刚刚，全球最强GPT-6 Astra来了！人类进入AGI时代
来源：新智元
今天，人类正式进入AGI时代！
就在刚刚，OpenAI重磅官宣下一代旗舰模型GPT-6 Astra。
官方将其定义为，‘ 世界上最智能、对齐程度最高 ’的模型。
它在计算机使用、浏览、软件工程、网络安全、科学和专业工作领域，全部刷新 SOTA 。
发布会上，总裁Greg Brockman更是毫不掩饰地宣布——
OpenAI已经实现了AGI！Welcome to the AGI era（欢迎来到AGI时代）！
他更是直言，‘在我看来， 世界正式步入AGI时代，也就是 AI 的综合智力彻底碾压人类了’ 。
全人类苦等已久的AGI时刻，终于在今天彻底降临！
从5到6，GPT-6 Astra不仅是版本号的一次跨越，更是OpenAI史上最具里程碑意义的跃迁。
直接划重点，GPT-6 Astra终极杀手锏全在这儿了——
各项天花板级基准彻底被‘打爆’ ： FrontierMath Tier 4得分97.6%（逼近98%饱和线），ARC-AGI-3飙出惊人的99.9%，ExploitBench漏洞利用拿下100%满分；
‘计算机使用’代际飞跃 ： Astra可以完成你在电脑上能做的任何事，速度飞快；
训练史上最大算力 ： GPT-6 Astra爆出动用了OpenAI迄今为止最大算力，超10万块GPU；
AI 亲自训练AI ： 这是OpenAI首款在‘训练监督’中由先前AI模型发挥重要作用的模型；
价格 ： 输入10美元每百万Token，输出50美元每百万Token。
来源：
@rickawsb整理
一点小遗憾，GPT-6 Astra还得再等等。
GPT-6 Astra震撼登场
AGI时代来了
在各项基准测试中，OpenAI官博中多次重用了一个词—— ‘饱和’ （saturate）。
这足以证明，GPT-6 Astra在多个领域的‘绝对统治力’，榜单已测不出它的上限了。
总榜上，刚刚上线的Claude Fable 5.1，已经没有什么优势可言了。
GPT-6 Astra直接把Claude 5.1死死踩在了脚下，全方位、无死角。
先来看 ARC-AGI-3 ，Astra直接拿下 99.9% ，暴击Claude Opus 5（30.2%）。
这个测试考的是，Agent在陌生的互动式任务里边玩边学的能力，人类测试者平均只有48%。
OpenAI估算，在同样的responses API评测框架下，Sol只有30%左右，Astra直线刷爆。
数学上，Astra在 FrontierMath Tier 4 v2 达到97.6%（接近98%饱和分）。
这是当前最难的数学测试集，被公认为人类顶尖数学家的难题高地。
在测试生物、化学和物理领域的研究生级科学推理 GPQA Diamond ，Astra同样刷新历史新高。
即便在较低算力成本设置下，亦能跑出94.9%，远超 GPT-5.6 Sol（94.6%），且API预估成本下降约37%。
编程第一，Fable 5.1惨败
编程，依然是Astra的主战场。
OpenAI自称，GPT‑6 Astra是迄今为止最适合软件工程的模型。
Terminal-Bench 4.0上，Astra拿到57.7%，GPT-5.6 Sol为37.3%，Claude Fable 5.1为55.8%。
DeepSWE v1.1上，Astra达到74.1%；内部数据库迁移任务达到63.9%，相比Sol的42.7%提升明显。
比跑分更关键的升级，藏在Codex的上下文管理里。
过去，长任务一旦塞满上下文窗口，模型会把历史压缩成摘要。每压缩一次，都可能丢掉一些细节：某次修复为何失败、一个模块有什么特殊行为、用户最初设下了哪些限制。
这一次，Astra新增了跨上下文窗口的笔记与检索机制。
它会保存一路积累的关键信息，早期窗口也保持可搜索。即使某条测试结果没有被写进摘要，模型仍能从过去的消息和工具输出中把它找回来。
OpenAI开始给长时间运行的智能体补上一套外部记忆：重点内容主动记，完整历史需要时再搜。
对持续数小时、跨越大量文件的重构任务，这种能力可能比单次代码生成得分更重要。
全球最强‘计算机使用’模型
但真正让Astra与上一代模型拉开距离的，是‘计算机使用’的能力。
OpenAI把Astra称为，世界上最好的计算机使用模型。
奥特曼之前反复强调，下一代最让他兴奋的，就是这一功能。他直言：Astra计算机使用能力，已达人类水平。
如今，GPT-6 Astra已彻底进化为一个坐在电脑前、手握键鼠的‘超级专家’。
OpenAI放了一段15秒的浓缩视频：Astra在KiCad里做PCB布局。
Astra打开KiCad，从电路原理图开始摆放元器件、规划走线，最终完成一块可制造的PCB。
电路板布局长期依赖工程师手工调整，一个位置、一根铜线出错，都可能把问题带进后续打样。
现在，这类工作第一次被放进了通用模型的任务范围。
它还填了一份美国1040报税表，给法律文件排了版，在Power BI里做报表，给一个网站跑了前端QA。
Agents‘ Last Exam ，测真实软件里的专业任务，从财务建模到工程制图。Astra得分59.3%，赶超Claude Opus 5（55.5%）和GPT-5.6 Sol（53.6%）。在最高分设置下，它使用的输出Token还比Opus 5少约65%。
OSWorld 2.0 ，模拟真人操作电脑。上一代GPT-5.6 Sol一个任务平均要75分钟，Astra仅40分钟，分数还从65.7%涨到72.6%。性能更高，单项任务耗时缩短约47%。
配合新版Codex harness，在Mind2Web上，网页任务比Sol快1.9倍。
画CAD、建网站，一次交付
在知识型工作上，GPT-6 Astra又是一次重大变革。
Astra接受过针对办公与专业环境的训练，可以执行多步骤工作流，并直接生成文档、表格和演示文稿。
在 AutomationBench 上，它从GPT-5.6 Sol的18.1%跃升至41.4%，也超过Claude Fable 5.1的31.4%。
在 BenchCAD 中，模型需要根据多个视角的渲染图，用代码重建3D物体。
Astra配合工具拿到95.9%的几何重合度，GPT-5.6 Sol为83.3%，Claude Fable 5.1为84.3%。按照OpenAI给出的测试配置，Astra的估算API成本比Sol低约43%，比Fable 5.1低约86%。
Astra对企业模板的理解也更强了。
给它几页公司的既有PPT，Astra可以延续版式、语气和叙事结构，把后面的整套演示文稿补出来。
文档和表格也一样：它会抓取真正相关的上下文，尽量删掉无关复述，让结果贴近企业原有的写作与视觉规范。
GPT‑6 Astra还为其构建的网站、游戏、应用程序和渲染图带来了更强的视觉判断力。
Astra先在Blender里搭出一栋房子，再把它送进Unreal Engine 5，变成可以自由行走的场景。
通过ChatGPT中的Sites功能，Astra可以直接根据提示词创建、托管和分享网站、网页应用及游戏。
这里还有一个很容易被忽略的变化：Astra更会判断什么时候该问人。
指令里只缺少常规细节，它会结合上下文补齐；某个选择足以改变结果，它会提出一个聚焦的问题。
在Codex中，它可以异步询问，同时继续完成不依赖答案的部分。用户暂时没回复，它会在低风险环节采用合理假设；碰到关键决策，则停下来等人确认。
攻入科研，改写两个素数世界纪录
Astra在科研上的进展，同样凶猛。
Astra之前就已经帮人类解决了十个‘菲尔兹奖级别’的数学难题，这次OpenAI又顺手放出两个关于‘素数间隙’的新结果。
第一个研究‘相邻素数可以有多近’。
十多年来，已知结论是存在无穷多对素数，间距不超过246。数学家Julia Stadlmann近期把它改进到240，Astra又进一步推到186。
第二个研究‘素数之间可以有多远’。
Astra改进了一个80多年没有变化的界中项。
科研的另一个变化，是推理能力开始与‘计算机使用’合流。
Astra直接进入专业科学软件，检查测序质量、可视化遗传变异、跟踪细胞运动。它既给出判断，也完成数据探索所需的具体操作。
OpenAI 首个‘Critical’级模型
GPT-6 Astra这次没有直接放出来，与它强大的‘网络安全’能力，有非常紧密的联系。
按照OpenAI的Preparedness Framework，Astra已经达到网络安全的‘Critical’阈值。
这是OpenAI史上第一个，被正式判定达到Critical网络安全能力的模型。
Critical意味着，模型能在基本无人协助的情况下，自己找出加固过的系统里的未知漏洞，并写出能用的利用代码。
内部测试中，OpenAI甚至发现了两个此前未知的day0漏洞，因此最强的网络安全能力暂时不会完全开放。
目前Astra先向Daybreak Access少量机构开放，ChatGPT Plus、Pro、Business、Enterprise和API用户将在未来几天可用。
十万块GPU训练，AI递归自我改进
最值得看的，是GPT-6 Astra训练背后的豪华配置。
GPT-6 Astra这头巨兽，已经强到没有任何对手。
正是因为，OpenAI为Astra动用了迄今规模最大的训练任务，在得州‘星际之门’超算使用超10万块GPU。
主题：GPT-6Astra|模型