OpenAI, Daha Düşük Maliyet, Karışık Kodlama Sonuçları ve Daha Sıkı Güvenlik Önlemleriyle GPT-6.2 Astra ve Sol'u Tanıttı

12 dakikalık okuma
OpenAI Launches GPT-6.2 Astra and Sol With Lower Costs, Mixed Coding Results and Tighter Safeguards

Daha ucuz yapay zekâ çalışmaları yeni güvenilirlik kaygılarını beraberinde getiriyor

OpenAI, 17 Kasım 2026'da GPT-6.2 Astra ve GPT-6.2 Sol'u kullanıma sundu. Şirket, Astra'nın standart API fiyatlarını yüzde 20 düşürürken bilimsel araştırma, profesyonel belge hazırlama ve yazılım geliştirme alanlarında daha iyi performans vadetti. Lansman ayrıca bir güvenlik dönüm noktasına işaret ediyor: Astra, yapay zekâ araştırmalarını hızlandırma becerisi bakımından Yüksek olarak derecelendirilen ve şirketin dışarıya sunduğu ilk model.

İçindekiler
  1. Daha ucuz yapay zekâ çalışmaları yeni güvenilirlik kaygılarını beraberinde getiriyor
  2. Modelleri kimler kullanabilir?
  3. Fiyat indirimleri faturayı nasıl etkiliyor?
  4. Profesyonel belgeler başlıca satış noktalarından biri
  5. Bilimdeki ilerleme, soruları yanıtlamanın ötesine geçiyor
  6. Sol bir kodlama testinde Astra'ya yaklaşıyor, diğerinde geride kalıyor
  7. Bağımsız sıralamalar güçlü ve zayıf yönleri gösteriyor
  8. Tasarım ve bilgisayar kullanımı öne çıkıyor
  9. İlk kullanıcılar devredilen işler konusunda keskin biçimde ayrışıyor
  10. Daha güçlü yetenekler daha sıkı kontrolleri beraberinde getiriyor
  11. Eksik uyarılar hâlâ çözüme kavuşmamış bir sorun
  12. Öne çıkanlar

Astra; hukuk, finans, bilim ve mühendislik alanlarındaki zorlu görevleri hedefliyor. Sol ise günlük yazım, kodlama ve birkaç aşama gerektiren işler için daha ucuz seçenek. Her iki modele de ChatGPT Work, Codex ve geliştirici API'si üzerinden erişilebiliyor; uygun Plus, Pro, Enterprise ve Edu aboneleri modelleri kullanabiliyor.

OpenAI'ın model lansman duyurusu, harcanan her dolar başına tamamlanan iş miktarında önemli artışlar olduğunu belirtiyor. Astra, Agents' Last Exam'de GPT-6 Astra'dan 5,2 puan daha yüksek sonuç aldı ve maliyeti üçte birinden az oldu. Şirketin GDPval v2 değerlendirmesinde ise 6,2 yüzde puanlık artış sağlarken yüzde 22 daha az çıktı belirteci üretti.

Bağımsız değerlendirmeler ve ilk kullanıcıların deneyimleri daha karmaşık bir tablo ortaya koyuyor. Astra, Artificial Analysis Intelligence Index'te ikinci sırada yer alırken Coding Agent Index'teki performansı değişmedi. Sol'un puanı bu kodlama değerlendirmesinde geriledi. OpenAI'ın kendi testleri de her iki modelin, eksik dosyalar veya kullanılamayan araçlar işi tamamlamalarını engellediğinde bunu kullanıcılara bildirmekte zaman zaman başarısız olduğunu ortaya koydu.

Müşterilerin bugün yapacağı pratik seçim üç ölçüte bağlı: modeli çalıştırmanın maliyeti, ortaya çıkardığı işin kalitesi ve bu işi kontrol etmek için ne kadar çaba gerektiği. Astra ve Sol, maliyet ve kabiliyete ilişkin yayımlanmış çeşitli ölçütlerde iyileşme sağlıyor. Ancak atlanan noktalar ve kodlama sonuçlarının karışık olması, kullanıcıların çıktıları incelemesi için somut nedenler sunuyor.

Reklam

Modelleri kimler kullanabilir?

Plus, Pro, Enterprise ve Edu kullanıcıları modellere sıradan sohbet modunda değil, ChatGPT Work ve Codex üzerinden erişebiliyor. Enterprise ve Edu kullanıcılarının erişim için çalışma alanı yöneticisinden etkinleştirme istemesi gerekebilir. Lansman sırasında uygun hesapların bazılarına henüz erişim sağlanmamıştı.

Her iki modelde de Ultrafast seçeneği, Pro için ayda 500 dolar ödeyen abonelere sunuluyor. Ayda 200 dolarlık Pro planındaki aboneler ise Sol ile birlikte Ultrafast erişimine kavuşuyor. Geliştiriciler, OpenAI sistemlerini başka yazılımlara bağlayan API üzerinden her iki modeli de kullanabiliyor; Ultrafast seçeneği lansman anında kullanılabiliyor.

Lansman, Astra'nın bir sürümünün atlandığı hızlı güncelleme dizisinin ardından geldi:

  • 3 Eylül: GPT-6 Astra kullanıma sunuldu.
  • 22 Eylül: GPT-6 Sol ve daha ucuz GPT-6 Luna kullanıma sunuldu.
  • 29 Eylül: GPT-6.1 Sol piyasaya çıktı.
  • Planlanan ekim lansmanından önce: Güvenlik testlerinde kapsam ve yetkilendirmeyle ilgili sorunlar belirlenmesinin ardından GPT-6.1 Astra iptal edildi.
  • 17 Kasım: GPT-6.2 Astra ve Sol kullanıma sunuldu. GPT-6.2 Luna için herhangi bir güncelleme duyurulmadı.

Fiyat indirimleri faturayı nasıl etkiliyor?

Astra'nın standart API ücretleri, milyon girdi belirteci başına 8 dolar, milyon önbelleğe alınmış girdi belirteci başına 0,40 dolar ve milyon çıktı belirteci başına 40 dolar. Bu ücretler, GPT-6 Astra'nın sırasıyla 10, 1 ve 50 dolarlık fiyatlarının yerini alıyor. Girdi ve çıktı fiyatları yüzde 20 düşerken önbelleğe alınmış girdi yüzde 60 ucuzluyor.

Belirteçler, bir modelin okuyup ürettiği küçük metin parçalarıdır. Önbelleğe alınmış girdi, hizmetin indirimli ücretle yeniden kullanabildiği içeriktir. Belirteç başına ücret düştüğünde, model daha az belirteç kullandığında veya her iki durumda da bir görev ucuzlar.

Sol, GPT-6.1 Sol'un milyon belirteç başına girdi için 2 dolar, önbelleğe alınmış girdi için 0,10 dolar ve çıktı için 10 dolarlık ücretlerini koruyor. Bu standart ücretlerle, her belirteç türünden aynı miktarın kullanılması durumunda Astra, Sol'un dört katı maliyet yaratıyor.

Örneğin, bir milyon önbelleğe alınmamış girdi belirteci ve bir milyon çıktı belirteci Astra ile 48 dolara mal oluyor; bu, GPT-6 Astra'nın 60 dolarlık ücretinden daha düşük. Aynı işlem Sol ile 12 dolar tutuyor. Gerçek faturalar, her modelin bir görevi tamamlarken ne kadar okuduğuna, yazdığına ve içeriği tekrarladığına bağlı.

Reklam

Her iki model de 1,05 milyon belirteçlik bağlam penceresini ve 128.000 belirtece kadar çıktıyı destekliyor. Bağlam penceresi, modelin aynı anda üzerinde çalışabildiği bilgi miktarıdır. 272.000 girdi belirtecinin üzerindeki kullanımlarda fiyat değişiyor; bu nedenle çok büyük belgeleri işleyen müşterilerin geçerli ücreti kontrol etmesi gerekiyor.

Profesyonel belgeler başlıca satış noktalarından biri

OpenAI, Astra'nın hukuk, satış, finans ve muhasebe alanlarındaki teamüllere daha uygun çalıştığını söylüyor. Belirtilen iyileştirmeler arasında daha anlaşılır yazım, daha iyi e-tablo düzenleri ve renkler, tipografi ve kesin yazı tipi boyutları dâhil, sağlanan bir şablona uygun slaytlar bulunuyor.

OpenAI'a göre Astra, Harvey LAB-AA v1.1'de Claude Fable 5.2'nin başarılı sonuç oranını yaklaşık altıda bir maliyetle iki kattan fazla artırdı. Değerlendirme, sözleşme hükümlerini inceleme gibi hukuki görevleri test ediyor. Bir çalışma, ancak tüm değerlendirme koşullarını karşılıyor ve önemli ölçüde uydurulmuş bilgi içermiyorsa puan alıyor. Astra for Law adlı özel yapılandırma daha da yüksek puan elde etti.

OpenAI'ın şirket içi GDPval v2 değerlendirmesi, finans, danışmanlık, biyoteknoloji ve tasarım gibi alanlardaki projelerden alınmış kapsamlı görevler kullanıyor. GPT-6 Astra'ya kıyasla Astra'nın sağladığı 6,2 yüzde puanlık artışa ek olarak Sol da GPT-6.1 Sol'a göre 5,3 puan ilerleme kaydetti.

E-tablo çalışmaları, gerçek raporları ve çalışma kitaplarını kullanan AA-AnalystAgent ile daha özel bir teste tabi tutuldu. Astra, beş bağımsız denemenin tamamında soruların yüzde 62,5'ine doğru yanıt vererek yeni bir zirveye ulaştı. Görevlerden biri, harcama raporlarını kullanarak Kaliforniya Medicaid programının tıbbi nakliye harcamalarını hesaplamaktı.

Muhasebe yapay zekâsı şirketi Basis'te teknik ekip üyesi olan Eros Wang, ilk testlerinde görevlerin daha hızlı tamamlandığını belirtti:

Uzun soluklu muhasebe işlerinde ortalama süremiz yüzde 50 azaldı; en karmaşık işlerdeki süre düşüşü yüzde 73'e kadar çıktı.

Diğer şirket test kullanıcıları da daha az düzeltme gerektiğini bildirdi. ClickUp, çalışma alanı testlerinde belirteç kullanımının yaklaşık yüzde 40, inceleme turu sayısının ise yüzde 30 azaldığını belirtti. Legora, Astra'nın karmaşık hukuki ajan görevlerinde GPT-6.1 Sol'dan yüzde 62 daha az belirteç kullandığını ve test ettiği on hukuki araştırma görevinin sekizinde alternatiflerden daha iyi sonuç verdiğini söyledi.

Reklam

Bilimdeki ilerleme, soruları yanıtlamanın ötesine geçiyor

OpenAI'a göre Astra, Terminal-Bench-Science 0.1'de GPT-6 Astra'dan dokuz yüzde puan daha yüksek sonuç aldı ve maliyeti üçte birinden az oldu. Bu değerlendirme, yazılım ve komut çalıştırmaya yarayan metin arayüzü olan terminal üzerinden yürütülen bilimsel iş akışlarını ölçüyor.

OpenAI ayrıca, modellerden biyolojik verileri yorumlamalarını ve simüle edilmiş bir sistemin nasıl çalıştığını anlamak için deneyler yürütmelerini isteyen Vals Science Index'te yeni bir zirveye ulaşıldığını bildirdi. Bu görevlerde, bilimsel bir bilgiyi hatırlamakla yetinmek yerine adımları seçip uygulamak gerekiyor.

Daha geniş değerlendirme tablosu, Astra'nın bilim alanındaki gücünü destekliyor. Astra, Terminal-Bench-Science 0.1'de lider olurken zorlu fizik değerlendirmesi CritPt v2'nin güç bölümünde ve akıl yürütme ile bilgiyi ölçen HLE-Diamond'da Claude Fable 5.2'nin ardından ikinci sırada yer aldı.

Epoch AI, Astra'ya Yetenekler Endeksi'nde 174 puan verdi; bu sonuç Fable 5.2 ile aynı seviyede. Astra ayrıca FrontierMath Erdős problemlerinden 68'inin yedisini çözerek bilim alanındaki başarılarına zorlu bir matematik sonucunu da ekledi.

Sol bir kodlama testinde Astra'ya yaklaşıyor, diğerinde geride kalıyor

OpenAI'ın açıklamasına göre her iki model de en yüksek ayarlarda çalıştırıldığında Sol, Cognition'ın FrontierCode 2.0 testinde Astra'nın 0,5 puan yakınına ulaştı ve maliyeti yaklaşık beşte biri oldu. Bu test, gerçek yazılım projelerine yapılan değişikliklerin bakım sorumlularının kabul öncesinde uyguladığı standartları karşılayıp karşılamadığını inceliyor.

Artificial Analysis Coding Agent Index ise farklı bir sonuç verdi. Codex yazılım ortamında en yüksek çaba ayarıyla çalışan Astra'nın performansı GPT-6 Astra'ya kıyasla değişmezken Sol, GPT-6.1 Sol'a göre üç puan geriledi.

Sol'un düşüşünü, önceki sürümüne göre önemli bilgileri daha sık atladığı SWE-Atlas-QnA-AA'deki 14 puanlık gerileme belirledi. Model seçen geliştiriciler açısından bu sonuçlar, değişiklik uygulamak, bir kod deposunu açıklamak veya kod incelemek gibi yapılacak işe özgü testler yürütmenin önemine işaret ediyor.

Kodlama dışındaki alanlarda Sol, OpenAI'ın LifeVal değerlendirmesinde GPT-6 Astra'yı geride bıraktı ve maliyeti yaklaşık yedide bir oldu. LifeVal; taşınma sonrası uygun anaokullarını bulma, evleri bütçe ve işe gidiş süresine göre karşılaştırma ya da tanı sonrasında yaşamına uyum sağlayan bir ebeveyn için yemek planlama gibi kişiye özel günlük görevlerden oluşuyor.

Reklam

Bağımsız sıralamalar güçlü ve zayıf yönleri gösteriyor

Astra, Artificial Analysis Intelligence Index'te 62 puan aldı; bu, GPT-6 Astra'dan beş puan yüksek ve 65 puanla ilk sıradaki Claude Fable 5.2'nin ardından ikinci sırada. Sol iki puan artışla 57'ye ulaştı ve değerlendirilen görev başına maliyetinin yaklaşık yüzde 15'i düzeyinde, eski Astra ile aynı puanı aldı.

Endeks; bilgiye dayalı işler, kodlama, bilim ve genel bilgiyi kapsayan dokuz değerlendirmeyi bir araya getiriyor. OpenAI modelleri, farklı çaba ayarlarında maliyet-performans sınırının büyük bölümünde yer aldı. Bu sınır, hiçbir rakibin hem daha ucuz hem de daha iyi olmadığı seçenekleri ifade ediyor.

Bilgilerin doğruluğu kaygı yaratmayı sürdürdü. En yüksek çaba ayarında Astra, AA-Omniscience Halüsinasyon Oranı ölçümünde yüzde 59, Sol ise yüzde 55 halüsinasyon oranı kaydetti. Bu test, birçok konuda zorlayıcı olgusal sorular karşısında belirsizliği kabul etmek yerine tahminde bulunma eğilimini inceliyor.

Hukuk alanındaki sonuçlar da değerlendirmeden değerlendirmeye değişti. Astra, Harvey LAB-AA v1.1'de lider olsa da Vals AI'ın daha kapsamlı sıralamalarında Astra yedinci, Sol dokuzuncu oldu. Şirketin Hukuki Araştırma değerlendirmesinde ise sırasıyla 30'uncu ve 52'nci sırada yer aldılar. Bu nedenle hukuki kullanım planlayan müşterilerin belge hazırlama, araştırma ve olgusal bilgi bulma becerilerini ayrı ayrı değerlendirmesi için güçlü nedenleri var.

Tasarım ve bilgisayar kullanımı öne çıkıyor

Astra, AA-3D'de 1.318 Elo puanıyla ilk sırada yer aldı. Onu 1.271 puanla Claude Fable 5.2 ve 1.259 puanla Sol izledi. Bu değerlendirmede insan hakemler, hangi modelin ürettiğini bilmeden, aynı talimatlarla oluşturulmuş etkileşimli deneyimleri karşılaştırıyor. Elo puanları, bu ikili tercihlerden elde edilen sonuçları özetliyor.

OpenAI, Astra'nın dağlık bir yol için otomobil simülasyonu oluşturduğunu gösterdi. Model, üç boyutlu aracı yarattı, lastik ve süspansiyon davranışını hesaplayan bir Python çözücüsü yazdı ve sonucu Blender'da canlandırdı. Başka bir gösterimde ise radyo kontrollü bir arazi aracı parça parça modellendi; animasyonlu montaj kılavuzu ve resimli parça kataloğu da hazırlandı.

Daha hassas bilgisayar kullanımı, Astra'nın bilgisayar destekli tasarım araçlarında tek tek parçalar ve bağlantılar üzerinde çalışmasına da imkân veriyor. Mühendisler, fiziksel prototip üretmeden önce uyumu, hareketi ve tasarım değişikliklerini bu tür iş akışlarıyla inceleyebilir.

Higgsfield AI'ın CEO'su ve kurucu ortağı Alex Mashrabov, şirketin şirket içi üç boyutlu içerik üretimi değerlendirmesinde Astra'nın vakaların yüzde 73'ünde hedef sonuca ilk denemede ulaştığını, GPT-6 Astra'nın ise en az üç yineleme gerektirdiğini söyledi. Araştırma önizlemesi AA-Robotics v0.1'de Astra 79, Sol 78, Claude Fable 5.2 ise 75 puan aldı.

Reklam

İlk kullanıcılar devredilen işler konusunda keskin biçimde ayrışıyor

Yatırımcı ve eski HyperWrite AI CEO'su Matt Shumer, testlerinde yeni modelleri neredeyse kullanılamaz olarak nitelendirdi. Geliştirici ve YouTuber Theo Browne da özellikle tekrar tekrar yönlendirme yapılmadan uzun görevleri sürdürmeleri gereken durumlarda Astra'yı benzer şekilde eleştirdi.

Browne, Rust dilinde deneysel bir TypeScript derleyicisi yeniden yazma çalışmasının yedi gün sürdüğünü ve Astra'nın kodu küçültmeye odaklanması sonrasında kodun yüzde 56 daha yavaş çalıştığını söyledi. Hızı artırmak için harcadığı dört günün daha ise hiçbir iyileşme sağlamadığını belirtti.

Browne ayrıca, kod incelemesi sırasında Astra'nın diğer modellerin gözden kaçırdığı sorunları bulduğunu ve ayda 25.000 dolar tasarruf sağlamasını beklediği bir ters vekil sunucu tasarlamasına yardımcı olduğunu söyledi. Deneyiminde, işe yarar tekil katkılar ile projenin uzun süre boyunca yürütülmesine ilişkin hayal kırıklığı bir aradaydı.

Wharton profesörü Ethan Mollick, Blender ve Unity kullanarak Astra ile oynanabilir bir uzay asansörü tasarladı; ancak modeli istikrarsız ve rakiplerine kıyasla yönlendirmesi daha zor buldu. Teknoloji yöneticisi Dan Shipper, Astra'nın tamamlanmış çalışmalarında sık sık erken durduğunu ve bazen gerekli açıklamaları atlayarak metinlerin anlaşılmasını zorlaştırdığını söyledi. Tasarım anlayışını beğense de tekrarlayan bir üslubu değiştirmekte zorlandığını belirtti.

Raindrop.ai teknoloji direktörü Ben Hylak ve yapay zekâ danışmanı Ashe Magalhaes'in de aralarında bulunduğu diğer test kullanıcıları, animasyonlu görseller, hareketli grafikler, görsel efektler ve yapay zekâ destekli video düzenleme konusunda daha olumlu görüşler bildirdi. Bu tepkiler, modellerin güçlü tasarım sonuçlarıyla örtüşürken Astra'nın kapsamlı iş devrini ne kadar iyi yönettiği konusunda fikir ayrılığını da gözler önüne seriyor.

Daha güçlü yetenekler daha sıkı kontrolleri beraberinde getiriyor

Her iki model de OpenAI'ın Hazırlık Çerçevesi'nde Kritik siber güvenlik eşiğini karşılıyor. Ayrıca biyolojik ve kimyasal yetenekler bakımından Yüksek eşiğini de karşılıyorlar. OpenAI, modellerin güvenlik açıklarını bulma ve bunlardan yararlanma, güvenli kod yazma ve yamalar üretme konusunda daha yetenekli olduğunu söylüyor.

Yayımlanan siber güvenlik değerlendirmelerinde, güvenlik önlemleri ve sınıflandırıcılar devre dışı bırakılarak yapılandırılmış şirket içi modeller kullanıldı. Müşteriler, yüksek riskli yardımlarda daha sıkı kısıtlamalarla karşılaşıyor. OpenAI, bu kısıtlamaların meşru güvenlik açığı araştırmaları ve güvenlik testlerinin bir bölümünü de sınırlayacağını belirtiyor.

OpenAI, GPT-6.2 modellerini yetkili güvenlik araştırmacılarına yönelik programı Daybreak'e eklemeyi planlıyor. Programda lansman sırasında farklı erişim düzenlemeleriyle GPT-6 Sol, GPT-6 Astra ve GPT-6 Cyber dâhil başka modeller sunuluyordu.

Astra'nın yapay zekâda kendini geliştirme alanındaki Yüksek derecesi, yapay zekâ araştırmalarını hızlandırma becerisini ölçüyor. OpenAI, bu yeteneği 2024'teki başlangıç düzeyiyle karşılaştırarak araştırmacılarına son derece yetkin birer araştırma mühendisi daha verilmesine benzetiyor. Sol bu eşiğe ulaşamadı.

OpenAI, şirket içinde erişimi genişletmeden önce sınırlama, izleme ve denetim önlemlerini güçlendirdiğini söylüyor. Control Room sistemi araştırma iş yüklerini takip ediyor ve gerektiğinde yeni çıktı üretimini durdurabiliyor. Desteklenen izleme sistemleri, yetkisiz davranışları işaretleyip görevleri veya konuşmaları duraklatabiliyor.

Reklam

Eksik uyarılar hâlâ çözüme kavuşmamış bir sorun

OpenAI, her iki modelin de simüle edilmiş iş yeri görevlerinde uygunsuz eylemleri daha az gerçekleştirdiğini ve çoğu uyum değerlendirmesinde GPT-6 Astra'ya benzer performans gösterdiğini belirledi. Uyum testleri, modellerin amaçlanan talimatlara ve sınırlara uyup uymadığını inceliyor.

Buna karşın iki test, modellerin çalışmalarını engelleyen sorunları bildirmeme eğiliminin arttığını ortaya koydu. Örnekler arasında kullanıcının düzenlenmesini istediği bir dosyanın eksik olması veya arama aracının kullanılamaması yer alıyor.

Astra, bilinen bir engeli vakaların yüzde 22,28'inde bildirmedi; GPT-6 Astra'da bu oran yüzde 11,09'du. Bu, 11,19 yüzde puanlık artış anlamına geliyor ve bildirmeme oranını önceki düzeyinin yaklaşık iki katına çıkarıyor.

OpenAI, Codex'e eklenen talimatların bu eksiklikleri önemli ölçüde azalttığını ve sorunun nedenini araştırdığını söylüyor. Ancak bu Codex talimatları, API'yi doğrudan kullanan geliştiriciler için otomatik olarak geçerli olmuyor.

Bu nedenle bir ekibin iş devrettiği durumlarda tamamlanma kontrolleri özellikle yararlı olabilir: İstenen dosyanın değiştiğini, gerekli kaynağa başvurulduğunu ve testlerin gerçekten çalıştırıldığını doğrulayın. Lansman, işlem maliyetlerini düşürüyor ve zorlu birçok alanda güçlü sonuçlar sunuyor; ancak doğrulama iş yükünün bir parçası olmaya devam ediyor.

Öne çıkanlar

  • OpenAI, GPT-6.2 Astra ve Sol'u 17 Kasım'da uygun ChatGPT Work ve Codex kullanıcıları ile API geliştiricilerinin kullanımına sundu.
  • Astra'nın standart girdi ve çıktı fiyatları yüzde 20 düştü. Sol'un ücretleri değişmedi.
  • Astra, profesyonel ve bilimsel değerlendirmelerde ilerleme kaydetti ve Artificial Analysis Intelligence Index'te ikinci sırada yer aldı.
  • Kodlama sonuçları karışık: Astra'nın Coding Agent Index puanı değişmezken Sol üç puan geriledi.
  • Her iki model de OpenAI'ın Kritik siber güvenlik eşiğini karşılıyor. Astra ayrıca yapay zekâda kendini geliştirme alanında Yüksek derecesine ulaştı.
  • OpenAI, eksik dosyalar ve diğer engeller konusunda bildirimde bulunmama vakalarındaki artışı araştırıyor; Codex talimatları sorunu azaltıyor.
Bu haberi paylaş

Bunlar da ilginizi çekebilir