刚刚，全球最强GPT-6 Astra来了！人类进入AGI时代

新智元报道 今天，人类正式进入AGI时代！ 就在刚刚，OpenAI重磅官宣下一代旗舰模型GPT-6 Astra。 官方将其定义为，「 世界上最智能、对齐程度最高 」的模型。 它在计算机使用、浏览、软件工程、网络安全、科学和专业工作领域，全部刷新 SOTA 。 发布会上，总裁Greg Brockman更是毫不掩饰地宣布—— OpenAI已经实现了AGI！Welcome to the AGI era（欢迎来到AGI时代）！ 他更是直言，「在我看来， 世界正式步入AGI时代，也就是 AI 的综合智力彻底碾压人类了」 。 全人类苦等已久的AGI时刻，终于在今天彻底降临！ 从5到6，GPT-6 Astra不仅是版本号的一次跨越，更是OpenAI史上最具里程碑意义的跃迁。 直接划重点，GPT-6 Astra终极杀手锏全在这儿了—— 各项天花板级基准彻底被「打爆」 ： FrontierMath Tier 4得分97.6%（逼近98%饱和线），ARC-AGI-3飙出惊人的99.9%，ExploitBench漏洞利用拿下100%满分； 「计算机使用」代际飞跃 ： Astra可以完成你在电脑上能做的任何事，速度飞快； 训练史上最大算力 ： GPT-6 Astra爆出动用了OpenAI迄今为止最大算力，超10万块GPU； AI 亲自训练AI ： 这是OpenAI首款在「训练监督」中由先前AI模型发挥重要作用的模型； 价格 ： 输入10美元每百万Token，输出50美元每百万Token。 来源： @rickawsb整理 一点小遗憾，GPT-6 Astra还得再等等。 GPT-6 Astra震撼登场 AGI时代来了 在各项基准测试中，OpenAI官博中多次重用了一个词—— 「饱和」 （saturate）。 这足以证明，GPT-6 Astra在多个领域的「绝对统治力」，榜单已测不出它的上限了。 总榜上，刚刚上线的Claude Fable 5.1，已经没有什么优势可言了。 GPT-6 Astra直接把Claude 5.1死死踩在了脚下，全方位、无死角。 先来看 ARC-AGI-3 ，Astra直接拿下 99.9% ，暴击Claude Opus 5（30.2%）。 这个测试考的是，Agent在陌生的互动式任务里边玩边学的能力，人类测试者平均只有48%。 OpenAI估算，在同样的responses API评测框架下，Sol只有30%左右，Astra直线刷爆。 数学上，Astra在 FrontierMath Tier 4 v2 达到97.6%（接近98%饱和分）。 这是当前最难的数学测试集，被公认为人类顶尖数学家的难题高地。 在测试生物、化学和物理领域的研究生级科学推理 GPQA Diamond ，Astra同样刷新历史新高。 即便在较低算力成本设置下，亦能跑出94.9%，远超 GPT-5.6 Sol（94.6%），且API预估成本下降约37%。 编程第一，Fable 5.1惨败 编程，依然是Astra的主战场。 OpenAI自称，GPT‑6 Astra是迄今为止最适合软件工程的模型。 Terminal-Bench 4.0上，Astra拿到57.7%，GPT-5.6 Sol为37.3%，Claude Fable 5.1为55.8%。 DeepSWE v1.1上，Astra达到74.1%；内部数据库迁移任务达到63.9%，相比Sol的42.7%提升明显。 比跑分更关键的升级，藏在Codex的上下文管理里。 过去，长任务一旦塞满上下文窗口，模型会把历史压缩成摘要。每压缩一次，都可能丢掉一些细节：某次修复为何失败、一个模块有什么特殊行为、用户最初设下了哪些限制。 这一次，Astra新增了跨上下文窗口的笔记与检索机制。 它会保存一路积累的关键信息，早期窗口也保持可搜索。即使某条测试结果没有被写进摘要，模型仍能从过去的消息和工具输出中把它找回来。 OpenAI开始给长时间运行的智能体补上一套外部记忆：重点内容主动记，完整历史需要时再搜。 对持续数小时、跨越大量文件的重构任务，这种能力可能比单次代码生成得分更重要。 全球最强「计算机使用」模型 但真正让Astra与上一代模型拉开距离的，是「计算机使用」的能力。 OpenAI把Astra称为，世界上最好的计算机使用模型。 奥特曼之前反复强调，下一代最让他兴奋的，就是这一功能。他直言：Astra计算机使用能力，已达人类水平。 如今，GPT-6 Astra已彻底进化为一个坐在电脑前、手握键鼠的「超级专家」。 OpenAI放了一段15秒的浓缩视频：Astra在KiCad里做PCB布局。 Astra打开KiCad，从电路原理图开始摆放元器件、规划走线，最终完成一块可制造的PCB。 电路板布局长期依赖工程师手工调整，一个位置、一根铜线出错，都可能把问题带进后续打样。 现在，这类工作第一次被放进了通用模型的任务范围。 它还填了一份美国1040报税表，给法律文件排了版，在Power BI里做报表，给一个网站跑了前端QA。 Agents' Last Exam ，测真实软件里的专业任务，从财务建模到工程制图。Astra得分59.3%，赶超Claude Opus 5（55.5%）和GPT-5.6 Sol（53.6%）。在最高分设置下，它使用的输出Token还比Opus 5少约65%。 OSWorld 2.0 ，模拟真人操作电脑。上一代GPT-5.6 Sol一个任务平均要75分钟，Astra仅40分钟，分数还从65.7%涨到72.6%。性能更高，单项任务耗时缩短约47%。 配合新版Codex harness，在Mind2Web上，网页任务比Sol快1.9倍。 画CAD、建网站，一次交付 在知识型工作上，GPT-6 Astra又是一次重大变革。 Astra接受过针对办公与专业环境的训练，可以执行多步骤工作流，并直接生成文档、表格和演示文稿。 在 AutomationBench 上，它从GPT-5.6 Sol的18.1%跃升至41.4%，也超过Claude Fable 5.1的31.4%。 在 BenchCAD 中，模型需要根据多个视角的渲染图，用代码重建3D物体。 Astra配合工具拿到95.9%的几何重合度，GPT-5.6 Sol为83.3%，Claude Fable 5.1为84.3%。按照OpenAI给出的测试配置，Astra的估算API成本比Sol低约43%，比Fable 5.1低约86%。 Astra对企业模板的理解也更强了。 给它几页公司的既有PPT，Astra可以延续版式、语气和叙事结构，把后面的整套演示文稿补出来。 文档和表格也一样：它会抓取真正相关的上下文，尽量删掉无关复述，让结果贴近企业原有的写作与视觉规范。 GPT‑6 Astra还为其构建的网站、游戏、应用程序和渲染图带来了更强的视觉判断力。 Astra先在Blender里搭出一栋房子，再把它送进Unreal Engine 5，变成可以自由行走的场景。 通过ChatGPT中的Sites⁠功能，Astra可以直接根据提示词创建、托管和分享网站、网页应用及游戏。 这里还有一个很容易被忽略的变化：Astra更会判断什么时候该问人。 指令里只缺