Hal itu terlihat dalam pengujian OSWorld 2.0, sebuah benchmark untuk mengukur kemampuan agen AI dalam menyelesaikan berbagai pekerjaan di lingkungan komputer. Dalam pengujian offline OpenAI, GPT-6 Astra mencatat skor 72,6 persen dengan waktu penyelesaian sekitar 40 menit per tugas.

Sebagai perbandingan, GPT-5.6 Sol memperoleh skor 65,7 persen dan membutuhkan sekitar 75 menit untuk menyelesaikan setiap tugas.

OpenAI menyebut peningkatan kemampuan Astra berasal dari kombinasi proses pre-training berskala besar dan reinforcement learning. Metode pelatihan tersebut digunakan agar model semakin baik dalam menghubungkan informasi dan menjalankan pekerjaan panjang yang terdiri atas banyak tahapan.

Astra juga menjadi model pertama OpenAI yang menjalani proses pre-training menggunakan lebih dari 100.000 DBU di infrastruktur Stargate, proyek ambisius OpenAI untuk membangun infrastruktur pusat data AI berskala global. (The Verge)