OpenAI выкатила GPT-6 Astra: 57.9% на Terminal-Bench 4.0 против 37.3% у GPT-5.6 Sol. Задачи Financial Modeling World Cup модель щёлкает в 4 раза быстрее победившего человека. А для многочасовых proactive agent workflows — прирост 20% по pass-rate при меньшем числе обращений к модели. Надёжность. GPT-6 Astra генерирует 89% меньше неожиданных действий, чем GPT-5.6 Sol, и 74.7% меньше, чем Claude Fable 5.1. OpenAI утверждает, что улучшенное принятие решений позволяет убрать scaffolding — retry-логику и валидацию шагов. При этом enterprise-доступ по умолчанию отключён, добавлены admin-контроли. Абсолютная частота неожиданных действий нигде не раскрыта — только относительные сравнения. Без числа отказов на тысячу запусков невозможно оценить риск в сценарии вроде «удаление данных». Что это значит: крупный скачок в надёжности агентов, но для enterprise-оценки критически не хватает одного числа — сколько именно сбоев происходит на реальной рабочей нагрузке.