Сравнение новых возможностей генерации графики
Исследователь и разработчик Симон Виллисон опубликовал результаты практического тестирования модели GPT-6 Astra, к которой он получил доступ. В качестве тестовой задачи он выбрал создание векторной графики в формате SVG — генерацию пеликанов на велосипеде. Эксперимент охватил различные уровни режима рассуждения (reasoning levels) от low до max, исключая вариант без рассуждений, который Astra не поддерживает. Полученные результаты были сведены в единую сетку сравнения с предыдущим поколением моделей OpenAI — GPT-5.6 Sol, Terra и Luna.
Сравнение качества графики по уровням рассуждения
В ходе теста выяснилось, что даже на минимальном уровне настройки (low) модель GPT-6 Astra справляется с задачей заметно лучше, чем любые конфигурации GPT-5.6 Sol. Если Sol на максимальных настройках выдает преимущественно абстрактные геометрические формы, то Astra формирует узнаваемые силуэты птиц и велосипедов уже на базовых ступенях reasoning. На максимальном уровне (max) качество векторной графики достигает детального уровня, хотя на промежуточных ступенях (ниже max) модель иногда допускает анатомические погрешности, например, размещая ноги пеликана несимметрично по обе стороны рамы.
Экономика токенов и ценообразование
Анализ затрат на выполнение запросов показал интересную экономику. Официально GPT-6 Astra позиционируется как более дорогое решение по сравнению с Sol: базовая стоимость составляет около 10 долларов за миллион входных токенов и 50 долларов за миллион выходных, тогда как для Sol эти показатели равны 5 и 30 долларам соответственно. Однако на практике Astra расходует значительно меньше токенов на аналогичные задачи. Например, на обработку вводного промпта Astra и Luna потребовали 16 токенов, в то время как Sol и Terra — 26. В результате запуск Astra на уровне low обошелся всего в 9.55 цента, обеспечив при этом превосходящее качество графики по сравнению с более дорогими и менее эффективными прогонами моделей предыдущего поколения.
Вопросы архитектурной связи моделей OpenAI
Помимо оценки визуальных результатов, автор обратил внимание на схожесть паттернов поведения и потребления токенов между моделями Astra и Luna. Одинаковый объем потребления входных токенов (16 токенов) на идентичных запросах наводит на мысль о возможной архитектурной или родственной связи между линейками Astra и Luna, которая официально не афишируется разработчиками из OpenAI. Подобные наблюдения помогают инженерам и исследователям лучше понимать внутреннюю оптимизацию коммерческих LLM и планировать их интеграцию в пайплайны автоматизации разработки.
Ключевые факты
Параметр | Значение
Исследователь | Симон Виллисон
Тестируемая модель | GPT-6 Astra
Сравниваемые модели | GPT-5.6 Sol, Terra, Luna
Тестовая задача | Генерация SVG-графики (пеликаны на велосипеде)
Практические выводы для разработчиков
Для инженеров, использующих языковые модели для генерации кода и графических интерфейсов, опубликованный тест демонстрирует рост эффективности рассуждений в новых релизах OpenAI. Снижение расхода токенов при более высоком качестве генерации позволяет пересматривать бюджеты на сложные агентные задачи и верстку интерфейсов «на лету». При выборе конфигураций для рабочих процессов стоит учитывать, что младшие уровни рассуждения в новых поколениях могут превосходить максимальные настройки устаревших линеек.
Источник: Simon Willison https://simonwillison.net/2026/Sep/4/astra-pelicans/
Ключевые факты
| Пункт | Что важно |
|---|---|
| Источник | Simon Willison |
| Дата | 2026-09-04T23:59:05+00:00 |
| Тема | The Pelican comparison grid for Astra is pretty interesting |