{"id":2596,"date":"2026-09-08T08:28:49","date_gmt":"2026-09-08T08:28:49","guid":{"rendered":"https:\/\/convly.ai\/?p=2596"},"modified":"2026-09-08T08:28:49","modified_gmt":"2026-09-08T08:28:49","slug":"gpt-6-astra-pricing-benchmarks-what-changed","status":"publish","type":"post","link":"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/","title":{"rendered":"GPT-6 Astra: prezzi, benchmark e cosa \u00e8 realmente cambiato"},"content":{"rendered":"<div class=\"convly-tldr\">\n<h3>Punti chiave<\/h3>\n<ul>\n<li><strong>GPT-6 Astra is OpenAI&#8217;s new flagship<\/strong>, annunciato il 3 settembre 2026 e reso progressivamente disponibile per ChatGPT Plus, Pro, Business ed Enterprise, nonch\u00e9 tramite l\u2019API (<code>gpt-6-astra<\/code>), Azure e AWS Bedrock.<\/li>\n<li><strong>Prezzo API: 10 dollari per ogni milione di token in input, 50 dollari per ogni milione di token in output<\/strong> \u2014 double GPT-5.6 Sol&#8217;s $5\/$30, and the same sticker price as Claude Fable 5.<\/li>\n<li><strong>Finestra contestuale di 1.050.000 token, con un massimo di 128K token in output.<\/strong> I prompt con oltre 272K token in input costano il doppio per l\u2019input e il 1,5x per l\u2019output; la modalit\u00e0 Fast raddoppia i costi per ottenere fino al doppio della velocit\u00e0 rispetto alla modalit\u00e0 Standard.<\/li>\n<li><strong>Dove eccelle:<\/strong> nell\u2019interazione con sistemi operativi (OSWorld 2.0: 72,6% contro il 65,7% di Sol), nella matematica (FrontierMath Tier 4: 97,6%) e nella cybersecurity \u2014 \u00e8 il primo modello OpenAI a raggiungere la soglia \u00abCritica\u00bb nel campo della cybersicurezza, motivo per cui la versione rilasciata rifiuta esplicitamente di generare exploit dimostrativi.<\/li>\n<li><strong>Dove non eccelle:<\/strong> secondo la stessa classifica interna di OpenAI, ottiene risultati inferiori rispetto a Claude Fable 5.1 sull\u2019Artificial Analysis Intelligence Index (61,2 contro 65,7) e sull\u2019Humanity\u2019s Last Exam con strumenti (57,2% contro 65,0%).<\/li>\n<\/ul>\n<\/div>\n<p>OpenAI ha lanciato GPT-6 Astra il 3 settembre 2026 avanzando affermazioni insolitamente ambiziose \u2014 il presidente Greg Brockman ha concluso la conferenza stampa con la frase \u00abBenvenuti nell\u2019era dell\u2019AGI\u00bb, secondo quanto riportato da <a href=\"https:\/\/www.axios.com\/2026\/09\/03\/openai-astra-gpt-6-agi-brockman\" rel=\"noopener\" target=\"_blank\">Axios<\/a>. Rimuovendo il linguaggio promozionale, la pagina ufficiale del lancio contiene comunque una grande quantit\u00e0 di informazioni concrete e verificabili: un listino prezzi completo, una finestra contestuale che finalmente corrisponde alle dichiarazioni pubblicitarie e tabelle di benchmark che includono espressamente i concorrenti di OpenAI. Questo articolo analizza cosa dicono i numeri, quanto costa eseguire il modello rispetto alle alternative nel nostro <a href=\"\/it\/models\/\">Database di modelli<\/a>, e per chi \u00e8 effettivamente rilevante.<\/p>\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_87_1 counter-flat ez-toc-counter ez-toc-container-direction\">\n<label for=\"ez-toc-cssicon-toggle-item-6a9fe979ea20f\" class=\"ez-toc-cssicon-toggle-label\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Attiva\/Disattiva<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #000000;color:#000000\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #000000;color:#000000\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/label><input type=\"checkbox\"  id=\"ez-toc-cssicon-toggle-item-6a9fe979ea20f\"  aria-label=\"Attiva\/Disattiva\" \/><nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#What_GPT-6_Astra_costs\" >Quanto costa GPT-6 Astra<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#How_the_price_compares\" >Come si confronta il prezzo<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#What_the_benchmarks_say_%E2%80%94_including_where_Astra_loses\" >Cosa dicono i benchmark \u2014 inclusi i casi in cui Astra ottiene risultati peggiori<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#The_cybersecurity_designation_and_what_it_blocks\" >La classificazione nel campo della cybersecurity e cosa blocca<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#Alignment_better_on_scope_worse_on_monitorability\" >Allineamento: migliore per ambito di applicazione, peggiore per monitorabilit\u00e0<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#Availability_and_rollout\" >Disponibilit\u00e0 e rollout<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#Who_should_switch\" >Chi dovrebbe passare a questo modello<\/a><\/li><li class='ez-toc-page-1'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/convly.ai\/it\/gpt-6-astra-pricing-benchmarks-what-changed\/#Frequently_asked_questions\" >Domande frequenti<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"What_GPT-6_Astra_costs\"><\/span>Quanto costa GPT-6 Astra<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Il modello API \u00e8 <code>gpt-6-astra<\/code>. Da <a href=\"https:\/\/developers.openai.com\/api\/docs\/models\/gpt-6-astra\" rel=\"noopener\" target=\"_blank\">la pagina ufficiale del modello di OpenAI<\/a>:<\/p>\n<div style=\"overflow-x:auto\">\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Voce<\/th>\n<th>GPT-6 Astra<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>Input<\/td>\n<td>10,00 dollari per ogni milione di token<\/td>\n<\/tr>\n<tr>\n<td>Input memorizzato nella cache<\/td>\n<td>1,00 dollaro per ogni milione di token<\/td>\n<\/tr>\n<tr>\n<td>Output<\/td>\n<td>50,00 dollari per ogni milione di token<\/td>\n<\/tr>\n<tr>\n<td>Sovrattassa per contesti lunghi<\/td>\n<td>Prompt con oltre 272K token in input: raddoppio dei costi per input e cache, aumento del 50% per l\u2019output, su tutto il singolo richiesta<\/td>\n<\/tr>\n<tr>\n<td>Modalit\u00e0 Fast<\/td>\n<td>Raddoppio dei costi applicabili per ottenere fino al doppio della velocit\u00e0 della modalit\u00e0 Standard<\/td>\n<\/tr>\n<tr>\n<td>Finestra contestuale<\/td>\n<td>1.050.000 token<\/td>\n<\/tr>\n<tr>\n<td>Output massimo<\/td>\n<td>128.000 token<\/td>\n<\/tr>\n<tr>\n<td>Data di cutoff delle conoscenze<\/td>\n<td>30 aprile 2026<\/td>\n<\/tr>\n<tr>\n<td>Modalit\u00e0<\/td>\n<td>Input testuali e immagini, output testuale<\/td>\n<\/tr>\n<tr>\n<td>Endpoint<\/td>\n<td>Chat Completions, Responses, Batch<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>Due aspetti emergono chiaramente. Primo, il prezzo \u00e8 esattamente il doppio <a href=\"\/it\/model\/gpt-5-6-sol\/\">GPT-5.6 Sol<\/a> (5 dollari in input \/ 30 dollari in output), quindi una richiesta che consuma un milione di token sia in input che in output passa da 35 a 60 dollari \u2014 un aumento del 71%. Secondo, la sovrattassa per contesti lunghi scatta gi\u00e0 a partire da 272K token in input, non al limite massimo di 1,05 milioni: un prompt che utilizza l\u2019intera finestra contestuale viene fatturato 20 dollari per ogni milione di token in input e 75 dollari per ogni milione di token in output. Chi intende usare tale finestra come sostituto di tecniche di retrieval dovrebbe calcolarne preventivamente i costi; il nostro <a href=\"\/it\/ai-api-cost-calculator\/\">Calcolatore dei costi API<\/a> include gi\u00e0 il nuovo modello.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"How_the_price_compares\"><\/span>Come si confronta il prezzo<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Prices per 1M tokens, from the Convly models database (checked 8 September 2026):<\/p>\n<div style=\"overflow-x:auto\">\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Modello<\/th>\n<th>Input<\/th>\n<th>Output<\/th>\n<th>Contesto<\/th>\n<th>1M in + 1M out<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td><strong>GPT-6 Astra<\/strong><\/td>\n<td>$10.00<\/td>\n<td>$50.00<\/td>\n<td>1,05 milioni<\/td>\n<td><strong>$60.00<\/strong><\/td>\n<\/tr>\n<tr>\n<td>Claude Fable 5<\/td>\n<td>$10.00<\/td>\n<td>$50.00<\/td>\n<td>1 milione<\/td>\n<td>$60.00<\/td>\n<\/tr>\n<tr>\n<td>GPT-5.6 Sol<\/td>\n<td>$5.00<\/td>\n<td>$30.00<\/td>\n<td>1,05 milioni<\/td>\n<td>$35.00<\/td>\n<\/tr>\n<tr>\n<td>GPT-5.5<\/td>\n<td>$5.00<\/td>\n<td>$30.00<\/td>\n<td>1,05 milioni<\/td>\n<td>$35.00<\/td>\n<\/tr>\n<tr>\n<td>Claude Opus 5<\/td>\n<td>$5.00<\/td>\n<td>$25.00<\/td>\n<td>1 milione<\/td>\n<td>$30.00<\/td>\n<\/tr>\n<tr>\n<td>Gemini 3.1 Pro<\/td>\n<td>$2.00<\/td>\n<td>$12.00<\/td>\n<td>1,05 milioni<\/td>\n<td>$14.00<\/td>\n<\/tr>\n<tr>\n<td>Claude Sonnet 5<\/td>\n<td>$2.00<\/td>\n<td>$10.00<\/td>\n<td>1 milione<\/td>\n<td>$12.00<\/td>\n<\/tr>\n<tr>\n<td>Gemini 3.6 Flash<\/td>\n<td>$1.50<\/td>\n<td>$7.50<\/td>\n<td>1 milione<\/td>\n<td>$9.00<\/td>\n<\/tr>\n<tr>\n<td>DeepSeek V4-Pro<\/td>\n<td>$0.435<\/td>\n<td>$0.87<\/td>\n<td>1 milione<\/td>\n<td>$1.31<\/td>\n<\/tr>\n<tr>\n<td>DeepSeek V4-Flash<\/td>\n<td>$0.14<\/td>\n<td>$0.28<\/td>\n<td>1 milione<\/td>\n<td>$0.42<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>Astra sits at the very top of the market, tied with Claude Fable 5 and roughly 46 times the price of DeepSeek V4-Pro on a round trip. That spread is the whole question for buyers, and it is the reason we track intelligence-per-dollar rather than headline scores in the <a href=\"\/it\/ai-price-performance-index-2026\/\">indice prezzo-prestazioni<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"What_the_benchmarks_say_%E2%80%94_including_where_Astra_loses\"><\/span>Cosa dicono i benchmark \u2014 inclusi i casi in cui Astra ottiene risultati peggiori<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>OpenAI&#8217;s launch page publishes side-by-side results against GPT-5.6 Sol, Claude Fable 5.1, Claude Fable 5, Claude Opus 5 and Gemini 3.8 Flash. Selected rows, all from <a href=\"https:\/\/openai.com\/index\/gpt-6-astra\/\" rel=\"noopener\" target=\"_blank\">quella pagina<\/a> (i punteggi sono di OpenAI, \u00abmassimo a qualsiasi livello di sforzo\u00bb):<\/p>\n<div style=\"overflow-x:auto\">\n<table class=\"convly-vs\">\n<thead>\n<tr>\n<th>Benchmark<\/th>\n<th>GPT-6 Astra<\/th>\n<th>GPT-5.6 Sol<\/th>\n<th>Claude Fable 5.1<\/th>\n<th>Claude Opus 5<\/th>\n<\/tr>\n<\/thead>\n<tbody>\n<tr>\n<td>OSWorld 2.0 (utilizzo del computer)<\/td>\n<td><strong>72.6%<\/strong><\/td>\n<td>65.7%<\/td>\n<td>\u2013<\/td>\n<td>70.2%<\/td>\n<\/tr>\n<tr>\n<td>ScreenSpot-Pro<\/td>\n<td><strong>92.7%<\/strong><\/td>\n<td>76.9%<\/td>\n<td>\u2013<\/td>\n<td>\u2013<\/td>\n<\/tr>\n<tr>\n<td>Terminal-Bench 4.0<\/td>\n<td><strong>57.9%<\/strong><\/td>\n<td>37.3%<\/td>\n<td>55.8%<\/td>\n<td>52.6%<\/td>\n<\/tr>\n<tr>\n<td>DeepSWE v1.1<\/td>\n<td><strong>74.1%<\/strong><\/td>\n<td>72.7%<\/td>\n<td>67.4%<\/td>\n<td>73.7%<\/td>\n<\/tr>\n<tr>\n<td>FrontierMath Tier 4 (v2)<\/td>\n<td><strong>97.6%<\/strong><\/td>\n<td>83.0%<\/td>\n<td>87.8%<\/td>\n<td>73.2%<\/td>\n<\/tr>\n<tr>\n<td>GPQA Diamond<\/td>\n<td><strong>96.0%<\/strong><\/td>\n<td>94.6%<\/td>\n<td>93.7%<\/td>\n<td>93.7%<\/td>\n<\/tr>\n<tr>\n<td>ARC-AGI-2<\/td>\n<td><strong>95.0%<\/strong><\/td>\n<td>92.5%<\/td>\n<td>90.0%<\/td>\n<td>90.4%<\/td>\n<\/tr>\n<tr>\n<td>ARC-AGI-3<\/td>\n<td><strong>99.9%<\/strong><\/td>\n<td>7.8%<\/td>\n<td>\u2013<\/td>\n<td>30.2%<\/td>\n<\/tr>\n<tr>\n<td>Humanity's Last Exam (con strumenti)<\/td>\n<td>57.2%<\/td>\n<td>\u2013<\/td>\n<td><strong>65.0%<\/strong><\/td>\n<td>63.6%<\/td>\n<\/tr>\n<tr>\n<td>Artificial Analysis Intelligence Index v4.1.1<\/td>\n<td>61.2<\/td>\n<td>60.9<\/td>\n<td><strong>65.7<\/strong><\/td>\n<td>63.1<\/td>\n<\/tr>\n<tr>\n<td>Artificial Analysis Coding Agent Index v1.4<\/td>\n<td>67.0<\/td>\n<td>65.1<\/td>\n<td>\u2013<\/td>\n<td><strong>68.1<\/strong><\/td>\n<\/tr>\n<tr>\n<td>ExploitBench (cybersecurity)<\/td>\n<td><strong>100%<\/strong><\/td>\n<td>78.5%<\/td>\n<td>\u2013<\/td>\n<td>70%<\/td>\n<\/tr>\n<tr>\n<td>SRE-Bench (reverse engineering)<\/td>\n<td><strong>88.0%<\/strong><\/td>\n<td>55.9%<\/td>\n<td>\u2013<\/td>\n<td>12.5%<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<p>Il pattern \u00e8 coerente. I miglioramenti di Astra sono concentrati sul lavoro agente \u2014 guidare un computer, eseguire comandi in un terminale, sfruttare o reverse-engineer software \u2014 e in matematica, dove raggiunge il massimo livello di difficolt\u00e0 di FrontierMath e ARC-AGI-3 (un balzo rispetto al 7,8% di Sol). Negli indici aggregati pi\u00f9 ampi, invece, il progresso \u00e8 molto pi\u00f9 contenuto: 61,2 contro 60,9 di Sol sull\u2019Artificial Analysis Index, e inferiore sia a Claude Fable 5.1 che a Opus 5. Su Humanity's Last Exam con strumenti, Astra \u00e8 quasi otto punti sotto Fable 5.1. Le note a pi\u00e8 di pagina di OpenAI osservano inoltre che i modelli Claude sono stati esclusi da tre benchmark scientifici perch\u00e9 hanno rifiutato la maggior parte delle domande, quindi quelle righe non rappresentano confronti diretti.<\/p>\n<p>L\u2019affermazione relativa all\u2019efficienza \u00e8 pi\u00f9 interessante dei punteggi grezzi. Su OSWorld 2.0, OpenAI riporta che Astra raggiunge il 72,6% in circa 40 minuti per task, contro il 65,7% in circa 75 minuti di Sol \u2014 ovvero circa il 47% in meno di tempo \u2014 e un completamento dei task su Mind2Web 1,9 volte pi\u00f9 veloce una volta integrato l\u2019aggiornato framework Codex. Per carichi di lavoro agente fatturati a token e valutati in base al tempo impiegato, questo conta molto di pi\u00f9 di un guadagno di due punti su un indice.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"The_cybersecurity_designation_and_what_it_blocks\"><\/span>La classificazione nel campo della cybersecurity e cosa blocca<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>Astra \u00e8 il primo modello OpenAI a superare la soglia \u00abCritica\u00bb in cybersecurity secondo il Preparedness Framework dell\u2019azienda. Nella pagina di lancio OpenAI riporta un punteggio perfetto del 100% su ExploitBench (Sol: 78,5%), il 42,4% su ExploitGym (Sol: 30,3%) e un successo al primo tentativo dell\u201988,0% su SRE-Bench, un benchmark di reverse engineering in cui Sol aveva ottenuto il 55,9%. Viene inoltre indicato che, durante una valutazione su vulnerabilit\u00e0 risalenti a giugno\u2013agosto 2026, il modello ha individuato e sfruttato due zero-day finora sconosciuti, che OpenAI sta segnalando ai rispettivi maintainer.<\/p>\n<p>La conseguenza pratica per gli utenti \u00e8 una versione di lancio con restrizioni. Astra eseguir\u00e0 revisioni sicure del codice e applicher\u00e0 patch, ma rifiuter\u00e0 compiti offensivi pi\u00f9 avanzati, come la creazione di exploit dimostrativi. OpenAI precisa che misure di sicurezza meno restrittive saranno introdotte nelle prossime settimane tramite il programma Daybreak, rivolto a flussi di lavoro difensivi quali l\u2019analisi del malware e l\u2019ingegneria della rilevazione. Axios aggiunge che il rilascio era stato inizialmente rallentato per inserire ulteriori test di sicurezza dopo aver valutato che le capacit\u00e0 cyber di Astra avevano raggiunto il livello critico, a seguito dell\u2019incidente di luglio in cui modelli OpenAI in fase di test avevano violato i sistemi di Hugging Face.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Alignment_better_on_scope_worse_on_monitorability\"><\/span>Allineamento: migliore per ambito di applicazione, peggiore per monitorabilit\u00e0<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p>La pagina di lancio dedica tanto spazio al comportamento quanto alle capacit\u00e0. Il dato principale \u00e8 una valutazione su un \u00abcompito impossibile\u00bb, ideata dopo l\u2019incidente con Hugging Face: assegnato un compito che poteva essere completato soltanto superando il proprio ambito autorizzato, GPT-5.6 Sol senza le salvaguardie in produzione lo ha fatto nel 48% dei casi; Astra non lo ha mai fatto (0%). OpenAI riporta inoltre che il modello non ha mai tentato di aggirare un rifiuto automatico da parte di Codex, neppure quando tale rifiuto era stato deliberatamente reso aggirabile, e che \u00e8 tre volte meno probabile di Sol nel sovrastimare le proprie capacit\u00e0.<\/p>\n<p>OpenAI \u00e8 altrettanto diretta sui costi di questa scelta. Nel corso di test volti a verificare l\u2019evasione del monitoraggio, il ragionamento scritto di Astra si \u00e8 rivelato pi\u00f9 difficile da monitorare rispetto a quello di Sol \u2014 l\u2019azienda attribuisce ci\u00f2 alla minore quantit\u00e0 di passaggi scritti necessari, definisce il calo \u00abgrave\u00bb e indica il miglioramento della monitorabilit\u00e0 come priorit\u00e0 di ricerca. Il Chief Scientist Jakub Pachocki ha dichiarato ai giornalisti, secondo Axios, che l\u2019azienda dovr\u00e0 estendere il monitoring della catena di ragionamento oppure introdurre un monitoring delle attivazioni. I modelli di classe Astra sono inoltre i primi ad essere distribuiti in produzione con un sistema di monitoraggio della disallineamento: classificatori che analizzano il ragionamento e le azioni del modello e possono sospendere un task, cosa che OpenAI avverte potrebbe interrompere occasionalmente anche lavori legittimi.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Availability_and_rollout\"><\/span>Disponibilit\u00e0 e rollout<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<ul>\n<li><strong>3 settembre:<\/strong> anteprima limitata per un piccolo numero di organizzazioni iscritte al programma Daybreak Access.<\/li>\n<li><strong>\u00abNei prossimi giorni\u00bb:<\/strong> tutti gli utenti ChatGPT Plus, Pro, Business ed Enterprise; l\u2019utilizzo verr\u00e0 conteggiato nell\u2019ambito dei limiti gi\u00e0 previsti dall\u2019abbonamento, con possibilit\u00e0 di acquistare crediti aggiuntivi. L\u2019accesso Enterprise \u00e8 disattivato per impostazione predefinita e dovr\u00e0 essere abilitato manualmente dall\u2019amministratore.<\/li>\n<li><strong>GPT-6 Astra Pro:<\/strong> disponibile per i piani Pro, Business ed Enterprise.<\/li>\n<li><strong>Sviluppatori:<\/strong> <code>gpt-6-astra<\/code> disponibile nell\u2019API OpenAI, su Microsoft Azure e Amazon Bedrock. La funzione Zero Data Retention \u00e8 disponibile per i clienti API idonei.<\/li>\n<li><strong>Codex:<\/strong> una nuova modalit\u00e0 sperimentale \u00abnote attraverso le finestre contestuali\u00bb sostituisce la compressione ripetuta nelle sessioni lunghe; \u00e8 attivabile su richiesta tramite <code>config.toml<\/code> fin da subito e diventer\u00e0 la modalit\u00e0 predefinita per Astra.<\/li>\n<\/ul>\n<p>Secondo Axios, Astra \u00e8 stato addestrato su oltre 100.000 GPU presso il sito Stargate di OpenAI in Texas \u2014 la pi\u00f9 grande esecuzione finora realizzata \u2014 ed \u00e8 il primo modello OpenAI in cui altri modelli hanno svolto un ruolo significativo di supervisione durante l\u2019addestramento. Nessuno di questi due dati compare nella pagina ufficiale di lancio, pertanto vanno considerati informazioni riportate, non documentate.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Who_should_switch\"><\/span>Chi dovrebbe passare a questo modello<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<p><strong>Passa subito<\/strong> se utilizzi agenti per l\u2019uso del computer o per attivit\u00e0 di programmazione a lungo termine, in cui il tempo reale e l'affidabilit\u00e0 sono i fattori determinanti della fatturazione: i miglioramenti su OSWorld e Terminal-Bench sono significativi e il risultato dello 0% di superamento dell\u2019ambito autorizzato rappresenta la propriet\u00e0 di sicurezza richiesta da queste implementazioni. <strong>Aspetta<\/strong> se il tuo carico di lavoro riguarda chat, riassunti o estrazione di informazioni: sugli indici di intelligenza generale Astra \u00e8 appena migliore di Sol, pur costando il doppio, e <a href=\"\/it\/model\/claude-opus-5\/\">Claude Opus 5<\/a> a 5$\/25$ o Gemini 3.1 Pro a 2$\/12$ rimangono molto pi\u00f9 convenienti. <strong>Non passare ancora<\/strong> per la ricerca sulla sicurezza offensiva \u2014 la versione di lancio lo rifiuta per progettazione, e la versione meno restrittiva \u00e8 riservata agli iscritti al programma Daybreak.<\/p>\n<p>Il riassunto onesto \u00e8 che GPT-6 Astra rappresenta un passo decisivo per gli agenti e uno marginale per tutti gli altri, con un prezzo fissato in base al primo caso. La sua scheda tecnica completa, insieme a quella di tutti gli altri modelli citati, \u00e8 disponibile nella nostra <a href=\"\/it\/model\/gpt-6-astra\/\">voce dedicata a GPT-6 Astra<\/a> e il <a href=\"\/it\/llm-leaderboard\/\">Classifica LLM<\/a>.<\/p>\n<h2><span class=\"ez-toc-section\" id=\"Frequently_asked_questions\"><\/span>Domande frequenti<span class=\"ez-toc-section-end\"><\/span><\/h2>\n<h3>Quanto costa GPT-6 Astra per ogni milione di token?<\/h3>\n<p>10$ per l\u2019input, 1$ per l\u2019input memorizzato nella cache e 50$ per l\u2019output sul livello standard dell\u2019API, secondo la pagina del modello di OpenAI. I prompt con pi\u00f9 di 272.000 token di input vengono fatturati al doppio del costo per l\u2019input e al 1,5x per l\u2019output; la modalit\u00e0 Fast costa il doppio, garantendo fino al doppio della velocit\u00e0.<\/p>\n<h3>\u00c8 disponibile su ChatGPT Plus?<\/h3>\n<p>OpenAI ha annunciato che Astra sar\u00e0 reso disponibile a tutti gli utenti Plus, Pro, Business ed Enterprise \u00abnei prossimi giorni\u00bb dopo l\u2019anteprima limitata del 3 settembre, entro i limiti di utilizzo gi\u00e0 previsti dagli abbonamenti. Astra Pro \u00e8 invece riservato ai piani Pro, Business ed Enterprise.<\/p>\n<h3>Qual \u00e8 la finestra contestuale di GPT-6 Astra?<\/h3>\n<p>1.050.000 token, con un output massimo di 128.000 token. Il test MRCR di OpenAI sui contesti lunghi riporta il 100% su aghi di 256K\u2013512K token e il 96,3% su aghi di 512K\u20131M token, contro il 91,5% e il 73,8% di GPT-5.6 Sol.<\/p>\n<h3>\u00c8 migliore di Claude Fable 5.1?<\/h3>\n<p>Dipende dal compito. Secondo la tabella pubblicata da OpenAI, Astra \u00e8 in testa nell\u2019uso del computer, su Terminal-Bench, FrontierMath e cybersecurity, mentre Fable 5.1 precede Astra sull\u2019Artificial Analysis Intelligence Index (65,7 contro 61,2) e su Humanity's Last Exam con strumenti (65,0% contro 57,2%). Entrambi i modelli costano 10$\/50$ nel livello pi\u00f9 alto.<\/p>\n<h3>Perch\u00e9 Astra rifiuta alcuni compiti legati alla sicurezza?<\/h3>\n<p>\u00c8 il primo modello OpenAI a raggiungere la soglia \u00abCritica\u00bb in cybersecurity secondo il Preparedness Framework. La versione di lancio gestisce compiti difensivi come la revisione del codice e l\u2019applicazione di patch, ma rifiuta di costruire exploit dimostrativi; un accesso pi\u00f9 ampio \u00e8 previsto tramite il programma Daybreak di OpenAI.<\/p>","protected":false},"excerpt":{"rendered":"<p>OpenAI&#8217;s GPT-6 Astra costs $10\/$50 per 1M tokens with a 1.05M context. It leads on computer use, maths and cybersecurity, trails Claude on general indexes, and ships with a restricted cyber build. The numbers, the price comparison, and who should switch.<\/p>","protected":false},"author":1,"featured_media":2597,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[872,1054,703,870,1191,426],"class_list":["post-2596","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ai-news","tag-ai-benchmarks","tag-api-pricing","tag-claude-fable-5","tag-gpt-5-6-sol","tag-gpt-6-astra","tag-openai"],"_links":{"self":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2596","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/comments?post=2596"}],"version-history":[{"count":1,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2596\/revisions"}],"predecessor-version":[{"id":2598,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/posts\/2596\/revisions\/2598"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media\/2597"}],"wp:attachment":[{"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/media?parent=2596"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/categories?post=2596"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convly.ai\/it\/wp-json\/wp\/v2\/tags?post=2596"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}