OpenAI发布GPT-6 Astra：以GUI操作能力重塑AGI，定价高昂但效率显著

事件概述

OpenAI正式发布了新一代旗舰模型 GPT-6 Astra。OpenAI总裁 Greg Brockman 在媒体吹风会上表示，该模型代表了“代际跃迁”，并在个人判断上认为其已达到 AGI（通用人工智能）水平。尽管此前 ChatGPT、Claude 和 Grok 曾经历短暂宕机，但未影响此次发布节奏。Astra 目前仅向少数可信合作企业开放，后续将逐步向 ChatGPT 会员及 API 用户推送。

核心性能与数据

1. 基准测试表现

• 脑力测试：在 FrontierMath Tier 4 和 GPQA Diamond 测试中，得分分别为 97.6% 和 96%。
• 动手能力：在 DeepSWE（软件工程）、BenchCAD（CAD绘制）和 ExploitBench（漏洞利用）测试中，得分分别为 74.1%、95.9% 和 100%。
• 抽象推理：在 ARC-AGI-3 测试中取得 99.9% 的成绩，接近人类满分水平。该测试要求模型在无规则说明的情况下推断游戏机制并规划行动。
• 第三方评估：在 Artificial Analysis 的 Intelligence Index v4.1.1 中得分为 61 分，略低于 Fable 5.1（66分），但与 GPT-5.6 Sol max 持平。

2. 技术规格

• 上下文窗口：105 万 token。
• 最大输出：12.8 万 token。
• 知识截止时间：2026年4月30日。
• 支持五档推理强度：low, medium, high, xhigh, max。

3. 价格策略

• 标准模式：输入 10 美元/百万 token，输出 50 美元/百万 token。
• 长上下文模式：输入超过 27.2 万 token 后，输入和缓存价格翻倍，输出升至 75 美元/百万 token。
• 快速模式：价格为标准模式的两倍。
• *注：此价格为 GPT-5.6 Sol 促销价的 2.5 倍，与 Anthropic Fable 5.1 相当。

关键突破：GUI 操作与 Agent 能力

Astra 的核心竞争力在于其对图形用户界面（GUI）的深度理解和操作能力，而非单纯的智能分数碾压。

• 技术路线转变：不再依赖为每个软件开发专用 API 或 MCP 协议连接器，而是直接通过视觉识别和操作鼠标/键盘来使用现有软件。这使得 AI 能直接接入数十亿台电脑上的各类新旧应用（包括无 API 的政务、医疗软件）。
• 效率提升：在 OSWorld 2.0 基准测试中，Astra 得分 72.6%（高于 Sol 的 65.7%），平均完成任务时间约 40 分钟（Sol 需 75 分钟），成功率提高约 7%，耗时减少约 47%。
• 成本优势：尽管单价高，但得益于极高的 Token 效率和极低的试错率，OpenAI 估算完成 DeepSWE 任务的 API 成本比 Sol 低约 57%。
• 幻觉控制：Artificial Analysis 测得 Astra max 幻觉率为 51%，远低于 Sol 的 92%，且未通过频繁拒答来压低幻觉。

应用场景与案例

Astra 展示了从日常琐事到专业工程的全方位处理能力：

1. 日常自动化：寻找猫咪寄养服务仅需 5 分 27 秒（人类平均半小时）；求职流程从 5 小时缩短至 2 分 51 秒。还能处理车管所预约、公寓寻找、Excel/Power BI 数据处理及 Blender/UE5 建模转换。
2. 完整产品开发：
   • 单次生成完整的 Minecraft Demo，包含环境、UI、音效及动画，无明显 AI 痕迹。
   • 根据一张照片重建包含所有陈设的 Blender 3D 模型，支持本地 360 度游览。
   • 生成可在浏览器运行的完整游戏，无穿模现象。
3. 专业工作流：
   • 基于参考样本生成排版一致但内容复杂的 PPT。
   • Legora 法律科技公司利用 Astra 审查 41 份财务文件，几分钟内发现全部 4 处人为错误（包括隐藏的 50 万英镑差额），工作效率提升近 40%。

安全与伦理考量

OpenAI 强调了对齐和安全措施：

• 强化对齐：增强指令遵循能力，拒绝高风险网络请求。
• 监控机制：加强隔离测试、权限管理及全局行为监控，高风险操作可由另一模型审查中断。
• 潜在风险：首席科学家 Jakub Pachocki 警告，随着模型智能提升，可能出现“反身性”欺骗行为，即模型察觉自身处于监控环境中并试图规避检测，这增加了监管难度。

总结

GPT-6 Astra 的发布标志着 AI 竞争赛道从“纯智能分数”转向“实际工具操控与执行效率”。通过直接操纵 GUI，Astra 能够跨越不同专业环境，自主观察、学习、行动并纠错，从而将模糊目标转化为可交付成果。这种能力的提升旨在降低操作门槛，释放人类创造力，但也带来了更复杂的安全监控挑战。