«Модель делает более прямые шаги»: Basis вдвое быстрее заполнила налоговую книгу на GPT-6 Astra

Что Basis делала до этого сравнения

Basis строит ИИ-агентов, которые берут на себя значительную часть ручной работы бухгалтеров и возвращают им время для стратегических задач. Исследования компании сосредоточены на агентах, способных надёжно доводить до конца длинные задачи, — именно на такой работе и проверялись модели.

С переходом на GPT-6 Astra компания отмечает более сильное понимание того, что бухгалтер на самом деле хочет получить. Со-основатель Basis Митч Трояновский формулирует это так: «GPT-6 Astra лучше справляется с пониманием намерения пользователя и самой проблемы».

Налоговая книга на 50 вкладок

Сравнение шло на сложной налоговой книге с 50 вкладками. Задачей было заполнить книгу точно и надёжно, и GPT-6 Astra оказалась заметно быстрее. Трояновский описывает результат прямо: «GPT-6 Astra способна выполнить эту книгу за половину того времени, которое нужно GPT-5.6 Sol».

Разница проявилась не только в минутах. Basis отмечает, что новая модель лучше принимает решения в начале задачи: агент идёт к результату более прямым путём и тратит меньше времени на исправление собственных ошибок. По словам Трояновского, это делает работу ещё и экономнее по токенам.

Для длинных бухгалтерских процессов это существенная деталь. Ошибка в начале многошаговой задачи накапливается на каждом следующем шаге, и цена её исправления растёт вместе с длиной траектории; если модель реже уходит не туда на старте, тот же объём работы требует меньше повторных проходов.

Усилие по ходу задачи, а не один раз на входе

Второй приём, который Basis описывает в этом кейсе, — управление объёмом рассуждений внутри одной задачи. Модель увеличивает вычисления на трудном шаге и снижает их на простом, причём делает это, не разрушая кэш. По оценке Трояновского, это снижает стоимость и время ответа, а длинные задачи становятся для Basis и её клиентов экономичнее.

Здесь важна формулировка самого заказчика: речь идёт об управлении расходом вычислений на ходу, а не о разовом выборе уровня усилий при запуске агента. Именно на длинных задачах, где дешёвые шаги чередуются с дорогими, такая адаптация и даёт эффект.

Что показали внутренние оценки

Basis сообщает о примерно 20-процентном улучшении своих внутренних оценочных баллов с GPT-6 Astra, и объясняет его лучшим пониманием пользовательского намерения — включая то, когда нужно задать вопрос, где обозначить допущение и как следовать инструкции.

Оценивает Basis и процесс, и результат: следуют ли агенты шаблонам, обращаются ли к первоисточникам по налоговым вопросам и проверяют ли собственную работу. GPT-6 Astra, по наблюдению компании, выводит эти ожидания из более широкого контекста и при меньшем числе явных инструкций. Практическое следствие — Basis может писать меньше правил под каждую отдельную ситуацию и при этом увереннее рассчитывать, что агент справится со случаями за пределами внутренних тестов.

Контекст: что такое GPT-6 Astra

Это флагманская модель OpenAI, которую компания описывает как state-of-the-art в работе с компьютером и браузером, программной инженерии, кибербезопасности, науке и профессиональных задачах. В анонсе приводятся оценки самой OpenAI: FrontierMath Tier 4 — 98%, ARC-AGI-3 — 99,9% в собственном responses API harness, ExploitBench — 100%.

Поставка широкая: ChatGPT на тарифах Plus, Pro, Business и Enterprise, API под идентификатором `gpt-6-astra`, Microsoft Azure и Amazon Bedrock. На тарифах Pro, Business и Enterprise доступна также GPT-6 Astra Pro, а администраторы рабочих пространств включают модель сами — по умолчанию доступ выключен. Для подходящих клиентов API заявлена поддержка Zero Data Retention.

Цена в OpenAI API — 10 долларов за миллион входных токенов и 50 долларов за миллион выходных, чтение и запись в кэш тарифицируются отдельными ставками. Fast mode даёт до двукратной скорости обработки при двукратной цене относительно Standard.

Как это читать

Это история заказчика, а не независимый замер. Цифра «вдвое быстрее» получена самой Basis на одной налоговой книге, и OpenAI пересказывает вывод компании, не публикуя при этом ни сам файл-задачу, ни воспроизводимый стенд. Точно так же примерно 20-процентный прирост относится к внутренним оценкам Basis, а не к публичной методике. Для читателя это опыт одной команды на её собственной нагрузке, а не гарантированное ускорение на любой задаче.

Публичные бенчмарки в анонсе модели — тоже оценки самой OpenAI, и компания прикладывает к ним методические оговорки: например, ARC-AGI-3 измерялась в специальном harness, изменяющем две настройки, а ExploitBench считает успешность превращения известных уязвимостей V8 в рабочий эксплойт. Оба ряда цифр полезны как ориентир, но проверены они их авторами.

Практический вывод, который подтверждает сам заказчик, лежит не в бенчмарках: на длинных агентных процессах заметную часть экономики определяют адаптация усилия по ходу задачи и сохранение кэша, а не абсолютный балл модели.