OpenAI opublikował niedawno GPT-6 Astra - model, który Sebastian Raschka ocenia jako najlepszy, jaki dotychczas testował. Szczególnie zaskakująco model radzi sobie z zadaniami graficznym, znacznie przewyższając poprzednika GPT-5.6 w renderowaniu 3D i animacjach, podczas gdy standardowo lepszuje wyniki również w pisaniu, matematyce i kodowaniu.
Aktualne dyskusje w środowisku badaczy AI skupiają się na trzech kluczowych aspektach Astry. Po pierwsze, na jej ogólnej wydajności i benchmarkach wskazujących na przeskok technologiczny. Po drugie, na plotkach dotyczących stosowania pętli w architekturze transformerów (looped transformers), która mogłaby zwiększać głębokość przetwarzania sekwencyjnego. Po trzecie, na spekulacjach, że Astra może ukrywać swoje łańcuchy myślenia (chain of thought), czyli wewnętrzne procesy rozumowania nie widoczne dla użytkownika.
Temat looped transformers jest szczególnie istotny, bo mogłyby one stanowić rewolucyjny krok w architekturze AI - zamiast linearnego przetwarzania warstw, model mógłby iteracyjnie wracać do problemu, podobnie jak człowiek rozwiązujący skomplikowane zagadki. Jeśli Astra rzeczywiście stosuje to podejście i przy tym ukrywa procesy rozumowania, oznaczałoby to nową erę bardziej samodzielnych i głębokich systemów AI.