AGI时代来了？GPT-6发布：称目前智能水平最高模型
GPT-6 Astra来了。
当地时间9月3日，OpenAI正式发布GPT-6 Astra，并将其定义为“新一代智能”。Astra在拉丁语中意为“星辰、群星”。ChatGPT官方在发布前曾预告：“The stars are almost aligned（星星几乎排列好了）。”
OpenAI称，Astra是“当今世界智能水平最高、对齐表现最好的模型”，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实现进一步突破。
OpenAI CEO山姆·奥特曼（Sam Altman）发文表示，希望Astra能够开启“新一代的创业、科学发现与创造”，并认为Astra在电脑操作、专业工作、科学研究、编程、网络安全等诸多领域，都是“最强的模型”。
OpenAI总裁格雷格·布罗克曼（Greg Brockman）更进一步表示，人们未来或许会回头将这个时间、这个模型视为AGI（通用人工智能）到来的节点，并称：“欢迎进入AGI时代。”
星星排列好了，GPT-6 Astra正式发布。
“能干活”
据介绍，在电脑操作方面，Astra可以自主填写网络表单、更新CRM客户记录、整理日历，也可以进行网络搜索、在邮件或文档编辑器中撰写总结；还可以分析科学数据、生成图表、创建网站，并运行前端质量测试。对于软件开发任务，Astra可以自主安装和测试软件，并根据屏幕上出现的问题进行排查。
与传统聊天机器人不同，用户可以向其直接给出一个目标。例如，“帮我整理一份财务分析并做成演示文稿”，或者“开发一个游戏原型并测试它是否能正常运行”。模型需要自己拆解任务、调用不同工具、持续执行，再把最终结果交付出来。
在OSWorld 2.0测试中，Astra得分72.6%，GPT-5.6 Sol为65.7%；在延迟模拟环境下，Astra完成一项任务平均约需40分钟，而GPT-5.6 Sol约需75分钟，OpenAI据此称Astra完成任务所需时间约减少47%。
在Mind2Web测试中，结合更新后的Codex harness后，Astra的任务完成速度达到当前GPT-5.6 Sol体验的1.9倍。
在OSWorld 2.0测试中，Astra得分72.6%。
奥特曼在接受外媒采访时表示，Astra在主观体验上与此前任何模型都非常不同，这是第一个让他觉得可以放心让用户直接“试一试”的模型。用户可以让Astra构建复杂互动软件、开发电脑游戏、进行DIY电子工程、运行科学模拟，甚至制作财务模型并同步生成PPT演示文稿。
OpenAI表示，Astra将复杂推理与多步骤工作流结合起来，可以直接生成和处理文档、电子表格和演示文稿，并能够遵循已有模板、调整页面布局，同时尽可能只提取与任务相关的信息。
OpenAI公布的Professional评测中，Astra在AutomationBench取得41.4%，GPT-5.6 Sol为18.1%；在BenchCAD中分别为95.9%和83.3%；在BrowseComp中分别为91.5%和90.4%。
这些指标分别覆盖自动化任务、计算机辅助设计以及网络信息检索等不同工作场景。其中，AutomationBench的差距尤其明显。Astra的成绩达到41.4%，GPT-5.6 Sol为18.1%。
OpenAI公布的企业案例也显示，Astra正在被用于更加接近真实生产流程的任务。
法律科技公司Legora使用Astra进行财务报表审阅，在其相关基准中，Astra带来约40%的提升，并在一次Agent运行中用几分钟审阅41份文件，同时发现了人为埋设的4处错误。游戏开发公司Playco则使用Astra进行游戏原型开发。在其测试中，人工修复工作减少50%，并从一个灰盒基础原型制作出3个不同主题的游戏原型。
科学研究也是此次GPT-6升级的重要方向。
OpenAI称，Astra在数学和科学领域取得新的纪录。在FrontierMath Tier 4（v2）中，Astra得分97.6%。在ARC-AGI-3中，OpenAI给出的成绩为99.9%；在GPQA Diamond中为96.0%。在科学和健康相关评测中，Astra在GeneBench Pro中取得37.8%，MedChemBench为49.3%，LifeSciBench为60.3%，HealthBench Professional为63.4%。
OpenAI还强调，Astra可以将科学推理和电脑操作结合起来，直接进入专业软件检查数据、探索结果，帮助研究人员分析证据，并决定下一步值得研究什么。
OpenAI称，Astra已经帮助解决一些长期存在的数学开放问题，并公布了关于质数间隔的新结果。
Coding依然是核心战场
编程能力仍然是GPT-6 Astra的重要卖点。
OpenAI称，Astra是其迄今为止“最强的软件工程模型”。在Terminal-Bench 4.0中，Astra得分57.7%，GPT-5.6 Sol为37.3%；在DeepSWE v1.1中，Astra为74.1%，GPT-5.6 Sol为72.7%；在FrontierCode 1.1 Extended中，Astra为64.5%，GPT-5.6 Sol为60.6%；在内部数据库迁移任务中，Astra为63.9%，GPT-5.6 Sol为42.7%。
主题：模型|任务|GPT-6Astra