GPT-6 Astra正式发布：性能AGI，贵到要负债
「欢迎来到 AGI 时代。」
OpenAI 总裁 Greg Brockman 用这句话结束了 GPT-6 Astra 的媒体吹风会。
几个小时前，ChatGPT、Claude 和 Grok 才经历了一次罕见的同时宕机，但短暂故障没有打乱 OpenAI 的发布节奏——
就在刚刚，GPT-6 Astra 正式亮相。
Brockman 对这款模型的评价，甚至超过了 OpenAI 以往任何一次新品发布：
如果几年以后回头追问，AGI 究竟在什么时候诞生，我想答案大概就在这段时间，甚至可能就是这个模型……就我个人而言，我认为我们已经达到了（AGI 水平）。
对于听惯了 AI 公司豪言壮语的人来说，问题也随之而来：Astra 到底做到了什么，足以让 OpenAI 定调说「这是全球最智能、最符合人类意图的模型」？
跑分没有横扫一切，价格倒是登上了顶峰
按照 OpenAI 的说法，Astra 是一次「代际跃迁」，能力提升覆盖电脑操作、软件工程、专业工作、科学和网络安全。
根据官方公布的数据，Astra 在代表「脑力」的研究级数学测试 FrontierMath Tier 4 和科学知识测试 GPQA Diamond 中成绩是 97.6% 和 96%。
而在代表「动手能力」的长程软件工程测试 DeepSWE、CAD 绘制测试 BenchCAD 和漏洞利用能力测试 ExploitBench 中，Astra 也分别做到了 74.1%、95.9% 和 100%。
也就是说，GPT-6 Astra 已经把很多既有测试「刷爆」了。要想完整理解它的能力上限，我们可能需要设计一些新的测试。
但 OpenAI 更倾向于介绍 ARC-AGI-3 的成绩：99.9%。
这是一项高度抽象化的测试，模型要进入一个完全陌生的小游戏世界，不提供任何规则说明和目标，模型必须自己通过互动观察环境的变化，推断出这个世界的「游戏规则」然后规划行动。
在今年 3 月刚公布时，最强的 AI 成绩只有 0.51%，即使是 GPT-5.6 Sol 在默认框架下也只有 7.8%，而现在 Astra 在特设的保留推理+压缩上下文框架下，就做到了和人类完全等同的环境推理满分成绩——这一点会和我们稍后说到的「环境操作」能力紧密相关。
作为最新的超旗舰级模型，Astra 的基本规格自然不会落后：105 万 token 上下文窗口，最高输出 12.8 万 token，知识截止时间为 2026 年 4 月 30 日，支持 low、medium、high、xhigh 和 max 五档推理强度。
但与此同时，模型的价格也来到了新高度。
标准模式下，每百万输入 token 收费 10 美元、输出 50 美元 ；输入超过 27.2 万 token 后，整次请求的输入和缓存价格翻倍，输出价格升至 75 美元。模型依然支持更快给出结果的快速模式，相应地要支付两倍价格。
对比起来，Astra 的输入与输出单价是 5.6 Sol 当前促销价的 2.5 倍，也和 Anthropic 刚发布的 Fable 5.1 相同。
想体验的话，我们可能还得稍微再等几天： Astra 目前率先向小部分可信合作企业开放，ChatGPT 各级会员用户和 API 则会在未来几天里陆续推送使用权限。 另外还有一个涉及最高级网络攻击能力的版本，只会提供给网络防御机构使用。
当然，我们都知道官方口径向来是「报喜不报忧」的，第三方独立机构的测试稍微能给官方叙事降一下温——
在 Artificial Analysis 最常用的通用智能独立测试 Intelligence Index v4.1.1 中，Astra max 的成绩「只有」61 分，和 GPT-5.6 Sol max 持平，低于 Fable 5.1 的 66 分、Opus 5 的 63 分以及 Muse Spark 1.3 的 62 分。
这也和 X 上一些提前获得内测资格的开发者体感相仿：Astra 不是那种在智能上遥遥领先的模型，但它堪称恐怖的环境理解和操作能力弥补了这一点，最终交出的输出结果相当漂亮。
虽然在通用智能测试上不算吃香，可一旦转到 Coding 测试就是另一回事了：
在 Artificial Analysis Coding Agent Index 中，Astra 得到 67 分，距离榜首 Fable 5.1 只差 3 分。与此同时，Astra 体现出了极佳的 token 效率，使用的 token 仅相当于 5.6 Sol max 的三分之一、Opus 5 high 的五分之一。
凭借效率优势，Astra max 完成单项 Coding 任务的成本和 Sol 大致相当。于是，在散点图中我们能看到 Astra 在左上角几乎划出了一个专属「斩杀区」——在相同的价格区间，Astra 目前可以说是「无敌」的。
另外，Astra 的幻觉也明显减少。Artificial Analysis 测得 Astra max 的幻觉率为 51%，远低于 Sol 的 92%，拒答率数据也显示它没有依靠频繁拒绝回答来压低幻觉。
单看综合跑分，很难说 Astra 是什么「独一档」的模型。但 它的关键进步，其实藏在「模型如何使用电脑」这件事上。
为人类设计的界面，Astra 用得比人更好
Astra 的发布宣传片开头，引用了一个 80 年代的早期 AI 演示。当时，人对电脑说「画一个黄色圆圈」，电脑就能照做。
同样的梦想延续到了今天。如今，几个人只是站在投影大屏前，或拿起筷子吃饭，或甩动手里的网球拍， 同时嘴上说出想要做一个完整可玩的 3D 游戏、把商品上架到 eBay，或是编辑照片后放入特定文件夹。
等待片刻，工作就完成了。
复杂的提示词和来回操作修改的过程全部消失，只需要像吃饭时看剧聊天一样，随口说几句话，Astra 就能把工作全部搞定。
这可能是理解 Astra 最好的方式。
OpenAI 还展示了一批更贴近日常工作的案例：
寻找猫咪寄养服务，人类平均需要半小时，Astra 用时 5 分 27 秒；寻找工作从约 5 小时缩短到 2 分 51 秒。它还能预约车管所服务、寻找公寓、填写表格、整理日历、更新 CRM，在 Excel 和 Power BI 中处理数据，在 Blender 中制作模型并进一步转换成 UE5 中的交互场景。
在这些现象的背后，是一种更具冲击力的技术路线——
以前我们希望 AI 使用一套软件或一种服务，通常要先为它开发 API，用 MCP 协议规定可用的外部工具和数据。每多接入一个系统，都要重新处理权限、数据格式和调用逻辑。大量老旧的政务、医疗、保险和企业软件，甚至根本没有合适的 API。
但我们还有另一种已经为人类这种通用智能服务了几十年的接口：GUI。
屏幕、键盘和鼠标是一套覆盖数十亿台电脑、兼容无数新旧软件的接口。模型只要能看懂屏幕、理解当前状态并准确操作，今天仍在使用的软件就可以直接成为它的工具。
Greg Brockman 在吹风会上也谈到了这一点。他认为，AI 行业长期受困于为不同工具逐一编写连接器；当电脑操作能力足够成熟，Agent 就能直接穿梭于表格、表单和网页。
模型开始主动适应人类的软件世界，企业就不必等待整个软件世界先完成一次「AI 化改造」。
衡量 Computer Use 能力的 OSWorld 2.0 基准测试结果也显示，Astra 得分达到 72.6%，高于 Sol 的 65.7%；平均完成一项任务约需 40 分钟，Sol 则需要约 75 分钟。成功率提高约 7 个百分点，耗时减少了约 47%。
效率在这里变得格外重要。GUI 任务往往持续几十分钟，包含数百次观察、判断和操作。每一步都可能产生截图、上下文和推理 token。单次决策节省一点，放进长达几百步的工作流后，差距会被迅速放大。
尽管 Astra 的单 token 价格很高，但极高的 token 效率和更少的试错，可以有效抵消涨价。OpenAI 估算，Astra 最高配置完成一项 DeepSWE 任务的 API 成本比 Sol 低约 57%。
猝不及防地，Astra 的诞生直接改换了旗舰模型的竞争赛道。它不需要追求最高的智能分数，只需要能理解目标、接管现成工具、处理途中出现的意外，就已经可以承担相当大一部分的人类工作。
开启发现和创造的新时代
适应人类现有工具框架的能力，让 Astra 拥有了让所有内测开发者都叹服的实际工程表现。
从已经公开的反馈看，不同于以往很多 AI 只能生成演示，Astra 已经可以在很大程度上一次性做出完整的产品了。
开发者 Flavio Adamo 试着用 Astra 单次生成一个完整的 Minecraft demo。可以说，这是让我这个 MC 老玩家最惊艳的 demo 没有之一。从环境、UI、音效到具体的跳跃挖掘动作和动画效果，都和原版游戏几乎如出一辙，找不出多少 AI 痕迹。