CEO Innolyticsgroup та амбасадор Університету Сингулярності Володимир Бандура написав для AIN колонку про нову модель OpenAI Astra. За його словами, головне тут не просто покращене розв'язання складних математичних задач — куди суттєвіше, що модель долає тести, спеціально сконструйовані так, аби відсіювати банальний перебір варіантів, і показує здатність самотужки шукати нові підходи до незнайомих задач.

Результати нової моделі виходять за межі того, до чого ми звикли, коли йдеться про застосування мовних моделей.

Один із тестерів нових моделей нещодавно сказав, що наступні моделі будуть онтологічним шоком для користувачів. Здається, вони виконали обіцянку.

Володимир Бандура

Автор нагадує, що ще у 2025 році припускав: незабаром людству просто забракне тестів, для яких можна чітко сформулювати і питання, і правильну відповідь. І, схоже, ця межа наближається значно швидше, ніж здавалося.

Шкільна математика — це вже давно не рубіж

Ще два-три роки тому елементарна шкільна математика ставила більшість моделей у ступор — настільки, що спостерігати за їхніми помилками було некомфортно.

У той час легко можна було натрапити на експертів, які переконано пояснювали: так буде завжди, адже LLM — це лише «стохастичні папуги», що статистично імітують мову, а не мислять по-справжньому, тож математика для них — не той жанр.

Проте картина змінилася, щойно з'явилися моделі, здатні до міркування. У 2025 році, на подив багатьох, вони здобули золото на найпрестижнішій і найскладнішій міжнародній математичній олімпіаді — за стандартними правилами, з тим самим лімітом часу і тими самими завданнями, без жодних підказок чи перекладів.

Провідні фахівці з ШІ передбачали такий розвиток подій. Саме тому наприкінці 2024-го — на початку 2025 року команда Epoch AI підготувала один із найважчих математичних тестів — Frontier Math.

Тест створювали ретельно, залучивши на конкурсній основі десятки провідних математиків. Так з'явилися сотні складних завдань, розподілених на чотири рівні — від відносно доступної університетської математики (1–3 категорії) до найскладнішого, дослідницького рівня (4 категорія).

На формулювання лише однієї задачі 4 категорії топовий фахівець у своїй галузі міг витратити не один тиждень.

Щоб оцінити рівень складності цих завдань відносно людських можливостей, автори тесту організували змагання для найталановитіших студентів MIT — найсильнішого технічного університету США. Формат був командним: вісім команд по чотири-п'ять осіб, 4,5 години на виконання.

У результаті на задачах рівнів 1–3 команди в середньому набрали лише 19%, а сумарно всі команди разом — 35%. І це стосувалося порівняно простіших завдань.

Задачі 4 рівня студентам навіть не пропонували — за словами професійних математиків, серед яких були лауреати медалі Філдса, вони самі могли б розв'язати хіба кілька завдань зі своєї вузької спеціалізації.

На момент запуску тесту провідні моделі ШІ давали менше 10% правильних відповідей навіть у простіших задачах рівнів 1–3.

Нова модель GPT-6 Astra фактично знищила цей тест: вона розв'язує майже всю сучасну передову математику, зібрану в ньому, включно з 97,6% завдань найважчого 4 рівня.

Іншими словами, з приблизно 50 задач цього розділу модель, можливо, не впоралася лише з однією-двома — і навіть тут іноді трапляються неточності у самих тестових умовах, які ще потребують перевірки.

Автор наголошує: це не просто надлюдський рівень, а надлюдський рівень із помітним відривом — жодний живий математик навіть приблизно не наблизиться до такого результату в цьому тесті.

«Ходить, говорить, бачить, розуміє». 75 років суперечок про штучний інтелект

А що з практикою?

Бандуру часто запитують, яка практична користь із цього. Він відповідає прикладом: коли говорять про таємний світовий уряд і рептилоїдів, найчастіше згадують BlackRock — фінансовий конгломерат, що керує активами на понад 15,3 трильйона доларів.

Але справжня сила BlackRock не так у самій компанії, як у програмному комплексі Aladdin, який вона розробила.

Цей софт використовують не тільки в BlackRock — його застосовують й інші організації, і сукупно через Aladdin керують активами на понад 21 трильйон доларів.

Автор звертає увагу: у світ швидко приходять моделі ШІ, які показують у математиці вищий рівень, ніж будь-хто, включно з командами таких гігантів, як BlackRock.

Це відкриває можливість створювати значно кращі алгоритми, аналітичні інструменти й прогнози. Бандура іронічно зауважує, що не переймається за долю «рептилоїдів» — вони й так матимуть доступ до будь-яких потрібних моделей, — але сам напрямок для роздумів і розробок виглядає принципово новим.

І це лише один із багатьох вимірів можливостей нової моделі.

Стрибок у можливостях

Загальний стрибок здібностей автор називає шаленим і, ймовірно, найбільш вражаючим релізом цього року. Інший приклад — надскладний тест на творче розв'язання нових задач, ARC-AGI 3, який автор описує як дуже хитрий.

Попередня найкраща модель OpenAI, GPT 5.6 Sol, яку до виходу Astra багато хто вважав лідером, набирала в ARC-AGI 3 лише жалюгідні 7,8%.

Astra ж показала 99,9% (за даними Responses API компанії). Особливість третьої версії тесту полягає в тому, що автори свідомо штрафували моделі, які намагалися пройти завдання грубою силою — перебором варіантів.

Якщо моделі для вирішення візуальних головоломок потрібно було більше кроків, ніж середній людині, вона швидко втрачала бали.

Astra, навпаки, здебільшого швидко розбиралася в логіці нових ігор — правила яких попередньо невідомі, у чому й полягає складність, — та витрачала менше кроків, ніж людина в середньому.

Автор ARC-AGI 3, François Chollet, розповів, що команда проаналізувала хід міркувань моделі під час розв'язання задач і була здивована рівнем символічних міркувань. Astra зайшла настільки далеко, що самостійно створила окрему мову для алгебраїчних нотацій станів гри, аби зручніше розв'язувати головоломки.

ARC-AGI 3 з'явився лише наприкінці березня 2026 року, і на момент запуску жодна модель не досягала навіть 10% — тест спеціально зробили настільки складним.

Утримався він, проте, лише кілька місяців, тоді як перша версія ARC-AGI протрималася п'ять років. І, за словами автора, це лише початок.

Подібних тестів десятки, і майже в кожному Astra встановлює рекордні результати. Доступ до моделі OpenAI відкриють протягом кількох днів усім користувачам, включно з тими, хто має підписку за 20 доларів — спершу його надали лише довіреним партнерам.

Автор жартівливо підсумовує: «рептилоїди» випереджають решту користувачів лише на кілька днів, тож найближчим часом доведеться їх наздоганяти.

Як не перетворити ШІ-трансформацію на автоматизацію хаосу — колонка

Джерело: AIN.UA