GPT-6 Astra точнее настраивает договорные процессы: 55% критериев в тесте Ironclad

OpenAI и Ironclad проверяли ИИ-агентов на настройке договорных процессов внутри программы. Например, агент должен настроить согласование закупки финансовым отделом и проверить, что заявки выше и ниже заданной суммы идут по нужным маршрутам.

Проверяют готовый процесс. Эксперты составили 11 задач, включая соглашения о неразглашении и согласование закупок. Каждую оценивали по 8–50 критериям. Ironclad предоставила рабочие среды, а OpenAI обучала модели на синтетических задачах с обратной связью за результат.

В исследовательском сравнении Astra соблюдала больше требований, чем GPT-5.6 Sol. Расчётное время попытки тоже сократилось.

| Замер OpenAI от 06.10.2026 | GPT-5.6 Sol | GPT-6 Astra | | --- | --- | --- | | Режим рассуждения | High | Max | | Средняя доля выполненных критериев | 41,6% | 55,0% | | Расчётное время попытки в симуляции | 37,0 минуты | 19,2 минуты |

Для своей автоматизации. Computer use подключается через API: модель выполняет код для управления браузером через Playwright или приложением через PyAutoGUI. Приложение возвращает ей скриншоты и сохраняет состояние среды между вызовами.

У OpenAI есть пример приложения для такого эксперимента. Для браузерного варианта нужны Node.js 22.20.0 и API key. В каталоге проекта последовательно выполняются `pnpm install --frozen-lockfile`, `pnpm playwright:install` и `pnpm dev:js`.

Первоисточник: [Исследование OpenAI и Ironclad от 6 октября 2026 года](https://openai.com/index/advancing-computer-use-with-ironclad/). Для реализации: [официальная документация computer use](https://developers.openai.com/api/docs/guides/tools-computer-use) и [пример приложения OpenAI](https://github.com/openai/openai-cua-sample-app).

OpenAI принимает заявки от компаний с примером сбоя агента, критериями успеха, экспертами по процессу и средой для тестирования.