Wat Is GPT-6, en Hoe Werken Grote Taalmodellen Eigenlijk?

GPT-6 is geen enkel product dat op één dag is gelanceerd. OpenAI gaf het in twee fasen uit: een grensverleggend model genaamd GPT-6 Astra in begin september 2026, gevolgd door twee consumentenversies, GPT-6 Sol en GPT-6 Luna, die het vorige model in ChatGPT in oktober 2026 vervingen.

Astra eerst, daarna Sol en Luna voor iedereen

Volgens OpenAI's eigen verslag samengevat op Wikipedia ging GPT-6 Astra op 3 september 2026 in beperkte preview en bereikte betaalde ChatGPT-gebruikers de volgende dag. OpenAI beschreef het als het meest capabele systeem tot nu toe, wijzend op winsten in codering, wiskunde en autonoom computergebruik. OpenAI vice-president Aidan Clark zei dat het model de grootste trainingsinspanning van het bedrijf tot nu toe was, stellende dat het de eerste keer was dat OpenAI een model had voorgetraind op meer dan 100.000 GPU's op zijn Stargate-site in Texas.

OpenAI classificeerde Astra op het 'Critical' cybersecurity-capabiliteitsniveau onder zijn interne Preparedness Framework, volgens DataCamp's beoordeling van OpenAI's gepubliceerde materialen. DataCamp rapporteerde dat deze waardering Astra's capaciteit weerspiegelt om cyber-exploits te helpen creëren in plaats van het vermogen om zelfstandig onbekende gebreken in geharde systemen te ontdekken, en dat OpenAI de meer geavanceerde cybersecurity-taken van het model, zoals het produceren van proof-of-concept exploits, achter zijn Daybreak-toegangsprogramma bij lancering beperkte. OpenAI-president Greg Brockman vertelde verslaggevers dat hij het redelijk vond om te zeggen dat de industrie was ingegaan in wat hij een AGI-era noemde, hoewel hij niet zei dat OpenAI kunstmatige algemene intelligentie had bereikt.

Op 7 oktober 2026 bracht OpenAI een tweede golf van GPT-6 in de hoofdchat-app, ditmaal gebouwd voor alledaagse conversatie in plaats van gespecialiseerd agentisch werk, volgens OpenAI's aankondiging op zijn ontwikkelaarsgemeenschapsforum en rapportage door TechCrunch. Plus, Pro, Business en Enterprise-abonnees ontvingen onmiddellijk een versie genaamd GPT-6 Sol; gratis gebruikers en Go-tier-gebruikers begonnen de volgende dag GPT-6 Luna te ontvangen.

De zichtbare verandering: een 'Intelligent UI'

Naast de modelomwisseling introduceerde OpenAI een functie die het Intelligent UI noemt. In plaats van alleen in alinea's te antwoorden, kan ChatGPT nu een antwoord samenstellen uit tekst, grafieken, aanklikbare knoppen, formulieren en kleine interactieve tools zoals rekenmachines, volgens OpenAI's communitypost en rapportage van TechCrunch. OpenAI-productmanager Aarush Selvan zei dat het doel was om complexe onderwerpen gemakkelijker te begrijpen, uitleggende dat de meest nuttige antwoorden op veel vragen niet alleen platte tekst zijn, zoals gerapporteerd door TechCrunch. Het systeem beslist per geval of een diagram, een interactieve grafiek of platte tekst het beste bij een vraag past, en gebruikers kunnen aanpassen hoe vaak deze visuele elementen verschijnen.

Wat OpenAI's eigen veiligheidstests hebben gevonden

OpenAI's systeemkaart voor de oktoberlancering, gepubliceerd op zijn Deployment Safety Hub, zegt dat GPT-6 Sol en Luna verbeteringen hebben aangebracht aan verschillende veiligheidsmaatstaven in vergelijking met de eerdere GPT-5.6-modellen: sterkere weerstand tegen jailbreak-pogingen, inclusief multi-turn-aanvallen, minder oneerlijk of bedriegend gedrag, en betere factische nauwkeurigheid op de meeste metrieken. Hetzelfde document rapporteert ook statistisch significante terugval in hoe de modellen een beperkte set gevoelige evaluatiecategorieën hanteerden, inclusief prompts met betrekking tot zelfbeschadiging, met Luna die aanvullende terugval bij gore en seksuele inhoud in interne tests toont; OpenAI's eigen beoordeling beschreef de problematische outputs die het herzag als van lage ernst en nog steeds binnen zijn algemene veiligheidsverwachtingen.

Onder OpenAI's Preparedness Framework classificeert de systeemkaart ook zowel Sol als Luna als 'High' capabiliteit in biologische/chemische en cybersecurity-risicocategorieën, maar onder de 'Critical' drempel — een lager risiconiveau dan het Astra-model dat de vorige maand was uitgebracht, dat OpenAI als Critical voor cybersecurity had beoordeeld.

Hoe grote taalmodellen eigenlijk werken

GPT-6, zoals GPT-4, Claude of Llama, is gebouwd op een neurale netwerkarchitectuur genaamd de transformer, geïntroduceerd door Google-onderzoekers in 2017, volgens IBM's research explainer. Een transformer breekt tekst op in kleine eenheden genaamde tokens, converteert elk token naar een numerieke vector, en gebruikt dan een mechanisme genaamd self-attention om uit te werken hoe sterk elk token zich tot elk ander token in de invoer verhoudt — inclusief degenen die ver in de tekst uit elkaar liggen.

Voordat iets van dat gebeurt, moet het model worden getraind. IBM's explainer beschrijft dit als beginnend met enorme datasets — miljarden of biljoen woorden afkomstig uit boeken, websites en code — die schoongemaakt, getokeniseerd en door het netwerk gevoerd worden met behulp van zelf-supervised learning, een methode die niet vereist dat mensen het juiste antwoord voor elk voorbeeld labelen.

Eenmaal getraind werkt het model door een prompt te nemen, deze naar tokens te converteren, en herhaaldelijk het enig meest waarschijnlijke volgende token voorspellen, één tegelijk, totdat het antwoord compleet is. Zoals IBM's explainer het stelt, kent het systeem zijn uiteindelijke antwoord niet van tevoren; het genereert het antwoord stuk voor stuk met behulp van de statistische relaties die tijdens het trainen zijn geleerd, in plaats van een opgeslagen feit op te halen of op dezelfde manier als een mens te redeneren.

Wat dit betekent voor het vertrouwen in de output

Omdat het systeem waarschijnlijke tekst voorspelt in plaats van waarheid te verifiëren, vermeldt IBM's explainer hallucinatie — vol vertrouwen gegenereerde maar valse informatie — als een inherente beperking van de architectuur, naast het risico dat vooroordelen in trainingsgegevens zich in outputs weerspiegelen of versterken. Het trainen en uitvoeren van modellen op deze schaal vereist ook zeer grote hoeveelheden rekenkracht en energie, een punt dat OpenAI zelf onderstreepte toen het zei dat Astra's trainingsrun meer dan 100.000 GPU's op één site gebruikte.