刚刚，GPT-6 震撼发布！人类进入 AGI 大分工时代

GPT-6 Astra，猝不及防地降临。 就在刚刚，OpenAI 官方定调称，这是「全球最智能、最符合人类意图的模型」。 OpenAI 表示，Astra 集合了多年在预训练、强化学习和模型对齐领域的研究成果，在计算机操作、网页浏览、软件工程、网络安全、科学研究以及专业工作等多个方向达到新的能力水平。 相比以聊天、写作和问答为主的前代模型，Astra 更像一个能直接干活的 AI Agent：它可以调用工具、操作软件、浏览网页，独立完成复杂任务。 这一次发布，也成为 OpenAI 近年来规模最大的一次模型升级。 据 OpenAI 研究负责人 Aidan Clark 介绍，Astra 是 OpenAI 迄今规模最大的训练项目之一，也是首次在训练过程中大量使用此前模型参与监督的新一代模型。该模型首次在美国 Stargate 德州基地使用超过 10 万张 GPU 进行预训练。 OpenAI 总裁 Greg Brockman 更是直接开麦：几年后回头看，今天就是 AGI 时代的起点。 GPT-6 Astra 登场，要让 AI 接管软件 GPT-6 Astra 最大的变化，是 Computer Use 能力。 过去的大模型虽然可以生成代码、总结资料、回答问题，但真正进入现实软件环境执行任务时，仍然存在明显限制。浏览网页、填写表格、操作办公软件、处理复杂流程，这些任务需要大量人工介入。 Astra 试图改变这一点。 OpenAI 称，Astra 是目前最强的计算机操作模型，可以完成填写在线表单、更新 CRM 数据、整理日程、进行网络研究，并在邮件和文档编辑器中生成内容。它还可以分析科学数据、生成图表、创建网站，并自动运行前端质量测试。 在官方演示中，Astra 展示了多个接近真实工作的创意场景。 它可以使用 KiCad 完成 PCB 设计，将电子原理图转换成可以制造的电路板布局；可以操作 Excel、Power BI 等办公工具；可以使用 Blender 创建三维模型，并进一步转换为 Unreal Engine 5 中可交互浏览的空间。 除此之外，我们还能让 Astra 从设计图开始搭建完整房屋模型，模型先在 Blender 中完成 3D 建模，再自动导入 Unreal Engine 5，生成可以自由探索的交互场景。 甚至另一位用户还能通过 MCP 连接 Ableton，让 Astra 从零制作完整音乐，包括音色设计、乐器编排和混音流程。 基准测试结果也显示，Astra 的 Computer Use 能力明显提升。 在 OSWorld 2.0 测试中，GPT-6 Astra 得分达到 72.6%，高于 GPT-5.6 Sol 的 65.7%。而在 Agents’ Last Exam 测试中，Astra 得分达到 59.3%，高于 Claude Opus 5 的 55.5% 和 GPT-5.6 Sol 的 53.6%。 此外，OpenAI 还同步升级了 Codex harness。 过去，AI 编程 Agent 最大的问题之一，是长时间任务容易丢失上下文。一个持续数小时的大型开发任务中，模型可能忘记此前为什么修改某段代码，或者遗漏用户早期提出的限制条件。 Astra 引入了新的上下文管理方式。 OpenAI 表示，Codex 不再单纯依靠压缩总结保存历史，而是可以跨上下文窗口保存笔记，并搜索此前消息和工具输出，从而找到之前的需求、测试结果以及修改记录。 同时，Astra 可以在等待用户回复时继续推进不依赖该信息的任务。如果问题会影响最终结果，模型会等待用户确认；如果影响较小，则会根据合理假设继续执行。 简言之，过去，人们更关注模型能否给出准确回答；接下来，真正拉开差距的，将是它能否独立完成一项完整工作。 代码、数学和科学，成为 GPT-6 Astra 的新战场 OpenAI 希望 Astra 不只是一个效率工具，而是进入企业核心工作流程。 其中，软件工程是竞争最激烈的领域之一。 OpenAI 将 Astra 称为目前最强的软件工程模型。 在考察终端环境测试的 Terminal-Bench 4.0 中，Astra 得分达到 57.7%，明显高于 GPT-5.6 Sol 的 37.3%，同时每个任务的预计 API 成本低于 Sol 和 Claude Fable 5.1。在 DeepSWE v1.1 测试中，Astra 得分达到 74.1%。 OpenAI 更强调的是，Astra 在复杂真实开发环境中的表现。 合作伙伴 Jane Street 表示，Astra 在 Agent 编程场景下，更容易被开发者理解，同时生成代码需要更少迭代才能达到生产质量。 AI 创作者 Pietro Schirano 则展示了 Astra 根据图片生成 3D 模型和动画，并通过一句目标指令创建完整水下探索游戏的过程，其中包含 3D 元素、声音以及可交互玩法。 另一位用户 Chris 表示，Astra 在 Unity 环境中的表现相比此前版本提升明显，能够直接利用现有资源组装城市场景，生成更接近真实游戏开发流程的内容。 科学研究则是 Astra 展示能力的另一个重点。 OpenAI 表示，Astra 在 FrontierMath Tier 4 测试中取得 97.6% 成绩，在 GPQA Diamond 科学推理测试中达到 96.0%。 这款新模型还参与了数学研究。OpenAI 表示，Astra 帮助推进了素数间隔问题研究，其中一项结果将无限多个素数对之间的已知距离上限进一步缩小。 在实际科研流程中，Astra 不只是回答科学问题，而是可以直接进入专业软件环境分析数据。例如，它可以检查基因测序质量、分析遗传变化，并帮助研究人员判断下一步研究方向。 不过，Astra 最受关注的能力，也带来了最大的安全争议。 OpenAI 表示，Astra 已达到其 Preparedness Framework 中的「关键网络安全能力阈值」。 在 ExploitBench 测试中，Astra 获得 100% 成绩，高于 GPT-5.6 Sol 的 78.5%；在 ExploitGym 测试中，Astra 成功率达到 42.4%，高于 Sol 的 30.3%。 进一步测试显示，Astra 在近期漏洞测试中发现并利用了两个此前未知的 zero-day 漏洞，OpenAI 表示已经向相关维护方披露。 同一个模型，既可以帮助企业发现漏洞、修复代码，也可能被用于攻击系统。因此 OpenAI 对 Astra 的开放采取了更严格的分级策略。 普通用户版本会拒绝部分高级网络安全请求，而经过审核的安全团队可以通过 Daybreak 项目获得更开放的访问权限。 人类与 AI 的大分工时代 GPT-6 Astra 发布后，AGI 再次成为行业讨论中心。 OpenAI 并没有正式宣布已经实现 AGI，但 Greg Brockman 的表态明显更加积极。 他认为，未来的人们可能会把 Astra 看作 AGI 时代的重要起点，同时表示 AGI 更像一个「使命概念」，而不是一个可以被简单定义的技术指标。 「如果几年后回头看，什么时候真正创造了 AGI，我认为可能就是现在，可能就是这个模