北京
AI行业再一次迎来“眩晕瘫坐”时刻。
北京时间凌晨3点，OpenAI推出“全球最智能、最符合人类意图的模型”GPT-6 Astra，该模型在计算机操作、网页浏览、软件工程等方面均达到当前最先进水平。
对此，OpenAI联合创始人兼总裁格雷格·布罗克曼表示，尽管AGI至今仍是一个灰色、模糊的概念，但未来回望时，人们或许会将GPT-6 Astra视为AGI时代开启的标志性模型。
为了实现AGI，GPT-6 Astra的性能不光大幅提升，并且着重升级Computer Use，强化了执行能力。
随着AI Coding成为行业风口，为了方便Agent调用各个工具和软件，API、MCP、CLI等技术逐渐成熟。比如，Chrome原生开放CDP协议，谷歌官方推出了开源MCP‑Server项目，可将CDP封装成MCP供Agent调用。
问题在于，互联网行业发展数十年，软件浩如烟海，并非所有开发商都有动力、有能力开放接口。不过这并不代表Agent难以操控未适配的软件。一般而言，面向用户的软件都拥有GUI。如果Agent反向适配GUI，也能操控软件。
早在2025年1月，OpenAI就推出了Computer Using Agent，可以让AI像人类一样观看屏幕、移动鼠标、操控软件。不过之前，该功能一直存在操作速度慢、准确度低等问题。
最新问世的GPT-6 Astra，着重强化了Computer Use能力，界面识别和操作成功率明显提高。OSWorld 2.0测试下，GPT-6 Astra的完成率为72.6%，相较GPT-5.6 Sol上涨6.9个百分点。
官方演示中，基于Computer Use能力，GPT-6 Astra可使用KiCad进行PCB设计。还可以在Blender中建立房屋模型，并导入Unreal Engine 5，最终生成可交互的三维空间。
简言之，OpenAI希望将GUI打造成Agent时代通用的“API”。如此一来，无需等待生态适配，Agent即可释放生产力。
虽然GPT-6 Astra的GUI操控能力大幅提升，但短板也十分明显，其仅适用于PC，难以在手机端串联起移动互联网生态。
其实早在2025年末，豆包就曾效仿Computer Use功能，联合中兴打造豆包手机，其中的豆包手机助手可通过GUI模拟点击技术实现跨App自动操作。
不过，豆包手机并未成功打开市场。由于突破了App的流量入口、数据主权与安全壁垒，该产品一经上市，就被微信、支付宝、淘宝等互联网平台“封杀”。
同一套技术，在PC和智能手机领域有截然不同的境遇，很大程度上都是因为桌面与移动互联网生态有本质区别。
PC上的软件具有很强的工具属性。就像消费者去五金店选购一把扳手，交易完成后，商家不会干涉扳手的具体用法。谷歌、微软等开发者也不会限制用户使用外部工具操控Chrome、Gmail、Word等软件。
反观智能手机上的软件偏服务导向，与用户的交易并非一锤子买卖，为了维护自身的利益，在提供服务的过程中，会干涉用户的越界行为。这很像现实世界的租赁关系，用户租下一块羽毛球场地，打球可以，但如果试图使用外部工具调整场地和设备，一定会引起商家的注意。
事实上，在PC之上，部分服务型软件也对Agnet工具持抵触态度。现阶段，使用Codex在电脑端操控微信时，一旦执行发送消息的操作，微信程序就会立即闪退。
正因为GUI路线举步维艰，豆包选择与开发者握手言和。据悉，新一代豆包手机不再凭借读取屏幕、模拟点击来操作应用，而是会通过开发者提供的MCP调用第三方服务。
2026年8月举办的Internapalooza活动上，OpenAI首席执行官萨姆·奥尔特曼对外表示，“未来6个月内，AI会进化‘读懂’用户的屏幕、录制会议和通话，并全面了解用户的生活。”
GPT-6 Astra虽然朝着上述目标迈出了重要一步，但仅在办公Agent场景实现了突破，并未有机串联起庞杂的移动互联网生态。要知道，目前数字化办公只是少部分人的需求，大部分用户最主要的计算平台是智能手机。
GPT-6 Astra或许是通向AGI的拐点，但仅靠Computer Use，并不足以实现真正意义上的AGI。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
