OpenAI发布GPT-6 Astra宣称AGI时代到来，测试数据争议与商业压力并存

事件概述

当地时间9月3日，OpenAI发布新一代旗舰模型GPT-6 Astra。联合创始人兼总裁格雷格·布罗克曼（Greg Brockman）高调宣布“欢迎来到AGI时代”，理由是其在ARC-AGI-3测试中取得最高99.9%的成绩。然而，首席执行官山姆·奥尔特曼（Sam Altman）在两天前曾公开表示AGI是“无关紧要的营销术语”，两者表态形成鲜明反差。与此同时，第三方数据显示该模型在统一测试环境下的表现大幅缩水，且OpenAI正面临来自竞争对手Anthropic在商业层面的严峻挑战。

核心信息

1. 测试成绩存在显著差异

• 高分来源： GPT-6 Astra在OpenAI自有的Provider Adapter框架下，于ARC-AGI-3测试中获得99.9%的得分。该框架允许模型保留内部推理状态并对长对话进行压缩，相当于特定的优化环境。
• 统一环境表现： 在所有模型使用的中立Standard Harness环境中，GPT-6 Astra的得分仅为62.7%。
• 第三方评估： 在Artificial Analysis的“智能指数4.1.1”测试中，GPT-6 Astra得分为61.2，低于Anthropic的Claude Fable 5.1（65.7）和Claude Opus 5（63.1），仅略高于上一代GPT-5.6 Sol（60.9）。

2. 能力跃升与局限

• 复杂场景突破： GPT-6 Astra在电脑操作、软件工程、专业工作自动化及网络安全等复杂场景中表现提升。例如，在ExploitBench网络安全测试中获得100%满分，成为首个达到OpenAI Preparedness Framework中网络安全“关键”级别的模型，能自主发现未知漏洞。
• 专家质疑： 纽约大学教授加里·马库斯（Gary Marcus）及多位学者指出，AGI需在多个认知领域达到人类水平，不能仅凭单一基准测试的高分就宣称实现。在开放式真实任务中，该模型仍可能暴露大量问题。

3. AGI定义的演变与矛盾

• 定义多次调整： OpenAI对AGI的定义从2018年的“在经济价值工作上超越人类”，调整为2023年的“总体上比人类更聪明”，再到设定1000亿美元利润的经济门槛（后取消合同约束）。
• 高层态度反复： 奥尔特曼对AGI的态度经历变化，从认为其早日到来，到近期强调“什么是AGI并不重要”，并批评其为糟糕的术语；而布罗克曼则将其视为精神概念而非合同义务。

4. 商业竞争背景

• 市场份额流失： 在企业大模型支出方面，Anthropic的市场份额从2023年的12%升至2025年的40%，而OpenAI从50%降至27%。在编程场景，Anthropic占比约54%，OpenAI仅约21%。
• 营收与估值压力： Anthropic的年度经常性收入（ARR）已超650亿美元，估值达9650亿美元，均超过OpenAI（ARR近600亿美元，估值8520亿美元）。OpenAI 2025年支出约340亿美元，亏损约80亿美元。
• 市场反应： GPT-6 Astra发布后，OpenAI Pre-IPO衍生品市值飙升21.6%，显示市场对其重新确立技术领先地位的预期。

值得关注

业界普遍认为，尽管GPT-6 Astra在局部任务上接近或达到专家水平，但尚未稳定覆盖“大多数具有经济价值的工作”。在缺乏统一验收标准的情况下，将技术突破描述为“AGI时代到来”，更多被视为强化技术领导者形象、应对上市预期及市场竞争的营销策略，而非技术终点的确认。