GPT-6 Astra 发布了

GPT-6 Astra 发布了

当地时间 9 月 3 号，GPT-6 Astra 正式发布。发布会最后，总裁 Greg Brockman 站在台上，就甩了一句话：

"Welcome to the AGI era."

不是那种"参数翻倍、跑分刷榜"的常规升级。这次 GPT-6 Astra 干了一件以前所有模型都没真正干成的事：

它不再只是"回答你的问题"，而是真的在"帮你把活干完"。

这俩的区别，天差地别。

一、先说参数，30 秒过完

老规矩，硬件指标先摆这儿：

• • 上下文窗口 ：105 万 Token

• • 最大输出 ：12.8 万 Token

• • 知识截止 ：2026 年 4 月底

• • API 定价 ：输入 百 万 ， 输 出 50/百万 Token（上一代 Sol 的 2.5 倍，跟两天前 Claude Fable 5.1 一个价）

目前先给少量机构用，ChatGPT Plus、Pro、Business、Enterprise 用户等几天灰度推送。

Plus 用户别急着升 Pro，Astra 本身就在 Plus 的覆盖范围内，等推送就行。

但说真的，这些数字只是开胃菜。

二、最大杀器：它真的会"用电脑"了

这次最核心的升级，四个字：Computer Use。

OpenAI 直接喊出"世界上最好的电脑操作模型"。

你可能会说，这不就是自动化脚本吗？不是。

以前让 AI 操作软件，要么走 API，要么上 MCP 协议。但现实是什么？你公司那个跑了十五年的内部系统，连文档都没有，API？不存在的。

Astra 的思路特别粗暴，也特别聪明：

你不给我接口是吧？行，我直接看屏幕、找按钮、点鼠标、填内容。跟人一样用电脑。

你想想，屏幕和键鼠，才是这个世界上最通用的"API"。

官方演示里它干了啥？我列一下你感受一下：

• • 在 KiCad 里画 PCB 电路板

• • 用 Excel + Power BI 做财务报表

• • 填美国 1040 报税表

• • 给法律文件排版

• • 在 Blender 里建一栋房子，然后丢进 Unreal Engine 5 变成能走进去逛的 3D 场景

• • 搭完网站，自己跑一遍前端 QA

这些软件之间八竿子打不着，但 Astra 全用同一套"看屏幕干活"的逻辑搞定了。

实测数据更离谱：

测试项

Astra

上代 Sol

OSWorld 2.0（电脑操作）

72.6%

65.7%

单任务平均耗时

40 分钟

75 分钟

AutomationBench（办公自动化）

41.4%

18.1%

最直观的一个例子：帮你在网上找一个合适的儿科医生。Astra 用了 2 分 54 秒。人类平均要花 5 个小时。

这不是"辅助"，这是"替代"。

三、跑分环节：三个数字说明一切

我知道你们爱看跑分，来，三个最炸的：

① ARC-AGI-3：99.9%

这个测试是啥？把 AI 扔进一个完全陌生、没有任何规则说明的游戏里，让它自己摸索、自己通关。考的不是知识，是"悟性"。

人类平均分才 48%。半年前最强模型只有 0.51%。上代 Sol 是 7.8%。Claude Opus 5 是 30.2%。

Astra 直接 99.9%。

（打个星号：这个分数是基于 OpenAI 自家 Responses API 框架跑的，不完全等于裸模型裸分。但即便如此，跨度也是恐怖的。）

② FrontierMath Tier 4：97.6%

高难度数学基本被刷饱和了。

③ ExploitBench：100%

漏洞利用，满分。

编程方面，Terminal-Bench 4.0 拿了 57.9%，压过 Fable 5.1 的 55.8%，Sol 只有 37.3%。

科研上更猛：Astra 参与解决了两个素数间隔问题，把有界素数间隔从 240 压到了 186。

对，你没看错，AI 开始做纯数学研究了。

四、Codex 升级：会记笔记，也知道什么时候该问你

这个点我觉得特别值得单独说。

做过长任务编程的朋友都知道那个痛：上下文一满，就得压缩；一压缩，细节就丢。之前为什么失败、哪个组件有坑，搞着搞着就忘了。

Astra 给 Codex 加了一套跨上下文笔记机制。

简单说：它像人一样记笔记。早先的对话可以回头搜，没写进摘要的信息也能翻出来。目前是实验开关，几周内变默认。

还有一个升级特别戳我，叫 "判断力"。

信息缺了但不影响结果？它自己合理脑补，不来烦你。

缺的信息会改变最终结果？它问你一个精准的问题。

而且它能一边问你、一边继续干不依赖你回答的活。

说真的，这就很像一个靠谱的同事——知道什么时候该来问你，也知道什么时候闭嘴干活。

五、安全

先说好消息。

Astra 是 OpenAI 历史上第一个达到 Critical 网络安全门槛的模型。测试期间顺手发现了两个此前未知的零日漏洞。

对齐方面进步肉眼可见：

• • 面对不可能完成的任务，Sol 在无防护下 48.2% 会越界乱搞，Astra 是 0%

• • 能力幻觉率从 9.4% 降到 2.0%

但反转来了。

英国 AI 安全研究所测出来，Astra 不写长推理、直接"心算"的时间跨度是 Sol 的近 10 倍。

OpenAI 自己在 System Card 里也承认：思维链可监控性显著下降。

翻译成人话：它更安全了，但你也更难看懂它在想什么了。

一个更聪明、更自主的模型，人类反而更难靠"看它的思考过程"来管住它。

这也是为什么 OpenAI 没敢一口气全量放开。

六、定价和开放节奏

再说一遍关键信息：

• • API 定价 ：输入 百 万 ， 输 出 50/百万

• • Fast 模式 ：速度 2 倍，价格也 2 倍

• • 开放节奏 ：先少量机构 → 几天内推给 Plus/Pro/Business/Enterprise → API 同步上线（gpt-6-astra）

• • AWS Bedrock 也同步上了

奥特曼说了句挺有意思的话：虽然单 Token 价格更高，但 Astra 能用更少的输出 Token 完成复杂任务，实际完成一个任务的成本可能反而更低。

他还补了一句："我们的目标是提供极其廉价且丰沛的智能，未来还会继续大幅降价。"

最后

不是因为跑分多高，不是因为参数多大。

是因为它第一次让我觉得：这玩意儿真的在"干活"，而不是在"表演"。

它看屏幕、点鼠标、填表格、跑测试、记笔记、知道什么时候该问你。

它不像一个聊天机器人了。

它像一个……同事。

Greg 说"Welcome to the AGI era"，这话可能还是说早了。

但如果说"Welcome to the AI 真的能帮你干活 era"——