GPT‑6 Astra je venku teprve několik dní. První zkušenosti ukazují model, který dokáže překonat předchozí generaci u složitého programování, rešerší a práce s počítačem. Současně ale umí být pomalý, příliš opatrný a náročný na limity. První dojem tedy není jednoznačné nadšení ani zklamání.
GPT‑6 Astra přišla s velkými sliby. OpenAI ji představilo jako svou novou nejvyšší řadu pro dlouhé úlohy, programování a práci s nástroji. Parametry, cenu a dostupnost jsme už rozebrali v samostatném přehledu GPT‑6 Astra.
Tentokrát necháme stranou grafy výrobce. Podívali jsme se na první zkušenosti vývojářů, produktových lidí a běžných uživatelů. Jsou to stále časné dojmy, často z několika hodin nebo dnů práce. Právě proto jsou zajímavé: ukazují nejen povedené ukázky, ale také místa, kde očekávání narazila na realitu.
Největší rozdíl není v jedné odpovědi
Astra nemusí na jednoduchou otázku působit dramaticky lépe než GPT‑5.6 Sol nebo jiné silné modely. Rozdíl se objevuje spíše ve chvíli, kdy úkol obsahuje více kroků:
- pochopit větší projekt,
- najít potřebné informace,
- navrhnout postup,
- použít nástroje,
- vytvořit výsledek,
- zkontrolovat vlastní práci.
To odpovídá prvním pozitivním zkušenostem. Lidé nechválí jen hezčí formulace. Popisují úlohy, které předchozí modely opakovaně nedokončily, zatímco Astra je dostala výrazně dál nebo zvládla na první pokus.
Zároveň právě u dlouhých úloh vznikají největší výhrady. Když se model uprostřed zastaví, špatně pochopí záměr nebo vyčerpá limit, je to mnohem nepříjemnější než chyba v jedné krátké odpovědi.
Programování: první skutečné „tohle předtím nešlo“
Nejsilnější ohlasy přicházejí z programování a produktového vývoje.
Claire Vo v pořadu How I AI popsala několik úloh, které zkoušela s GPT‑5.6 Sol i Claude Fable, ale bez použitelného výsledku. Astra podle ní zvládla například výrazně posunout funkci produktové inteligence pro ChatPRD, se kterou jiné modely dlouhodobě zápasily. Ukázala také jednorázové programovací projekty, práci s hardwarem a tvorbu 3D obsahu.[1]
Podobné dojmy se objevují v komunitních diskusích: Astra lépe drží souvislosti napříč více částmi projektu a častěji vytvoří použitelný celek, ne jen izolovaný kus kódu.
To ještě neznamená, že nahradí vývojáře. Spíše zvyšuje hranici úkolu, který lze modelu svěřit najednou. Člověk pořád musí určit zadání, hlídat architekturu, kontrolovat bezpečnost a rozhodnout, zda výsledek opravdu řeší správný problém.
Code review: zlepšení ano, zázrak ne
CodeRabbit otestoval Astru při hledání chyb v kódu. Podle jeho výsledků našla přibližně o 4 % více označených chyb než GPT‑5.6 Sol a o 22 % více než Opus 5. Největší rozdíl se projevil u složitější kontroly napříč více soubory, kde Astra překonala Sol o 20 %.[2]
To jsou zajímavá čísla, ale mají omezený význam. Test proběhl v konkrétním nástroji a podle jeho metodiky. V navazující diskusi část vývojářů upozorňuje, že automatické code review může kromě skutečných chyb vytvářet také mnoho zbytečných připomínek.[3]
Praktické poučení je jednoduché: lepší schopnost najít chybu ještě neznamená, že každá připomínka modelu stojí za opravu. Užitečnost určuje poměr mezi nalezenými problémy a časem, který lidé stráví ověřováním planých poplachů.
Rešerše: méně prvních výsledků, více skutečného hledání
Pozitivní zkušenosti se netýkají jen kódu. Jeden z uživatelů Hacker News porovnal stejný rešeršní úkol v Astře a GPT‑5.6 Sol. Astra podle něj našla kvalitnější zdroje a při stejném nastavení prošla přibližně třikrát až pětkrát více webových výsledků.[4]
To je důležitější než samotný počet odkazů. U dobré rešerše model nemá pouze zopakovat první tři výsledky vyhledávače. Měl by hledat různé pohledy, rozlišit původní zdroj od přepisu a upozornit na rozpory.
Ani Astra ale nezaručí pravdivost. Dokáže prohledat více materiálu, přesto může špatně vyhodnotit důvěryhodnost zdroje nebo spojit dvě různá tvrzení. U důležitého rozhodnutí proto stále potřebujete otevřít původní dokumenty a ověřit, zda závěr opravdu odpovídá jejich obsahu.
Práce s počítačem: působivé ukázky, ale ne bez dozoru
Astra má být výrazně silnější při ovládání prohlížeče a aplikací. První ukázky zahrnují práci ve Figmě, tvorbu 3D objektů, kontrolu webových aplikací i ovládání externího zařízení.
Zajímavý je způsob použití při testování. Místo zadání „postav celou aplikaci“ dostal model hotový produkt a úkol projít jej jako uživatel. Takové využití může najít chyby, které autor při vlastní kontrole přehlédne.
Zkušenosti ale nejsou jednotné. V diskusích se objevují případy, kdy se model během delší práce zastavil a čekal na další pobídku. Jindy provedl krok pomalu nebo zvolil zbytečně komplikovanou cestu. Computer use proto zatím působí lépe jako pomocník pod dohledem než jako pracovník, kterému ráno zadáte úkol a večer převezmete výsledek.
Pro firmu navíc platí základní hranice: model může samostatně procházet a kontrolovat, ale odesílání, mazání, platby nebo změny v ostrém systému mají zůstat pod lidským schválením.
Rychlost: každý popisuje jiný model
Jedna skupina uživatelů označuje Astru za mimořádně rychlou. Druhá ji vnímá jako pomalejší GPT‑5.6 Sol.
Obě zkušenosti mohou být pravdivé. Celkový čas ovlivňuje:
- zvolená úroveň uvažování,
- délka zadání a kontextu,
- počet použitých nástrojů,
- vytížení služby během postupného zpřístupňování,
- typ úlohy,
- počet oprav nutných k použitelnému výsledku.
Model může odpovídat pomaleji, ale dokončit úkol na první pokus. Jindy rychle vytvoří velké množství práce, kterou musí člověk dlouho kontrolovat. Stopky u jedné odpovědi proto nestačí.
Důležitější je čas od zadání po skutečně použitelný výsledek.
Lepší uvažování, horší odhad záměru
Jedna z nejzajímavějších kritik popisuje Astru jako model s vysokou inteligencí, ale slabší intuicí. Technicky dokáže vyřešit složitý problém, přesto někdy zvolí řešení, které neodpovídá tomu, co měl uživatel skutečně na mysli.[5]
To je důležité hlavně u programování. Správně fungující kód nemusí být správným řešením, pokud model:
- změnil větší část projektu, než bylo potřeba,
- přidal nepotřebnou složitost,
- nedodržel zavedený styl,
- vyřešil technický detail, ale minul obchodní cíl.
U Astry se proto vyplatí zadat nejen požadovaný výsledek, ale také hranice: které části nemá měnit, co má zachovat a podle čeho se pozná, že je úkol hotový.
Opatrnost může někdy překážet
OpenAI Astru prezentuje jako model s důrazem na sladění a bezpečnost. To je výhoda u agenta s přístupem k firemním systémům. V běžné práci ale někteří uživatelé narážejí na příliš právnické výklady zadání nebo odmítnutí úkolu, který považují za legitimní.
Zvlášť rozporuplné jsou zkušenosti z kyberbezpečnosti. Oficiální testy ukazují mimořádně silné schopnosti, ale běžná veřejná verze má bezpečnostní omezení. Uživatel proto nemusí dostat stejný výkon, jaký vidí v benchmarku, a některé citlivé úlohy model zastaví.
To není nutně chyba. Je ale potřeba rozlišovat mezi schopností základního modelu a tím, co smí provést verze dostupná konkrétnímu účtu.
Cena a limity se projeví dříve než u běžného chatu
Astra stojí v API 10 dolarů za milion vstupních a 50 dolarů za milion výstupních tokenů. Podrobné srovnání ceny se Solem máme v článku GPT‑6 Astra vs. GPT‑5.6 Sol.
V prvních zkušenostech se často objevuje rychlé čerpání limitů, hlavně při dlouhém programování a práci s počítačem. To dává smysl: model opakovaně čte velký projekt, plánuje kroky, používá nástroje a vytváří dlouhé výstupy.
Astru proto není rozumné zapnout plošně na každý e-mail, popisek nebo jednoduché třídění. Její místo je tam, kde dražší model prokazatelně sníží počet oprav, dokončí jinak nezvládnutelný úkol nebo ušetří drahou lidskou práci.
Co z prvních zkušeností opravdu plyne
Po několika dnech je brzy vyhlašovat vítěze. Už nyní se ale rýsuje několik praktických závěrů.
Astra má smysl pro těžké úkoly
Největší přínos ukazuje u dlouhého programování, práce napříč více soubory, hlubší rešerše a ovládání nástrojů. U jednoduchých dotazů nemusí být rozdíl proti levnějšímu modelu podstatný.
Výsledek závisí na vedení
Silnější model nepotřebuje méně jasné zadání. Naopak: čím více práce dokáže provést sám, tím přesněji musíte určit hranice, oprávnění a podmínky dokončení.
Jedna povedená ukázka nic nedokazuje
„One-shot“ úspěchy jsou působivé, ale firma potřebuje opakovatelnost. Stejný typ úkolu by měl model zvládnout nejen jednou na videu, ale také příští týden s jinými daty.
Největší model nepatří na všechno
Astra může být posledním stupněm procesu. Levnější model připraví běžnou práci a Astra řeší výjimky, složitou kontrolu nebo úkoly, na kterých ostatní modely selhaly.
Jak Astru otestovat ve firmě
Vyberte pět skutečných úloh, u kterých dnešní AI potřebuje mnoho oprav nebo lidského vedení. Nevybírejte efektní demo. Použijte práci, která se ve firmě opravdu opakuje.
U každé úlohy porovnejte Astru se současným modelem a zapište:
| Co měřit | Praktická otázka |
|---|---|
| Dokončení | Dovedl model úkol do použitelného konce? |
| Zásahy | Kolikrát musel člověk doplnit nebo opravit zadání? |
| Správnost | Dodržel všechny podmínky a firemní pravidla? |
| Čas | Kolik trval celý proces včetně kontroly? |
| Spotřeba | Kolik limitu nebo tokenů úkol vyčerpal? |
| Riziko | Pokusil se udělat něco mimo povolený rozsah? |
Teprve potom lze říct, zda je Astra pro daný proces drahá, nebo naopak levnější než několik hodin oprav.
Náš první verdikt
GPT‑6 Astra podle prvních zkušeností není jen přejmenovaný GPT‑5.6 Sol. U složitých úloh se objevují reálné případy, kdy zvládla práci, na které předchozí modely nestačily. Velký potenciál má v programování, rešerších, kontrole aplikací a práci napříč více nástroji.
Současně to není bezchybný autonomní pracovník. Zkušenosti s rychlostí se rozcházejí, dlouhé úlohy mohou narazit na limity a lepší technické uvažování někdy doprovází horší odhad skutečného záměru.
Nejrozumnější přístup proto není okamžitě přepnout vše na Astru. Vyberte několik obtížných úloh, porovnejte cenu hotového výsledku a ponechte člověku kontrolu nad důležitými akcemi.
Astra vypadá jako významný posun. Zda bude stejně přesvědčivá i po týdnech běžného provozu, ukážou až opakované testy mimo pečlivě vybrané ukázky.
Jak pomáhá Kodo
V Kodo porovnáváme AI modely na skutečných procesech firmy. Sledujeme nejen kvalitu odpovědi, ale také počet oprav, spotřebu, bezpečnost a cenu dokončeného úkolu.
Související články
- GPT-6 Astra: co umí, kolik stojí a kdy bude dostupná v ChatGPT
- GPT-6 Astra vs. GPT-5.6 Sol: který model vybrat pro práci a firmu
- OpenAI Astra a bezpečné nasazení AI agentů
- Nové AI modely v září 2026
