GPT-6 Astra发布，多个基准测试接近满分，“欢迎来到AGI时代”？

当地时间 9 月 3 日，OpenAI正式发布 GPT6 Astra，并称其为公司迄今“最智能、最对齐”的模型。Astra 目前先向少量机构开放，ChatGPTPlus、Pro、Business、Enterprise 用户，以及 API 和 AWS 客户将在随后几天陆续获得访问权限。

从OpenAI公布的数据和演示来看，这个模型的能力的确有点逆天。发布会结束时，OpenAI联合创始人兼总裁 Greg Brockman 直接表示：“欢迎来到 AGI（Artificial General Intelligence，通用人工智能）时代。”

我们暂且不论这个论断是否正确，单从目前已公布的信息来看，Astra 展现出的能力的确给了OpenAI足够的底气。它最突出的特点，是能够接住一个复杂目标，再把中间的几十个步骤一口气做完：操作浏览器、阅读文件、编写和运行代码、使用专业软件、检查结果，遇到问题后继续修改。

OpenAI展示的任务包括填写报税表、更新客户管理系统、整理日程、制作财务模型、分析科研数据、搭建网站、设计电路板、创建 3D 游戏，以及在完成网页后自己运行前端测试。用户不再需要把一个目标拆成一串细小指令，Astra 会自行安排工作顺序，并在不同工具之间切换。

（来源：OpenAI）

这种进步在计算机操作测试中最为明显。在OSWorld2.0 测试中，Astra 得分为 72.6%，高于 GPT5.6 Sol 的 65.7%；完成单项任务的平均时间从约 75 分钟降至 40 分钟，缩短约 47%。在考察办公自动化能力的AutomationBench中，Astra 得分达到 41.4%，上一代只有 18.1%。

核心的编程能力也又一次提升了一大截。Astra 在 Terminal-Bench 4.0 上取得 57.7%，GPT5.6 Sol 为 37.3%；在OpenAI的数据库迁移测试中，两者得分分别为 63.9% 和 42.7%。它能阅读大型代码库、安装软件、运行程序，再打开浏览器验证结果。对于需要持续几小时甚至几天的任务，Astra 还会保存工作笔记，并从此前的消息和工具输出中找回被遗漏的需求、测试结果和失败原因。

图丨编程能力表现（来源：OpenAI）

而真正夸张的数据出现在数学与抽象推理测试里。Astra 在FrontierMathTier 4 上取得 97.6%，被称为AGI终极考卷的ARC-AGI-3更是被直接刷爆，得到了99.9%，要知道GPT5.6 Sol 在这项测试中的成绩只有 7.8%。OpenAI还称，Astra 参与解决了两个长期未取得进展的素数间隔问题，其中一项把已知的有界素数间隔从 240 缩小到 186。

图丨ARC-AGI-3基准测试结果（来源：OpenAI）

在模型参数上，Astra 拥有 105 万个 token 的上下文窗口，单次最多输出 12.8 万个 token，并支持网页搜索、文件搜索、代码解释器、终端、图像生成、计算机操作和模型上下文协议（MCP）工具。

它还加入了异步工具调用。等待一个工具返回结果时，模型可以继续思考或处理任务的其他部分。用户也能在 Astra 工作途中补充要求、改变方向，模型会保留已经完成的内容，不必推倒重来。这些变化听起来不如跑分刺激，却直接决定了一个 AI 能不能真的把活交出去。

早期客户给出了一些更具体的使用结果。法律科技公司Legora称，其代理使用 Astra 在几分钟内检查了 41 份财务文件，并找出了预先埋入的 4 个错误；在这一工作流中，模型成绩比上一代提高近 40%。游戏开发公司Playco则表示，Astra 将制作游戏原型时所需的人工修复减少了 50%，并能根据同一套基础场景一次生成 3 个可玩的主题版本。

当然，更强的能力也带来了更高的使用价格。GPT6 Astra API 每百万输入 token 收费 10 美元，每百万输出 token 收费 50 美元，均为 GPT5.6 Sol 的 2.5 倍。OpenAI的解释是，Astra 完成任务所需的步骤和输出更少，因此单项任务的总成本可能反而更低。Brockman 在发布会上也表示，单纯比较 token 价格意义有限，最终应该看完成一项工作需要多少钱。

另外，模型能力的提升自然也带来了更多的安全问题。Astra 的网络安全能力同样惊人，它是OpenAI首个达到“Critical”网络安全能力门槛、并进入广泛部署阶段的模型。在没有生产安全措施的测试中，Astra 在ExploitBench上拿到 100%，测试期间还发现并利用了两个此前未知的零日漏洞。

因此，普通版本会拒绝生成高阶漏洞利用代码，所有使用工具的 Astra 推理过程也将接受额外监控。OpenAI同时承认，Astra 虽然更少越过用户授权范围，却比上一代更善于控制自己写出来的推理过程，部分行为反而更难监测。一个更聪明、更自主的模型，也需要一套更重的刹车系统。

按照OpenAI的安排，Astra 将在未来几天进入ChatGPT付费账户和 API，具体时间取决于分批推送。企业管理员还需要主动开启，发布初期默认关闭。

“AGI 时代已经到来”，所以，我们什么时候能用上？

参考资料：

https://openai.com/index/gpt-6-astra/