任务

GPT-6Astra进一步提高了计算机操作的准确性和执行效率，增强了智能体处理复杂任务的能力，也为智能体进入更多接口受限的长尾场景创造了条件。

基座模型厂商：需要同步提升工具调用、长流程规划和环境交互能力，持续增强模型执行复杂任务的能力。

OpenAI公布的评测显示，Astra完成特定场景专业任务时，相比其他旗舰模型的耗时与输出Token消耗有所降低，例如在OSWorld2.0离线评测的延迟模拟中，单任务耗时比Sol下降约47%；

技术层面，此次变化主要体现在定位准确率提升，单任务耗时和Token消耗下降。

界面元素定位准确率从前代GPT-5.6Sol的76.9%升至92.7%，真实软件任务、终端任务与业务自动化基准的得分均有提升，特定专业任务的耗时和输出Token消耗也有所下降。

把验收标准换成任务级指标：一次通过率、人工介入比例、单任务耗时与成本，试点阶段先把基线立起来；

随着模型Computeruse定位准确率超过九成，单任务成本和耗时同时下降，智能体可以像人一样操作软件，处理难以预先定义的动态场景。

但需要注意的是，虽然模型定位准确率已具备较高的可用度，但Agent的任务级完成效果仍然依赖意图理解、任务规划、上下文处理、工具调用、任务执行等各个环节的表现，在长链路多步骤复杂任务场景下，仍需要Harness层的工程优化来充分发挥模型的能力，这也是当前应用层厂商的差异化竞争的空间。

OpenAI公布的评测显示，Astra完成特定场景专业任务时，相比其他旗舰模型的耗时与输出Token消耗有所降低，例如在OSWorld2.0离线评测的延迟模拟中，单任务耗时比Sol下降约47%；