У нейросетей собственный календарь: пока успел запомнить название, рядом уже ставят следующую цифру. Семейство GPT-5.6 появилось в API OpenAI 9 июля 2026 года, GPT-6 Astra — 3 сентября. Обе модели есть среди тех, что я пробовал. Но новый номер сам по себе ещё не объясняет, что изменится для человека, который вечером хочет немного поиграть.
OpenAI: журнал выпусков моделей ↗
В официальной документации Sol описана как модель для сложной профессиональной работы, а Astra — для особенно трудных задач от постановки до результата: рассуждений, кода, исследований и работы с инструментами. Обе принимают текст и изображения и выдают текст. Генерация картинки или озвучки в рабочем приложении требует отдельного инструмента: наличие красивой кнопки не превращает все модели в одного универсального волшебника.
OpenAI: возможности GPT-5.6 Sol ↗
OpenAI: возможности GPT-6 Astra ↗
Для игры полезность проще представить на маленькой задаче. Допустим, персонаж после паузы внезапно прыгает слишком далеко. Хороший помощник должен разобраться, как считается движение, предложить ограниченную правку и помочь проверить возвращение в игру. Сочинить новый движок, поменять цвета кнопок и заодно придумать героям биографию — активность впечатляющая, но прыжок от неё лучше не становится.
Поэтому формулировка задачи решает многое. Вместо «сделай красиво и исправь всё» полезнее описать момент ошибки, ожидаемое поведение и то, что уже работает. Это похоже на разговор с коллегой: если сказать только «там что-то не так», даже очень умный коллега сначала будет играть в детектива. А детектив, между прочим, тоже хочет кофе.
Мой интерес к новым моделям именно в таких цепочках: понять причину, внести изменение, проверить результат. Заявленные возможности Astra делают этот подход особенно любопытным. Но я не выдаю его за собственный сравнительный тест Sol и Astra: для честного вывода нужны одинаковые задачи, условия и заранее понятные критерии.
Полезная постановка для такого опыта: «После возвращения из паузы первый шаг слишком большой. Обычное движение работает правильно. Найди причину и предложи способ проверить исправление». Здесь есть наблюдение, граница задачи и критерий успеха. Это учебный пример запроса: его сила в конкретности, а не в секретном слове, после которого нейросеть внезапно становится безошибочной.
Для игрока итог должен быть простым: управление предсказуемо, меню понятно, прогресс не теряется. Если ради этого приходится трижды перечитать скромный кусок кода, я за скромный кусок кода. Пусть космическое имя останется модели, а герою достанется нормальный прыжок. Вы бы доверили нейросети придумать правила игры или предпочли бы поручить ей поиск ошибок?
Сергей Трушин
Пишу код давно. Учусь делать игры с удовольствием.
