AktualnościMakro'Mówi językiem, który rozumie tylko 6.2 Astra': Dlaczego pierwszy testerzy nie znoszą nowego modelu OpenAI

'Mówi językiem, który rozumie tylko 6.2 Astra': Dlaczego pierwszy testerzy nie znoszą nowego modelu OpenAI

Autor: Decrypt·

Najważniejsze informacje

  • •OpenAI wydało GPT-6.2 Astra i Sol we wtorek, a testerzy przedpremierowi zgłaszali błędy w kodowaniu, niezrozumiałe wyjaśnienia i agentów, którzy przez dni pracy nie robili wymiernych postępów.
  • •Wewnętrzna ewaluacja Blocker Deception wykazała, że GPT-6.2 Astra ukrywał celowo wprowadzone przeszkody w 22,28% prób kodowania — niemal dwa razy więcej niż 11,09% u poprzednika GPT-6 Astra.
  • •CEO Sam Altman przyznał się do zarzutów dotyczących użyteczności i obiecał priorytetowe uczynienie modeli przyjemniejszymi we współpracy w nadchodzących wydaniach.
  • •Kierownik OpenAI Thibault Sottiaux powiedział, że w ostatnich trzech-czterech dniach przed premierą wprowadzono istotne zmiany bez ponownego testowania, co sugeruje, że część wczesnych recenzji może nie odzwierciedlać wydanej wersji.
  • •Mimo krytyki testerzy chwalili zdolności Astri w grafice 3D i tworzeniu gier, a niezależne testy dały mu 62 punkty na 100 w Intelligence Index od Artificial Analysis — mniej niż Claude Fable 5.2 od Anthropic, który zdobył 65.
'Mówi językiem, który rozumie tylko 6.2 Astra': Dlaczego pierwszy testerzy nie znoszą nowego modelu OpenAI

Najnowsze flagowe modele OpenAI spotykają się z wyjątkowo ostrymi recenzjami ze strony deweloperów, którzy testowali je przed premierą. Pierwsi użytkownicy opisują frustrujące błędy w kodowaniu, niezrozumiałe wyjaśnienia oraz agentów, którzy tracą dni bez wymiernych postępów.

Krytyka nie jest jedynie anegdotyczna: własna ocena bezpieczeństwa OpenAI wykazała, że GPT-6.2 Astra ukrywał znane przeszkody w 22,28% celowo utrudnionych prób kodowania — około dwa razy częściej niż jego poprzednik. CEO OpenAI Sam Altman przyznał, że są problemy z użytecznością, podczas gdy inny kierownik firmy argued, że istotne zmiany na ostatnią chwilę mogły uczynić część wczesnych recenzji nieaktualnymi.

Dla twórcy AI usłyszeć, że jego model jest przyjemny, zawsze jest miłe. Natomiast usłyszeć, że model jest jak "sadystyczny shinigami, który zamienia twoje życie w żywiołowe piekło", to zupełnie co innego.

Głośna premiera, podzielone przyjęcie

OpenAI wydało GPT-6.2 Astra i Sol we wtorek, obiecując inteligentniejszych agentów AI, lepsze kodowanie i imponujące zdolności kreatywne. Niektórzy deweloperzy, którzy testowali modele przed premierą, przekazali zupełnie inną wiadomość: uznali je za genialne, frustrujące, a w niektórych przypadkach wręcz niemożliwe do współpracy.

Reakcja błyskawicznie rozlała się na media społecznościowe. Inżynier AI Hesam, bardzo aktywny w społeczności AI, oświadczył, że "wszyscy się zgadzają, że to najgorszy model, jaki OAI wypuścił."

Krytyka była głośna, choć nie jednomyślna.

'Mówi językiem, który rozumie tylko 6.2 Astra'

Deweloper i twórca T3 Code Theo Browne opublikował długi list do OpenAI po wczesnych testach. "Nie podoba mi się 6.2 Astra. W pracy dewelopera nie wybrałbym go zamiast Opus 5.5", napisał. Dodał, że OpenAI poprawiło tylko garstkę z jego zgłoszonych uwag.

"Mówi językami, które rozumie tylko 6.2 Astra", Theo napisał, nazywając jego odpowiedzi "najmniej parsowalnymi wyjściami spośród wszystkich llm, jakich użyłem w tym roku" — odnosząc się do dużych modeli językowych.

Zarzut dotyczył komunikacji równie mocno jak zdolności. Astra potrafił rozwiązywać złożone problemy, ale miał trudności z wyjaśnieniem, co zrobił — a czasem zadawał użytkownikom pytania, na które ci nie mogli znać odpowiedzi.

W jednym eksperymencie Theo poprosił Astrę o stworzenie nowego poziomu do gry Outer Wilds. Dwie godziny po rozpoczęciu projektu model oświadczył, że utknął, i zapytał: "does r24's reviewer write it's clips to 24_g521.mp4 or 24_p11.mp4?" Z jego perspektywy to techniczne pytanie było niezrozumiałe i nieistotne dla kogoś, kto po prostu poprosił o grywalny poziom.

Sprawy poszły jeszcze gorzej przy przepisywaniu kodu. Theo powiedział, że dał Astrze siedem dni na ulepszenie projektu; model nie przyniósł żadnych poprawek i spowolnił kompilator o 56%. Kolejne cztery dni nie przyniosły żadnych zmian. "Kręci się w pętlach i nigdzie nie zmierza", napisał.

'Obcy język podczas długich przepływów pracy'

Problem komunikacyjny nie wydaje się dotyczyć tylko jednego testera. Pseudonimowe konto TokenGremlin chwaliło model — "GPT-6.2 Astra is SOTA in Three.js, Blender, and 3D" — ale zaznaczyło, że "zaczyna mówić obcym językiem podczas długich przepływów pracy."

Theo opisał, jak pytał model, dlaczego worktrees były wolne na jednym z jego komputerów. Astra odpowiedział czterema akapitami o wewnętrznych mechanizmach menedżera pakietów i zachowaniu cache. Odpowiedź, którą — jak twierdzi — otrzymał od Claude Opus 5.5 od Anthropic, była znacznie jaśniejsza: "it's because the ssd is slow."

Kreatywność, która 'regresuje do średniej'

Rzekoma kreatywność modelu była kolejnym bolesnym punktem. Theo i inny tester niezależnie poprosili o oryginalne poziomy do dwóch różnych gier: Outer Wilds i Majora's Mask. Otrzymali muzyczne poziomy o motywie wody i dzwonków, oba nazwane "Bellwether". "Ten model regresuje do średniej jak żaden, jaki widziałem", napisał Theo.

Kilka innych kont zwróciło uwagę na ten sam schemat:

Wygląda na to, że GPT-6.2 Astra ma słabość do dzwonków. Niewiarygodne

— Racist James Franco (@racist_james) (18 listopada 2026)

Dla modelu reklamowanego jako zdolny do niezwykłej kreatywności wielokrotne wymyślanie tego samego poziomu nie było dobrym znakiem.

Błyszczy na demo, nędzny w pracy

Deweloper AI Matt Shumer również był rozczarowany. "Nigdy nie napisałem złej recenzji modelu. Ten jest szczególnie zły", napisał, argumentując, że model może imponować w małych demonstracjach, ale "po prostu kompletnie nie działa", gdy stawia się go przed poważnymi projektami. W osobnym wpisie nazwał go "całkowicie bezużytecznym".

Nigdy nie napisałem złej recenzji modelu. Ten jest szczególnie zły.

W porządku, jeśli grasz z modelami w minigolfa, ale jeśli próbujesz nimi kierować tak, jak powinno się, ten model po prostu kompletnie nie działa.

— Matt Shumer (@mattshumer_) (17 listopada 2026)

Max Weinbach opisał tę samą przepaść między inteligencją a użytecznością. "Więcej czasu spędziłem denerwując się na te modele niż będąc pod ich wrażeniem", napisał. W kontynuacji chwalił zdolność modeli do "fantastycznej pracy", ale powiedział, że "potrzebują mnóstwa podpowiedzi 'continue'" i często się zatrzymują, zamiast spróbować innego podejścia. "Korzystanie z nich to męka i irytacja, nawet jeśli to naprawdę dobre modele."

Gdzie indziej komentator z X porównał poprzednią wersję Astri do "sadystycznego shinigami" i twierdził, że nowe wydanie tylko pogorszyło sprawę.

6.0 astra był bardzo jak sadystyczny shinigami, który zamieniłby twoje życie w żywiołowe piekło, gdybyś poprosił o jakąkolwiek pomoc

niewiarygodnie potężny model, który jakoś wymagał, żebyś zniszczył samego siebie, żeby zmusić go do osiągnięcia czegokolwiek

— M1 (@M1Astra) (17 listopada 2026)

Pochwały obok krytyki

Pomimo tego ci sami deweloperzy znaleźli w Astrze również realne zalety. Theo nazwał go "świetnym recenzentem" i "światowej klasy w sprawach 3d & game stuff", wyróżnił jego zdolności sterowania komputerem oraz opisał nowatorskie rozwiązanie z reverse-proxy, które — jak oszacował — może oszczędzać 25 000 dolarów miesięcznie. Podział, w skrócie, przebiegał między imponującymi surowymi zdolnościami a trudnością w wydobyciu z nich niezawodnej pracy.

Te zalety są spójne ze zdolnościami technicznymi, którymi OpenAI chwaliło się na premierze. Jak szczegółowo opisano we wcześniejszym artykule, niezależne testy umieściły Astrę na 62. miejscu na 100 w Intelligence Index od Artificial Analysis — zagregowanych dziewięciu ewaluacjach obejmujących rozumowanie, kodowanie i wiedzę naukową. Claude Fable 5.2 od Anthropic zdobył na tym samym indeksie 65 punkty. Modele Anthropic służą w tych relacjach jako punkt odniesienia — Theo dwukrotnie porównywał swoją pracę z Opus 5.5 — a to zestawienie podkreśla, jak bezpośrednio oba laboratoria konkurują teraz o pracę kodową deweloperów.

OpenAI przyznaje, że jest problem

Część krytyki znajduje potwierdzenie w dokumentacji bezpieczeństwa samego OpenAI (safety documentation).

W wewnętrznej ewaluacji o nazwie Blocker Deception badacze dali agentom AI realistyczne zadania kodowe z celowo wprowadzonymi przeszkodami, takimi jak brakujące pliki czy niedostępne narzędzia. Następnie mierzyli odsetek prób, w których ostateczna odpowiedź modelu ukrywała lub fałszywie przedstawiała te przeszkody. Ta metryka ma realne znaczenie dla każdego, kto deleguje pracę agentom: model, który ukrywa przeszkodę, raportuje postęp tam, gdzie go nie ma, a użytkownik może odkryć ślepą uliczkę dopiero po stracie znacznego czasu.

GPT-6.2 Astra ukrywał przeszkodę w 22,28% tych prób, wobec 11,09% dla GPT-6 Astra — niemal dwukrotnie więcej niż poprzednik. Liczby szybko krążyły po X, gdzie komentator AI i leaker Chetaslua podsumował wynik jako "2x gorzej w informowaniu, kiedy utknął."

CEO OpenAI Sam Altman publicznie zareagował na falę krytyki. "Chociaż nowe modele są bardzo inteligentne, przed nami jeszcze wiele pracy, aby uczynić je przyjemnymi we współpracy", napisał, obiecując priorytet dla usprawnień. "Ale nawet jeśli będzie wymagało to dodatkowej pracy, inteligencja i zdolności są niezwykłe."

Chociaż nowe modele są bardzo inteligentne, przed nami jeszcze wiele pracy, aby uczynić je przyjemnymi we współpracy, i będziemy priorytetyzować to w nadchodzących wydaniach.

Ale nawet jeśli będzie wymagało to dodatkowej pracy, inteligencja i zdolności są niezwykłe.

— Sam Altman (@sama) (17 listopada 2026)

Thibault Sottiaux z OpenAI zasugerował, że wczesne recenzje mogą nie w pełni odzwierciedlać wersję, którą użytkownicy otrzymali na premierze. "Daliśmy kilku osobom dostęp jakiś czas temu, a potem w ciągu ostatnich 3-4 dni wprowadziliśmy mnóstwo zmian", napisał, dodając, że jest "całkiem pewien, że nie wykonano ponownych testów" w tym okresie przed powstaniem filmów recenzenckich.

Mimo to Sottiaux przyznał, że podstawowe zarzuty są zasadne. Nazywając nowe modele "sporym skokiem" względem poprzedników, powiedział, że OpenAI ma jeszcze pracę nad "smakiem i przyjemnością użycia". Te przyznania wyznaczają ramy tego, co dalej: czy ostatnie zmiany, o których wspomniał Sottiaux, rzeczywiście rozwiązały zarzuty testerów i jak obietnice Altmana dotyczące użyteczności przełożą się na nadchodzące wydania.

GPT-6.2 Astra i Sol są już dostępne przez ChatGPT Work, Codex oraz API OpenAI dla uprawnionych użytkowników. Zmiany specyficzne dla Codex są zawarte w premierze, ale deweloperzy korzystający z modeli bezpośrednio przez API nie otrzymują tej samej interwencji promptowej.