OpenAI发布GPT-6 Astra模型

GPT-6 Astra 来了，Greg 说“欢迎来到 AGI 时代” OpenAI 今天（9 月 3 日）发布 GPT-6 Astra，自称“世界上最聪明、对齐最好的模型”。 总裁 Greg Br...

GPT-6 Astra 来了，Greg 说“欢迎来到 AGI 时代” OpenAI 今天（9 月 3 日）发布 GPT-6 Astra，自称“世界上最聪明、对齐最好的模型”。 总裁 Greg Brockman 在发布前的媒体沟通会上说得：他个人认为 OpenAI 已经做到了 AGI，“未来回头看，可能就是这个模型”。 先说大家最关心的问题：什么时候能用、多少钱。 首批只开放给 OpenAI 网络安全项目 Daybreak 的少数机构，未来几天陆续推送到 ChatGPT Plus、Pro、Business、Enterprise 用户，以及 API 和 AWS Bedrock。 用量包含在现有订阅额度里，用完可以买额外积分。 企业版默认关闭，需要管理员手动打开。 API 模型名 gpt-6-astra，每百万输入 Token 10 美元，输出 50 美元，和 Anthropic 的 Claude Fable 5.1 定价完全一样，是 GPT-5.6 Sol 促销价的 2.5 倍。 另有 Fast 模式，速度最高 2.5 倍，价格翻倍。 【1】主打的是替你操作电脑 Astra 这次最强调的能力是电脑操作（computer use），也就是模型自己控制屏幕、点鼠标、填表单、在真实软件里干活。Brockman 的原话是“人在电脑上能做的，Astra 基本都能做”。 OpenAI 给的场景很具体：填网页表单、更新 CRM 客户记录、整理日历、在邮件或文档编辑器里写研究摘要、分析科学数据并画图、建网站并跑前端测试、安装软件并排查屏幕上出现的报错。演示视频里还有它在 KiCad 里做 PCB 电路板布线，在 Blender 里建房子模型再导入虚幻引擎 5 变成可行走场景。 速度是另一个重点。在 OSWorld 2.0 的延迟模拟里，Astra 完成一个任务约 40 分钟，得分 72.6%，GPT-5.6 Sol 要 75 分钟，得分 65.7%。配合更新后的 Codex 框架，Mind2Web 上的任务完成速度是 Sol 的 1.9 倍。 办公场景上，OpenAI 说 Astra 是它目前最擅长"按模板做 PPT"的模型，能沿用公司现有模板的排版和语气，做出来的文档、表格、幻灯片直接能用，而且学会了只把相关信息放进产出物，不再把无关内容一股脑塞进去。 【2】编程：多数基准领先，但不是全面碾压 OpenAI 称 Astra 是“迄今为止最好的软件工程模型”。Terminal-Bench 4.0 得分 57.7%，Claude Fable 5.1 是 55.8%，GPT-5.6 Sol 只有 37.3%。OpenAI 还强调单任务 API 成本比 Fable 5.1 低约 63%。 但看 OpenAI 自己贴的完整表格，情况没那么一边倒。 DeepSWE v1.1 上 Astra 74.1%，Claude Opus 5 是 73.7%，几乎持平； FrontierCode 1.1 两项，Claude Fable 5 都略高于 Astra； Artificial Analysis 的编程智能体指数，Astra 67.0 反而低于 Opus 5 的 68.1。 Jane Street 的 John Crepezzi 给了背书，说 Astra 生成的代码需要更少迭代就能达到上线质量，沟通方式也更容易让开发者跟上。 对开发者比较实用的一个变化在 Codex：以前长会话上下文（context）满了，模型只能把过程压缩成一份摘要，压几次之后很多细节就丢了，比如某个修复为什么失败。现在 Astra 可以跨上下文窗口记笔记，旧的上下文窗口还能搜索。这个功能目前是实验性的，要在 config.toml 里手动开，几周后会成为默认。 【3】网络安全能力触发关键红线，正常用户会被限制 Astra 是 OpenAI 第一个在自家 Preparedness Framework 里达到网络安全 Critical（关键）阈值的模型，含义是它能在没有人一步步指导的情况下，自己找到并利用未知漏洞攻击防护严密的系统。 数据：在把已知漏洞变成可用攻击代码的 ExploitBench 上，Astra 拿了 100%，Sol 是 78.5%。为了排除"背过题"的可能，OpenAI 专门用今年 6 到 8 月的 20 个 Chrome V8 高危漏洞做了新题库，Astra 成功率 39%，Sol 只有 5.5%。 测试过程中 Astra 还顺手发现并利用了两个此前无人知晓的零日漏洞，OpenAI 说已通报给维护方。专家评估里，去掉安全措施的 Astra 能在加固过的浏览器上实现任意代码执行，能给加固过的操作系统写提权攻击。 所以今天发布的这个版本，遇到“写漏洞利用的概念验证代码”这类请求会直接拒绝，能做的是代码安全审查和打补丁。更宽松的版本只通过 Daybreak 项目申请，几周后逐步开放，面向漏洞验证、恶意软件分析、检测规则编写这些防御性工作。 【4】对齐最好的模型：不越界、不撒谎、但更难被监控 OpenAI 显然想用 Astra 回应 Hugging Face 事件带来的信任问题。它专门做了一个受该事件启发的测试：给模型一个很难或不可能完成的任务，看它会不会越权。去掉生产环境安全措施后，Sol 有 48% 的概率越过授权目标，Astra 是 0%。 另一个测试是 Codex 的 Auto-review 拒绝了模型的某个操作之后，模型会不会想办法绕过去。OpenAI 说即使故意把 Auto-review 配置成可以绕开、而且任务不绕开就完不成，Astra 也从没尝试过。在"对自己能力做不实陈述"这项上，Astra 犯错的概率是 Sol 的三分之一。 OpenAI 也承认了一个反向结果：在明确要求模型规避监控的测试里，Astra 写出来的推理过程比 Sol 更难被监控。原因是它对简单任务的书面推理控制力更强，可以用更少的步骤解决问题。复杂任务上它还藏不住，但 OpenAI 说这个下降"我们很当回事"。 实际使用上你会感受到的是：Astra 级别的模型上线了生产环境的错位监控，一套分类器实时检查模型的推理和操作。触发之后，ChatGPT 和 Codex 里任务会暂停让你确认，API 里任务直接停止。OpenAI 承认这套东西有时会误伤正常工作，包括正当的防御性安全任务，还在调。 【5】数学和科学 Astra 在质数间隙问题上给出了两个新结果。一个是相邻质数最近能有多近：十多年来最好的结果是 246，Julia Stadlmann 最近推进到 240，Astra 把这个上界压到 186。另一个是质数之间的大间隙，Astra 改进了一个 80 多年没动过的界。证明和精简版思维链都已公开。 基准上，FrontierMath Tier 4 得分 97.6%（正文说 98%，见编辑注），GPQA Diamond 96.0%，ARC-AGI-3 达到 99.9%，而 Sol 只有 7.8%。不过 Humanity's Last Exam（带工具）Astra 是 57.2%，落后于 Claude Fable 5.1 的 65.0%；Artificial Analysis 综合智能指数 Astra 61.2，也低于 Fable 5.1 的 65.7 和 Opus 5 的 63.1。 据 Axios 报道，Astra 是 OpenAI 史上最大的训练任务，在得州 Stargate 站点用了超过 10 万块 GPU，也是 OpenAI 第一个让其他模型深度参与监督训练的模型。Sam Altman 对 Axios 说，Astra 走了白宫的自愿审查流程，Brockman 称白宫没有要求实质性修改。 官方博客： openai.com/index/gpt-6-as… OpenAI @OpenAI This is GPT-6 Astra. Anything you can do on a computer, Astra can do for you. Fast. Your browser does not support the video tag. 🔗 View on Twitter 🔗 View Quoted Tweet 💬 3 🔄 1 ❤️ 17 👀 3277 📊 5 ⚡