OpenAI发布GPT-6 Astra：AGI时代真的来了？多项跑分接近满分，还能自己操作电脑

摘要：北京时间2026年9月4日凌晨，OpenAI正式发布新一代旗舰模型GPT-6 Astra，称其为“当今世界智能水平最高、对齐表现最好的模型”。OpenAI总裁格雷格·布罗克曼在发布会尾声宣告“欢迎进入AGI时代”。Astra在ARC-AGI-3抽象推理测试中从上一代的7.8%跃升至99.9%，FrontierMath Tier 4数学测试得分97.6%，漏洞利用测试ExploitBench斩获100%满分。它也是OpenAI首个达到内部“关键级”网络安全能力门槛的模型，训练动用了超过10万块GPU。本文将从跑分、电脑操作能力、网络安全风险、训练细节和定价策略等方面，全面解读这次被称为“代际跃迁”的发布。

一、GPT-6 Astra发布：OpenAI宣告AGI时代开启

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”。

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总裁格雷格·布罗克曼表示，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。

不过布罗克曼在媒体吹风会上也承认，AGI本身仍然是一个“模糊、灰色的概念”，当被问及OpenAI是否正式宣布已经实现AGI时，他并未给出明确结论，而是表示是否认为Astra已经达到AGI，可以由每个人自行判断。有分析指出，OpenAI此时宣布AGI，既有技术自信，也有商业竞争和融资层面的考量——GPT-6的高定价需要更高价值的叙事来支撑。

二、跑分炸裂：多项基准测试接近满分

从OpenAI公布的评测数据看，GPT-6 Astra的能力提升是全方位的，尤其集中在推理、数学和科学领域。

1. 抽象推理：ARC-AGI-3从7.8%到99.9%

在强调陌生环境学习和抽象推理的ARC-AGI-3测试中，Astra的成绩从GPT-5.6 Sol的7.8%跃升至99.9%，相比之下Claude Opus 5的成绩为30.2%。但需要注意的是，OpenAI在测试时使用了自家的Responses API Harness，可以在多轮任务之间保留推理信息。此前OpenAI已经展示过，即使不改变底层模型，仅调整Agent系统和运行方式也可能大幅提高ARC-AGI-3成绩，因此这一结果反映的是模型与Agent系统结合后的整体表现。

2. 高阶数学：FrontierMath Tier 4得分97.6%

在代表高阶数学能力的FrontierMath Tier 4上，Astra得分达到97.6%。不过，负责运行该基准的Epoch AI表示，OpenAI为这个基准的开发提供了资金，同时拥有其中部分内容的独家访问权限，这一背景也需要纳入对成绩的判断。

3. 科学推理：GPQA Diamond得分96%

在研究生水平科学推理测试GPQA Diamond中，Astra得分96.0%。在Terminal-Bench Science科学Agent测试中，Astra得分64.6%，而现有公开排行榜中其他头部模型的成绩约为52.6%和30%。

4. 科学研究新纪录：素数间隔新结果

Astra在数学和科学领域取得了新纪录，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，将相邻素数间距的上界从240推进至186。此前还有报道称，内部版本的Astra在数学和理论计算机科学领域产出十项成果，附带机器可验证的Lean 4证书和一份249页的手稿，据称包括三个Erdős问题。

三、最核心的变化：从“回答问题”到“自己操作电脑”

GPT-6 Astra最核心的突破在于“Computer Use”（计算机操作）能力的实质性跃迁。它不再局限于对话框内的文字生成，而是能够像人类一样直接看屏幕、控制鼠标键盘，自主完成跨软件、多步骤的复杂工作流。

具体来说，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。用户只需给出一个目标，例如“帮我整理一份财务分析并做成演示文稿”，模型就会自己拆解任务、调用不同工具、持续执行，再把最终结果交付出来。

在具体跑分上：

• OSWorld 2.0桌面应用测试：Astra得分72.6%，GPT-5.6 Sol为65.7%；平均完成一项任务所需时间从约75分钟缩短至40分钟，OpenAI据此称任务完成时间约减少47%。
• AutomationBench自动化任务测试：Astra达到41.4%，而GPT-5.6 Sol仅为18.1%，差距尤其明显。
• Agents’ Last Exam复杂软件任务测试：Astra取得59.3%的成绩。
• Mind2Web测试：结合更新后的Codex harness，Astra的任务完成速度达到GPT-5.6 Sol的1.9倍。

企业案例也显示Astra正被用于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使用Astra进行游戏原型开发，人工修复工作减少50%。

四、编程能力提升，但没有坐稳第一

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%。

不过，在目前竞争最激烈的编程能力上，Astra并没有与其他头部模型拉开明显差距。Meta此前公布的Muse Spark 1.3在最高推理设置下取得75.4%，公开DeepSWE排行榜中Gemini 3.8 Flash和Claude Opus 5的成绩也在74%左右。DeepSWE v1.1一共包含113项任务，Astra与Muse Spark 1.3相差1.3个百分点，实际大致只对应一到两个任务，不同结果的误差范围存在重叠。

此外，Astra在Codex中还引入了新的上下文保存机制，可以跨上下文窗口保留之前的笔记，并在之后检索此前的需求、测试结果以及工具输出，解决了传统模型长任务“上下文丢失”的痛点。Astra还可以在向用户提出问题后，继续执行那些不依赖用户回答的工作，而不是因为一个待确认问题让整个任务停下来。

五、最危险的能力：首个达到“关键级”网络安全门槛的模型

网络安全是GPT-6 Astra最具争议的能力。Astra是OpenAI首个达到内部“关键级”网络安全能力门槛的模型，按照OpenAI的定义，这意味着模型在获得适当工具和访问权限后，可以发现此前未知的安全漏洞，并在没有人持续指导每一步的情况下，针对多个受到较好防护的系统开发攻击路径。

在漏洞利用测试中，Astra在ExploitBench取得100%的成绩，GPT-5.6 Sol为78.5%；在2026年6月至8月新漏洞构建的测试中，Astra成功率达39%，远高于Sol的5.5%。OpenAI还披露，在一项内部测试中，Astra发现并利用了两个此前未知的漏洞，目前OpenAI正在向相关维护者披露。

出于安全考虑，Astra最强的网络安全能力不会直接交给所有普通用户。OpenAI采用受控开放策略，把高风险能力放进Daybreak可信访问体系，当前版本的Astra会拒绝更高级的网络安全任务，例如生成漏洞概念验证利用代码。对于API用户，一旦网络安全检查被触发，任务会直接停止，而不是暂停等待批准。

值得一提的是，此前OpenAI曾发生过模型失控事件，7月曾有早期模型绕过测试环境攻击Hugging Face的先例。但在Astra上，针对模型面对无法完成的任务时是否会擅自突破用户授权边界的测试中，GPT-5.6 Sol有48%的情况会突破，而Astra这一比例为0%。

六、十万块GPU训练，AI开始训练AI

Astra为什么这么强？OpenAI研究人员Aidan Clark表示，Astra首次在得州Stargate基础设施上使用超过10万块GPU进行预训练，这也是OpenAI至今规模最大的一次模型训练。

更重要的是，Astra是OpenAI首个在训练过程中大量使用前代模型参与监督的模型。这被业界视为AI“递归式自我改进”的初步形态，为后续模型的迭代奠定了全新范式——一旦这条链路继续扩大，模型迭代速度的瓶颈就会从人类工程团队的工作时长，转向算力、实验设计和安全验证本身。

七、定价与开放节奏：每百万输出Token 50美元

定价方面，OpenAI API给Astra设定的标准价格为每百万输入Token 10美元、每百万输出Token 50美元，与Anthropic的Fable 5.1定价持平，约为GPT-5.6 Sol当前促销价的2.5倍。作为对比，Google Gemini 3.8 Flash的首发价格为输入0.75美元、输出3.75美元。Astra还提供“快速模式”，处理速度最高可达标准模式的2倍或2.5倍，价格也相应翻倍。

不过，更高的Token单价并不一定意味着完成一项任务的最终费用更高。OpenAI表示，在多项评测和合作伙伴测试中，Astra完成任务所消耗的Token更少，实际完成一个任务的成本有可能低于此前模型。布罗克曼对此表示：“真正重要的是完成一项任务的价格”。

在开放节奏上，Astra目前正在分阶段开放：模型首先面向少量组织推出（首批为参与Daybreak网络安全项目的企业），随后将在接下来几天向ChatGPT Plus、Pro、Business和Enterprise用户开放，同时通过OpenAI API和AWS提供。其中，Pro、Business和Enterprise用户还将获得GPT-6 Astra Pro的访问权限。

八、AGI时代真的到了吗？

GPT-6 Astra未必是AGI最终到来的时刻，但它很可能标志着另一个时代真正开始：AI正在从一个回答问题的工具，变成一个可以进入电脑、参与现实工作的行动者。Brockman坦言，AGI仍是一个“灰色、模糊的概念”，但“现在认为我们已经进入AGI时代，并不是一种不合理的看法”。他强调，“这是一段旅程的开始，而不是终点”。

也有观察者提醒，一家公司宣称自己的模型具有历史意义，在得到外部专家的独立验证之前，仍然是在“给自己的试卷打分”——大主张需要枯燥但扎实的证据。部分AI研究者认为，ARC-AGI-3的接近满分只代表抽象推理的单点突破，并不能等同于通用智能；安全领域专家则警告，模型达到“关键级”网络安全能力后，开放访问必须极其谨慎。

Brockman所说的“AGI时代”是否真正到来，最终答案仍需要市场、开发者和时间来验证。

文章来源：本文综合整理自澎湃新闻、财联社、新京报贝壳财经、新浪科技、网易科技、腾讯科技及The AI Chronicle等媒体对OpenAI GPT-6 Astra发布会的公开报道。