A Roboflow szerint a GPT-6 Astra objektumokat is képes körberajzolni

Poligonokat ad vissza a GPT-6 Astra

A Roboflow 2026. szeptember 17-i beszámolója szerint a GPT-6 Astra a vállalat által tesztelt legjobb látásmodell. A cég Vision Evals nevű értékelésében a modell összesítésben és az objektumfelismerés kategóriájában is az első helyen végzett. A Roboflow szerint az Astra apró részleteket is észrevesz, a szöveget a környezetével együtt értelmezi, és pontos határolódobozokat rajzol.

A modell poligonokat is képes előállítani. A felhasználó megadhatja, hogy egy adott objektum minden példányát keresse meg, majd az Astra példányonként egy, az objektum körvonalát követő pontlistát ad vissza. A pontok pixelkoordinátákból állnak, és a válaszhoz a modell egy 0 és 1 közötti megbízhatósági értéket is mellékel.

A Roboflow legfeljebb 2048 pixel hosszúságú képhosszú oldallal dolgozik, majd az eredmény koordinátáit visszaméretezi az eredeti felbontásra. A poligonok raszterizálásával példányszintű maszk állítható elő. A cég ugyanakkor kiemeli, hogy az Astra nem sűrű, pixelről pixelre felépített maszkot ad, ezért a körvonalak nem minden esetben pixelpontosak.

Az Astra és a SAM 3 együtt pontosabb

A Roboflow a pontosság javítására kétmodelles folyamatot használ. Ebben a GPT-6 Astra az objektumok határolódobozait keresi meg, a SAM 3 pedig ezek alapján készíti el a maszkokat. A folyamatban az Astra visszaadja az összes burgonya dobozát, majd a képet és a dobozokat továbbítják a SAM 3-nak. A szegmentáló modell minden dobozhoz egy maszkot ad.

A vállalat vegyes dióféléket ábrázoló képen kasudiót és mogyorót kért egyetlen lekérdezésben. A beszámoló szerint az Astra a hasonló külsejű osztályokat is helyesen felismerte, a poligonok azonban itt sem voltak pixelpontosak. A dobozokkal megadott SAM 3 az Astra által kijelölt példányokat szegmentálta, így az osztályinformáció a dobozokkal együtt megmaradt.

A Roboflow kipróbálta azt a lehetőséget is, amikor a dobozokat mintaként használják a hasonló objektumok megkeresésére. Ebben az esetben három mogyoródoboz mintaként 97 maszkot eredményezett, mert a rendszer az összes diófélét mogyoróként szegmentálta. A cég ezért a közvetlen dobozpromptokat használja. A Roboflow Workflows rendszerében ehhez két blokk szükséges: az OpenAI objektumfelismerő blokkja és az eredményeket feldolgozó SAM3 interaktív blokk.

A költség az objektumok számától és a kimenettől is függ

A Roboflow a költségeket egy 1920 × 1280 pixeles, vegyes dióféléket tartalmazó képen hasonlította össze. A GPT-6 Astra díja bemeneti tokenenként 10 dollár egymillió tokenre vetítve, kimeneti tokenenként pedig 50 dollár egymillió tokenre vetítve. A SAM 3 Roboflow Serverless API-jában a számlázás számítási idő alapján történik: egy kredit 500 másodperc, ára pedig 4 dollár előre fizetett konstrukcióban.

Az Astra alacsony erőfeszítésű poligonválasza 3,0 ezer bemeneti és 9,0 ezer kimeneti tokent használt, képenkénti költsége 0,48 dollár, ideje pedig 202 másodperc volt. Közepes erőfeszítésnél 3,0 ezer bemeneti és 11,5 ezer kimeneti token mellett a költség 0,61 dollárra, az idő 261 másodpercre nőtt.

Az Astra alacsony erőfeszítésű dobozfelismerését SAM 3-mal kombinálva a Roboflow 3,0 ezer bemeneti és 1,9 ezer kimeneti tokent, 1,2 másodpercnyi SAM 3 számítási időt, összesen 0,14 dolláros képenkénti költséget és 37 másodperces feldolgozást mért. Magas erőfeszítésnél ez 0,56 dollár és 237 másodperc volt. A vállalat szerint a poligonok azért drágábbak, mert minden csúcspont kimeneti tokeneket igényel.

Mire használható a módszer?

A Roboflow szerint az Astra poligonjai általában megfelelőek lehetnek objektumok megszámolására, kivágására és címkézésére. A modell különösen összetettebb, több szót igénylő vagy egymásra hasonlító objektumoknál teljesít jobban a SAM 3 önálló használatánál. A pixelpontos maszkokhoz a cég az Astra és a SAM 3 együttes használatát ajánlja, ahol az első modell az értelmezést és a dobozokat, a második a pontosabb széleket biztosítja.

A Roboflow Auto Label funkciója támogatja a SAM 3-at, az Astrát és a két modell kombinációját is. A címkézés befejezése után a létrehozott adatkészleten RF-DETR valós idejű szegmentáló modell tanítható. A Roboflow szerint a GPT-6 Astra összevethető a korábban benchmarkolt modellekkel, és a saját képek a Roboflow Playground felületén is tesztelhetők.