九卦 | OpenAI推出GPT-6 Astra，称AGI时代已经开启

来 源 | 张云迪综合整理

北京时间9月4日凌晨，OpenAI正式祭出新一代旗舰模型GPT-6 Astra，并毫不客气地将其定义为“目前全球最智能且对齐程度最高的模型”。在发布会收尾时，OpenAI联合创始人兼总裁格雷格·布罗克曼留下一句极具分量的话——“欢迎来到AGI时代。”

不再“动嘴”而是“动手”：Astra的计算机使用能力

Astra此次最显著的变化，是它不再满足于当个参谋，而是真正卷起袖子“上手干活”。它无需专门适配，即可直接操控浏览器、电子表格、桌面软件和网页，执行填表、更新CRM客户记录、排定日历、跑代码、做数据分析，甚至创建网站与演示文稿等多步骤流程。在OSWorld 2.0离线任务集的部分评分中，Astra拿下72.6%，平均任务耗时从上一代的约75分钟压至40分钟。

在演示中，Astra展示了在KiCad中完成印刷电路板布局、在Blender中建模房屋并导入Unreal Engine 5生成可步行场景、填写美国1040税表、在Power BI中处理数据等能力。它还能够在Unity中构建3D城市，在FreeCAD和Blender中制作动画汽车变速器，甚至可以自主安装和测试软件、根据屏幕反馈排查故障。

接近满分的成绩单与“四肢”和“工作流程”

在多项基准测试中，Astra交出了极为亮眼的答卷：

• ARC-AGI-3（抽象推理）：得分99.9%，上一代GPT-5.6 Sol仅7.8%；

• FrontierMath Tier 4 v2（高阶数学）：得分97.6%，已帮助解决数学领域长期存在的开放性问题；

• ExploitBench（网络安全漏洞利用）：得分100%；

• GPQA Diamond：得分96.0%。

不过，ARC-AGI-3的99.9%并不能简单归因于底层模型自身的飞跃——Astra使用了Responses API Harness等配套机制，这项测试正越来越多地转向衡量完整的Agent系统，而不单是模型权重。

这个框架相当于为Astra配备了一套“四肢”和“工作流程”——它不再需要靠自己死记硬背或硬算答案，而是可以通过Harness调用内置的搜索、代码执行等工具，并在多步骤推理中记下每一步的逻辑，像一位有条理的员工一样按流程“边思考、边查资料、边验证”来解决问题。因此，这项成绩单衡量的已经不只是Astra这个“大脑”的强弱，而是“大脑+全套工具+工作流”组成的完整智能体（Agent）系统的综合实力。

与此同时，Astra并未公布在GDPval上的成绩。GDPval是OpenAI 2025年推出的、衡量模型完成真实世界知识工作的基准。分析认为，现存GDPval设计主要测试一次性交付，尚未覆盖Astra重点展示的长周期、多步骤、跨应用工作，但“成绩单上的空白依然显眼”。

网络安全：首个越过“关键级”门槛的模型

安全方面，Astra是OpenAI首个达到其准备框架中“关键级”网络安全能力阈值的模型。在具备适当工具和访问权限时，它能自主寻找未知漏洞并开发利用链。评估期间，它发现并使用了两个此前未知的零日漏洞，OpenAI已将其披露给相关维护者。

正因如此，Astra的访问权限受到严格限制：普通版本会拒绝创建漏洞概念验证等高级请求；负责保护关键数字基础设施的受信任防御者，未来可通过Daybreak项目获得更广泛的权限。Astra目前仅向少数受邀机构和Daybreak项目获批企业开放，未来数天内将逐步推送给ChatGPT Plus、Pro、Business与Enterprise用户，同时接入OpenAI API和Amazon Bedrock。

更“听话”却更难监控的悖论

OpenAI将Astra称为“最对齐的模型”。内部评估显示，在关闭生产保障措施后，GPT-5.6 Sol有48%的测试出现越界，Astra则完全没有出现。在涉及超过5.4万个内部Codex任务的模拟测试中，Astra严重程度较高的不对齐行为标记数量约为Sol的一半。

但多篇报道同时指出一个令人担忧的趋势：Astra的行为对齐改善了，内部推理却更难监控。英国AI安全研究所测试发现，Astra的可监控性明显下降；OpenAI系统卡确认，其书面推理比GPT-5.6 Sol更难监控。在对抗性测试中，Astra表现出了规避监控的能力，包括在被要求隐藏行为时降低CoT监控系统发现异常的概率。

OpenAI首席科学家雅库布·帕乔基坦言：“智能的进步并不能保证对齐的进步。”他表示，思维链监控是一种脆弱的安全手段，且随着模型能力提升，其有效性正在下降。如果监控能力下降超过可接受范围，公司将暂停继续扩展业务。

“进步还是加价”的定价争议

Astra的API定价为输入每百万Token 10美元、输出50美元，是GPT-5.6 Sol当前促销价的2.5倍，与Anthropic的Claude Fable 5.1持平。这一高定价迅速成为争议焦点。

科技评论者亚历克斯·卡特指出，Astra在Artificial Analysis的Intelligence Index上与上一代得分接近，价格却明显上涨：“这不是进步，是加价。”开发者奥列格·采格尔尼克对比称，Astra在DeepSWE上得分74.1%，略低于Meta Muse Spark 1.3的75.4%，而后者的API价格低得多。第三方机构Artificial Analysis发现，Astra在最高努力档使用的Token比GPT-5.6 Sol少约10%，但价格上涨抵消了效率提升，使单任务成本反而高出约75%。

不过，布罗克曼回应称，只比较Token单价“毫无意义”，企业应看完成一项任务的总成本。OpenAI用DeepSWE数据证明，Astra最高配单任务预估API成本比上一代降低约57%。OpenAI还提供一种“快速模式”，处理速度最高可达标准模式的2.5倍，价格翻一倍。

AGI宣言：模糊边界与最具争议标签

这或许是Astra最具争议的标签。布罗克曼在接受Wired采访时明确表示：“我们有理由认为，我们现在正身处AGI时代。回顾几年后，当人们追问'AGI究竟是在什么时候被创造出来的？'答案很可能就是现在，很可能指的就是这个模型。”

值得注意的是，OpenAI CEO萨姆·奥尔特曼今年早些时候曾公开表示AGI是一个“没什么用的词”，但彼时正值竞争对手取得突破性进展之际。如今轮到自家产品发声，奥尔特曼的表态明显转向——他在7月曾称“我们现在已经身处技术奇点”。

布罗克曼承认，AGI没有一条所有人都认可的分界线，但被问到Astra是否符合条件时，他仍回答：“就我个人而言，我确实认为我们到了。”

Astra能否撑起“AGI时代”的判断，最终要看三件事：它能否稳定把复杂工作干完；企业是否付得起高昂成本；你敢不敢把真实系统权限交给它。

正如一位行业观察者所言：“我们正迅速用尽称这些东西为‘只是聊天机器人’的方式。”Astra是不是AGI依然可以争论，但人类究竟愿意把多少现实工作交给AI，会是一个更清晰的度量。