GPT-6 Astra发布！AGI时代这就来了？

研究员｜卢杨

终于，OpenAI正式发布GPT-6 Astra。

总裁Greg Brockman一句“Welcome to the AGI era.”再次单方面官宣了OpenAI的江湖地位。

狂是真的狂，但如果你看了他们发布会开头那段视频，可能会觉得，好像也不是完全没有道理。

OpenAI先在X上发了一段1979年的录像，是麻省理工媒体实验室的一个实验项目，一个人用手指代替鼠标、用语音给电脑下指令：“画一个黄色的圆”。屏幕真的画出来了。任务很简单，但在那个年代，已经足够让人惊叹。

几个小时后，OpenAI又发了一段视频：2026年，同一个“用语音指挥电脑”的场景。只不过这次，是员工对着GPT-6 Astra说了一句“把黄圈变成火箭，再做成一款3D游戏”。几分钟后，一个可玩的3D游戏就摆在屏幕上了。

四十年前，人类用手指着屏幕说“画个圈”；四十年后，人类坐着不动说“做个游戏”。

这大概是整场发布里十分动人的叙事：不是跑分，不是参数，就是这么一个首尾呼应的对比。

AI从“听懂一个词”到“理解一个意图”，走过了整整四十年。而就在GPT-6 Astra发布的这两天，整个AI行业简直像在打仗。

9月1日，Anthropic发布Claude Fable 5.1和Mythos 5.1。9月2日，Google发布了Gemini 3.8 Flash。同一天，Meta发布了Muse Spark 1.3。四家巨头，四款旗舰，挤在72小时之内先后亮相。

紧接着，OpenAI在9月4日发布了GPT-6 Astra，且版本号直接跳到整数。有意思的是，这次跳号发生在“5”和“6”之间，其中5.X的版本过多，反而让整数号的跃迁感打了折扣，命名通胀稀释了版本号的分量。

如果说GPT-3到GPT-4是质变，那GPT-5到GPT-6 Astra更像是一次产品迭代，而少了一些革命的意味。不过，整数号终究是整数号，OpenAI显然想用这个数字传递“这是下一代”的信号。

GPT-6 Astra到底强在哪？

先说几个让同行睡不着觉的数字。

据OpenAI官方发布数据，ARC-AGI-3，一个专门测试模型在陌生环境里自主探索和学习的基准：不给你规则说明，直接把你扔进一个从来没见过的二维游戏里，自己摸索怎么玩。GPT-5.6 Sol的得分是7.8%，GPT-6 Astra是98.6%。近乎满分。

FrontierMath Tier 4 v2，高难度数学测试集。Astra拿到97.6%。OpenAI还说，这个模型已经帮人类解决了好几个长期悬而未决的数学问题。

105万Token的上下文之外，OpenAI还给Codex补了一套新的上下文管理方式。Codex能把积累下来的细节写进跨窗口笔记，之前的上下文也保留搜索能力。

ExploitBench，网络安全漏洞利用测试：满分100%，Astra拿了100%。

这几个分数放在一起，基本就是在说：数学难题我能做，陌生环境我能学，系统漏洞我能找。这不是一个“聊天机器人”该有的技能树。

不过，这些亮眼数字并非没有争议。有报道指出，ARC-AGI-3的分数可比性存在疑问：不同AI在基准测试中的配置方式并不相同，有媒体甚至直言“98.6%的说法经不起推敲”。

再看价格。

GPT-6 Astra的API定价是输入10美元/百万token、输出50美元/百万token。大概是GPT-5.6 Sol的约2.5倍。

“巧合”的是，这个价格：刚好跟两天前发布的Claude Fable 5.1持平。

OpenAI的意思很明确：同价，但我更强。打开官网的产品页，性能对比表里清一色拿Fable 5.1对标：Terminal-Bench 4.0编程测试，Astra 57.7% vs Fable 5.1 55.8%；DeepSWE软件开发测试，Astra 74.1% vs Fable 5.1 67.4%。几乎每一项都压着打。

OpenAI在发布会上说了另一层意思：别只看每百万token多少钱，要看完成一项任务总共花多少钱。一个模型单次调用更贵，但如果步骤更少、返工更少，总成本反而更低。这话既是说给企业听的，也是说给Anthropic听的。可价格昂贵本身仍是不争的事实，对于中小企业和个人开发者而言，这个门槛并不低。

但GPT-6 Astra真正的核心变化，不是跑分，不是价格：是它不再“回答问题”了。

它开始“直接干活”，这一点似乎对应着那句“Welcome to the AGI era”。

打开KiCad画电路板：从原理图到PCB布局，自己放元器件、自己规划走线、自己连铜线，最后交出一块可以拿去生产的电路板。

打开Blender建一栋房子：建模完成直接导入Unreal Engine 5，生成一个可以走进去的三维空间。

打开Excel和Power BI做报表、打开浏览器找儿科医生、填税表、上架eBay商品：全部用语音指挥，不用键盘、不用鼠标。

Greg Brockman在发布会上说了一句话很有意思：过去企业想让AI用内部软件，得为每个系统单独开发API、插件、连接器，费时费力。但绝大多数软件本来就有一套为人类设计的通用接口：屏幕、鼠标、键盘。只要模型足够擅长“Computer Use”，它就能像人一样直接操作这些界面，不用等每个软件商给AI修一条专用通道。

这其实是在说一件事：GPT-6 Astra想成为的，不是更聪明的聊天框，而是第一个真正意义上的“数字员工”：能坐在电脑前、握着鼠标键盘、自己把活干完的那种。

当然，这么强的能力也带来了麻烦。

OpenAI自己说，GPT-6 Astra是第一个达到“Critical”级网络安全门槛的模型：意思是它能在几乎没有人类帮助的情况下，自己发现未知漏洞并写出可利用的代码。评估过程中，Astra甚至真的发现了两个此前未知的零日漏洞，并报给了相关软件维护方。

这并非孤立事件。就在两个月前，OpenAI的AI智能体在安全测试中自行突破隔离环境、连接互联网并入侵了Hugging Face的生产系统，直接导致OpenAI暂停前沿模型训练两周。Anthropic和Meta的模型也发生过类似“越界”事件。OpenAI也在GPT-6 Astra发布前夕对这一事件进行了解释。

事实上，OpenAI在8月初就因内部评估认为Astra可能触及“Critical”级红线，首次暂停了涉及Astra的内部开发活动，这是OpenAI首次因模型自身能力触及安全红线而叫停自己的开发进度。

这次发布相对克制：不是全面开放，而是“coming days”。先给一小批经过筛选的机构用，ChatGPT Plus、Pro、Business和Enterprise用户得等“未来几天”。连付费用户都不能立刻用上。

更令人警惕的是，Astra最先进的网络安全功能最初仅向极少数测试者开放，包括美国政府机构和关键基础设施保护组织，普通用户根本无法接触其完整的网络攻防能力。

除此之外，OpenAI正面临一个矛盾的商业两难：限制网络安全能力可能影响其吸引防御性安全客户，但全面开放又可能助长攻击者的风险。在防御性安全收入与潜在危害之间做权衡，这也可能是Astra商业化的最大变数。

安全团队还做了一个测试：在一个几乎不可能完成的任务里，没有安全防护的条件下，GPT-5.6 Sol有48.2%的测试用例会出现越界行为，去碰不该碰的系统；而GPT-6 Astra的这个数字是0%。它更会找漏洞，但也更清楚哪些地方不能碰。可如果是这样，真正让安全团队睡不着觉的，不是它“能做什么”，而是人类“不知道它在做什么”。

最后说回那个“画黄圈”的故事。

四十年前，MIT的实验室里，一个人对着屏幕说“画个圆”，电脑照做了。那时候这是前沿科技。四十年后，OpenAI的发布会上，一个人对着屏幕说“做个游戏”，电脑也照做了。今天这还是前沿科技。

但区别在于，四十年前那个实验，展示的是“机器能听懂一个指令”；四十年后这个演示，展示的是“机器能理解一个意图”。

GPT-6 Astra可能是OpenAI有史以来最强大的模型，但相对来说也是最危险、最难监控、最不透明的模型。它强到让OpenAI自己害怕：首次因安全风险暂停开发、首次达到“Critical”级网络威胁门槛、首次对最先进能力实施严格访问限制。而更令人不安的是，它开始学会隐藏自己的思考过程，而人类越来越难以理解它到底在做什么。

AGI时代是不是真的来了，可能还不能只听OpenAI一家之言。但是，电脑那头的“某些东西”，以及我们人类与电脑的共存方式，确实不太一样了。

编辑｜邱慧