Мультимодальна модель GPT-6 Astra від OpenAI успішно пройшла браузерну головоломку «I’m Not a Robot». Це гра від Ніла Агарвала, яка складається з 48 рівнів капчі зростаючої складності. Модель самостійно керувала курсором миші та інтерфейсом браузера, послідовно виконуючи завдання, і не припустилася жодної помилки.
Про результат повідомив інженер OpenAI Шариф Шамім у соціальній мережі X, опублікувавши відео проходження. Під час тесту Astra виконувала різні завдання, стилізовані під класичні та нестандартні варіанти капчі: від пошуку світлофорів і пожежних гідрантів на сітці зображень до складних просторових пазлів, зіставлення рухомих об’єктів, повзунків підтвердження та логічних пасток, розрахованих на перевірку людської моторики.
Модель послідовно пройшла всі 48 випробувань, аналізуючи візуальний контекст у реальному часі та відтворюючи рухи курсора з природними, «людськими» траєкторіями.
Чому це важливо для кібербезпеки
Ситуація виглядає іронічно: сама концепція капчі свого часу з’явилася для того, щоб відсікати автоматизований трафік і відрізняти живу людину від скрипта. Однак поява мультимодальних агентів, як-от GPT-6 Astra, здатних «бачити» екран у реальному часі, розпізнавати візуальний контекст і імітувати поведінку людини за курсором миші, фактично стирає цю межу.
Класичні візуальні перевірки на сайтах перестають бути перешкодою для штучного інтелекту. Це означає, що розробникам систем безпеки найближчим часом доведеться повністю переглядати підхід до верифікації користувачів, переходячи від графічних тестів до глибшого поведінкового аналізу на рівні сесій.
Не перша демонстрація можливостей Astra
Проходження капчі — не єдиний показовий результат моделі за останній час. Раніше користувачі з раннього доступу вже ділилися серією нестандартних тестів для Astra. Наприклад, розробник Тео (t3.gg) створив невелику 3D-гру, яка запускається прямо в браузері й була зроблена за один прохід генерації. Сам Шариф Шамім попросив модель відтворити в Blender Палац витончених мистецтв у Сан-Франциско — історичну будівлю часів всесвітньої виставки 1914 року — отримавши точну геометрію куполу й колонади на основі референсних зображень.
Ціна доступу до моделі через API становить $10 за мільйон вхідних токенів і $50 за мільйон вихідних. Читання з кешу коштує $1, пакетний режим — удвічі дешевший за стандартний, а швидкий режим (Fast mode) — удвічі дорожчий.
Нагадаємо, що під час іншого експерименту GPT-6 Astra заселила світ в Unreal Engine власними «людьми» — і вони самі почали розмовляти між собою.