OpenAI представила GPT-6 Astra, и главное изменение здесь не в том, что новая модель стала ещё лучше отвечать на вопросы. Она заметно приблизилась к способности получить задачу целиком и самостоятельно довести её до результата. На AutomationBench, где проверяется выполнение сложных профессиональных процессов, Astra набрала 41,4% против 18,1% у GPT-5.6 Sol. В работе с реальным компьютерным интерфейсом результат OSWorld вырос с 65,7 до 72,6%, а ScreenSpot-Pro — с 76,9 до 92,7%. На Terminal-Bench, включающем программирование, системное администрирование и работу с данными, результат поднялся с 37,3 до 57,9%.

Контекст модели составляет 1,05 млн токенов, максимальный ответ — 128 тысяч. Это позволяет работать уже не с отдельным запросом, а с крупной кодовой базой, набором документов или длинным бизнес-процессом. Цена при этом высокая — $10 за миллион входных и $50 за миллион выходных токенов, в 2,5 раза дороже GPT-5.6 Sol. Но стоимость токенов становится второстепенной, если сравнивать её не с другой моделью, а с часом человеческого труда.

Первые прикладные тесты это хорошо показывают. Юридическая платформа Legora дала Astra 41 финансовый документ: за несколько минут модель проверила весь комплект, нашла все четыре специально заложенные ошибки, включая расхождение на £500 тысяч, а качество выполнения конкретного процесса выросло почти на 40% относительно предыдущей модели. Игровая компания Playco сообщает о сокращении ручных исправлений при создании прототипов примерно вдвое. Это пока данные партнёров OpenAI, но важен сам характер экономии: машина уже сокращает не время написания текста, а количество человеческих операций внутри производственного процесса.

Особенно показательно программирование. Мы привыкли считать, что ИИ сделает программиста производительнее. Возможно, это промежуточная стадия. В большинстве компаний программирование вообще не является целью: компании нужен сайт, учётная система, автоматизация склада, кабинет клиента или новый внутренний сервис. Код был необходим только потому, что человеку приходилось подробно объяснять компьютеру, что именно тот должен делать.

Если ИИ способен получить требования, изучить существующую систему, написать код, запустить его, проверить результат и самостоятельно исправить ошибки, исчезает значительная часть причины существования массовой профессии программиста. Компании потребуется человек, который понимает бизнес-задачу, определяет требования и ограничения и принимает результат. Сегодня такого человека скорее назвали бы product owner. Сам код постепенно превращается во внутренний технический слой, который заказчику необязательно даже видеть.

Программисты, разумеется, не исчезнут полностью. Они останутся прежде всего там, где само программное обеспечение является предметом разработки: в AI, системной архитектуре, вычислительной инфраструктуре, безопасности, операционных системах и создании новых платформ. Но это уже гораздо более узкий рынок, чем миллионы людей, которые сегодня пишут прикладной код для бизнеса.

Причём автономность быстро развивается не только в программировании. Astra получила 95,9% на BenchCAD, где требуется по изображениям создавать трёхмерные инженерные модели, и 64,6% на Terminal-Bench Science, включающем реальные исследовательские процессы — анализ данных, моделирование и вычислительные эксперименты. В кибербезопасности модель достигла 100% на ExploitBench и во время отдельных испытаний самостоятельно обнаружила две ранее неизвестные уязвимости. OpenAI впервые отнесла возможности своей модели в этой области к критическому уровню.

Именно поэтому Astra интересна не как очередная версия ChatGPT. Она показывает более фундаментальный переход. До сих пор ИИ в основном снижал стоимость отдельных интеллектуальных операций: написать текст, найти информацию, перевести, предложить код. Теперь начинает снижаться стоимость законченной работы.

Следствием будет не просто повышение производительности сотрудников, а сокращение промежуточных профессий между человеком, который формулирует цель, и системой, которая её реализует. Программист — один из самых очевидных примеров. Но тот же процесс затем затронет аналитиков, дизайнеров, бухгалтеров, юристов и значительную часть административного труда.

Мы привыкли думать, что программирование — это способ создавать программы. Точнее сказать иначе: программирование было способом объяснить машине, чего мы от неё хотим. Если машина начинает понимать это непосредственно, необходимость в самом посреднике становится значительно меньше.