OpenAI发布GPT-6 Astra：基准测试亮眼但限量开放，AGI定义陷入模糊
2026/09/05 09:59阅读量 2
OpenAI于2026年9月4日发布新一代模型GPT-6 Astra，该模型成为首个通过Preparedness Framework“Critical”网络安全能力阈值的模型。尽管在ARC-AGI-3等基准测试中表现优异，且具备强大的计算机操作和逆向工程能力，但出于安全考虑，目前仅向少量审核用户开放，普通用户需等待数日。OpenAI高管虽称“欢迎来到AGI时代”，但也承认AGI概念已变得模糊，更关注超级智能的发展及伴随的安全监控成本。
事件概述
北京时间2026年9月4日凌晨，OpenAI正式发布新一代大语言模型GPT-6 Astra。此次发布伴随着服务波动，ChatGPT、Claude和Grok在发布前出现大范围异常，随后OpenAI官方账号发文“The stars are almost aligned.”（群星即将就位）。Astra并非全量上线，目前仅向Trusted Access/Daybreak体系中的少量机构和经过审核的网络安全用户开放，Plus、Pro、Business、Enterprise订阅用户及API用户将在未来几天陆续获得权限。
核心性能与技术突破
- 基准测试表现：
- ARC-AGI-3：在OpenAI自有的Provider Adapter配置下，Astra得分高达99.9%；但在统一的Standard harness下得分为62.7%。OpenAI指出，其自有配置通过保留推理（retained reasoning）和压缩（compaction）机制，使运行速度提升约3.66倍，Token消耗减少49%。
- 其他指标：FrontierMath Tier 4达到97.6%；DeepSWE v1.1为74.1%；BenchCAD为95.9%；Terminal-Bench科学任务为64.6%。
- 计算机使用能力：
- OpenAI称Astra为“世界上最好的computer use模型”。它引入了新的上下文机制，允许跨窗口保留笔记、回搜早期消息和工具输出，并在问题悬而未决时继续执行不依赖答案的任务，避免任务卡死。
- 应用场景涵盖KiCad、Excel、Blender、Power BI、浏览器填表、网站QA、找房、医疗预约、税务处理、PPT制作、游戏开发及科研数据分析等。
- 关键技术特性：
- 逆向工程：在SRE-Bench基准测试中，Astra一次尝试成功率为88.0%，四次尝试可达99.2%，远超GPT-5.6 Sol的55.9%和68.7%。这意味着模型能从编译后的二进制程序中理解逻辑，对恶意软件分析、固件研究和漏洞挖掘具有重要意义。
- 长上下文记忆：在MRCR v2八针检索测试中，面对256K至512K上下文时准确率达100%，512K至1M token时仍保持96.3%，显著优于GPT-5.6 Sol（分别为91.5%和73.8%）。
- 训练架构创新：这是OpenAI首次在德州Stargate站点使用超过10万张GPU进行预训练，基础设施从零设计。同时，Astra是第一款让旧代际模型深度参与训练过程的产品，标志着“上一代AI开始参与下一代研发流程”。
安全评估与争议
- 网络安全阈值：Astra是OpenAI第一个跨过Preparedness Framework“Critical”网络安全能力阈值的模型。在ExploitBench上得分100%，能在加固系统中自主发现未知漏洞并开发利用方式，甚至自行发现并利用了两个此前未知的zero-day漏洞。
- 对齐与安全监控：
- 内部测试显示，Astra的违规率从Sol的22.0%降至2.4%，幻觉率从9.4%降至2.0%，且在绕过限制的测试中违规率为0%。
- 然而，由于Astra减少了显式思维链（Chain of Thought）的输出，传统监控手段失效。OpenAI引入了“失对齐监控”（misalignment monitoring），观察推理、动作、工具调用及任务轨迹。若判断模型偏离意图，系统将暂停或终止任务，或在ChatGPT/Codex中要求用户重新确认。
- 这套监控系统带来了额外算力开销，约占被监控推理算力的20%。
定价与产品策略
- API价格：
- 输入：$10/百万token（缓存输入$1）。
- 输出：$50/百万token。
- 相比GPT-5.6 Sol（输入$4，输出$20），价格整体提高2.5倍。长上下文（超过272K token）输入费用翻倍，输出费用1.5倍。
- 定位：Astra被定位为旗舰级高成本选项，适合需要长时间连续自动化操作的Agent场景；若仅需简单问答或文案修改，建议使用成本更低的GPT-5.6 Terra或Luna。
- Fast模式：提供价格翻倍换取约2.5倍执行速度的选项，旨在缩短Agent在浏览器和软件中的运行时间。
AGI定义的模糊化
OpenAI总裁Greg Brockman在媒体简报会上表示“Welcome to the AGI era”，并称个人判断认为“我们已经实现了”。但他同时也承认，AGI已变成一个“灰色、模糊的概念”，更像是一种使命或精神概念，而非精确的技术标准。CEO Sam Altman此前也表现出对讨论AGI实现时间的回避，转而关注“Superintelligence”（超级智能）的可能性，认为其可能在短期内发生。