Nella pagina che OpenAI dedica a Legora, una piattaforma per il lavoro legale, il numero grande è 40 per cento. Astra avrebbe migliorato di quasi il 40 per cento il risultato del modello precedente nel controllo di un gruppo di documenti finanziari. Qualche riga più sotto compare la misura complessiva: sull’intero benchmark interno di Legora, il miglioramento medio è stato del 3 per cento.
Legora dichiara entrambi i numeri. Il 40 per cento è diventato il risultato. Il 3 per cento è rimasto nel testo.
GPT-6 Astra è stato presentato da OpenAI il 3 settembre. L’accesso immediato riguarda poche organizzazioni del programma Daybreak; l’arrivo sui piani a pagamento e nelle API è previsto nei giorni successivi. Chi era fuori dal programma poteva vedere benchmark scelti da OpenAI, casi preparati con clienti selezionati e una dimostrazione video che Fortune ha descritto come preparata.
Due giorni prima Anthropic aveva distribuito Claude Fable 5.1 sui piani a pagamento e attraverso le API. Google aveva reso disponibile Gemini 3.8 Flash il giorno seguente; Meta aveva aggiornato Muse Spark 1.3. Tutti promettevano progressi nel coding e nei compiti agentici, dove il modello usa strumenti e porta avanti molti passaggi. Fable poteva già essere messo alla prova. Astra compariva già nei titoli sull’AGI.
Il 1° agosto OpenAI aveva attribuito ad Astra dieci nuovi risultati in matematica e informatica teorica. Un mese dopo lo ha classificato come il primo proprio modello con capacità di cybersecurity “critiche”. Al briefing, il presidente Greg Brockman ha detto che per lui l’intelligenza artificiale generale è già arrivata e ha salutato i giornalisti con un “benvenuti nell’era dell’AGI”.
La classificazione “critica” ha alimentato l’attesa: l’accesso ristretto suggerisce qualcosa di troppo capace per essere distribuito subito.
Nel 2023 OpenAI presentò GPT-4 ricordando che aveva raggiunto circa il novantesimo percentile in una simulazione dell’esame di abilitazione forense statunitense. Una successiva analisi accademica giudicò quel percentile sovrastimato: con gruppi più rappresentativi, il risultato scendeva sotto il sessantanovesimo. GPT-4 restava un salto notevole. Il novantesimo percentile entrò nei titoli; le condizioni del test molto meno.
OpenAI riporta per Astra risultati quasi perfetti su test di ragionamento e uso del computer. Alcuni dipendono dal sistema che circonda il modello, compresi memoria e strumenti. Per chi acquista un risultato può essere la misura giusta; per chi vuole isolare il miglioramento del modello, rende il confronto più difficile. Dai materiali principali manca inoltre GDPval, il test di OpenAI dedicato alle attività professionali economicamente utili.
Astra potrebbe davvero segnare un salto. Legora sostiene che abbia trovato tutti e quattro gli errori inseriti in 41 documenti; Playco dichiara di aver dimezzato le correzioni manuali necessarie per i propri prototipi. Sono indizi seri, prodotti da OpenAI e dai partner scelti per presentare il modello nelle condizioni migliori.
Fable 5.1 ha perso questa prima sfida proprio mentre era già disponibile. Anthropic ha presentato un aggiornamento utilizzabile; OpenAI ha presentato un passaggio d’epoca. Nella competizione tecnica il risultato resta aperto. In quella narrativa, Astra è arrivato con due giorni di ritardo e ha preso il primo posto.
Il confronto utile comincerà quando gli utenti potranno assegnare ai due modelli lo stesso lavoro e registrare quanti tentativi richiedono, dove si fermano e quante correzioni umane restano. Fino a quel momento, il 3 per cento scritto sotto il 40 vale più di qualsiasi benvenuto nell’era dell’AGI.
