GPT-6 Astra אחרי ההשקה: מה אפשר ללמוד מהמודל החדש של OpenAI

כמה ימים אחרי ההשקה של GPT-6 Astra, הרשת כבר הספיקה לעבור את כל התחנות המוכרות. התלהבות, הדגמות, תחזיות על AGI, הספדים מוקדמים למתחרים, וכמובן רשימות פרומפטים שמבטיחות להפוך כל עסק למכונה אוטונומית. בתוך הרעש הזה יש סיפור מעניין יותר מהשאלה האם אסטרה “הרג” את קלוד, או האם ג׳נסן הואנג (Jensen Huang) צדק כשכתב ש-AGI הגיע. הסיפור הוא מה אנחנו מתחילים לצפות ממודל AI כשהוא כבר לא רק עונה, אלא גם עובד בתוך כלים, דפדפן, קבצים ותהליכים. OpenAI מציגה את GPT-6 Astra כמודל החזק והמיושר ביותר שלה עד היום, עם דגש על שימוש במחשב, גלישה, תכנות, סייבר, מדע ועבודת ידע מקצועית. זו כבר ממש לא רק עוד גרסה של צ׳אט חכם יותר, אלא ניסיון ברור להזיז את מרכז הכובד אל משימות מרובות שלבים שמסתיימות בתוצר ממשי.

הפרומפט כבר לא הסיפור, העבודה היא הסיפור

גרג אייזנברג (Greg Eisenberg) פרסם ב-X ובלינקדאין תשעה רעיונות לפרומפטים שכדאי לנסות עם אסטרה (Astra). חלקם נשמעים כמו חלום של עצמאים ומנהלי מוצר. סוכן שמוריד חשבונות מול ספקים, מזהה מציאות ביד שנייה, בונה דשבורד לעסק של איש אחד, בודק איפה אפשר להכניס סוכני AI לפני שמגייסים עוד עובד, או מבצע תהליך שלם בדפדפן ומתעד אותו להוראות עבודה שאפשר לחזור עליהן.

אין ברעיונות האלה משהו ששייך רק לאסטרה. את רובם אפשר לבקש גם ממודלים אחרים, לפחות עקרונית. אבל זה בדיוק העניין. הרשימה של אייזנברג מעניינת כי היא ממחישה מה הציבור כבר מתחיל לבקש ממודלים חזקים. לא “תכתוב לי טקסט”, אלא “תפתח את הכלים שלי, תבין מה קורה, תעשה סדר, תציע החלטות, ובמקומות הבטוחים גם תפעל”.

כאן אסטרה נכנס לתמונה. המודל החדש של OpenAI אמור להיות טוב יותר ביצירת מסמכים, גיליונות, מצגות ואתרים שמותאמים להקשר העסקי של המשתמש, וגם בשמירה על כיוון לאורך משימה מתפתחת. כלומר, פחות צורך להסביר שוב ושוב מה רצינו, ופחות מצב שבו תיקון קטן באמצע הדרך משבש או מערער למודל את ההבנה לגבי מטרת המשימה המקורית.

למה כולם מדברים על Low ו-Medium

אחת הטענות המעניינות שעלו אחרי ההשקה נוגעת דווקא למאמץ שהמודל צריך להשקיע כדי להגיע לתוצאה טובה. בצילום המסך המצורף, טיבו מ-OpenAI כתב ש-GPT-6 Astra ברמת reasoning נמוכה נותן ביצועים טובים יותר מ-GPT-5.6 Sol ברמת reasoning גבוהה, והציע למי שהיה מרוצה מ-Sol על High לעבור באסטרה ל-Low או Medium. זו אמירה של עובד חברה, לא מבחן עצמאי, אבל היא מסמנת נקודה חשובה בחוויית השימוש.

טיבו מ-OpenAI מצייץ על GPT-6 Astra

למשתמש רגיל, ההבדל הזה לא נמדד רק בציון של מודל. הוא נמדד בזמן, במכסות ובסבלנות. מודל שצריך לפעול כל הזמן ברמת החשיבה הגבוהה ביותר כדי לתת תשובה טובה מתאים בעיקר למשימות כבדות. אם אסטרה נותן תוצאות טובות כבר במאמץ נמוך או בינוני, אפשר להתחיל להשתמש בו גם לעבודה שוטפת יותר: בדיקה, סידור, השוואה, תיעוד, ניתוח וקבלת החלטות ראשונית.

זה גם מתחבר למה ש-OpenAI מנסה להדגיש בהשקה. אסטרה לא נבחן רק ביכולת לענות יפה, אלא ביכולת להחזיק תהליך לאורך כמה שלבים, לעבוד עם כלים וקבצים, ולהחזיר תוצר שאפשר להשתמש בו. זו הסיבה שהרעיונות של גרג אייזנברג, מחשבונות ועד דשבורד עסקי, מרגישים רלוונטיים דווקא עכשיו.

ועדיין, צריך להשאיר רגל על הקרקע. טענה של OpenAI וטבלאות ביצועים הן סימן, לא הוכחה סופית. הן לא מבטיחות שהמנוי יספיק ליותר, שהמודל לא ייתקע באמצע תהליך, או שהוא יידע לבד מתי אסור לו ללחוץ על כפתור. את החשבון האמיתי עושים בסוף יום עבודה, כשהשאלה היא כמה משימות הסתיימו, כמה פעמים הייתם צריכים לתקן אותו, כמה זה עלה וכמה ביטחון היה לכם לתת לו להמשיך.

תשעת הרעיונות ששווה באמת לנסות

כאן נכנסים הרעיונות של משתמש כמו גרג אייזנברג. הם לא מוכיחים שאסטרה טוב מקלוד (Claude), מג׳מיני (Gemini) או מכל מודל אחר. הם כן מראים לאן הציפייה זזה. במקום לבקש מהמודל “תכתוב לי”, המשתמש מתחיל לבקש ממנו “תבדוק”, “תשווה”, “תיכנס לכלים”, “תבנה לי תהליך”, “תמצא איפה אני מבזבז זמן”, “תציע מה להעביר לסוכן לפני שאני מגייס עוד אדם”.

הרעיון של “מקזז החשבונות” הוא שימוש מצוין, בתנאי שמגדירים גבולות. אסטרה יכול לעבור על חשבונות אינטרנט, סלולר ותוכנות, למצוא שירותים כפולים או יקרים, ולהכין טיעון לצ׳אט מול הספק. שינוי מסלול, ביטול שירות או התחייבות חדשה צריכים להישאר באישור אנושי ברור.

הרעיון של “להפוך שירות למוצר” מתאים ליזמים. בוחרים עסק שירותים, מפרקים את העבודה לשלבים, מזהים איפה יש קלט, פלט ושיקול דעת אנושי, ואז בודקים איזה חלק אפשר להפוך למוצר AI בסיסי. הערך כאן הוא לא שהמודל ימציא עסק מושלם, אלא שהוא מכריח אתכם לראות איפה באמת נמצא צוואר הבקבוק.

דשבורד לעסק של איש אחד הוא כנראה אחד השימושים המעשיים ביותר. אם נותנים למודל מסמכים, נתוני הכנסות, אנליטיקס, שיחות לקוחות ורשימת פרויקטים, אפשר לבקש ממנו לענות בכל שבוע על שאלות פשוטות. מה מכניס כסף, מה מבזבז זמן, מה לקוחות מבקשים שוב ושוב, ומה שלוש הפעולות הכי חשובות לשבוע הבא.

גם בדיקות QA ליליות יכולות להפוך מהר מאוד לערך ממשי. במקום לחכות שמשתמשים יתלוננו, סוכן יכול לעבור על הרשמה, תשלום וזרימות מרכזיות, לצלם מסכים שבורים ולהחזיר רשימת תקלות. זה לא מחליף צוות בדיקות טוב, אבל זה יכול לתפוס דברים מביכים לפני לקוח ראשון בבוקר.

הרעיונות היותר רגישים הם מעקב אחרי מתחרים ועבודה בתוך דפדפן. כאן צריך להיזהר מתנאי שימוש, פרטיות והרשאות. אפשר לבקש דוח על פיצ׳רים, מחירים ומיילים שיווקיים שהתקבלו כחלק מהרשמה רגילה. לא כדאי לבקש עקיפה, גישה לא מורשית או איסוף מידע שלא הייתם מרגישים בנוח להסביר בקול רם.

הנה כל תשעת הרעיונות של אייזנברג:

Greg Eisenberg / X

הסיכון גדל יחד עם התועלת

ההשקה של Astra מגיעה עם הערת אזהרה חריגה. OpenAI אומרת שזה המודל הראשון שלה שהגיע לרמת Critical ביכולות סייבר לפי מסגרת המוכנות שלה. המשמעות היא שעם הכלים והגישה הנכונים הוא יכול למצוא חולשות לא ידועות ולפתח דרכים לנצל אותן במערכות מוגנות, בלי שאדם ינחה כל שלב. רוייטרס דיווחה עוד לפני ההשקה שזו הסיבה ש-OpenAI הוסיפה שכבות הגנה חזקות יותר.

גם בכרטיס המערכת של אסטרה יש נקודה חשובה למשתמשים עסקיים. OpenAI כותבת שבסימולציות פנימיות אסטרה קיבל פחות סימוני התנהגות בעייתית מ-Sol, אבל עדיין תועדו מקרים שבהם הוא חרג בהרשאות, השתמש בגישה רגישה או נתן לאוטומציה הרשאות רחבות מדי ביחס למשימה.

לכן הכלל הפרקטי הוא פשוט. מתחילים בהרשאות קריאה בלבד, תיקייה ייעודית, חשבונות בדיקה, ולפני כל מחיקה, שליחה, רכישה, פרסום, שינוי מחיר או שינוי הרשאות דורשים אישור מפורש. סוכן טוב הוא לא סיבה לוותר על בלמים. הוא סיבה לבנות בלמים טובים יותר.

המדריכים תמיד חינמיים, אבל אם בא לכם להתמקצע - יש גם קורס אוטומציות עם AI ובניית בוטים וסוכנים

לפרטים נוספים לחצו כאן >>

מוקדם להספיד את קלוד

קל להבין למה ההשקה הזאת עוררה תגובות מכל כיוון. אסטרה נראה כמו קפיצה אמיתית עבור OpenAI, במיוחד למי שהרגיש עד עכשיו שקלוד קוד נותן יותר ביטחון במשימות מורכבות. אבל מוקדם להזמין מצבה לאנטרופיק. אסטרה מציג תוצאות חזקות בכמה מבחנים שמתמקדים בעבודה מעשית אבל התמונה לא חד-משמעית.

במדדים חיצוניים שמרכזים כמה מבחני יכולת לציון אחד, כמו Artificial Analysis Intelligence Index, המודל הטרי של אנטרופיק, Claude Fable 5.1, עדיין מופיע לפניו, וגם מודלים אחרים שומרים על יתרון בתחומים מסוימים. לכן מוקדם להכריז על מנצח ברור.

מה כן השתנה? OpenAI סוף סוף מציבה חלופה שנראית ראויה לאמון רחב יותר במשימות קשות. לא רק בגלל המודל, אלא בגלל החיבור לממשק, לקבצים, לדפדפן, לקוד ולתוצרים. בעבודה יומיומית, החוויה הזאת חשובה כמעט כמו עוד כמה נקודות במבחן.

ג׳נסן הואנג כתב ש-AGI הגיע, ובאותו ציוץ גם הזכיר שהמודל אומן על תשתיות NVIDIA ושהחברה מתכננת להעלות עוד 400 אלף GPUs - תזכורת לגבי מי מוכר את המנועים במירוץ הזה.

כמה ימים אחרי ההשקה, המסקנה הסבירה היא לא שאסטרה כבר יודע לעשות הכל לבד, או שהמודלים האחרים איבדו רלוונטיות. המסקנה היא שהרף עלה. פרומפט טוב כבר לא נמדד רק בתשובה יפה, אלא ביכולת להפוך למשימה חוזרת, בטוחה, מדידה ומועילה. עכשיו נשאר לבדוק מי באמת מגיע רחוק יותר בסוף יום עבודה, ולא רק בסרטון ההדגמה.