GPT-6 Astra发布：性能饱和且Token消耗大幅降低，开启“干活”时代

事件概述

2026年9月3日晚全球AI大宕机后，OpenAI于9月4日凌晨发布GPT-6 Astra，并于9月5日向所有付费用户全量推送。OpenAI总裁Greg Brockman宣布其标志着AGI时代的到来。该模型不仅在多项关键基准测试中取得突破性成绩，更在实际应用场景中展现出“又快又省”的特性，迅速抢占了市场风头。

核心信息

1. 性能突破：从“刷题”到“人类水平”
GPT-6 Astra在多个权威基准测试中表现出接近满分的成绩，被官方形容为“饱和”：

• FrontierMath Tier 4（研究级数学）： 得分98%，达到测试上限。
• ARC-AGI-3（抽象推理）： 得分从上一代GPT-5.6 Sol的7.8%跃升至99.9%。在排除自家优化框架Harness后，独立测评得分仍达62.7%，是第二名Claude Opus 5的两倍。Greg Kamradt指出，在96%的测试层级上，Astra超越了人类行为效率基线。
• ExploitBench（漏洞利用）： 满分100%，而GPT-5.6 Sol仅为78.5%。
• 偏科现象： 在“人类终极测试”（Humanity’s Last Exam）中，Astra得分为57.2%，低于Sol和Fable 5.1，显示其在某些通用知识或推理维度上存在短板。

2. 技术革新：“循环深度”架构实现降本增效
GPT-6 Astra的性能跃迁主要得益于两项核心技术改进：

• 循环深度（Recurrent Depth）架构： 据The Information报道，新架构通过复用同一组网络层进行多次内部循环计算，中间推理在隐藏状态中完成，而非全部转化为输出文本。这解决了传统思维链（Chain of Thought）啰嗦、Token消耗大的问题，实现了内部思考更深、外部输出更精简。
• 训练规模： 动用了10万GPU集群，是OpenAI迄今最大规模的训练，验证了Scaling Law的有效性。

3. 实际应用：效率与成本的显著提升
相比跑分，GPT-6 Astra在实际“干活”场景中的优势更为明显：

• Token节省：
  • 在Agents' Last Exam中，比Claude Opus 5少用约65%的输出Token。
  • 在Terminal-Bench 4.0中，API成本比Sol缩减约9%，比Fable 5.1降幅高达63%。
  • Higgsfield AI CEO Alex Mashrabov表示，Astra比其他模型少用高达20%的Token。
• 速度提升：
  • OSWorld 2.0（计算机操作）平均耗时40分钟，比Sol减少47%。
  • Mind2Web基准下，Codex任务完成速度达到上一代的1.9倍。
• 功能增强：
  • Computer Use： 被称为“世界上最好的Computer Use模型”，能自主操作软件填表、更新CRM、整理日程、搭建网站并进行前端QA。
  • 跨上下文记忆： Codex新增跨上下文管理机制，可保存“工作笔记”并回溯早期完整上下文，避免细节丢失。
  • 异步提问机制： 遇到歧义时不再卡死等待人工确认，而是先推进独立部分，攒好问题后续处理，大幅提升开发者体验。

4. 生态影响

• 竞品对比： Perplexity评估显示，Astra的单次任务花销低于Anthropic的新模型Fable 5.1。
• 应用落地： 网友实测显示，Astra已能生成媲美真实水平的射击游戏、开放世界冒险游戏，并能从零搭建包含墙体、门窗等细节的房屋3D模型，甚至将电子原理图排成可投产的PCB。

值得关注

尽管GPT-6 Astra展现了强大的实用能力，但其是否真正代表AGI的到来仍有争议。正如电力时代的发展轨迹所示，当AI解决复杂工作变得足够快速和便宜时，“用不用AI”的讨论将逐渐退居幕后，取而代之的是各种AI原生产品的普及。目前，Astra更多被视为一个极具商业价值的高效工具，而非终极智能形态。