刚刚，OpenAI GPT-6 Astra震撼发布！AGI时代来了
OpenAI Astra，终于来了。
今天，OpenAI 正式发布新一代前沿模型 GPT-6 Astra 。
而 OpenAI 总裁 Greg Brockman 更是毫不掩饰对 Astra 的评价。在发布前的媒体简报会上，他直言自己认为 「我们已经到了 AGI」 ，并以一句：「Welcome to the AGI era.」结束了整场发布。
这款模型早在一个多月前就已进入公众视野。8 月初，《The Information》报道称，Sam Altman 曾在华盛顿向政策制定者演示代号 Astra 的新模型。它支持多个 Agent 长时间协作完成复杂任务，内部甚至一度考虑将其命名为 GPT-6。
但此后，围绕 Astra 的焦点迅速从「有多强」转向了「是否足够安全」。
OpenAI 随后确认，Astra 已达到准备框架的「关键级」网络安全能力门槛，成为公司首个跨过这一等级的模型，并一度放慢部分开发工作、加强安全措施。
昨天，Astra 的另一项变化又浮出水面。据《The Information》报道，它可能引入了 「循环深度」（recurrent depth） 技术，让模型在输出下一个 Token 前完成更多内部计算。换句话说，它可能不仅更强，而且开始真正做到：少说，多想。
经历一个多月的曝光、安全刹车与技术争议后，Astra 终于正式上线。
那么，这次 OpenAI 到底带来了什么？我们先来看看奥特曼最喜欢的宣传视频。
「世界上最智能、最对齐的模型」
首先在官网视觉上，Astra 就已经和 OpenAI 过去发布的模型明显不同。相比此前更简洁克制的产品页，这次 OpenAI 明显强化了「新世代」的发布感：动态变化的数字 6、深色界面，再加上更具冲击力的整体视觉设计，都在强调 GPT-6 Astra 与上一代模型之间的不同。
OpenAI 对 GPT-6 Astra 的定位相当直接： 「世界上最智能、最对齐的模型。」
按照官方介绍，Astra 集中了 OpenAI 多年来在预训练、强化学习和对齐上的研究成果，在电脑操作、浏览器使用、软件工程、网络安全、科学研究和专业工作等领域全面刷新此前模型的能力。
一些 Benchmark 已经高得接近「刷满」。在 ARC-AGI-3 上，GPT-6 Astra 拿到了 99.9% ，相比之下 GPT-5.6 Sol 只有 7.8%，Claude Opus 5 为 30.2%。更难的 FrontierMath Tier 4 上，Astra 达到 97.6% ，GPT-5.6 Sol 为 83.0%。网络安全测试 ExploitBench 则直接拿下 100% 。
不过，相比这些传统意义上的「智力跑分」，这次 OpenAI 更强调的是 Astra 把能力进一步转化成了实际行动。
尤其是 操作电脑 。OpenAI 直接把这一部分称为「世界上最好的 computer use 模型」。Astra 可以自己填写网页表单、更新 CRM 客户记录、整理日历，也可以进行网络研究，再把结果写进邮件或者文档。更复杂的场景里，它可以分析科学数据、生成图表、搭建网站、执行前端 QA，甚至自主安装和测试软件，并根据屏幕上出现的问题继续排查。
在测试 AI 使用真实软件完成复杂专业任务的 Agents' Last Exam 中，Astra 得分达到 59.3% ，超过 GPT-5.6 Sol 的 53.6% 和 Claude Opus 5 的 55.5%。
而且，它完成这些任务 不需要生成更多文字 。OpenAI 表示，在最高分设置下，Astra 使用的输出 Token 比 Claude Opus 5 少约 65% 。
速度同样明显提升 。 在 OSWorld 2.0 的模拟中，Astra 得分从 GPT-5.6 Sol 的 65.7% 提升到 72.6%，完成单个任务的时间却从大约 75 分钟下降到 40 分钟，缩短约 47% 。配合新版 Codex Harness 后，在 Mind2Web 上，Astra 完成任务的速度可以达到当前 GPT-5.6 Sol 体验的 1.9 倍 。
这种变化也延伸到了专业办公场景。
OpenAI 表示，Astra 针对真实工作环境进行了专门训练，可以完成多步骤任务，并直接产出文档、电子表格和演示文稿。
在 BenchCAD 中，模型需要根据多个角度的渲染图编写 CAD 代码，重新构建一个 3D 物体。Astra 的几何重合度达到 95.9% ，GPT-5.6 Sol 为 83.3%，Claude Fable 5.1 为 84.3%。与此同时，OpenAI 估算 Astra 完成该任务的 API 成本还比 GPT-5.6 Sol 低约 43% 。
Astra 也更擅长遵循企业现有模板。
给它几页公司的 PPT，它可以继续按照相同的布局、语气和视觉风格完成整套演示；处理文档和表格时，它也会主动筛选真正相关的信息，而不是把上下文里的所有东西重新复述一遍。在 ChatGPT 的 Sites 功能中，Astra 甚至可以从一句提示词开始，直接创建、托管和分享网站、Web App 以及游戏。
另一个变化是 Astra 更会「自己拿主意」了。
当指令里缺少一些不影响最终结果的细节时，它会利用上下文自行补全；只有当缺失信息可能真正改变结果时，它才会向用户提问。在 Codex 中，它甚至可以一边继续处理不依赖用户回答的工作，一边异步等待回复。
此前模型经常出现的另一个问题，是用户中途补充一句要求，它就突然把新消息当成新的总目标，把最开始的任务忘掉。OpenAI 表示，Astra 可以更好地保持原始目标，同时接受中途修改、回答支线问题，再继续完成之前的任务。
编程、科学，以及更长时间的 Agent
软件工程同样是 Astra 提升最明显的领域之一，OpenAI 直接称它是「目前最好的软件工程模型」。
Terminal-Bench 4.0 中，Astra 得分达到约 58% ，GPT-5.6 Sol 为 37.3%，Claude Fable 5.1 为 55.8%。
在内部数据库迁移任务中，Astra 达到 63.9%，GPT-5.6 Sol 只有 42.7%。
另外，Codex 加入了一种新的长任务上下文机制。
过去，一项编程任务持续太久、上下文窗口装不下时，模型通常会通过 compaction，把之前的内容压缩成摘要。
问题在于，每压缩一次，都可能丢掉一些细节。某个方案为什么失败、一项测试之前出现过什么异常、一段代码为什么不能修改，都可能在多次压缩后消失。到了 Astra，Codex 可以让模型在不同上下文窗口之间保存自己的笔记，同时此前完整的上下文依然可以被搜索。
也就是说，即便某条需求没有被写进摘要，模型之后仍然可以回头把它找出来。
对于真正持续数小时甚至更长时间的软件工程 Agent 来说，这种能力的意义可能比单纯再扩大一次 Context Window 更大。
科学研究也是类似的逻辑。
Astra 在 GPQA Diamond 上达到 96.0% ，FrontierMath Tier 4 达到 97.6% 。OpenAI 还表示，Astra 已经参与解决一些长期未解决的数学问题，此次发布又公布了两项与素数间隔有关的新结果。
凭借更强的电脑操作能力，Astra 可以直接进入专业科学软件，检查测序数据、分析遗传变异、运行模拟、拟合模型，然后根据结果决定下一步应该调查什么。
Terminal-Bench Science 0.1 上，Astra 达到 64.6% ，Claude Fable 5.1 为 52.6%，GPT-5.6 Sol 最好的成绩只有 22.4%。更低成本设置下，Astra 仍然可以达到 61.1%，估算 API 成本还比 GPT-5.6 Sol 低约 27%。
这也是 Astra 整场发布中最明显的一条主线： 更少的 Token、更短的时间，完成更复杂的任务。
「关键级」模型正式上线
当然，真正让 Astra 在发布前就引起争议的，还是网络安全能力。
现在 OpenAI 给出了更加完整的测试结果。ExploitBench 上，GPT-6 Astra 达到 100% ，GPT-5.6 Sol 为 78.5%。
ExploitGym 上，Astra 的漏洞利用成功率达到 42.4%，GPT-5.6 Sol 为 30.3%，与此同时 Astra 使用的输出 Token 明显更少。
考虑到公开 Benchmark 可能存在训练数据污染，OpenAI 又专门制作了一套只包含 2026 年 6 月至 8 月漏洞 的内部测试集。在这套更新的数据中，Astra 的任意代码执行成功率达到 39% ，GPT-5.6 Sol 只有 5.5% 。
更夸张的是，在测试过程中，Astra 发现并实际利用了两个此前未知的零日漏洞。OpenAI 目前正在向对应项目的维护者披露。
另一项 SRE-Bench 测试中，Astra 单次尝试就解决了 88.0% 的任务，四次尝试后达到 99.2% ，GPT-5.6 Sol 分别只有 55.9% 和 68.7%。
专家测试还发现，在关闭生产安全措施的情况下，Astra 可以利用此前未知的漏洞，在经过加固的浏览器中实现任意代码执行，并针对加固操作系统构造权限提升攻击。这也是 OpenAI 最终将 Astra 划入 Critical Cyber 的原因。
不过，今天普通用户拿到的 Astra，并不会直接开放这些最强能力。当前版本可以用于安全代码审查和漏洞修复，但会拒绝更高级的漏洞利用任务，例如为漏洞创建 PoC。之后 OpenAI 会通过 Daybreak 逐步开放限制更少的版本，用于漏洞验证、恶意软件分析和检测工程等防御场景。
而发布前最受关注的另一个问题，到现在仍然没有直接答案： Astra 到底有没有使用「循环深度」？
OpenAI 在发布博客中没有提到 recurrent depth，也没有公布具体模型架构。不过，官方披露了一个值得注意的结果：在专门测试模型逃避监控的评估中， Astra 的书面推理比 GPT-5.6 Sol 更难监控 。OpenAI 认为，这与 Astra 能用更少的书面步骤完成简单任务有关，并承认这种可监控性的下降需要严肃对待。
因此，在实际部署中，OpenAI 会同时监控 Astra 的推理和行动，通过分类器识别未经授权的行为，并在必要时中止任务。
但另一方面，Astra 在行为上反而更加「守规矩」。
在根据 Hugging Face 事件设计的 ExploitGym honeypot 测试中，GPT-5.6 Sol 在无生产安全措施时有约一半样本会攻击任务范围之外的诱饵目标，而 Astra 为 0%。OpenAI 不同评测配置下给出的 Sol 数字约为 48%–56%。
电脑操作安全压力测试中，Astra 的不当行为率为 2.4% ，GPT-5.6 Sol 为 22.0%。OpenAI 的内部测试还显示，Astra 的「能力幻觉率」从 GPT-5.6 Sol 的 9.4% 降到了 2.0% 。
也就是说，Astra 身上出现了一个很有意思的组合： 能力更强、外显推理更少，但行为反而更加克制。
最后是上线和价格。
GPT-6 Astra 今天首先向少量组织开放，未来几天会逐步提供给 ChatGPT Plus、Pro、Business 和 Enterprise 用户。Pro、Business 和 Enterprise 用户还将获得 GPT-6 Astra Pro 。
API 模型名为 gpt-6-astra ，同时也会上线 Amazon Bedrock。标准价格为 输入 10 美元 / 百万 Token，输出 50 美元 / 百万 Token 。Fast Mode 最高可达到标准模式 2.5 倍 的速度，价格则是两倍。
主题：模型|GPT-6Astra