OpenAI发布GPT-6 Astra：宣称进入AGI时代，强化Computer Use与自主代理能力

事件概述

OpenAI正式发布了旗舰级大语言模型 GPT-6 Astra 及其专业版 GPT-6 Astra Pro。OpenAI总裁Greg Brockman在发布会上宣布：“欢迎来到AGI时代（Welcome to the AGI era）”，认为人工智能系统的综合智力已超越人类。这是OpenAI历史上规模最大的训练任务，在得克萨斯州Stargate园区动用超过10万块GPU完成预训练，且是首款由前代模型深度参与训练监督的旗舰产品。

核心技术与性能指标

1. 定位转变：从生成到执行
GPT-6 Astra的核心变化是从单纯的文本/代码生成，转向**“直接完成工作”**。它不仅能生成内容，还能操作电脑和浏览器，进入不同软件执行多步骤任务，最终交付文档、表格、演示文稿或工程项目。

2. 基准测试成绩

• ARC-AGI-3：99.9%（上一代GPT-5.6 Sol为7.8%）。该测试考验模型在陌生环境中的自主探索和规则学习能力。注：此成绩基于OpenAI的Responses API Harness框架，包含记忆管理和Agent运行框架的增益。
• FrontierMath Tier 4 v2：97.6%。
• ExploitBench：100%（满分）。
• GPQA Diamond（研究生级科学问答）：96%，略高于Gemini 3.8 Flash的95.3%。

3. 编程与Agent能力

• Terminal-Bench 4.0：57.7%，优于Fable 5.1 (55.8%) 和 GPT-5.6 Sol (37.3%)。
• DeepSWE v1.1：74.1%，优于Sol (72.7%) 和 Fable 5.1 (67.4%)。
• Agents’ Last Exam：59.3%，在真实电脑环境中操作软件、终端和文件完成长流程任务，优于GPT-5.6 Sol (53.6%) 和 Claude Opus 5 (55.5%)。
• AutomationBench：41.4%，显著高于Sol (18.1%) 和 Fable 5.1 (31%)，且在API成本控制上表现更优。
• OSWorld 2.0：离线测试得分72.6%（Sol为65.7%）。完成任务平均耗时约40分钟，比Sol的75分钟减少约47%。

4. 网络安全与安全对齐

• 在ExploitBench上获得满分，ExploitGym得分从Sol的30.3%提升至42.4%。
• 面对近三个月公开的新漏洞，成功率为39%（Sol仅为5.5%），并发现利用了两个V8零日漏洞。
• 安全性：在模拟越界测试中，Astra的越界行为比例为0%，而Sol为48.2%，显示出更强的边界意识。

定价与可用性

• API定价：输入 10美元/百万token，输出 50美元/百万token。价格约为GPT-5.6 Sol的2.5倍，与Fable 5.1持平。
• 成本逻辑：OpenAI强调，虽然单次调用成本高，但通过减少返工和步骤，完成整项工作的总成本可能更低。
• 用户开放：Astra面向ChatGPT Plus、Pro、Business和Enterprise用户开放；Astra Pro仅面向Pro、Business和Enterprise用户。免费用户暂未开放。

应用场景演示

1. 电子工程：直接进入KiCad软件，根据原理图完成PCB布局，放置元器件并连接铜线，生成可制造文件。
2. 3D建模与游戏开发：在Blender中建立房屋模型，导入Unreal Engine 5生成可自由行走的三维空间；或在Unity/Godot中快速生成可玩的游戏原型。
3. 办公自动化：基于企业模板制作完整的PPT演示文稿，保持版式和视觉风格一致。
4. 复杂搜索与预约：例如寻找儿科医生任务，Astra用时2分54秒，而人类需约5小时。

配套更新：Codex改进

针对长任务处理，Codex进行了以下更新：

• 跨上下文记忆：保存工作笔记并搜索此前消息，避免信息压缩导致的细节丢失。
• 交互式确认：仅在涉及重要选择时暂停等待用户确认，无关部分继续执行。
• 效率提升：结合新Computer Use框架，在Mind2Web测试中任务完成速度达到GPT-5.6 Sol体验的1.9倍。

早期案例反馈

• 法律领域：平台Legora使用Astra核对41份财务文件，几分钟内找出4个错误（含50万英镑差额），速度比上一代快近40%。
• 游戏开发：公司Playco利用Astra在Unity和Godot中生成游戏原型，人工修补工作量减半，空间推理和UI还原能力显著提升。