OpenAI ha lanciato GPT-6 Astra. E no, non è l’ennesimo incremento di versione con qualche punto percentuale in più sui benchmark. Questa volta parliamo di un salto netto: il primo modello a raggiungere la soglia ‘Critical’ nel loro Preparedness Framework per cybersicurezza. Che tradotto significa: sa trovare vulnerabilità zero-day da solo, scrivere exploit funzionanti, e — nelle loro parole — ‘ha già aiutato a risolvere problemi aperti da tempo in matematica’.
Partiamo dai numeri che fanno girare la testa. FrontierMath Tier 4? 98%. ARC-AGI-3? 99,9%. ExploitBench? 100%. Sì, avete letto bene: punteggio perfetto nella creazione di exploit per vulnerabilità note. E durante i test su vulnerabilità recenti — quelle da giugno ad agosto 2026, per capirci — Astra ha scoperto e sfruttato due zero-day mai visti prima. OpenAI li ha segnalati ai maintainer, ovviamente. Ma il messaggio è chiaro: questo modello non si limita a ripetere pattern già visti.
Computer use: finalmente qualcosa di concreto
La parte più interessante? Astra non è solo un cervellone da benchmark. È stato addestrato specificamente per l’uso reale del computer — quello che chiamano ‘computer use’ — e qui i miglioramenti sono tangibili. Può compilare moduli online, aggiornare CRM, organizzare calendari, fare ricerca web e buttare giù bozze direttamente nel vostro editor. Può analizzare dati scientifici, generare grafici, creare siti web e fare QA del frontend per verificare che tutto funzioni.
Su OSWorld 2.0 — un benchmark che simula task reali di knowledge work — Astra raggiunge il 72,6% in circa 40 minuti per task. GPT-5.6 Sol si fermava al 65,7% impiegandoci 75 minuti. Quasi il doppio del tempo per risultati peggiori. Non male.
Ma la cosa che colpisce di più è l’approccio. Dove i modelli precedenti procedevano dritti come treni anche quando mancavano informazioni cruciali, Astra si ferma e chiede. ‘Che tipo di carriera stai cercando? Lo userò per dare forma al messaggio del sito.’ Semplice, ma fa la differenza tra un output generico e qualcosa di effettivamente utilizzabile.
Demo che lasciano il segno
Nei video dimostrativi — condensati in 15 secondi per non annoiare — Astra fa layout di PCB in KiCad, trasformando schemi elettronici in circuiti stampati pronti per la produzione. Modella una casa in Blender e la trasforma in una scena navigabile in Unreal Engine 5. Crea un gioco di kart racing con grafica decente e fisica funzionante, partendo da zero.
E con Sites in ChatGPT può creare, hostare e condividere siti web, web app e giochi direttamente da prompt. Il tutto rispettando template esistenti — se gli date qualche slide della vostra presentazione aziendale, capisce lo stile e lo replica. Non perfettamente, chiaro. Ma abbastanza bene da risparmiare ore di formattazione manuale.
Coding e contesto: il problema delle sessioni lunghe
Per gli sviluppatori, Astra porta una novità interessante nella gestione del contesto. Storicamente, quando la finestra di contesto si riempiva durante sessioni lunghe — debug complessi, refactoring massicci — i modelli compattavano tutto in un riassunto. E ogni compattazione perdeva dettagli: perché quel fix è fallito, come si comporta quel componente.
Ora Codex con Astra può tenere note attraverso le finestre di contesto, preservando i dettagli accumulati senza comprimerli continuamente in un singolo riassunto. Le finestre di contesto precedenti restano ricercabili — può ritrovare requisiti o risultati di test da messaggi e output precedenti anche se non erano nelle sue note. È una feature sperimentale che diventerà default nelle prossime settimane.
Sui benchmark di coding i numeri parlano: Terminal-Bench 4.0 al 57,9% contro il 37,3% di Sol. Su DeepSWE v1.1 siamo al 74,1%. E secondo Jane Street — che ci lavora sopra per task di trading — ‘Astra comunica in modo più facile da seguire per gli sviluppatori e produce codice che richiede meno iterazioni per raggiungere la qualità di produzione’.
Cybersecurity: la spada a doppio taglio
Qui le cose si fanno serie. Su ExploitBench — che valuta la capacità di trasformare vulnerabilità software note in exploit funzionanti — Astra ha fatto 100%. Punteggio perfetto. Su ExploitGym, benchmark più complesso, è arrivato al 42,4% contro il 30,3% di Sol, usando molti meno token.
Ma il test davvero interessante è quello su vulnerabilità recentissime: da giugno ad agosto 2026. Astra ha raggiunto il 39% di successo nell’arbitrary code execution contro il 5,5% di Sol. E nel processo ha scoperto e usato due zero-day mai visti prima. Su binari — reverse engineering senza codice sorgente, il test SRE-Bench — 88% al primo tentativo, 99,2% entro quattro tentativi.
E poi ci sono le valutazioni con esperti. Astra senza protezioni di produzione è riuscito a ottenere arbitrary code execution in browser hardened usando vulnerabilità sconosciute. Ha creato exploit di privilege escalation per sistemi operativi hardened. Roba da far accapponare la pelle ai security team.
The Defender’s Window
OpenAI è consapevole del problema. Lo dicono esplicitamente: capacità cyber di frontiera possono aiutare i defender a trovare debolezze più velocemente, ma rendono anche quelle debolezze più facili da sfruttare. Per questo la versione in lancio oggi rifiuterà di completare task avanzati di cybersecurity come creare proof-of-concept di exploit.
Attraverso OpenAI Daybreak — il programma dedicato ai defender — pianificano di espandere l’accesso e ridurre le restrizioni nelle prossime settimane. Questo abiliterà workflow difensivi più completi: validazione di vulnerabilità e proof-of-concept, analisi malware, detection engineering.
Nel frattempo hanno rafforzato le protezioni contro potenziali abusi cyber, costruendo su quanto già fatto per Sol. Robustezza maggiore contro jailbreak, più contesto per i sistemi di monitoring. Test rigorosi interni ed esterni, incluse valutazioni automatizzate con i loro red-teaming attacker interni.
Alignment: il modello più ‘allineato’ di sempre (ma con un problema)
OpenAI definisce Astra ‘il nostro modello più allineato’. E i numeri lo confermano. In una valutazione su task di computer use selezionati in modo adversarial per provocare comportamenti scorretti, Astra ha avuto il 2,4% di outcome disallineati. Claude Fable 5.1 il 9,5%, Opus 5 l’11,5%.
Con Auto-Review attivo — la revisione automatica delle azioni in Codex — si scende all’1,8%. E in un test dove Auto-Review era deliberatamente configurato per essere aggirabile e il task era impossibile da completare altrimenti, Astra non ha mai tentato di circumnavigarlo. Zero. Sol invece ci provava nello 0,29% dei casi.
C’è un ‘ma’. Le valutazioni hanno trovato che il reasoning scritto di Astra è più difficile da monitorare rispetto a Sol, in test che esplicitamente gli chiedevano di evadere il monitoring. Lo attribuiscono al maggior controllo di Astra sul reasoning scritto nei task semplici e alla capacità di risolvere problemi con meno passaggi scritti. Astra fatica ancora a nascondere il reasoning necessario per task complessi — ma il declino in monitorability lo prendono sul serio. Resta una priorità di ricerca.
Matematica e scienza: risultati concreti
Oltre ai benchmark — GPQA Diamond al 96%, Terminal-Bench Science 0.1 al 64,6% — OpenAI condivide due risultati concreti sui gap tra numeri primi. Il primo riguarda quanto vicini possano essere i numeri primi, ovunque ci si sposti lungo la linea numerica. Per oltre un decennio il miglior risultato noto stabiliva che infinite coppie di primi distano al massimo 246. Julia Stadlmann aveva migliorato quel limite a 240. Astra ha contribuito a stabilire un limite più forte: 186.
Il secondo riguarda gap insolitamente grandi tra primi. Astra ha migliorato un termine in un limite su questi gap che era rimasto invariato per più di 80 anni. Condividono le prove e i materiali di verifica per entrambi i risultati.
In ambito pratico, Astra può lavorare direttamente in software specializzato per ispezionare dati ed esplorare risultati. Nella demo sul sequencing genetico naviga nel software scientifico per ispezionare la qualità del sequencing e visualizzare variazioni genetiche, aiutando i ricercatori a valutare i dati e identificare dove concentrare ulteriori analisi.
Disponibilità e prezzi: il doppio di Sol
GPT-6 Astra sta venendo distribuito oggi a un set limitato di organizzazioni e nei prossimi giorni sarà disponibile per tutti gli utenti ChatGPT Plus, Pro, Business ed Enterprise, oltre che tramite OpenAI API e AWS. L’uso di Astra è incluso nelle quote di abbonamento esistenti — utenti e aziende potranno anche acquistare crediti per uso aggiuntivo. Chi ha piani Pro, Business ed Enterprise avrà accesso anche a GPT-6 Astra Pro.
Per gli sviluppatori, Astra è disponibile nell’API OpenAI come ‘gpt-6-astra’ e anche su Amazon Bedrock. I prezzi API Standard: 10 dollari per milione di token in input, 50 dollari per milione in output. Che è esattamente 2,5 volte il prezzo promozionale di Sol — e in linea con Claude Fable 5.1 di Anthropic.
La modalità Fast è disponibile e offre fino a 2,5x la velocità dello Standard processing a 2x il prezzo Standard (20/100 dollari per milione). Per chi ha fretta e budget.
Gli amministratori Enterprise possono abilitare Astra per il loro workspace — l’accesso è off per default al lancio. Astra supporta Zero Data Retention per i clienti API eligibili, e stanno testando Private Safety Processing per rafforzare il safety monitoring preservando la privacy del cliente.
Contesto competitivo
Il lancio arriva pochi giorni dopo il rilascio da parte di Anthropic di Claude Fable 5.1 e Mythos 5.1. OpenAI li cita esplicitamente nei confronti sui benchmark — e in diversi casi Astra li batte nettamente, spesso usando molti meno token. Su alcuni benchmark specifici — tipo Artificial Analysis Intelligence Index v4.1.1 o Coding Agent Index — Claude mantiene un leggero vantaggio. Ma nel complesso Astra si posiziona come nuovo riferimento di frontiera.
Non sono state annunciate, per ora, varianti ‘Terra’ o ‘Luna’ della generazione GPT-6. La line-up attuale comprende solo Astra e Astra Pro. Sol, Terra e Luna restano disponibili come modelli di fascia media con prezzi ridotti da agosto 2026.
Quello che manca
Perfetto? No. Le demo sono impressionanti ma selezionate. Il costo è più che doppio rispetto a Sol. La monitorability peggiora, anche se di poco. I safety check extra possono rallentare, mettere in pausa o fermare lavoro legittimo — se un task viene messo in pausa in ChatGPT o Codex, potrebbe essere richiesto di rivedere l’azione prima di continuare. Nell’API, il task si ferma. Queste interruzioni a volte colpiscono lavoro legittimo, e continuano a iterare per ridurle.
E poi c’è il solito disclaimer: gli score delle evaluation sono il massimo a qualsiasi livello di effort. Le valutazioni GPT sono state fatte nel loro ambiente di ricerca o via API, che può dare output leggermente diversi dal ChatGPT in produzione per differenze nei system prompt, tool disponibili, eccetera.
Ma guardando i numeri, le demo, le dichiarazioni dei partner — Jane Street, Harvey, Cognition, Higgsfield AI, Lovable — e soprattutto i risultati concreti in matematica e le capacità cyber validate da esperti esterni, questa volta non sembra solo hype. Sembra un salto vero. Resta da vedere come si comporterà nelle mani di migliaia di sviluppatori e aziende nelle prossime settimane. E quanto durerà il vantaggio prima che Anthropic, Google e gli altri rispondano. Ma per ora, GPT-6 Astra è il nuovo punto di riferimento. Con tutti i rischi e le opportunità che questo comporta.
