AI Builds SimCity in 5 Days
53sThe visual of an AI autonomously creating a complex game over days is both impressive and slightly unsettling, capturing the imagination of viewers.
▶ Play ClipAI Summary
OpenAI has released GPT-6 Astra, a model that excels at computer use and long-horizon tasks. Benchmarks show it outperforming competitors like Claude and Gemini, with a notable 99-point score on the ARC-AGI test. The release signals the beginning of the agent era, with significant implications for office work and the workforce.
Chapters
[00:00]
GPT-6 Astra Announcement
OpenAI released GPT-6 Astra, a major update compared to the first reasoning models. It excels at computer use, outperforming previous models and competitors like CloudFable and Gemini.
[00:24]
Cost-Performance Advantage
Astra has the highest scores for computer work and offers a low cost per request, making it the best value. CloudFable 5.1 is next, but Astra leads by a large margin.
[00:37]
Benchmark Performance
On the Terminal Bench, which tests scientific research and exam tasks, Astra performs very well. It also leads in math tests relative to cost.
[00:52]
ARC-AGI Test Results
The ARC-AGI test, created by François Chollet, measures the ability to learn new tasks from scratch. Astra scored 99, while Claude Opus 5 scored 30, a huge gap.
[01:31]
Human-Level Performance
Astra surpassed human-level performance on 96% of ARC-AGI levels, achieving human-equivalent efficiency. It's the best model tested, a significant leap among advanced models.
[01:57]
Software Proficiency
Astra can use programs like Blender to build a house, and its quality is much better than FableTest.1 on the same tasks.
[02:32]
Game Creation
Astra can create games like Mario Kart and even replicate SimCity over 5 days of continuous work, showing long-horizon persistence and memory.
[03:12]
Gaming Performance
Astra completed a Pokémon game (likely FireRed) faster than all previous models, demonstrating strong gaming ability.
[03:25]
Advanced Math
Astra handles the hardest math problems at the level of advanced research, which previously caused AI models to fail. This is becoming a major topic in the math community.
[03:38]
Persistence and Problem-Solving
Astra is persistent: it tries, finds the reason for failure, tries another way, and repeats until it succeeds. This is a key feature, as seen in the 5-day SimCity build.
[04:23]
Focus on Computer Use
An OpenAI employee highlighted Astra's strong computer use as the main difference from previous generations. This focus is because coding is already well-covered, but using a computer for users is new.
[05:07]
OpenAI Demo
The demo shows Astra controlling a computer: drawing a rocket, inserting it into a 3D model program, and creating a PowerPoint presentation. It feels like having a Jarvis.
[05:48]
Cost Efficiency
Independent testers found Astra spends noticeably less money on the same tasks than Fable, with no worse results. The gap is large.
[06:03]
Security Concerns
Astra's hacking capabilities are so high it received a critical danger class for cybersecurity, the first in history. Access is being given out cautiously.
[06:53]
Workforce Impact
A survey of 265 companies found 23% of Russian enterprises plan to cut staff by the end of the year, mostly by about 10%.
[07:20]
New Job Roles
New roles are emerging, like operator of neural network agents, automation specialist, and AI-assisted editor. The number of jobs isn't changing, but who gets hired is.
[08:10]
Human Bottleneck
The author suggests the bottleneck is now human ability to apply AI, not AI capability. The future is about delegating tasks to AI and letting it manage the computer.
[09:11]
Actionable Advice
The author advises taking any task you do by hand daily and giving it to an AI entirely, not piecemeal, to understand where you fit in the new landscape.
GPT-6 Astra represents a major leap in AI capability, particularly in computer use and long-horizon tasks. Its release signals the beginning of the agent era, with significant implications for office work and the workforce.
Mentioned in this Video
💡 Key Takeaways
📊
ARC-AGI Score Gap
Astra's 99 vs Claude's 30 shows a massive leap in general intelligence, surprising even the test creators.
01:18
💡
Focus on Computer Use
The shift from coding to general computer use marks the beginning of the agent era, targeting office workers.
04:23
📊
First Critical Security Risk
Astra's hacking capabilities earned it a critical danger class, a first in AI history.
06:03
💡
Workforce Impact
Survey data shows companies cutting staff while new AI-related roles emerge, indicating a shift in job types.
06:53
⚖️
Actionable Advice
The advice to delegate a full task to AI, not piecemeal, is a practical step for workers to adapt.
09:11Full Transcript
[00:00] Индустрия нейросетей снова перевернула с ног на голову. OpenAI выпустила крупное обновление GPT-6 AST. Если с чем-то сравнивать, это примерно как выход первых рассуждающих моделей. Настолько сильное объявление.
[00:12] Главное, что в ней изменилось, это работа за компьютером. Против прошлой модели OpenAI, против CloudFable, против Gemini у нее самые высокие баллы. А если зайти на сайт, интересно другое. Они подчеркнули еще и стоимость.
[00:24] Ведь умная модель при низкой стоимости запроса, это же лучшее сочетание. Вот это они и нарисовали на графике. Следующее по соотношению цены и результата это CloudFable 5.1, но Astra обходит ее с большим отрывом.
[00:37] Дальше терминал BenchTimes. Это тест на то, насколько хорошо модель ведет научное исследование. Какие вот экзаменационные задачи. Справляется очень хорошо. Есть еще тесты по математике, и там лучший результат относительно стоимости тоже у Astra.
[00:52] То есть по всем этим замерам она превосходит модели своего класса и делает это не за счет высокой цены. А самое интересное из всего этого вот что. Есть такой тест ArcAGI. Я, возможно, когда-то давно про него рассказывал. Что это за тест? Его несколько лет назад придумал исследователь, выходец из гугла по имени Франсуа Шоль. Этот тест измеряет способность увидеть совершенно новую задачу. С нуля понять правила игры и хорошо в нее сыграть. И вот вышла уже третья версия.
[01:18] В третьей версии, правда, нет баллов Клод Фейбл, поэтому тут немного любопытно, но в любом случае Клод Опус 5 получил 30 баллов, а GPT-6 Астра получила 99, то есть отрыв даже от модели Клода огромный.
[01:31] Кстати, тест Arc AGI выглядит примерно вот так. Экран меняется, это что-то вроде головоломки в реальном времени. Астра на 96% уровней превзошла человеческий талон эффективности действий, достигла уровня равного человеку.
[01:44] Это лучшая модель из всех протестированных. Значимый скачок среди передовых моделей. Вот что они сказали. И эффективность тоже хорошая. В общем, собрали все похвалы, какие только есть. Такое от создателей самого строгого теста для нейросетей
[01:57] я слышал впервые за все время наблюдений за ними. А еще она очень хорошо пользуется разными программами. Вот Blender — это программа для трехмерных моделей. В ней попросили построить дом, целый особняк. Такие же задачи давали FableTest.1.
[02:10] И когда результаты ставят рядом, качество отличается очень сильно. Так что складывается ощущение, GPT-6 точно опережает Fable. Mario Kart
[02:32] Трасса не очень сложная, но препятствия есть. То есть она показала способность делать игры неожиданно хорошего качества. Один человек попросил ее в точности скопировать SimCity. SimCity это игра, где строишь город.
[02:45] Модель работала 5 дней и еще не закончила. Но он показывает сделанное Астро за эти 5 дней. И даже на первый взгляд видно. Игра получилась по-настоящему сложная. Кто играл в Team City, тот знает. Машины ездят туда-сюда, дороги строятся.
[02:59] То есть она может заново собрать почти любую игру. И делала это 5 дней подряд. Сама возможность работать 5 дней и держать такую длинную память, это одна из сильных сторон этой модели. А вот здесь она прошла игру про покемонов.
[03:12] Кажется, покемон FireRed. Прежним моделям это давалось тяжело. А Астра прошла эту игру быстрее всех предыдущих моделей. Так что в игры она играет отлично и одновременно умеет собирать такие игры сама с нуля. Дальше математика.
[03:25] Есть тесты по самым тяжелым математическим задачам, уровне передовых исследований. Раньше нейросети там сыпались, а Астра закрывает их почти полностью. Так что сейчас и в математическом сообществе использование нейросетей становится по-настоящему большой темой.
[03:38] Люди с ранним доступом пишут одно – поражены, то есть ученые удивлены не меньше блогеров. В целом одна из особенностей Astra вот в чем. Прежняя нейросеть получала задачу, говорила, наверное, надо сделать вот так, и просто сдавала результат. А Astra очень настойчивая. Прежние модели тоже были настойчивыми, но Astra подняла эту настойчивость еще выше. Она сначала пробует, если не получается, ищет причину, почему не вышло, пробует другой способ, снова проверяет, если провал, снова исправляет. И повторяет это, пока не получится.
[04:08] Вот и SimCity она делала целых 5 дней подряд без остановки. Так что речь идет о работе на много дней подряд и о нейросети с выдержкой на всю эту дистанцию целиком. И один из сотрудников OpenAI, представляя новую модель публики, тоже особо подчеркивал именно это.
[04:23] Именно сильную работу за компьютером он назвал главным отличием новой модели от всех предыдущих поколений нейросетей. Чему фокус именно на работе за компьютером? Объясню своими словами. С выходом код-код и кодекса все связанное с программированием было уже во многом освоено.
[04:37] Но с одной просьбой нейросети справлялись плохо. Попользуйся компьютером вместо меня.
[04:55] хорошо пользуется компьютером. С выходом Astra начинается настоящая эра агентов, так можно сказать. Так что для офисных работников это может стать огромным кризисом. Итак, посмотрите демо OpenAI, и вы все
[05:07] поймете. В этом демо человек говорит нарисуй простую фигуру, Потом говорит, сделай ракету. А это ведь компьютер. Это что-то вроде графического редактора. И по словам этого человека, модель сама управляет компьютером, рисует в редакторе ракету, потом даже открывает программу для трехмерных моделей и вставляет туда эту ракету. Потом появляется женщина и говорит, я сделаю презентацию. И модель просто сама собирает всю презентацию в PowerPoint. И весь фокус здесь на управлении компьютером.
[05:35] Ты говоришь так, будто даешь указания настоящему человеку, и компьютер делает все по-твоему. Ощущение такое, будто по-настоящему появился Джарвис. И в итоге видно главное. За пределами кода они целятся в офисных сотрудников.
[05:48] И все это демо целиком показывает передачу обычной офисной работы от человека к нейросети шаг за шагом. Кроме того, есть еще независимые замеры. Независимые теектировщики тоже проверяли, насколько хорошо модель управляет компьютером. И по их замерам Astra на тех же задачах тратит заметно меньше денег, чем Fable.
[06:03] А результат при этом не хуже. Отрыв выглядит очень большим. А еще есть одна тревожная новость. Способности модели во взломе стали настолько высокими, она первой в истории получила критический класс опасности по кибербезопасности. Именно поэтому доступ раздают так осторожно. Теперь про инструменты, которые доступны уже сейчас. И вот что здесь важно. Дело в Харнете. Слово сложное, поэтому объясню.
[06:26] Считайте так, нейросети дали в руки инструмент для хорошей работы с браузером Такие браузеры с нейросети внутри уже вышли И даже с нынешними моделями ходить по сайтам через них неожиданно удобно А теперь представьте, модель делает еще один шаг вперед
[06:39] Astra этот шаг уже сделала К ней добавляются такие улучшенные инструменты, которых сейчас появляется много И это соединяется Тогда вопрос уже не про разработчиков Вопрос про всех офисных сотрудников, которые работают за компьютерами Что мне с этого на работе и в кошельке?
[06:53] А теперь посмотрите на рынок прямо сейчас Известия писали со ссылкой на опрос 265 компаний. 23% российских предприятий планируют урезать штат до конца года. В основном примерно на 10%.
[07:06] Это немалый бизнес.
[07:20] А вместе с этим растет спрос на тех, кто этой машиной управляет. На HeadCenter уже есть вакансии, которых два года назад не существовало. Оператор нейросетевых агентов, специалист по автоматизации, редактор, который работает с нейросетями.
[07:33] То есть меняется не число рабочих мест. Меняется то, кого берут. И менять профессию целиком не обязательно. Многие начинают как подработку вечерами на одном проекте. Поэтому у нас есть короткое обучение.
[07:45] 4 дня по 30 или 40 минут в день. 4 коротких урока. Домашние задания с личным разбором от экспертов. Чат с поддержкой. На выходе своя первая работающая вещь. Она сразу идет в портфолио.
[07:57] VPN не нужен, работаем на бесплатных нейросетях. И все это для тех, кто никогда не программировал. Это не курс на 3 месяца. Это короткий заход ради одного ответа. ваша это или нет. Ссылку я оставил в описании и в комментариях, она же
[08:10] есть на QR-коде. Так вот, история с Астрой для меня сошлась в одну мысль. Нейросети по-настоящему вошли в силу. Их способности уже слишком высоки. Узкое место теперь человек, который не умеет
[08:22] применить их к своей работе. По моим ощущениям сейчас ситуация именно такая. А способности растут дальше. Все идет к простому сценарию. Творишь примерно, наговариваешь то и все, и модель сама управится своим компьютером. И если
[08:34] это будет становиться все проще, Невольно задумываешься, сколько же еще нейросети смогут показать. Производительность удивила, но выбранное OpenAI направление понравилось мне даже больше любых цифр в любых таблицах с результатами тестов.
[08:47] Кстати, на этом канале вы найдете не только меня, но и еще четырех экспертов. Каждый из них разбирает свою нишу в нейросетях, без которых в 2026 году на рынке труда делать нечего.
[08:59] И все гайды по удаленным профессиям и нейросетям для вас бесплатные. Подписывайтесь. сегодняшняя GPT-6 Astra по-настоящему поражает. А теперь один шаг на сегодня. Не ждите доступа к Astra.
[09:11] Возьмите любую задачу, которую вы каждый день делаете руками за компьютером. Отчет, письмо, таблицу. И попробуйте отдать ее нейросети целиком, не по кусочкам. Так вы за один вечер поймете, где вы в этой новой картине.
[09:23] Ссылку на короткое обучение я оставил в описании и в комментариях. Она же есть на QR-коде. Ссылки на первоисточники там же. Напишите в комментариях, какую офисную задачу вы бы отдали нейросети самой первой.
[09:35] Меня зовут Марк Николаев. До встречи!
