GPT-6 Astra научилась искать человека с помощью дрона
Модель прошла все части Drone-Bench лучше контрольного решения хотя бы раз, но вся цепочка срабатывает лишь в 2,8% случаев.
Andon Labs проверила модель OpenAI на Drone-Bench — наборе задач, который измеряет, насколько хорошо современные ИИ способны написать программную систему для автономного наблюдения с недорогого беспилотника. Демонстрация выглядит просто: дрон должен пройти по офису, найти конкретного человека по фотографии и затем следовать за ним. Внутри этой команды скрыты пять разных технических задач.
Сначала Reconstruct получает видео офиса и должен восстановить пространство в 3D, определить положение отдельных кадров и построить двухмерную карту препятствий. Затем Localize по изображению с камеры оценивает положение самого дрона на этой карте. Navigate прокладывает безопасный маршрут в нужную комнату и корректирует полёт с учётом шума и задержек. Detect ищет человека по эталонной фотографии, а Follow превращает координаты найденной фигуры в команды движения, удерживая цель в кадре.
Именно на первом этапе Astra показала результат, которого Andon Labs раньше не получала от других моделей: её лучшая попытка построила навигационную реконструкцию офиса лучше человеческой контрольной реализации. Исследователи сообщают, что модель сама собрала пайплайн на базе COLMAP и DA3, добавив фильтрацию глубины и расчёт безопасного расстояния до препятствий.
В сумме GPT-6 Astra стала первой моделью, которая хотя бы в одной из попыток превзошла контрольный человеческий уровень на каждой из пяти частей Drone-Bench. Здесь важна формулировка. «Человеческий уровень» в этом тесте — не результат пилота, вручную управляющего дроном. Базовой точкой служит демонстрационный код, созданный человеком при помощи coding-агентов. А лучший результат модели выбирается после серии итераций: в каждом прогоне агент может сделать до десяти отправок решения, увидеть оценку и переписать реализацию; для каждой модели исследователи проводили десять прогонов.
Есть ещё более существенное ограничение. Пять задач в основном рейтинге оцениваются отдельно. Для следующего этапа лаборатория подаёт качественный эталонный результат предыдущего, поэтому ошибка реконструкции не обязана автоматически испортить локализацию или навигацию. Это позволяет понять, умеет ли модель решать каждую задачу сама по себе, но не означает, что она столь же надёжно выполняет весь сценарий одним непрерывным запуском.
Когда Andon Labs оценивает именно такую цепочку, цифра резко падает. Для Astra расчётная вероятность пройти все пять этапов выше контрольного уровня в среднем составляет 2,8%. По данным лаборатории, слабые места — обнаружение нужного человека, где успешны четыре прогона из десяти, и реконструкция пространства, где контрольный уровень преодолён лишь в одном прогоне из десяти.
Поэтому эксперимент пока не означает появления универсального автономного дрона, которому достаточно сказать: «найди этого человека». Модель уже способна самостоятельно проектировать отдельные части такого стека — от пространственной реконструкции до управляющего цикла, — но между лучшей демонстрацией и устойчивой работой остаётся огромный разрыв.
Сам Drone-Bench появился летом 2026 года как тест именно для этого перехода: ИИ выходит из чата и начинает создавать код, воздействующий на физическую среду. Это меняет смысл ошибки. Неверный ответ в диалоге можно удалить; плохая карта, неверная локализация или ошибочное распознавание цели у реального беспилотника превращаются в движение устройства в пространстве.
OpenAI позиционирует GPT-6 Astra как свою наиболее способную модель для сложной сквозной работы, компьютерного управления и программирования. Результат Andon Labs показывает другую сторону этого прогресса: отдельные способности уже складываются в систему, способную воспринимать помещение, планировать и действовать, но надёжность всей композиции пока отстаёт от её лучших эпизодов.
Самая показательная цифра здесь — не победа над контрольным уровнем в пяти отдельных задачах, а 2,8% для всей цепочки. Astra уже умеет собрать работающие элементы автономного поведения из общего задания. Проблема теперь не только в том, может ли ИИ это сделать, а в том, сколько раз подряд он способен сделать это правильно.
Фото: редакция ИЗНАНКИ.
