GPT-6 Astra maakt hardlooproutes op maat met OpenStreetMap-data en levert GPX en GeoJSON
GPT-6 Astra (Max) in ChatGPT Work heeft in 27 minuten zelfstandig een 5K- en 10K-hardlooproute gegenereerd op basis van OpenStreetMap-data, compleet met interactieve visualisatie en downloadbare GPX- en GeoJSON-bestanden.
👁 116 keer gelezen
GPT-6 Astra (Max), toegankelijk via ChatGPT Work, heeft op 12 september 2026 in 27 minuten autonoom 5K- en 10K-hardlooproutes gegenereerd vanuit een huisadres, inclusief een interactieve kaartvisualisatie en downloadbare GPX- en GeoJSON-bestanden - een demonstratie van wat de huidige generatie AI-agents zelfstandig aankan op het gebied van georuimtelijke taken.
- GPT-6 Astra werkte 27 minuten autonoom en produceerde 5K- en 10K-routes als embedded kaart plus GPX- en GeoJSON-bestanden
- Het model gebruikte Nominatim voor adreslocatie en Overpass voor OSM-wegdata, en berekende de lussen lokaal
- Een transparantieprobleem: door thread-compactie was de gebruikte Python-code achteraf niet meer op te vragen
Wat het systeem deed
De instructie was eenvoudig: zoek een 5K en een 10K looproute die als lus vertrekt en aankomt bij een opgegeven huisadres, gebruik daarvoor OpenStreetMap-data. GPT-6 Astra vertaalde die opdracht naar een reeks concrete stappen. Gevraagd naar zijn werkwijze beschreef het model die als volgt:
„I used Nominatim to locate the address and Overpass to download local OpenStreetMap roads and trails, then calculated the loops locally.”
Nominatim is de geocodeerservice van OpenStreetMap, Overpass een query-API waarmee je gedetailleerde wegennetdata uit OSM kunt ophalen. Het model combineerde die twee diensten met lokale routeberekening - volledig zonder handmatige tussenkomst van de gebruiker.
De kaartweergave in de ChatGPT-interface werd gegenereerd via een ingebouwde „visualize skill”. Het model maakte een HTML-bestand genaamd /workspace/el-granada-5k-share.html dat direct in de UI werd ingesloten. De geometrie - een LineString met volledige coördinaten - zat als JSON opgeslagen in een <script type="application/json">-element, en de kaart werd gerenderd met D3 versie 7.9.0, geladen vanaf cdn.jsdelivr.net. Het systeem staat alleen een vaste lijst van CDN-domeinen toe, waaronder cdnjs.cloudflare.com, esm.sh, cdn.jsdelivr.net, unpkg.com en een aantal Google Fonts-domeinen; andere origins worden stilzwijgend geblokkeerd.
Het resultaat was een volledig functioneel HTML-bestand met een 5,1 km lange route langs de haven van El Granada, klaar om te delen of te openen in een browser, naast de GPX en GeoJSON voor gebruik in sportapps of GIS-software.
Het transparantieprobleem: compactie wist code
Zo indrukwekkend de uitkomst ook was, de sessie legde een fundamenteel probleem bloot in de manier waarop ChatGPT Work met lange agent-sessies omgaat. Willison schrijft in zijn analyse op zijn weblog dat hij pas achteraf vroeg om een kopie van de Python-code die het model had uitgevoerd. Op dat moment bleek de code niet meer beschikbaar - het systeem had de thread tussentijds gecompacteerd, waardoor de oorspronkelijke berichten niet meer toegankelijk waren.
Compactie is een techniek waarbij lange gespreksgeschiedenissen worden samengevat om binnen het contextvenster te passen. Het probleem is niet de compactie zelf, maar het feit dat de originele tekst daarna verdwijnt. Willison formuleert zijn kritiek scherp: hij ziet dit als een „anti-feature” en stelt dat elk LLM-systeem dat compactie toepast, de originele tekst van voor de compactie moet bewaren en beschikbaar moet maken via agent tool calls. Zonder die waarborg is een agent-sessie achteraf niet te auditen of reproduceren.
Dat is geen academisch punt. Voor ontwikkelaars en kleine bedrijven die GPT-6 Astra inzetten voor complexe taken, geldt dat de waarde van een agent-run niet alleen zit in de output, maar ook in de traceerbaarheid: welke code werd uitgevoerd, welke API-calls werden gedaan, welke beslissingen werden genomen? Als die informatie door compactie verdwijnt, is foutopsporing vrijwel onmogelijk.
Google · Jouw bronnenHoger in Google - met één klikToevoegen aan voorkeursbronnen →Wat dit betekent voor praktische gebruikers
De hardlooproute-demo is illustratief voor een bredere verschuiving in wat AI-agents nu aankunnen. Een taak die voorheen een combinatie vereiste van GIS-kennis, API-integratie, routeoptimalisatie en webvisualisatie, wordt nu in minder dan een halfuur afgehandeld door een enkel model op basis van een instructie van twee zinnen. De output - GPX, GeoJSON, embedded HTML - is direct bruikbaar in bestaande workflows.
Voor creators en kleine bedrijven die werken met locatiedata opent dit concrete mogelijkheden: het genereren van wandelroutes, fietsnetwerken of serviceregio’s zonder externe GIS-specialisten. De drempel voor georuimtelijke analyse daalt aanzienlijk als een model zelfstandig Overpass-queries formuleert en de resultaten visualiseert.
Tegelijk maakt de sessie duidelijk dat de huidige tooling nog gaten vertoont. De onzichtbaarheid van uitgevoerde code is een reëel obstakel voor iedereen die wil begrijpen wat een agent precies heeft gedaan - zeker in een professionele context waar verantwoording of reproductie noodzakelijk is. Zolang compactie code stilzwijgend wist, blijft een agent-run een black box op het moment dat het er echt toe doet: bij een fout of een onverwacht resultaat.
GPT-6 Astra toont wat mogelijk is; de infrastructuur eromheen - logging, compactiebeheer, code-inspectie - moet die belofte nog waarmaken.
More on this from HELDER
nieuws·OpenAI-agenten probeerden in mei al te hacken bij RubyGems - een maand voor het Hugging Face-incident