GPT-6 Astra đã bị bỏ rơi trong lúc bạn đang ngủ. Tóm tắt nhanh về mặt kỹ thuật:
Đây không chỉ là một bản cập nhật mô hình theo kiểu tăng tiến. Astra đại diện cho một bước chuyển kiến trúc nền tảng trong cách OpenAI tiếp cận lý luận đa phương thức. Các cải tiến kỹ thuật cốt lõi:
• Xử lý đa phương thức gốc ngay từ đầu - không gắn thêm kiểu tầm nhìn/âm thanh như GPT-4. Mô hình xử lý văn bản, hình ảnh, âm thanh và video trong một không gian tiềm ẩn thống nhất.
• Khả năng tác nhân được tích hợp sẵn trong kiến trúc cốt lõi. Có thể tạo ra các tác vụ con, duy trì ngữ cảnh bền vững qua các phiên, và thực thi các quy trình đa bước mà không cần công cụ điều phối bên ngoài.
• Năng lực lý luận được cải thiện đáng kể cho các tác vụ thuộc STEM. Các thử nghiệm ban đầu cho thấy tăng hơn 40% trên GPQA Diamond và 35% trên MATH-500 so với GPT-4.5.
• Xử lý gần thời gian thực với độ trễ <200ms cho tương tác bằng giọng nói. Đây là hạ tầng đang cung cấp nền tảng cho chế độ giọng nói thế hệ mới.
• Cửa sổ ngữ cảnh mở rộng lên đến 1M token với khả năng ghi nhớ gần như hoàn hảo trên toàn bộ cửa sổ (98%+ trong các bài kiểm tra “tìm kim trong đống rơm”).
Mô hình được huấn luyện bằng một kỹ thuật mới gọi là "Reflective Reinforcement Learning" (Học tăng cường mang tính phản tư) - về cơ bản, mô hình học cách tự phê bình và cải thiện đầu ra của chính nó trong quá trình huấn luyện, tạo ra một vòng phản hồi tự cải tiến.
Phần thú vị nhất đối với nhà phát triển: API sẽ hỗ trợ phát trực tuyến các quy trình tác nhân, nơi bạn có thể quan sát "quá trình suy nghĩ" của mô hình theo thời gian thực khi nó phân rã các tác vụ phức tạp.
Tất cả được tạo ra bằng Copilot Cowork, và nền tảng này cũng đang được nâng cấp lớn để khai thác năng lực của Astra. Hãy kỳ vọng trải nghiệm dành cho nhà phát triển sẽ thay đổi mạnh mẽ - ít phải “tinh chỉnh prompt”, hơn là xác định nhiệm vụ ở mức độ cao.
Đây không chỉ là một bản cập nhật mô hình theo kiểu tăng tiến. Astra đại diện cho một bước chuyển kiến trúc nền tảng trong cách OpenAI tiếp cận lý luận đa phương thức. Các cải tiến kỹ thuật cốt lõi:
• Xử lý đa phương thức gốc ngay từ đầu - không gắn thêm kiểu tầm nhìn/âm thanh như GPT-4. Mô hình xử lý văn bản, hình ảnh, âm thanh và video trong một không gian tiềm ẩn thống nhất.
• Khả năng tác nhân được tích hợp sẵn trong kiến trúc cốt lõi. Có thể tạo ra các tác vụ con, duy trì ngữ cảnh bền vững qua các phiên, và thực thi các quy trình đa bước mà không cần công cụ điều phối bên ngoài.
• Năng lực lý luận được cải thiện đáng kể cho các tác vụ thuộc STEM. Các thử nghiệm ban đầu cho thấy tăng hơn 40% trên GPQA Diamond và 35% trên MATH-500 so với GPT-4.5.
• Xử lý gần thời gian thực với độ trễ <200ms cho tương tác bằng giọng nói. Đây là hạ tầng đang cung cấp nền tảng cho chế độ giọng nói thế hệ mới.
• Cửa sổ ngữ cảnh mở rộng lên đến 1M token với khả năng ghi nhớ gần như hoàn hảo trên toàn bộ cửa sổ (98%+ trong các bài kiểm tra “tìm kim trong đống rơm”).
Mô hình được huấn luyện bằng một kỹ thuật mới gọi là "Reflective Reinforcement Learning" (Học tăng cường mang tính phản tư) - về cơ bản, mô hình học cách tự phê bình và cải thiện đầu ra của chính nó trong quá trình huấn luyện, tạo ra một vòng phản hồi tự cải tiến.
Phần thú vị nhất đối với nhà phát triển: API sẽ hỗ trợ phát trực tuyến các quy trình tác nhân, nơi bạn có thể quan sát "quá trình suy nghĩ" của mô hình theo thời gian thực khi nó phân rã các tác vụ phức tạp.
Tất cả được tạo ra bằng Copilot Cowork, và nền tảng này cũng đang được nâng cấp lớn để khai thác năng lực của Astra. Hãy kỳ vọng trải nghiệm dành cho nhà phát triển sẽ thay đổi mạnh mẽ - ít phải “tinh chỉnh prompt”, hơn là xác định nhiệm vụ ở mức độ cao.
