刚刚，OpenAI GPT-6 Astra震撼发布！AGI时代来了

机器之心编辑部 OpenAI Astra，终于来了。 今天，OpenAI 正式发布新一代前沿模型 GPT-6 Astra 。 而 OpenAI 总裁 Greg Brockman 更是毫不掩饰对 Astra 的评价。在发布前的媒体简报会上，他直言自己认为 「我们已经到了 AGI」 ，并以一句：「Welcome to the AGI era.」结束了整场发布。 这款模型早在一个多月前就已进入公众视野。8 月初，《The Information》报道称，Sam Altman 曾在华盛顿向政策制定者演示代号 Astra 的新模型。它支持多个 Agent 长时间协作完成复杂任务，内部甚至一度考虑将其命名为 GPT-6。 但此后，围绕 Astra 的焦点迅速从「有多强」转向了「是否足够安全」。 OpenAI 随后确认，Astra 已达到准备框架的「关键级」网络安全能力门槛，成为公司首个跨过这一等级的模型，并一度放慢部分开发工作、加强安全措施。 昨天，Astra 的另一项变化又浮出水面。据《The Information》报道，它可能引入了 「循环深度」（recurrent depth） 技术，让模型在输出下一个 Token 前完成更多内部计算。换句话说，它可能不仅更强，而且开始真正做到：少说，多想。 经历一个多月的曝光、安全刹车与技术争议后，Astra 终于正式上线。 那么，这次 OpenAI 到底带来了什么？我们先来看看奥特曼最喜欢的宣传视频。 「世界上最智能、最对齐的模型」 首先在官网视觉上，Astra 就已经和 OpenAI 过去发布的模型明显不同。相比此前更简洁克制的产品页，这次 OpenAI 明显强化了「新世代」的发布感：动态变化的数字 6、深色界面，再加上更具冲击力的整体视觉设计，都在强调 GPT-6 Astra 与上一代模型之间的不同。 OpenAI 对 GPT-6 Astra 的定位相当直接： 「世界上最智能、最对齐的模型。」 按照官方介绍，Astra 集中了 OpenAI 多年来在预训练、强化学习和对齐上的研究成果，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全面刷新此前模型的能力。 一些 Benchmark 已经高得接近「刷满」。在 ARC-AGI-3 上，GPT-6 Astra 拿到了 99.9% ，相比之下 GPT-5.6 Sol 只有 7.8%，Claude Opus 5 为 30.2%。更难的 FrontierMath Tier 4 上，Astra 达到 97.6% ，GPT-5.6 Sol 为 83.0%。网络安全测试 ExploitBench 则直接拿下 100% 。 不过，相比这些传统意义上的「智力跑分」，这次 OpenAI 更强调的是 Astra 把能力进一步转化成了实际行动。 尤其是 操作电脑 。OpenAI 直接把这一部分称为「世界上最好的 computer use 模型」。Astra 可以自己填写网页表单、更新 CRM 客户记录、整理日历，也可以进行网络研究，再把结果写进邮件或者文档。更复杂的场景里，它可以分析科学数据、生成图表、搭建网站、执行前端 QA，甚至自主安装和测试软件，并根据屏幕上出现的问题继续排查。 在测试 AI 使用真实软件完成复杂专业任务的 Agents' Last Exam 中，Astra 得分达到 59.3% ，超过 GPT-5.6 Sol 的 53.6% 和 Claude Opus 5 的 55.5%。 而且，它完成这些任务 不需要生成更多文字 。OpenAI 表示，在最高分设置下，Astra 使用的输出 Token 比 Claude Opus 5 少约 65% 。 速度同样明显提升 。 在 OSWorld 2.0 的模拟中，Astra 得分从 GPT-5.6 Sol 的 65.7% 提升到 72.6%，完成单个任务的时间却从大约 75 分钟下降到 40 分钟，缩短约 47% 。配合新版 Codex Harness 后，在 Mind2Web 上，Astra 完成任务的速度可以达到当前 GPT-5.6 Sol 体验的 1.9 倍 。 这种变化也延伸到了专业办公场景。 OpenAI 表示，Astra 针对真实工作环境进行了专门训练，可以完成多步骤任务，并直接产出文档、电子表格和演示文稿。 在 BenchCAD 中，模型需要根据多个角度的渲染图编写 CAD 代码，重新构建一个 3D 物体。Astra 的几何重合度达到 95.9% ，GPT-5.6 Sol 为 83.3%，Claude Fable 5.1 为 84.3%。与此同时，OpenAI 估算 Astra 完成该任务的 API 成本还比 GPT-5.6 Sol 低约 43% 。 Astra 也更擅长遵循企业现有模板。 给它几页公司的 PPT，它可以继续按照相同的布局、语气和视觉风格完成整套演示；处理文档和表格时，它也会主动筛选真正相关的信息，而不是把上下文里的所有东西重新复述一遍。在 ChatGPT 的 Sites 功能中，Astra 甚至可以从一句提示词开始，直接创建、托管和分享网站、Web App 以及游戏。 另一个变化是 Astra 更会「自己拿主意」了。 当指令里缺少一些不影响最终结果的细节时，它会利用上下文自行补全；只有当缺失信息可能真正改变结果时，它才会向用户提问。在 Codex 中，它甚至可以一边继续处理不依赖用户回答的工作，一边异步等待回复。 此前模型经常出现的另一个问题，是用户中途补充一句要求，它就突然把新消息当成新的总目标，把最开始的任务忘掉。OpenAI 表示，Astra 可以更好地保持原始目标，同时接受中途修改、回答支线问题，再继续完成之前的任务。 编程、科学，以及更长时间的 Agent 软件工程同样是 Astra 提升最明显的领域之一，OpenAI 直接称它是「目前最好的软件工程模型」。 Terminal-Bench 4.0 中，Astra 得分达到约 58% ，GPT-5.6 Sol 为 37.3%，Claude Fable 5.1 为 55.8%。 在内部数据库迁移任务中，Astra 达到 63.9%，GPT-5.6 Sol 只有 42.7%。 另外，Codex 加入了一种新的长任务上下文机制。 过去，一项编程任务持续太久、上下文窗口装不下时，模型通常会通过 compaction，把之前的内容压缩成摘要。 问题在于，每压缩一次，都可能丢掉一些细节。某个方案为什么失败、一项测试之前出现过什么异常、一段代码为什么不能修改，都可能在多次压缩后消失。到了 Astra，Codex 可以让模型在不同上下文窗口之间保存自己的笔记，同时此前完整的上下文依然可以被搜索。 也就是说，即便某条需求没有被写进摘要，模型之后仍然可以回头把它找出来。 对于真正持续数小时甚至更长时间的软件工程 Agent 来说，这种能力的意义可能比单纯再扩大一次 Context Window 更大。 科学研究也是类似的逻辑。 Astra 在 GPQA Diamond 上达到 96.0% ，FrontierMath Tier 4 达到 97.6% 。OpenAI 还表示，Astra