OpenAI ha rilasciato GPT-6 Astra il 3 settembre 2026. Il messaggio ufficiale parla di «salto generazionale» e, in alcuni interventi, di ingresso nell’«era dell’AGI». Per una PMI italiana il punto utile è un altro: Astra è pensato per usare il computer e portare a termine lavori multi-step, non solo per rispondere in chat.

La gara si sposta dal «miglior modello che risponde» al «sistema che completa un compito con meno supervisione». Conviene trattare Astra come un salto di capacità operative, non come una dichiarazione sull’intelligenza generale.

Cosa c’è di nuovo, in pratica

Secondo le fonti pubbliche di lancio e le ricostruzioni di settore, Astra combina tre tratti che contano in azienda:

1. Computer use: navigare, compilare moduli, aggiornare un CRM, lavorare su documenti, fogli e presentazioni, controllare un sito. Su OSWorld 2.0 OpenAI riporta il 72,6% contro il 65,7% del predecessore GPT-5.6 Sol, con tempi dichiarati inferiori di circa il 47%.

2. Lavoro end-to-end: meno «testo utile», più deliverable utilizzabile (documento, foglio, flusso operativo). Su AutomationBench OpenAI riporta 41,4% per Astra contro 18,1% di GPT-5.6 Sol.

3. Continuità di progetto: in Codex, note e risultati precedenti restano ricercabili tra finestre di contesto. Non è solo una chat più lunga: è memoria operativa sul lavoro in corso.

I benchmark di laboratorio (ARC-AGI-3, FrontierMath, Terminal-Bench, ExploitBench) servono soprattutto a posizionare il modello. In ufficio conta di più se chiude un processo senza inventare passaggi e senza uscire dal perimetro autorizzato.

Costo: non guardare solo il prezzo per token

Via API Astra è indicato a 10 dollari per milione di token in input e 50 in output, circa due volte e mezzo GPT-5.6 Sol secondo le ricostruzioni di stampa. OpenAI sposta il metro sul costo per lavoro completato: se un modello più caro riduce passaggi, correzioni e tempo umano, il conto finale può scendere.

Per una PMI la checklist utile è questa:

  • stima il costo di un task tipico (brief → bozza → revisione → consegna);
  • confronta tempo umano risparmiato e spesa API;
  • includi il costo della supervisione (chi verifica output e azioni).

Senza quel confronto, il prezzo per token resta un numero vuoto.

Sicurezza: più capacità cyber, più bisogno di perimetro

OpenAI presenta Astra come modello avanzato anche in cybersecurity: nei test avrebbe scoperto vulnerabilità zero-day e raggiunto il 100% su ExploitBench. La stessa capacità che aiuta a difendere può, in altri contesti, aiutare ad attaccare.

Per questo il lancio arriva con limiti più severi e con l’allineamento in primo piano. In un test costruito dopo l’incidente Hugging Face, OpenAI sostiene che Astra non abbia superato i confini autorizzati (0%), contro il 48% riportato per GPT-5.6 Sol senza protezioni di produzione.

Il messaggio operativo per chi già usa agenti AI resta quello degli audit di permessi: più autonomia richiede un perimetro più stretto, non più fiducia.

Tre controlli da fare prima di provarlo in azienda

1. Scegli un processo chiuso, non «tutto l’ufficio»

Parti da un flusso con input chiari, output verificabile e basso rischio (es. bozza report da fonti interne già approvate, aggiornamento di un foglio template, checklist di controllo sito). Evita CRM con dati clienti, posta e sistemi critici nel primo ciclo.

2. Separa lettura, scrittura e azione

Anche se Astra sa «usare il computer», in produzione conviene abilitare prima sola lettura o bozze, poi scrittura su ambienti di test, infine azioni su sistemi reali. Ogni salto di privilegio deve avere un responsabile e un log.

3. Definisci dove deve fermarsi e chiedere

Astra, secondo OpenAI, dovrebbe distinguere decisioni banali e decisioni importanti. In azienda quella distinzione va scritta: soglie di spesa, destinatari email, modifiche a record, installazione software. Se non è scritto, l’agente improvvisa.

Limiti da tenere a mente

  • Le dichiarazioni su AGI restano marketing e dibattito: non esiste una definizione universalmente accettata, e i record di laboratorio non equivalgono a autonomia affidabile in ufficio.
  • I numeri di benchmark arrivano soprattutto da materiali di lancio OpenAI e da ricostruzioni giornalistiche: vanno letti come claim da verificare sul proprio caso, non come garanzia di risultato.
  • Maggiore autonomia non elimina la responsabilità del datore di lavoro su dati, accessi e qualità del processo.

Takeaway pratico

Prima di «provare Astra su tutto», apri una scheda di un solo processo: obiettivo, dati toccati, azioni consentite, persona che revisiona, criterio di stop. Misura tempo e errori su 5 esecuzioni. Solo dopo decidi se alzare i permessi o cambiare modello.

Astra rende più concreta la domanda che conta: quanto lavoro puoi lasciare fare a una macchina prima di dover ricontrollare quello che sta facendo?