ඔයා AI එකකට මෙහෙම කිව්වා කියලා හිතන්න:

මේ website එක build කරන්න, ඒක test කරන්න, bugs හොයලා fix කරන්න, අන්තිමට working version එක මට දෙන්න.

මීට අවුරුදු කිහිපයකට කලින් මේක එක AI tool එකකින් කරගන්න පුළුවන් දෙයක් වගේ පෙනුණේ නැහැ.

Code generate කරන්න එක tool එකක්, web එකේ research කරන්න තවත් tool එකක්, application එක test කරන්න තවත් tool එකක් ඕන වෙන්න පුළුවන්. ඒ හැම එකක්ම manually connect කරලා වැඩේ කරගන්න වෙන්නේ අපිට.

GPT-6 Astra මේ workflow එක වෙනස් කරන්න design කරපු model එකක්.

OpenAI විසින් 2026 සැප්තැම්බර් මාසයේ හඳුන්වා දුන් GPT-6 Astra, complex reasoning, software engineering, computer use, research, web browsing, science, cybersecurity වගේ demanding tasks සඳහා තමන්ගේ වඩාත්ම capable model එකක් ලෙස position කරලා තියෙනවා.

මෙතන වැදගත්ම අදහස:

AI එකෙන් task එක කරන්නේ කොහොමද කියලා අහන එකෙන්, AI එකට task එකම කරගන්න දෙන එක දක්වා අපි යනවා.

ඉතින් GPT-6 Astra කියන්නේ මොකක්ද? ඒක කලින් AI models වලට වඩා වෙනස් වෙන්නේ කොහොමද?

GPT-6 Astra කියන්නේ මොකක්ද?

GPT-6 Astra කියන්නේ OpenAIගේ GPT-6 model family එකේ flagship model එකක්.

OpenAI Astra එක විශේෂයෙන් focus කරලා තියෙන්නේ:

• Complex reasoning

• Software engineering

• Computer use

• Web browsing

• Scientific work

• Cybersecurity

• Research

• Documents සහ presentations

• Spreadsheets

• Multi-step professional workflows

වගේ වැඩ සඳහා.

OpenAI API එකේ මේ model එක:

gpt-6-astra

කියන model ID එකෙන් ලබාගන්න පුළුවන්.

ඒ වගේම reasoning effort එක low සිට max දක්වා වෙනස් කරන්නත් හැකියාව තියෙනවා.

හැබැයි මෙතන interestingම දේ simply “Astraට අමාරු ප්‍රශ්නවලට හොඳ answers දෙන්න පුළුවන්” කියන එක නෙවෙයි.

Astraට task එකක් හරහා වැඩ කරන්න පුළුවන් වීමයි වැදගත්.

Chatbot එකකින් Task Executor කෙනෙක් දක්වා

සාමාන්‍ය AI interaction එකක් මෙහෙමයි:

ඔයා → Question → AI → Answer

උදාහරණයක් විදිහට:

Next.js application එකක් deploy කරන්නේ කොහොමද?

AI එක deployment steps explain කරනවා.

නමුත් agentic AI workflow එකකදී ඒ දේ මෙහෙමයි:

ඔයා → Goal → AI reasons → Tools භාවිතා කරයි → Actions කරයි → Result test කරයි → Task එක complete කරයි

උදාහරණයක්:

මගේ Next.js application එක deploy කරලා production version එක වැඩ කරනවද බලන්න.

එතකොට system එකට හැකියාව තිබුණොත් එය:

1. Project එක inspect කරන්න.

2. Configuration තේරුම් ගන්න.

3. Deployment requirements හඳුනාගන්න.

4. අවශ්‍ය tools භාවිතා කරන්න.

5. Application එක deploy කරන්න.

6. Website එක open කරලා බලන්න.

7. වැදගත් functionality test කරන්න.

8. Problems හඳුනාගන්න.

9. අවශ්‍ය corrections කරන්න.

10. නැවත test කරන්න.

මේක තමයි Astraගේ වැදගත් වෙනස.

AI එක task එක ගැන කියන එක විතරක් නෙවෙයි.

AI එකට task එකේ workflow එකටම participate වෙන්න පුළුවන්.

Astraගේ ලොකුම Features වලින් එකක් : Computer Use

Astraගේ වැදගත් හැකියාවක් තමයි Computer Use.

මේකෙන් model එකට computer environment එකක් සමඟ interact වෙලා tasks perform කරන්න පුළුවන්.

උදාහරණයක් විදිහට:

• Online forms fill කිරීම

• Applications සමඟ වැඩ කිරීම

• Online research කිරීම

• Documents සමඟ වැඩ කිරීම

• Websites create කිරීම

• Frontend QA checks කිරීම

• Software test කිරීම

• Screen එකේ පෙනෙන problems troubleshoot කිරීම

වගේ tasks කරන්න පුළුවන්.

මේකේ වෙනස එක තේරුම් ගන්න සරල උදාහරණයක් බලමු.

සාමාන්‍ය AI

Settings → Network → Wi-Fi වලට ගිහින් මේ option එක වෙනස් කරන්න.

AI එක instructions දෙනවා.

Computer-use AI

මේ requirements වලට අනුව network settings configure කරන්න.

AI එකට අවශ්‍ය computer tools සහ permissions තියෙනවා නම්, ඒ workflow එකේ steps perform කරන්න පුළුවන්.

ඒ කියන්නේ:

“Click කරන්න” කියලා කියන එකෙන් → “Click කරලා වැඩේ කරන්න” දක්වා.

Astra සහ Software Development

Developers ලාට GPT-6 Astra interesting වෙන්න පුළුවන් ප්‍රධානම හේතුවක් තමයි complex software engineering tasks.

Astra එක code generate කරන එකට විතරක් සීමා වෙන්නේ නැහැ. Code, browser සහ වෙනත් tools එක්ක multi-step workflow එකක් handle කරන්න design කරලා තියෙනවා.

හිතන්න ඔයාගේ project එකක තියෙනවා:

Frontend
Backend
Database
Authentication
API
Tests
Deployment

ඔයාට feature එකක් add කරන්න ඕන.

සාමාන්‍යයෙන් prompts ගොඩක් දෙන්න වෙන්න පුළුවන්:

Database table එක හදන්න.

ඊට පස්සේ:

API එක හදන්න.

ඊට පස්සේ:

Frontend form එක හදන්න.

ඊට පස්සේ:

Validation එක add කරන්න.

ඊට පස්සේ:

Test කරන්න.

නමුත් higher-level task එකක් විදිහට මෙහෙම කියන්න පුළුවන්:

මේ application එකට user profile editing feature එක add කරන්න. Database schema එක update කරන්න, API එක implement කරන්න, frontend form එක build කරන්න, validation add කරන්න, test කරන්න, problems තිබුණොත් fix කරන්න.

මේක තමයි වෙනස.

මේ function එක ලියන්න” වෙනුවට “මේ feature එක implement කරන්න.

AI එකට වැඩේ ගැන වඩා ඉහළ මට්ටමේ responsibility එකක් දෙනවා.

Astraට තමන් හදපු දේ Test කරන්නත් පුළුවන්

Software development වල code generate කරන එක විතරක් ප්‍රමාණවත් නැහැ.

Code එක technically valid වුණත් application එකේ:

• UI problems

• API errors

• Validation issues

• Authentication bugs

• Responsive design problems

• Runtime errors

• Navigation problems

වගේ දේවල් තියෙන්න පුළුවන්.

Astraගේ computer-use capabilities නිසා code generate කරලා නවතින්නේ නැතුව application එක inspect කරලා test කිරීමේ workflows handle කරන්න පුළුවන්. OpenAI විශේෂයෙන් frontend QA වැනි tasks ගැන සඳහන් කරනවා.

ඒ workflow එක මෙහෙමයි:

Build → Run → Inspect → Test → Problem හොයන්න → Fix → නැවත Test

මේක developer කෙනෙක් software එක develop කරන actual workflow එකට ගොඩක් සමානයි.

Million-Token Context Window එක

Astraගේ තවත් විශේෂ specification එකක් තමයි එහි 1,050,000-token context window එක.

OpenAI API documentation අනුව maximum output එක 128,000 tokens දක්වා තියෙන අතර, stated knowledge cutoff එක 2026 අප්‍රේල් 30.

ඇයි මේක වැදගත්?

ලොකු software project එකක් හිතන්න.

Project
│
├── Frontend
├── Backend
├── Database
├── API
├── Authentication
├── Tests
├── Documentation
└── Configuration

සාමාන්‍යයෙන් AI එක්ක වැඩ කරනකොට project එකේ කොටස් වෙන වෙනම context එකට දාන්න වෙන්න පුළුවන්.

Large context window එකක් තියෙන model එකකට project එකේ විශාල ප්‍රමාණයක් එකවර context එකේ තියාගෙන relationships තේරුම් ගන්න පුළුවන්.

හැබැයි 1 million tokens තියෙනවා කියන්නේ සෑම task එකකටම ඒ මුළු ප්‍රමාණයම අවශ්‍යයි කියන එක නෙවෙයි.

Task එකේ quality එක, ලබාදෙන information, tools සහ instructions තවමත් වැදගත්.

Astra තියෙන්නෙ Coding වලට විතරක් නෙවෙයි

“GPT-6 Astra කියන්නේ coding වලට තියෙන super AI එකක්” කියලා හිතන එක සම්පූර්ණයෙන් නිවැරදි නැහැ.

Astraගේ scope එක ඊට වඩා පුළුල්.

Research

Web browsing සහ computer interaction සමඟ information research කරන්න පුළුවන්.

Science

Scientific සහ mathematical tasks සඳහා Astraගේ capabilities OpenAI highlight කරනවා.

Documents

Professional documents create කිරීම සහ existing formats/templates සමඟ වැඩ කිරීම.

Presentations

Structured presentations සහ visual layouts create කිරීම.

Spreadsheets

Spreadsheet-based analysis සහ professional workflows.

Web Applications

Websites සහ applications සමඟ interact වෙමින් testing සහ other tasks කිරීම.

ඒ නිසා direction එක:

AI → Text

වගේ එකකින්

AI → Work

වෙත යනවා.

Cybersecurity පැත්තෙන් Astra

Astraගේ cybersecurity capabilities එකත් විශේෂයෙන් වැදගත්.

OpenAIගේ evaluation අනුව Astra cybersecurity capability සඳහා Critical level එකට ළඟා වෙලා තියෙනවා. Vulnerability discovery සහ exploit development වැනි tasks එම evaluations වල ඇතුළත් වුණා.

OpenAI report කරපු benchmark results කිහිපයක්:

මේවා OpenAI විසින් කරන ලද specific evaluation conditions යටතේ ලබාගත් results. ඒ නිසා ඒ numbers real-world cybersecurity task එකක සෑම අවස්ථාවකටම එකම performance එකක් guarantee කරනවා කියලා අදහස් වෙන්නේ නැහැ.

මෙතන තවත් වැදගත් පැත්තක් තියෙනවා.

Cybersecurity capability එක dual-use.

Security researcher කෙනෙක්ට vulnerability එකක් හඳුනාගන්න මේ capability එක useful වෙන්න පුළුවන්.

ඒ වගේම malicious use එකකටත් ඒ හැකියාව misuse කරන්න පුළුවන්.

ඒ නිසා Astra සඳහා cybersecurity සහ computer-use safeguards ගැන OpenAI විශේෂයෙන් අවධානය යොමු කරලා තියෙනවා.

Astra කොච්චර Powerful ද?

Benchmarks එකෙන් සම්පූර්ණ picture එකම ලැබෙන්නේ නැහැ. ඒත් Astra focus කරන areas ගැන idea එකක් ගන්න ඒවා useful.

OpenAI report කරන computer-use evaluation results:

OSWorld latency simulations වලදී Astra task එකකට roughly 40 minutes ගත කළ අතර GPT-5.6 Sol සඳහා roughly 75 minutes ලෙස OpenAI report කරනවා.

මෙතන වැදගත්ම දේ numbers විතරක් නෙවෙයි.

Astra optimize කරලා තියෙන්නේ multi-step work efficiently perform කිරීම සඳහා.

Requirements වෙනස් වුණත් Astraට ඒක Handle කරන්න පුළුවන්

Real-world projects වල requirements එක තැන නවතින්නේ නැහැ.

හිතන්න ඔයා AI එකට කිව්වා:

Charts තුනක් තියෙන dashboard එකක් හදන්න.

පස්සේ:

තුන්වැනි chart එක අයින් කරලා පළවෙනි chart එක interactive කරන්න.

AI එකට original goal එක සහ අලුත් requirement එක දෙකම තේරුම් ගන්න වෙනවා.

OpenAI කියන විදිහට Astra task එකක් වෙනස් වෙනකොට new requirements incorporate කරලා, අවශ්‍ය විට direction එක වෙනස් කරගෙන, overall objective එක අමතක නොකර වැඩ කරන්න design කරලා තියෙනවා.

Long-running workflows වලදී මේක වැදගත්.

Instructions එකේ Details Missing නම්?

මේකත් interesting දෙයක්.

ඔයා කිව්වා කියලා හිතන්න:

Professional portfolio website එකක් හදන්න.

ඒත් ඔයා කියලා නැහැ:

• Exact layout එක

• Colors

• Typography

• Animations

• Section order

• Mobile behavior

• Navigation style

AI එක හැම පොඩි දෙයක් ගැනම:

මේක කොහොමද?

අරක කොහොමද?

කියලා අහනවා නම් workflow එක slow වෙනවා.

OpenAI කියන විදිහට Astra context එක භාවිතා කරලා routine gaps reasonable assumptions වලින් fill කරන්නත්, result එකට සැලකිය යුතු බලපෑමක් ඇති කරන missing information එකක් තිබුණොත් focused question එකක් අහන්නත් design කරලා තියෙනවා.

ඒ කියන්නේ:

පොඩි decision එකක් → sensible assumption එකක් ගන්න.

වැදගත් decision එකක් → userගෙන් අහන්න.

Developers ලා තවමත් අවශ්‍යද?

මෙතනින් “developersලා අවශ්‍ය නැහැ” කියලා conclusion එකකට එන්න බැහැ.

Developer කෙනෙක්ට තවමත් මේ දේවල් තේරුම් ගන්න වෙනවා:

• Software architecture

• Database design

• APIs

• Security

• Networking

• Deployment

• Testing

• Performance

• System design

• Requirements

• Business logic

ඇයි?

AI එකකට task එක implement කරන්න පුළුවන් වුණත්, මොන solution එක build කරන්න ඕනද කියන එක හැමවිටම AI එක තීරණය කළ යුතු දෙයක් නෙවෙයි.

උදාහරණයක් විදිහට:

Student attendance system එකක් හදන්න.

මේ requirement එකෙන් තව ගොඩක් questions එනවා.

Attendance ගන්නේ:

• QR code එකෙන්ද?

• Fingerprint එකෙන්ද?

• Student ID එකෙන්ද?

• Face recognition වලින්ද?

කෙනෙක් තවත් කෙනෙක්ගේ QR code එක use කළොත්?

Duplicate attendance prevent කරන්නේ කොහොමද?

Internet නැති වෙලාවක attendance ගන්නේ කොහොමද?

Attendance record එක modify කරන්න පුළුවන් කාටද?

Audit logs තියෙනවද?

මේවා system-design decisions.

AI එක implementation එකට help කළත්, problem එක සහ requirements තේරුම් අරගෙන හරි solution එක define කරන්න human developer කෙනෙක්ගේ knowledge එක තවමත් වැදගත්.

Prompting වලින් Delegating වලට

GPT-6 Astra වගේ models වලින් එන ලොකු වෙනසක් විදිහට මේක බලන්න පුළුවන්.

කලින් අපි AI එක්ක වැඩ කරනකොට නිතර හිතුවේ:

Perfect prompt එක ලියන්නේ කොහොමද?

ඉදිරියේදී තවත් වැදගත් ප්‍රශ්නයක් වෙන්න පුළුවන්:

Task එක හරියට define කරන්නේ කොහොමද?

උදාහරණයක් විදිහට, prompt එකක click-by-click instructions ගොඩක් දෙනවා වෙනුවට:

මේ existing application එකට role-based authentication add කරන්න. Current UI එක preserve කරන්න. Main user flows test කරන්න. Safely resolve කරන්න බැරි problems report කරන්න.

කියලා goal එක, constraints සහ success criteria define කරන්න පුළුවන්.

ඒක traditional prompting එකකට වඩා delegation එකකට සමානයි.