Что такое GPT-6 Astra и уровни reasoning
GPT-6 Astra — это новейшая версия ИИ-модели от OpenAI, выделяющаяся возможностью управления уровнем reasoning — то есть глубиной и сложностью рассуждений, которые ИИ применяет для создания ответа. В эксперименте были проверены пять уровней reasoning: low (низкий), medium (средний), high (высокий), xhigh (очень высокий) и max (максимальный). В модели Astra нет reasoning=none — всегда применяется какой-то уровень рассуждений.
Разница уровней reasoning влияет на качество сгенерированных изображений: чем выше уровень, тем детальнее и правильнее рисунок. Однако высокие уровни требуют больше вычислительных ресурсов и токенов для генерации.
Разбор эксперимента с изображениями пеликанов
Автор обзора сгенерировал изображения пеликанов, едущих на велосипедах, используя GPT-6 Astra и версии GPT-5.6 — Sol, Terra и Luna. Результаты свёл в сравнительную таблицу с изображениями разной детализации.
Главный вывод: даже на низких уровнях reasoning Astra создаёт изображения, значительно лучше, чем любые версии GPT-5.6. Лучшее изображение у GPT-5.6 Sol на xhigh уровню было всё ещё абстрактным набором форм, в то время как Astra на low уже выглядел лучше любого из этих результатов.
Максимальный уровень reasoning Astra нарисовал пеликана с высоким качеством и детализацией. Но ниже max у Astra не всегда правильно отображаются ноги пеликана с обеих сторон.
Влияние стоимости и потребления токенов
Стоимость работы с моделями учитывается по двум параметрам: входные токены (количество слов/запросов) и выходные (генерируемые ответы). Astra в два раза дороже Sol по базовым тарифам ($10 за миллион входных токенов и $50 за миллион выходных против $5 и $30 у Sol соответственно).
Однако Astra генерирует лучшее изображение, затрачивая меньше токенов на каждом уровне reasoning. Это сдвигает цены в реальности ближе друг к другу, так как меньший объём токенов снижает итоговые затраты.
Например, на low уровне Astra создаёт пеликана лучше, чем любой Sol с любым уровнем reasoning, при цене всего 9.55 центов. Для других моделей похожие затраты дают заметно худший результат.
Нестандартное совпадение в использовании токенов
Автор заметил, что Astra и Luna используют всего по 16 входных токенов, тогда как Sol и Terra — 26. Это может указывать на то, что Astra и Luna технически ближе друг к другу, чем говорят представители OpenAI, возможно, они строятся на похожих архитектурах или данных для понимания запроса.
Как применить это в повседневных задачах
Если вы используете функцию генерации изображений в ИИ (например, через API или встроенную в чат-боты), попробуйте выбрать модель Astra, даже на низком уровне reasoning. За небольшие деньги получите лучшее качество�и меньше затрат токенов.
Если нужно сгенерировать визуализации для презентаций, идей или просто для творчества, Astra позволит получить более чёткие и узнаваемые изображения уже на низких настройках.
Эксперимент с визуализацией пеликанов показывает, что просто “повысить уровень reasoning” не всегда значит пропорционально повысить качество, важна архитектура модели и оптимизация расходов токенов.
Кому стоит обратить внимание на GPT-6 Astra
- Тем, кто уже платит за генерацию изображений и хочет лучшее качество при той же или меньшей цене.
- Пользователям с ограниченным бюджетом, кто хочет максимальной эффективности.
- Разработчикам, которым важно детальное управление уровнем рассуждений в модели.
Пользователям, которые не создают визуальный контент и не нуждаются в сложных reasoning, можно применять более дешёвые модели, но быть готовыми к худшему качеству.
Источник: The Pelican comparison grid for Astra is pretty interesting от Simon Willison.