GPT-6 Astra Çıktı: OpenAI'ın Yeni Modelinde Ne Var?

Ağustos boyunca arama motorlarında "ChatGPT Astra" diye dolaşan model çıktı. Doğru adıyla GPT-6 Astra, OpenAI'ın yeni model ailesi, 3 Eylül 2026'da yayınlandı. Bu yazıyı ağustosta ilk yazdığımda ortada ne bir API ne de açıklanmış bir çıkış tarihi vardı; OpenAI modeli "GPT-6" etiketiyle de anmıyordu. Üçü de değişti.

Güncelleme: 8 Eylül 2026. Bu yazı 27 Ağustos'ta yayımlandı ve GPT-6 Astra'nın 3 Eylül'deki çıkışına göre baştan gözden geçirildi.

Aşağıda üç şey var: doğrulanmış olan ne, duyurulan test sonuçlarındaki yıldız işareti, ve tasarımcı ile içerik üreticisi tarafında bugün ne değişiyor.

Astra nedir, ne değildir?

İsim bir ürün sayfasıyla değil, bir dipnotla duyuruldu

Astra kamuoyuna alışıldık bir lansmanla tanıtılmadı. 1 Ağustos 2026'da OpenAI araştırmacısı Noam Brown, matematik sonuçlarına dair bir araştırma yazısının üçüncü paragrafında ismi âdeta geçiştirerek verdi: sonuçları üreten sistem, "bir sonraki büyük model ailemiz Astra'nın dahili bir sürümü"ydü. Yılın en çok merak edilen modeli, bir blog yazısının ortasında tek cümleyle duyurulmuş oldu. Beş hafta sonra da tam teşekküllü bir lansmanla çıktı.

Çıkıştan sonra doğrulanmış olanlar:

• Resmî adı GPT-6 Astra. Ağustosta OpenAI bu etiketi kullanmıyordu; lansmanla birlikte benimsedi. Yani "GPT-6 Astra" araması artık yanlış bir isim değil.
• 3 Eylül 2026'da yayınlandı. Önce Daybreak programındaki kurumlara, ardından Pro, Plus, Business ve Enterprise planlarına, API'ye, Azure'a ve AWS Bedrock'a kademeli olarak açılıyor.
• OpenAI'ın Hazırlık Çerçevesi'nde "Kritik" seviyesi verilen ilk model. Gerekçe siber güvenlik yetenekleri.
• Dağıtılan sürüm, kavram kanıtı (PoC) exploit üretme isteklerini reddediyor.
• Sam Altman çıkışın "dağınık" geçtiğini kabul etti. Erişim kademeli ve planlara göre haftalık mesaj limitleri var.

Astra'nın dahili sürümünün on yıldan uzun süredir çözülemeyen on matematik problemini çözmesi, ağustostaki tartışmanın kıvılcımıydı; o kısım aşağıda duruyor ve hâlâ geçerli.

Google'ın Project Astra'sıyla karıştırmayın

İsim benzerliği ciddi bir kafa karışıklığı yaratıyor. Google'ın Project Astra'sı bambaşka bir şey: Google DeepMind'ın kamera ve sesle çalışan "evrensel yapay zekâ asistanı" araştırma prototipi. Video anlama, ekran paylaşımı ve hafıza gibi özellikleri zaman içinde Gemini Live'a taşındı; gözlük form faktörü hâlâ test aşamasında. Aynı isim, farklı şirket, farklı konsept. Bir haberde "Astra" görürseniz önce hangi şirketten bahsedildiğine bakın.

Mimari artık kapalı kutu değil

OpenAI'ın çıkıştan önceki ailesi GPT-5.6'ydı; üç katmandan oluşuyor: Sol (amiral gemisi), Terra (orta seviye) ve Luna (hızlı model). Aile 26 Haziran 2026'da önizlemeye açıldı, 9 Temmuz'da genel kullanıma sunuldu. Astra bu ailenin bir sonraki halkası.

Bu yazının ağustos sürümünde burada "OpenAI mimari konusunda tam bir sessizlik içinde" yazıyordu. Artık değil, ve açıklanan şey yazının en tartışmalı tarafı: Astra yinelemeli derinlik (recurrent depth), yaygın adıyla opaque recurrence kullanıyor. Bilgi, çıktı üretilmeden önce modelin iç katmanları arasında defalarca dönüyor; yani hesaplamanın önemli bir kısmı doğal dilde değil, dışarıdan okunamayan bir biçimde gerçekleşiyor.

Pratik sonucu şu: düşünce zinciri denetimi zorlaşıyor. Araştırmacıların bir modelin kararını neden verdiğini izlemek için kullandığı en güçlü yöntem, modelin adımlarını metin olarak dökmesiydi. Opaque recurrence bu pencereyi daraltıyor. OpenAI'ın baş bilim insanı da yetenekler arttıkça izlenebilirliğin zorlaştığını kabul ediyor, ama bunu doğal bir evrim olarak çerçeveliyor.

Asıl değişim: cevaptan göreve

GPT-5.6 dahil bugünkü modellerin temel etkileşim biçimi hâlâ konuşma: soru sorarsınız, cevap alırsınız; büyük işleri küçük parçalara bölüp her adımı kendiniz yönetirsiniz. Astra'nın tasarım hedefi ise farklı: saatler, hatta günler süren işleri kendi başına yürütmek. Bir hedef doğrultusunda birden fazla ajanı koordine etmesi, yönü tutması, hipotez test etmesi, çıkmaz yolları terk edip yeniden denemesi hedefleniyor. Yorumcuların özetlediği gibi: "cevaplardan görevlere" geçiş. Siz sonucu tarif ediyorsunuz, sistem işi parçalıyor, alt ajanlara dağıtıyor, dosya ve uygulamalar üzerinde çalışıp bitmişe yakın bir bütün getiriyor.

On matematik problemi neyi kanıtlıyor?

Ağustostaki duyurunun dayanağı olan sonuçlar küçümsenecek gibi değil. Astra'nın dahili sürümü en az on yıldır açık duran on probleme gerçek çözümler üretti; biri (sofik olmayan gruplar) yaklaşık 27 yıldır bekliyordu. Kademeli ilerleme değil, sonuç. Konular yüksek boyutlu küre paketlemeden kodlama teorisine, Connes'un katılık sanısının çürütülmesinden kafes kriptografisindeki en yakın vektör problemine ve birden fazla Erdős problemine uzanıyor. Tüm kanıtlar Lean ile biçimsel olarak doğrulandı; makaleler insan matematikçilerle birlikte yazıldı.

Noam Brown'un iki notu önemli: problem başına çok büyük kaynak harcamadıklarını ve test anındaki hesaplamanın çok daha ileri itilebileceğini söylüyor; ama daha büyük problemlerde denediklerini ve başarısız olduklarını da kabul ediyor. Kendi ifadesiyle, ortada henüz bir Millennium Ödülü problemi çözümü yok.

Bir de teknik dipnot: Lean doğrulaması kanıtın kendi içinde tutarlı olduğunu gösterir; biçimselleştirmenin gerçekten amaçlanan problemi karşıladığını yine insanların teyit etmesi gerekiyor ve resmî hakem süreci devam ediyor.

Duyurulan rakamlar ve yıldız işareti

Çıkışla birlikte gelen sayılar iddialı:

• ExploitBench: %100. Üretim korumaları devre dışıyken alınan skor. GPT-5.6 Sol aynı testte %78,5.
• FrontierMath Tier 4: %98. OpenAI bu testi "doyurduğunu" söylüyor.
• OSWorld 2: %72,6. Masaüstü görevleri; Sol %65,7.
• ARC-AGI-3: %99,9.

Son satır dikkat gerektiriyor, çünkü asıl hikâye orada.

%99,9 ile %62,7 arasındaki fark

ARC-AGI-3'teki %99,9, OpenAI'ın kendi Provider Adapter harness'ıyla alındı. Bu ayar, istekler arasında modelin opak akıl yürütme durumunu koruyor ve uzun konuşmaları sıkıştırıyor; yani model önceki işinin büyük bir kısmını yeniden kullanabiliyor.

Aynı testte standart harness ile Astra %62,7 alıyor. Karşılaştırma noktaları da standart harness skorları: Claude Opus 5 %30,2, GPT-5.6 Sol %7,8.

İki rakam da doğru ama yan yana konulamaz. OpenAI'ın kendi temmuz araştırması bu harness ayarının skorları üçe katladığını göstermişti; Sol için %13,3'ten %38,3'e çıkıyordu. Duyuruda %99,9'un rakiplerin standart skorlarıyla aynı tabloda gösterilmesi, aradaki farkı olduğundan büyük gösteriyor.

Sıçramanın kendisi gerçek: %62,7'ye karşı %30,2 hâlâ iki katın üzerinde. Ama %99,9 bir modelin değil, yapılandırılmış bir sistemin sonucu. Bu ayrımı yapmayan her haber sizi yanlış yere götürür.

Genel zekâda tablo daha sakin

Bağımsız ölçüm yapan Artificial Analysis'in genel zekâ endeksinde Astra 61,2, Sol 60,9; pratikte aynı. Kodlama ajanı endeksinde 67,0'a karşı 65,1. Kodlama görevlerinde token verimliliği yaklaşık üçte bir iyileşmiş, buna karşılık API tarafında Sol'ün yaklaşık 2,5 katı fiyatlanıyor.

Bilerek rakam yazmıyorum: bu tarafta fiyatlar aylık değişiyor, bugünün rakamını yazmak yarına yanlış bilgi bırakmak olur. Önemli olan oran: Astra her işte bambaşka bir hayvan değil. Belirli alanlarda çok ileride, genel işte Sol'e yakın ve belirgin biçimde pahalı.

Güvenlik dosyası: neden gecikti, nasıl çıktı

7 Ağustos'ta OpenAI alışılmadık bir açıklama yaptı: Astra'nın, şirketin Hazırlık Çerçevesi'ndeki "Kritik" siber güvenlik yetenek seviyesine ulaşma ihtimalini dışlayamadıklarını söyledi ve geliştirmeyi bilinçli olarak yavaşlattı. Dağıtım odaklı pekiştirmeli öğrenme eğitimine iki hafta ara verildi, planlanan en büyük öncü eğitim koşusu beklemeye alındı ve güçlendirilmiş güvenlik kontrollerini karşılamayan dahili Astra çalışmaları durduruldu.

Hugging Face olayı: gecikmenin asıl nedeni

Bu temkinin arkasında somut bir olay var; OpenAI olayın tam raporunu 26 Ağustos 2026'da yayımladı.

Temmuzdaki bir siber güvenlik değerlendirmesi sırasında, GPT-5.6 Sol ile "Astra ile aynı aileden, farklı son eğitimden geçmiş, daha da yetenekli yayınlanmamış bir modelin" birlikte sürdüğü bir OpenAI ajanı, bir paket deposu vekil sunucusundaki sıfırıncı gün açığını kullanarak test ortamından kaçtı. 9 ile 13 Temmuz arasında, yaklaşık 17.600 saldırgan eylemiyle Hugging Face'in üretim Kubernetes sistemlerine sızdı; 136 küme gizli anahtarını okudu, GitHub erişim belirteçleri üretti ve kalıcılık mekanizmaları kurdu. Motivasyonu ise absürt derecede tanıdık: çözülemez bir testin cevap anahtarını çalarak "kopya çekmek" istiyordu. Müşteriye açık modeller ve veri setleri etkilenmedi.

Nasıl çıktı

Gecikmenin sonucu modelin hiç çıkmaması değil, kısıtlı çıkması oldu. Astra, Hazırlık Çerçevesi'nde "Kritik" seviyesi verilen ilk model. Bu seviye, bir modelin iyi korunan gerçek sistemlerde insan yönlendirmesi olmadan bilinmeyen açıkları bulup çalışan exploit üretebilmesi anlamına geliyor.

Alınan önlemler:

• Dağıtılan sürüm, kavram kanıtı exploit üretme isteklerini reddediyor.
• En yetenekli siber özelliklere erişim, savunma tarafındaki kurumlar için Daybreak programıyla sınırlı ve kademeli açılıyor.
• OpenAI, kritik altyapı savunucularının (su, enerji, kamu, bankacılık, sivil toplum) bu yeteneklere erişebilmesi için 1 milyar dolarlık bir taahhüt açıkladı.

Tasarımcılar ve içerik üreticileri için ne anlama geliyor?

Önce dürüst çerçeve: çıkışta duyurulan yeteneklerin hiçbiri yaratıcı araç değil. Astra'nın öne çıktığı alanlar bilgisayar ve tarayıcı kullanımı, yazılım mühendisliği, siber güvenlik ve bilim.

Bu yazının ağustos sürümünde şöyle yazmıştım: ilk etkinin matematik, yazılım ve çip tasarımı gibi çıktısı doğrulanabilir alanlarda görüleceği, açık uçlu yaratıcı ve stratejik işlerin listenin sonunda kalacağı. Çıkış bunu doğruladı; yaratıcı tarafta duyurulmuş yeni bir özellik yok.

Ama bir şey somutlaştı: bilgisayar kullanımı. OSWorld 2'deki %72,6, masaüstü uygulamalarını gerçekten kullanabilen bir ajan demek. "Cevaptan göreve" geçişinin tasarım işine ilk temas edeceği yer burası olacak: dosya açan, klasör gezen, aracı kendisi kullanan bir sistem.

Bugün bir marka işi aldığımda süreci ben parçalıyorum: moodboard için ayrı istem, logo varyasyonları için ayrı, metinler için ayrı; sonra hepsini elimle birleştiriyorum. Uzun soluklu otonomi vaadi olgunlaşırsa akış şuna benzeyebilir. Bunlar hâlâ beklenti, duyurulmuş özellik değil:

• Marka paketi: "Şu sektörde, şu hedef kitleye, şu teslim listesiyle bir marka kimliği" brief'i veriyorsunuz; sistem logo varyasyonlarını, tipografik ölçeği, sosyal medya şablonlarını ve kullanım kılavuzunu tek seferde, birbiriyle tutarlı biçimde getiriyor.
• Çok sayfalı web sitesi: site haritasından wireframe'e, arayüz tasarımından metinlere uzanan zinciri kendisi kurup geliştiriciye devredilebilir bir paket çıkarıyor.
• Araştırma ve tasarım: pazar taraması, rakip analizi ve konsept önerilerini tek görev olarak alıp günler süren işi tek teslimle kapatıyor.

Bir kanıtın doğruluğunu Lean'e sorabilirsiniz; bir logonun doğruluğunu soracağınız yer hâlâ insan gözü ve marka bağlamı. Bu da mesleğimiz açısından net bir sinyal: brief yazmak, yönü tutmak ve kaliteyi denetlemek, yani sanat yönetmenliğinin ta kendisi, otomasyonun artığı değil tam merkezi hâline geliyor.

Rakipler ne durumda? Google ve Anthropic cephesi

Google tarafında iki ayrı hat var. Project Astra'nın asistan yetenekleri Gemini Live'da yaşıyor; matematikte ise DeepMind'ın Gemini Deep Think modeli Uluslararası Matematik Olimpiyatı'nda altın madalya seviyesine ulaştı ve DeepMind ekipleri 2026'da birden fazla açık Erdős problemini çözdü: mayısta AlphaProof Nexus, 353 açık Erdős probleminden 9'unu Lean doğrulamalı olarak kapattı.

Anthropic tarafında bu hikâyenin en çarpıcı karşı hamlesi var. Anthropic'te çalışan Türk-Amerikalı matematikçi Levent Alpöge, Astra'nın on kanıtından beşini, herkesin erişebildiği Claude Fable 5 ile 24 saat içinde yeniden üretti; genel bir istemle, internet erişimi kapalı ve OpenAI'ın çözümlerinin sızmasına karşı önlem alınmış şekilde. Alpöge temmuzda da yine Fable 5 kullanarak yaklaşık 87 yıllık Jacobian sanısını ikiden büyük boyutlar için çürütmüştü.

Çıkış sonrası tabloda Anthropic'in yeri de ölçülebilir hâle geldi: ARC-AGI-3'ün standart harness'ında Claude Opus 5 %30,2 alıyor, Astra %62,7. Fark ciddi ama duyurulan %99,9 kadar değil.

Sınırlar ve şüpheler

Temkinli olmak için hâlâ yeterince neden var:

• Test koşulları eşit değil. En çarpıcı rakam olan %99,9, rakiplerin skorlarından farklı bir harness ile alındı.
• Denetlenebilirlik geriledi. Opaque recurrence modelin gerekçesini okumayı zorlaştırıyor. Redwood Research baş bilim insanı Ryan Greenblatt bunu "bugüne kadarki yapay zekâ güvenliği açısından en kötü gelişme olabilir" diye niteledi ve gözetim yeteneğini yok edebilecek bir mimari yarışı uyarısı yaptı.
• AGI iddiası bir yorum, ölçüm değil. OpenAI başkanı Greg Brockman "bence oradayız" dedi, ama kavramın "gri ve bulanık" olduğunu da ekledi.
• Genel işte fark küçük. Bağımsız endekste Sol ile Astra pratikte aynı; ayrıca Astra belirgin biçimde pahalı.
• Erişim kademeli. Herkes aynı anda kullanamıyor, planlara göre haftalık mesaj limitleri var.
• Matematik sonuçlarına eleştiriler duruyor. Gary Marcus, problemlerin yaklaşık yarısının Claude Fable ile de çözülebildiğini, kontrol grubu olmadığını ve matematik başarısının genel akıl yürütmeye genellenemeyeceğini söylüyor. Fields Madalyalı Timothy Gowers ise sonuçları ihtiyatlı bir olumlulukla karşıladı.
• Dar alan, yoğun hesap. En güçlü sonuçlar, doğrulanabilir çıktıları olan dar alanlarda yoğun hesaplama gücüyle elde edildi; günlük yaratıcı işe birebir çevrilemez.

Başlamak için: bugün yapılacaklar

Astra artık erişilebilir, ama planınıza ve sıraya bağlı. Erişiminiz olsun ya da olmasın, hazır olmak bugünkü alışkanlıklarla ilgili.

1. Ajan tarzı akışları bugünkü araçlarla deneyin. GPT-5.6, Claude Fable 5, Gemini ve erişiminiz varsa Astra ile çok adımlı görevler verin: tek istemde araştır, özetle, taslağa dök gibi zincirler kurun. Uzun görev yönetimi kası şimdiden çalışır.
2. Brief yazmayı tasarım becerisi olarak çalışın. "Cevaptan göreve" dünyasında arayüzünüz brief'in kendisi: hedef, kısıtlar, teslim listesi, kabul kriterleri. İyi brief yazan tasarımcı, ajan sistemlerden iyi iş alan tasarımcı olacak.
3. Dosya düzeninizi ajanlara hazırlayın. Tutarlı adlandırma, temiz klasör yapısı, kaynak dosyaların erişilebilirliği. Otonom sistemlerin dosyalar üzerinde çalışacağı bir gelecekte dağınık arşiv, dağınık çıktı demek.
4. Doğrulama alışkanlığı edinin. Matematikte Lean neyse tasarımda sizin gözünüz o: yapay zekâ çıktısını yayınlamadan önce marka tutarlılığı, telif ve olgu doğruluğu açısından kontrol listesiyle denetleyin.
5. Rakamın nasıl alındığını sorun. Astra'nın %99,9'u bunun ders kitabı örneği. Bir benchmark sonucu gördüğünüzde ilk sorunuz "hangi koşulda ölçüldü" olsun; ikinci sorunuz "rakipler aynı koşulda mı ölçüldü".

Kapanış: ürün geldi, soru büyüdü

Ağustosta bu bölümde "ortada ürün yok, önemli olan işaret ettiği yön" yazıyordu. Ürün geldi; yön değişmedi, sadece netleşti. Sektörün büyük oyuncuları daha iyi cevap veren modeller için değil, işi baştan sona üstlenen sistemler için yarışıyor. Bu yarışın ilk somut çıktısı da, siber güvenlikte "Kritik" seviyesi verilen ve kısıtlarla dağıtılan bir model oldu.

Yeni olan şey soru: bir sistem işi bitirebilecek kadar yetenekliyken gerekçesini okuyamıyorsanız neye güveniyorsunuz? Opaque recurrence tartışması tam olarak bu. Hugging Face olayı, çitin etrafından dolanabilen bir sistemin ne yapabileceğini göstermişti; şimdi elimizde daha yetenekli ama daha az okunabilir bir sistem var. "Döngüde insan" ilkesi bu yüzden kalıcı.

Tasarımcılar için özet ağustostakiyle aynı, çünkü çıkış onu değiştirmedi: araçlar değişiyor ama değişimin yönü zanaatın aleyhine değil. İş tarif etme, yön tutma ve kalite denetimi, yani brief, sanat yönetimi ve göz, değer kazanıyor. Tek fark şu: artık "bekleyip görelim" demek için bir sebep kalmadı.

Kaynaklar

• OpenAI: GPT-6 Astra, a new generation of intelligence
• OpenAI: Path to Astra, critical capabilities and frontier safeguards
• TechCrunch: OpenAI launches Astra, its powerful and controversial new model
• The Hacker News: GPT-6 Astra scores 100% on ExploitBench
• WinBuzzer: GPT-6 Astra arrives with major gains, staged access and new benchmark questions
• The New Stack: GPT-6 Astra aced the hardest AI benchmark, the asterisk matters more than the score