Astra ещё не вышла, но подготовка уже заметна
OpenAI пока не объявила дату полноценного релиза Astra. Однако если смотреть не только на слухи и отдельные публикации в X, а на изменения в открытых репозиториях OpenAI за последнюю неделю, складывается гораздо более интересная картина.
Компания практически одновременно развивает несколько направлений: долговременную память Codex, работу через несколько контекстных окон, новую многоагентную архитектуру, Browser Use и Computer Use, перенос незавершённых задач между вычислительными средами и отдельную систему безопасности Guardian.
По отдельности каждое такое изменение можно объяснить обычным развитием Codex. Но вместе они очень похожи на подготовку среды для модели, которая должна работать значительно автономнее современных GPT-моделей.
Главная идея: возможно, самое важное отличие Astra будет не в том, что она напишет отдельную функцию лучше GPT-5.6 Sol, а в способности несколько часов работать над одной целью, пользоваться инструментами, управлять другими агентами и не терять общий план.
Что уже известно об Astra
Astra перестала быть исключительно названием из утечек. OpenAI уже публично рассказывала об использовании будущей модели в сложных исследованиях и отдельно обсуждала её возможности в области программирования и кибербезопасности.
Особенно показательно заявление OpenAI о том, что внутренние версии Astra продемонстрировали серьёзный прогресс в agentic coding — автономном выполнении программных задач — и cyber capabilities.
Это важное уточнение. Речь идёт не просто о качестве ответов на вопросы по Python, JavaScript или C++. Agentic coding предполагает значительно более сложный цикл:
- изучить большой проект;
- найти нужные части кодовой базы;
- составить план изменений;
- отредактировать несколько файлов;
- запустить тесты;
- проанализировать ошибки;
- изменить первоначальный план;
- проверить результат;
- продолжить работу после появления новой информации.
Именно для такого режима работы сейчас очень активно меняется Codex.
Прямой намёк команды Codex: Astra появится в Codex
Ещё один важный сигнал появился не в анонимном Telegram-канале или аккаунте с утечками, а у людей, непосредственно работающих над Codex.
Thibault Sottiaux из команды Codex в одном из публичных сообщений написал про продукт короткую фразу: «will have Astra».
То есть сама интеграция Astra в Codex фактически уже не выглядит предположением. Неизвестно другое: когда именно она станет доступна, каким тарифам, в каком режиме и будет ли это сразу полноценный публичный rollout.
При этом сотрудники команды в последние дни неоднократно намекают на высокую скорость разработки и новые релизы. Такой фон сам по себе не доказывает скорый выход Astra, но хорошо совпадает с происходящим в GitHub.
Почему сейчас особенно интересно следить за GitHub OpenAI
Интерфейс ChatGPT показывает уже готовый продукт. GitHub иногда позволяет увидеть инфраструктуру немного раньше.
За последнюю неделю в openai/codex появилось сразу несколько архитектурных изменений, которые трудно назвать обычными мелкими исправлениями.
| Изменение в Codex | Что оно позволяет | Почему это интересно перед Astra |
|---|---|---|
| History и persistent notes | Восстанавливать предыдущий контекст и сохранять рабочее состояние | Агент может работать дольше одного контекстного окна |
| context_window_id | Разделять отдельные окна внутри одной длинной сессии | Создаёт основу для многочасовых задач с compaction |
| Multi-Agent V2 | Делегировать части работы другим моделям и агентам | Сильная модель может управлять командой более дешёвых исполнителей |
| Suspend незавершённого turn | Передавать незавершённую работу другому runtime | Задача перестаёт быть жёстко привязана к одному worker |
| Browser Use | Управлять доступом к сайтам, загрузкам, истории и CDP | Агент получает полноценную рабочую среду за пределами терминала |
| Computer Use | Работать с приложениями Windows и macOS | Codex постепенно превращается в универсальный agent runtime |
| Guardian internal sessions | Проверять действия основного агента отдельной внутренней сессией | Повышает безопасность значительно более автономных моделей |
| Reasoning effort max и ultra | Запускать модель с более высокими бюджетами рассуждений | Подготавливает runtime к моделям с разными режимами длительного reasoning |
Codex получил внешнюю рабочую память
Одно из самых важных изменений касается token-budget sessions.
В Codex появились инструменты работы с историей:
history.list_windows
history.list_items
history.read_item
history.search_contents
Отдельно появилась система постоянных заметок:
notes.list_files_by_prefix
notes.read_file
notes.search_contents
notes.append_to_file
notes.write_file
Назначение этой системы разработчики описывают достаточно прямо: модель должна иметь возможность восстанавливать предыдущий разговор и сохранять рабочее состояние при переходе между контекстными окнами.
Это принципиально отличается от подхода «просто сделаем контекст ещё больше».
Представим, что агент работает над проектом три часа. За это время он прочитал сотни файлов, несколько раз поменял архитектурное решение и получил огромное количество вывода тестов.
Нет особого смысла постоянно отправлять новой генерации абсолютно весь этот объём.
Вместо этого система может сохранить только действительно важные сведения:
- исходную цель;
- архитектурные решения;
- изменённые компоненты;
- обнаруженные ограничения;
- открытые проблемы;
- результаты последних тестов;
- следующий запланированный шаг.
После compaction модель получает новое чистое окно и продолжает работу, предварительно восстановив необходимые сведения.
Появился отдельный идентификатор контекстного окна
Почти одновременно OpenAI добавила context_window_id.
Он остаётся одинаковым во время работы внутри одного model-visible context window и меняется после compaction. Причём механизм отдельно тестируется для resume, remote compaction и token-budget sessions.
Для обычного пользователя это практически незаметное изменение. Но архитектурно оно показывает, что OpenAI рассматривает одну длительную задачу уже не как одно бесконечное окно контекста.
Теперь логика выглядит примерно так:
Thread
↓
Context Window №1
↓ compaction
Context Window №2
↓ сохранение состояния
Context Window №3
↓
Одна и та же задача продолжается
Незавершённую работу теперь можно передать другому runtime
22 августа в Codex появился ещё более необычный механизм — suspend_turn_and_shutdown.
Активную задачу можно остановить, не помечая её завершённой или отменённой. Codex сохраняет историю, корректно закрывает writer и оставляет возможность восстановить тот же turn ID уже в другом runtime.
Упрощённо это можно представить так:
Worker A начинает задачу
↓
40 минут анализирует проект
↓
изменяет код и запускает тесты
↓
SUSPEND
↓
история сохраняется
↓
Worker B получает тот же turn
↓
RECOVER
↓
работа продолжается
Для ответа продолжительностью 30 секунд такая инфраструктура практически не нужна.
Она становится действительно полезной, когда агент выполняет долгую задачу и должен переживать сбои, миграцию worker, изменение вычислительных ресурсов или продолжение работы в другой среде.
Multi-Agent V2 может оказаться одной из главных частей Astra
Codex одновременно развивает Multi-Agent V2.
Сильная модель больше не обязана самостоятельно выполнять каждый локальный шаг. Она может оставить себе планирование и наиболее сложные решения, а часть работы делегировать другим агентам.
Условный сценарий может выглядеть так:
Astra: анализирует проект и управляет всей задачей.
Sol: разбирает сложный архитектурный компонент.
Luna: запускает локальные проверки, ищет небольшие ошибки или выполняет ограниченные подзадачи.
Другой агент: проверяет тесты и документацию.
Названия и роли в реальной системе могут распределяться иначе, но принцип уже становится понятен.
Самая дорогая модель не обязательно должна тратить свои вычисления на каждое простое действие. Намного важнее, чтобы она правильно решала:
- что нужно сделать;
- что можно делегировать;
- какому агенту передать подзадачу;
- достаточно ли хорош его результат;
- нужно ли изменить первоначальный план.
Поэтому реальным скачком Astra может стать не генерация более красивого кода, а координация большой работы.
Почему Astra может быть особенно сильна в длинных задачах
У современных моделей есть характерная проблема. На небольшой задаче они могут работать великолепно, но при очень длинной серии действий постепенно появляется drift.
Агент начинает заниматься последней найденной ошибкой и всё меньше внимания уделяет исходной цели.
Получается цепочка:
план → проблема → исправление → новая проблема → исправление исправления → ещё один тест → забытая исходная задача
Сильный long-horizon агент должен работать иначе:
цель → план → выполнение → новая информация → пересмотр плана → продолжение → проверка общего результата
Именно здесь связка новой модели с history, notes, compaction и Multi-Agent может дать гораздо больший эффект, чем простое увеличение benchmark score.
Browser Use превращается в полноценную часть Codex
Ещё одна необычная группа изменений за последнюю неделю связана с браузером.
В конфигурации Codex появились отдельные настройки Browser Use:
- доступ к истории браузера;
- отдельные правила для разных origins;
- разрешение или запрет скачиваний;
- правила загрузки файлов;
- доступ к Chrome DevTools Protocol.
Это уже значительно больше, чем обычный инструмент web search.
Агент получает возможность работать с браузером как с реальным рабочим окружением, причём доступ можно ограничивать политиками безопасности.
Computer Use выходит за пределы браузера
Параллельно OpenAI добавляет отдельные настройки Computer Use.
Для macOS можно управлять доступом через bundle ID приложений. Для Windows появились правила по AUMID и даже идентификации конкретных исполняемых файлов.
Это позволяет представить значительно более широкий сценарий использования будущего агента:
- Получить задачу пользователя.
- Открыть нужный проект.
- Изменить код.
- Перейти в браузер и проверить результат.
- Открыть стороннее приложение.
- Проанализировать его состояние.
- Вернуться к проекту.
- Исправить обнаруженную проблему.
- Сохранить результат.
Codex в такой архитектуре становится уже не просто coding assistant.
Он постепенно превращается в универсальный runtime для компьютерных агентов.
Чем автономнее агент, тем важнее Guardian
Есть очевидная обратная сторона такой автономности.
Модель, которая способна только предложить пользователю команду, относительно безопасна: человек сам решает, выполнять её или нет.
Совсем другая ситуация возникает, когда агент самостоятельно:
- запускает shell-команды;
- работает с сетью;
- управляет браузером;
- обращается к MCP-сервисам;
- работает с файлами;
- управляет другими агентами;
- может продолжать выполнение в течение нескольких часов.
Поэтому одновременно с agentic-функциями OpenAI очень активно перестраивает Guardian.
Guardian превращается в отдельного внутреннего агента
За последние дни в Codex появился механизм Guardian internal session.
Guardian может получить отдельную внутреннюю сессию с собственной чистой историей и собственным model context, сохраняя при этом связь с parent thread основного агента.
Фактически архитектура начинает выглядеть примерно так:
User
↓
Root Agent
↓ ↓ ↓
Worker Agent 1 / Worker Agent 2 / Worker Agent 3
↓
Guardian Agent
↓
проверка потенциально опасных действий
То есть безопасность тоже постепенно становится многоагентной.
Некоторые модели Codex можно принудительно отправлять на полный review
Ещё интереснее механизм auto_review.required_on_models.
Он позволяет указать конкретные модели, для которых обычной быстрой оценки риска недостаточно.
Если модель находится в таком списке, Codex обязан использовать полноценный automatic review даже тогда, когда предварительный классификатор считает действие относительно безопасным.
OpenAI не раскрывает публичный production-список таких моделей.
Важно: нельзя утверждать, что этот механизм создан специально для Astra. Но архитектура идеально подходит для rollout модели, которой разрешено больше автономных действий и которая одновременно обладает значительно более сильными cyber-возможностями.
В Codex появились режимы reasoning max и ultra
Ещё одно небольшое, но любопытное изменение — два новых значения reasoning effort:
max;ultra.
Раньше использовались minimal, low, medium, high и xhigh.
Само наличие новых режимов не означает, что они предназначены именно для Astra. Но runtime теперь способен описывать модели с ещё более высокими бюджетами рассуждения.
Для долгой исследовательской или архитектурной задачи такой режим выглядит гораздо логичнее, чем для обычного короткого чата.
OpenAI одновременно обновляет скрытые определения моделей
На этой же неделе в встроенном каталоге Codex появились скрытые определения Daybreak Blue и Daybreak Red.
Самое интересное здесь даже не конкретные модели, а подтверждение того, что каталог Codex действительно содержит конфигурации моделей, которые не обязательно сразу показываются обычному пользователю.
В нём хранятся capabilities, инструкции, доступность для разных планов, service tiers и настройки автоматической проверки.
Поэтому при приближении rollout новой модели именно изменения такого каталога могут стать одним из первых технических сигналов.
А что насчёт mewfour?
В сообществе параллельно обсуждается кодовое имя mewfour, которое некоторые источники связывают с Astra.
Само название действительно встречалось рядом с модельной инфраструктурой Codex, что делает слух интереснее обычной выдумки.
Но подтверждения равенства mewfour = Astra от OpenAI нет.
Поэтому использовать его как доказательство скорого релиза неправильно. Гораздо убедительнее смотреть на официальные заявления OpenAI и реальные архитектурные изменения Codex.
Как может выглядеть работа с Astra
Если направление развития сохранится, использование Astra может сильно отличаться от привычного диалога с ChatGPT.
Допустим, разработчик пишет:
Перенеси административную панель этого Django-проекта на React. Сохрани существующий API, не сломай авторизацию, обнови тесты и проверь критические пользовательские сценарии.
Современный coding agent уже способен выполнить значительную часть такой работы.
Но более зрелая агентная система могла бы действовать иначе.
Шаг 1. Astra исследует проект
Модель изучает структуру Django, API, существующие шаблоны, JavaScript-код, тесты и зависимости.
Шаг 2. Формирует долгосрочный план
Вместо немедленного редактирования случайных файлов она определяет этапы миграции и сохраняет ключевые решения в рабочую память.
Шаг 3. Делегирует локальные задачи
Один агент анализирует API, другой переносит отдельный интерфейс, третий изучает тесты.
Шаг 4. Проверяет результаты
Astra получает результаты подагентов, сравнивает их с общим планом и при необходимости отправляет работу на доработку.
Шаг 5. Использует браузер
После сборки приложения агент открывает интерфейс и проверяет реальные пользовательские сценарии.
Шаг 6. Переживает смену контекста
Если история становится слишком большой, важные решения сохраняются, выполняется compaction и работа продолжается в новом context window.
Шаг 7. При необходимости работа переезжает на другой worker
Незавершённый turn приостанавливается и восстанавливается другим runtime без необходимости начинать задачу заново.
Шаг 8. Guardian проверяет опасные действия
Команды с повышенными разрешениями или чувствительными действиями получают отдельную автоматическую проверку.
Шаг 9. Astra завершает задачу только после проверки результата
Итогом становится не просто набор изменённых файлов, а законченная работа с тестами и понятным отчётом.
Astra может оказаться не лучшим программистом, а лучшим руководителем
Именно Multi-Agent делает возможным ещё один интересный сценарий.
Самой сильной и дорогой модели необязательно самостоятельно выполнять каждую мелочь.
Можно оставить Astra задачи высокого уровня:
- понимание цели пользователя;
- архитектурные решения;
- планирование;
- распределение задач;
- проверку результатов;
- поиск противоречий;
- изменение стратегии.
А массовые операции выполнять более дешёвыми моделями.
В результате эффективность будущего агента будет определяться не только интеллектом одной модели.
Качество агента ≈ интеллект модели × качество agent runtime.
И похоже, что вторую часть этой формулы OpenAI сейчас очень активно улучшает.
Почему Astra может ощущаться намного сильнее Sol даже без огромной разницы в бенчмарках
Это, возможно, самое важное следствие происходящего.
Предположим, новая модель окажется лишь умеренно лучше GPT-5.6 Sol в обычных benchmark.
Это ещё не значит, что пользователь почувствует лишь небольшое улучшение.
Если Astra значительно лучше обучена:
- пользоваться внешней памятью;
- планировать работу;
- выбирать инструменты;
- делегировать задачи;
- проверять подагентов;
- переживать compaction;
- возвращаться к глобальной цели;
то на задаче продолжительностью три часа разница может оказаться намного больше, чем на коротком тесте.
Именно поэтому long-horizon benchmark становятся всё интереснее обычного сравнения количества решённых задач из набора.
Главный продукт Astra может быть не ChatGPT, а агентная платформа
Ещё несколько лет назад запуск новой модели означал прежде всего новый вариант в списке ChatGPT и новый model ID в API.
Теперь одной модели недостаточно.
Если она способна часами самостоятельно выполнять задания, ей требуется полноценная инфраструктура:
- память;
- файловая система;
- shell;
- браузер;
- Computer Use;
- контроль сети;
- подагенты;
- хранение состояния;
- восстановление после остановки;
- система безопасности;
- подтверждения пользователя.
Практически каждый пункт из этого списка сейчас активно развивается в Codex.
Поэтому релиз Astra может оказаться не просто выпуском очередной LLM, а одновременно новым этапом развития всей агентной платформы OpenAI.
Значит ли всё это, что Astra выйдет завтра?
Нет.
На момент подготовки материала OpenAI не объявила официальную дату публичного релиза Astra.
Более того, компания отдельно усиливает требования безопасности вокруг новых моделей из-за роста возможностей в области кибербезопасности.
Поэтому наличие почти готовой модели ещё не означает немедленный массовый rollout.
OpenAI необходимо подготовить не только веса модели, но и всю окружающую инфраструктуру.
И именно здесь последние коммиты Codex выглядят особенно интересно.
Какие признаки теперь стоит отслеживать
Если Astra действительно приближается к публичному rollout, наиболее интересными будут несколько типов сигналов.
- новое обновление bundled model definitions в Codex;
- неизвестные model slug в тестах и конфигурациях;
- изменение supported reasoning efforts;
- появление новых моделей с Multi-Agent V2;
- расширение Browser и Computer Use;
- изменения правил
auto_review.required_on_models; - новые заявления сотрудников Codex в X;
- обновление OpenAI SDK непосредственно перед релизом.
Частые вопросы об Astra
Что такое OpenAI Astra?
Astra — название будущей модели OpenAI, которое компания уже использовала в публичных материалах и внутренних исследованиях. Окончательный набор возможностей, доступность и тарифы пока официально не объявлены.
Когда выйдет Astra?
Точной публичной даты пока нет. Существующие сигналы показывают активную подготовку инфраструктуры, но по ним нельзя достоверно определить день релиза.
Будет ли Astra доступна в Codex?
Сотрудники команды Codex уже публично указывали, что Astra будет использоваться в Codex. Неизвестно, появится ли она одновременно во всех тарифах и интерфейсах.
Чем Astra может быть лучше GPT-5.6 Sol?
Наиболее интересным направлением выглядит не просто улучшение коротких ответов, а работа над длинными многоэтапными задачами: программирование, планирование, использование инструментов, координация подагентов и сохранение состояния между контекстными окнами.
Что такое Multi-Agent V2?
Это развиваемая в Codex архитектура, в которой один агент может делегировать части общей задачи другим агентам и моделям. Такой подход позволяет сильной модели заниматься планированием и контролем, не выполняя самостоятельно каждую рутинную операцию.
Почему OpenAI так сильно развивает Guardian?
Чем больше действий агент может выполнять самостоятельно, тем выше требования к автоматической проверке потенциально опасных операций. Поэтому развитие автономности Codex сопровождается усилением review, sandbox и permission-механизмов.
Итог: OpenAI, похоже, готовит не просто новую модель
Ни одно изменение в GitHub само по себе не доказывает, что релиз Astra состоится в ближайшие дни.
Но направление развития становится всё более очевидным.
За короткий период Codex получает внешнюю память, несколько контекстных окон, Multi-Agent V2, перенос незавершённых задач между runtime, Browser Use, Computer Use и отдельные внутренние Guardian-сессии.
Одновременно сама OpenAI говорит о заметном прогрессе будущей модели в agentic coding и сложных задачах.
Вместе это выглядит как подготовка к системе, которая должна не просто отвечать пользователю, а долго и самостоятельно работать ради достижения поставленной цели.
Возможно, главный вопрос вокруг Astra теперь звучит не «на сколько процентов она окажется умнее Sol?», а «что произойдёт, когда такую модель подключат к памяти, браузеру, компьютеру и целой команде подагентов?».
Если OpenAI удастся соединить все эти компоненты, следующим большим скачком ChatGPT может стать не модель, которая лучше отвечает на вопросы, а агент, которому можно оставить большую задачу и позже вернуться уже к готовому результату.