). Если основная задача — не написать разовый терминальный скрипт, а долго и аккуратно дорабатывать чужую кодовую базу, разницу между моделями стоит проверить вживую, а не полагаться на один бенчмарк. Мы отдельно разбирали, какая нейросеть лучше пишет код в разных сценариях — от чат-ассистентов до IDE-агентов.
Математика, наука и безопасность
В сложной математике разрыв особенно велик: на FrontierMath Tier 4 Astra набирает 97,6% против 83,0% у Sol. В естественных науках, тест GPQA Diamond, — 96,0%. В поиске уязвимостей на бенчмарке ExploitBench модель доходит до 100% против 78,5% у Sol, а на SRE-Bench, где нужно самостоятельно расследовать инцидент в инфраструктуре, — 88,0% против 55,9%.
Эти цифры объясняют, почему на Astra уже смотрят команды, которым нужен не разговорный ассистент, а инструмент для тяжёлой аналитической и инженерной работы.
Рассуждения нельзя отключить
Мы проверили это сами в админке платформы: у GPT-6 Astra физически нет переключателя «без рассуждений» — есть только глубина: низкая, средняя или высокая. В моделях прошлых поколений OpenAI эту опцию можно было выключить, если задача была пустяковой, у Astra такого выбора нет в принципе.
Следствие честное и не всегда приятное: даже на короткий бытовой вопрос ответ приходит не мгновенно — модель всё равно на несколько секунд задумывается. Зато на сложных многошаговых задачах она реже путается и ошибается, потому что физически не умеет отвечать не подумав.
Для каких задач GPT-6 Astra избыточна
Отсюда и ответ на вопрос, когда Astra — не лучший выбор. Если нужен быстрый ответ на простой вопрос, короткая правка предложения или бытовая мелочь, задержка на обязательные рассуждения будет только раздражать, а прирост качества — незаметен. Для таких сценариев разумнее взять более лёгкую и быструю модель: например, GPT-5.6 в облегчённых версиях справляется с повседневными задачами не хуже, но без задержки на раздумья.
Есть и более спорный момент в самих заявлениях о возможностях модели. OpenAI сообщала о рекордных 99,9% на бенчмарке ARC-AGI-3 — но эта цифра получена на специальном тестовом стенде компании, а не через обычный API. При стандартных запросах результат заметно ниже, и к «рекордным» цифрам из пресс-релизов вообще стоит относиться с этой поправкой.
Как попробовать GPT-6 Astra в Veruna AI
GPT-6 Astra уже добавлена в каталог моделей Veruna AI и открыта на подписке Max — актуальные условия и стоимость доступа смотрите на странице тарифов. Без VPN, без иностранной карты, оплата в рублях — Astra в этом смысле работает так же, как и остальные модели каталога.
Главное удобство здесь не в отдельной фиче, а в самом формате: модели переключаются в одном чате. Тяжёлую и требовательную к ресурсам Astra логично брать под конкретную сложную задачу — разбор большого документа, многошаговый агентный сценарий, — а на быстрый вопрос переключаться на более лёгкую модель, не открывая для этого второй сервис и не заводя второй аккаунт.
Короткие сценарии
Разбор объёмного документа целиком. Договор, диплом, годовой отчёт на несколько сотен страниц — здесь раскрывается контекст Astra на 1,05 млн токенов, и не нужно резать файл на части перед загрузкой.
Многошаговая работа в программах или агентная задача. Когда нужно не просто получить совет, а довести сценарий до результата самостоятельно, — здесь пригождаются агентные способности, подтверждённые OSWorld 2.0.
Доработка кода в терминале. Написать скрипт или разобраться с ошибкой в терминале Astra умеет заметно лучше предшественника, но для длительной доработки чужой кодовой базы стоит сравнить её ответ с другими моделями.
Быстрый бытовой вопрос. Если важна скорость, а не глубина, разумнее взять более лёгкую модель из каталога — благо выбор моделей всегда под рукой в одном чате.
Частые вопросы
Что умеет гпт 6 астра? GPT-6 Astra умеет держать в контексте документ на 1,05 млн токенов (около полутора тысяч страниц), самостоятельно работать в программах, писать и чинить код в терминале, решать сложную математику и искать уязвимости — и всегда рассуждает перед ответом: глубину рассуждений можно только выбрать, а не отключить.
Сколько текста помещается в GPT-6 Astra? Контекстное окно — около 1,05 млн токенов, это примерно полторы тысячи страниц печатного текста. Модель способна удерживать такой объём целиком и находить в нём конкретные факты почти без потерь даже ближе к концу документа.
Подходит ли Astra для работы с документами? Да, это одна из сильных сторон модели: на тесте MRCR v2, где нужно найти несколько фактов в длинном тексте, Astra показывает 96,3% на объёме от 512 тысяч до миллиона токенов — против 73,8% у предыдущего флагмана OpenAI. Договоры, отчёты и объёмные ТЗ можно загружать целиком, не разбивая на части.
Можно ли отключить рассуждения у GPT-6 Astra? Нет. У Astra нет режима «без рассуждений» — можно выбрать только глубину: низкую, среднюю или высокую. Из-за этого даже на простой вопрос ответ приходит не мгновенно, зато на сложных задачах модель реже ошибается.
Для каких задач Astra избыточна? Для быстрых бытовых вопросов и коротких правок текста, где важна скорость, а не глубина рассуждений. Обязательное обдумывание перед каждым ответом в таких случаях создаёт заметную задержку без ощутимого прироста качества — разумнее взять более лёгкую модель.