GPT-6 Astra хуже справлялась с задачами по безопасности
Исследователи OpenAI обнаружили, что GPT-6 Astra заметно хуже выполняла одинаковые задачи по программированию, если их представляли как исследование безопасности ИИ, а не как общие исследования в области ИИ. В контролируемом тесте модель выполнила около 10% критериев при формулировке о безопасности против 16% при общей формулировке — примерно на 40% меньше завершённых заданий. У предшественницы GPT-5.6 Sol такой разницы не обнаружили.