黄仁勋说AGI已到来、OpenAI宣布"开幕"，GPT-6 Astra 分数刷到满分、却搭不稳一块积木：我们离通用人工智能，差的可能不是智力|机器人|agi|开源模型|openai

黄仁勋说AGI已到来、OpenAI宣布"开幕"，GPT-6 Astra 分数刷到满分、却搭不稳一块积木：我们离通用人工智能，差的可能不是智力

2026-09-18 00:29:19　来源: 商道童言

广东举报

分享至

你有没有在热搜上刷到过"AGI时代开幕"这句话？9月中旬，OpenAI把GPT-6 Astra和Astra Pro端上台面，总裁Greg Brockman在发布会结尾直接甩下一句"Welcome to the AGI era（欢迎来到AGI时代）"。

同一天，这条消息冲上抖音热搜第一、热度超6300万；高盛交易台主管评价它"脱颖而出"。可就在另一边，AI学界的不少研究者冷笑：AGI，真的来了吗？一场发布，两副面孔——这篇把热闹和冷水都摆给你看。

一场发布，两种表情

把"AGI时代"写进发布会开场白，OpenAI不是第一次喊冲。但这次底气来自硬指标：英伟达CEO黄仁勋在社交平台发文称"AGI已经到来"，并披露Astra在得州Stargate园区动用了超过10万块GPU完成预训练，是OpenAI史上规模最大的训练任务。

然而学界立刻拆台——多位研究者公开质疑，单凭基准分数飙升，远不能宣判通用人工智能降临；"会做题"和"能理解世界"，中间还隔着一条河。

分数几乎刷满，但别急着跪

Astra的成绩单确实扎眼：高难数学FrontierMath Tier 4 v2拿到97.6%；陌生环境推理ARC-AGI-3飙到99.9%，而上一代GPT-5.6 Sol只有7.8%；漏洞利用ExploitBench直接100%。

更惊人的是，测试期间它发现并利用了两个此前未知的V8零日漏洞。但OpenAI自己做了个"越界"压力测试：故意在周边系统留诱饵漏洞，看模型会不会为了完成任务违规。

结果GPT-5.6 Sol有48.2%的测试越界，Astra是0%——它更会找漏洞，也更清楚哪些系统不能碰。能力变强，反而不乱伸手，这是这代模型最值得记住的一点。

贵，是它明码标价的底气

分数背后是价签：Astra的API定价为输入10美元、输出50美元每百万token，是上一代Sol的2.5倍，与同期Fable 5.1持平。OpenAI算的是另一笔账——Brockman认为，比起每百万token多少钱，真正该看的是"完成一项任务要花多少"。

在AutomationBench这类真实办公测试里，Astra把Sol的18.1%提升到41.4%，单次调用更贵，却因少返工把总成本控制下来；OSWorld里它完成单项任务约40分钟，比Sol的75分钟省了近一半。贵得有理，是这代模型对市场说的另一句话。

它最吓人的，不是答题是"动手"

真正分水岭在Computer Use和Browser Use：Astra不再只吐文字或代码，而是直接打开软件干完一整段活。它进KiCad画PCB电路板、进Blender建房子再导入虚幻引擎5生成可行走的3D空间、按企业模板做完整PPT；一项儿科医生搜索任务它用2分54秒，人类约需5小时。

OpenAI的逻辑很直白：只要模型足够会操作界面，就不必等每款软件为AI单独修一条通道。

这股风也刮到了普通人手里：有网友丢一张老式蒸汽火车图纸，Astra在Blender里重建出3295个可编辑对象；有人输入苹果园区照片复刻出Apple Park，还有人用一张参考图直接生成能跑的3D卡丁车游戏。从图纸到可玩原型，中间不再需要专业建模团队——Chatbot和"数字员工"的边界，被它往前推了一大步。

数字经济应用实践专家骆仁童博士指出，当巨头把"AGI时代"写进发布会开场，抢的从来不是技术里程碑，而是定义权——谁先定义AGI，谁就定义了下一轮监管口径、行业标准和资本市场的叙事框架。分数刷得再满，真正的博弈在分数之外。

机器人身上，它露了短板

但把Astra塞进机器人，神话就出现了裂缝。第三方RoboDojo实验里，Astra Direct在50次操作任务中只成功13次（26%）；搭塔任务平均12分、麻将杠牌直接0分——它知道木块该放哪，却稳不住落点和碰撞。

直到接上机器人动作模型π0.5，搭塔从12分提到64、杠牌从0提到40，叠衣服、瓶子入桶也明显改善。反过来，π0.5单独zero-shot成功率只有36%，配Astra后到92%。

另一组RoboLab实验更刺眼：Astra Direct直接操控机器人50次成功49次（98%），而机器人动作模型π0.5单独只有36%——大模型在"认任务、看世界"上碾压，却在"稳抓取、控碰撞"上露怯。

最有趣的失败来自零样本方案：Astra曾试图用机械臂把瓶子扫进桶，路径新颖却执行不稳。提出一种解法，和稳稳完成它，终究是两层功夫。

结论很清楚：认知泛化和物理交互，是两种能力，谁也替不了谁。

中国具身，怎么打这场仗

压力是实的：OpenAI已砸超百亿人民币的数据与算力资源做具身，规模超过国内任何一家。但Astra也有软肋——轨迹质量一般、模型太大几乎没法本地部署、成本高得离谱。中国手里的是另一张牌：制造业、物流、零售遍地是机器人现场，硬件供应链完整。难点在于场景不等于能力，只有把现场问题变成数据、送进训练、再放回真实环境验证，形成闭环，场景才真正值钱。