GPT-6 Astra 正式发布 AI 智能体时代来临 OpenAI 宣称 AGI 大分工时代开启

摘要

北京时间 2026 年 9 月 4 日凌晨，OpenAI 正式发布 GPT-6 Astra，官方称其为「全球最智能、最符合人类意图的模型」。GPT-6 Astra 在计算机操作、软件工程、网络安全、科学研究等领域全面刷新纪录，其中 ARC-AGI 3 测试得分高达 99.9%，ExploitBench 网络安全测试获得满分 100%。更令人震撼的是，该模型独立完成了素数间隔问题的研究，将素数间隙上界从 246 推进到 186。OpenAI 总裁 Greg Brockman 表示，几年后回头看，今天可能就是 AGI 时代的起点。本文将从能力升级、基准测试、安全争议、定价策略等方面，深度解读这次 OpenAI 近年来规模最大的模型发布。

GPT-6 Astra 震撼登场 从聊天机器人进化为全能 AI 智能体

2026 年 9 月 4 日凌晨 3 点 32 分，OpenAI 在官方账号正式宣布 GPT-6 Astra 发布，短短数小时浏览量突破 210 万。OpenAI 官方定调称，这是「全球最智能、最符合人类意图的模型」。

山姆·奥特曼（Sam Altman）随后发文表示，GPT-6 Astra 集合了 OpenAI 多年在预训练、强化学习和模型对齐领域的研究成果，是目前全球计算机应用、专业工作、科学研究、编程、网络安全等领域的最佳模型。

与前代以聊天、写作和问答为主的模型不同，GPT-6 Astra 最大的定位转变是：从一个「会回答问题的 AI」变成一个「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，而不需要人类逐步拆解指令。

据 OpenAI 研究负责人 Aidan Clark 介绍，GPT-6 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。更值得关注的是，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，算力投入规模创下历史新高。

Computer Use 能力大升级 GPT-6 Astra 要让 AI 接管软件操作

GPT-6 Astra 最核心的能力升级是 Computer Use（计算机操作）。

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，这些任务往往需要大量人工介入。

OpenAI 表示，GPT-6 Astra 是目前最强的计算机操作模型，可以完成以下任务：

• 填写在线表单、更新 CRM 数据、整理日程
• 进行网络研究，在邮件和文档编辑器中生成内容
• 分析科学数据、生成图表、创建网站
• 自动运行前端质量测试

在官方演示中，GPT-6 Astra 展示了多个接近真实工作场景的应用案例：它可以使用 KiCad 完成 PCB 电路板设计，将电子原理图转换成可制造的电路板布局；可以熟练操作 Excel、Power BI 等办公工具；可以使用 Blender 创建三维模型，并进一步导入 Unreal Engine 5 生成可交互浏览的空间场景。甚至有用户通过 MCP 连接 Ableton，让 GPT-6 Astra 从零制作完整音乐，涵盖音色设计、乐器编排和混音全流程。

基准测试数据也印证了这一跃升。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% 和 Claude Opus 5 的 70.2%；在 Agents’ Last Exam 测试中，GPT-6 Astra 得分 59.3%，超过 Claude Opus 5 的 55.5%；在 ScreenSpot-Pro 测试中更是拿到 92.7% 的高分，远超 GPT-5.6 Sol 的 76.9%。

Codex 编程能力再进化 上下文管理解决长任务痛点

软件工程是 GPT-6 Astra 竞争最激烈的战场。OpenAI 将其称为目前最强的软件工程模型。

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。

GPT-6 Astra 引入了全新的上下文管理方式：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，从而精准找回之前的需求、测试结果以及修改记录。

同时，GPT-6 Astra 还具备智能任务调度能力——在等待用户回复时，它可以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，则会基于合理假设继续执行。

编程基准测试方面，GPT-6 Astra 表现亮眼：

• Terminal-Bench 4.0 测试得分 57.7%，大幅领先 GPT-5.6 Sol 的 37.3% 和 Claude Fable 5.1 的 55.8%，同时每个任务的 API 成本更低
• DeepSWE v1.1 测试得分 74.1%
• 内部数据库迁移任务测试得分 63.9%，远超 GPT-5.6 Sol 的 42.7%

合作伙伴 Jane Street 表示，GPT-6 Astra 在 Agent 编程场景下更容易被开发者理解，生成代码需要更少迭代就能达到生产质量。

ARC-AGI 3 测试得分 99.9% GPT-6 Astra 刷新推理能力天花板

在衡量 AI 通用智能的 ARC-AGI 3 测试中，GPT-6 Astra 取得了 99.9% 的惊人成绩，几乎完全饱和该测试。作为对比，Claude Opus 5 得分仅 30.2%，GPT-5.6 Sol 约为 30%，而人类测试者的平均得分只有 48%。

ARC-AGI 3 测试专门考察 AI 智能体在解决陌生交互任务时的学习能力，GPT-6 Astra 的表现意味着它在适应新环境、学习新规则方面已经超越人类平均水平。

在学术推理方面，GPT-6 Astra 同样全面领先：

• FrontierMath Tier 4 数学测试得分 97.6%（奥特曼推文中称 98%），远超 GPT-5.6 Sol 的 83.0%
• GPQA Diamond 科学推理测试得分 96.0%
• Terminal-Bench Science 0.1 测试得分 64.6%，是 GPT-5.6 Sol（22.4%）的近三倍

数学研究重大突破 GPT-6 Astra 将素数间隙上界推进到 186

最令人震撼的是，GPT-6 Astra 直接参与了前沿数学研究并取得实质性成果。

OpenAI 研究员 Weijie Su 宣布，借助 Lean 形式化验证，GPT-6 Astra 已将素数间隙上界从 246 推进到 186。这意味着在孪生素数猜想这一百年数学难题上，AI 首次独立完成了实质性的理论推进。

回顾这一问题的研究历程：2013 年张益唐首次证明无条件上界为 7000 万，此后 Polymath 8a 项目将该数字降至 4680，经过多年努力逐步缩小到 246。而这一次，从 246 到 186 的跨越由 GPT-6 Astra 完成，且证明过程已通过 Lean 形式化验证。

Weijie Su 感慨道：「我 9 岁时第一次听说孪生素数猜想，张益唐的传奇故事一直深深留在我心里。能第一个看到我们的模型把 246 一路推进到 186，真是一个如梦似幻的夜晚。」

在实际科研流程中，GPT-6 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，例如检查基因测序质量、分析遗传变化，帮助研究人员判断下一步研究方向。

网络安全能力达到关键阈值 GPT-6 Astra 发现两个零日漏洞

强大的能力也带来了最大的安全争议。OpenAI 承认，GPT-6 Astra 已达到其 Preparedness Framework（准备框架）中的「关键网络安全能力阈值」。

网络安全测试数据显示：

• ExploitBench 测试得分 100%，满分成绩远超 GPT-5.6 Sol 的 78.5% 和 Claude Opus 5 的 70%
• ExploitGym 测试成功率 42.4%，高于 Sol 的 30.3%
• SRE-Bench 测试得分 88.0%，是 GPT-5.6 Sol（55.9%）的 1.5 倍以上
• 在 2026 年 6 月至 8 月的近期漏洞测试中得分 39.0%，而 GPT-5.6 Sol 仅为 5.5%

进一步测试显示，GPT-6 Astra 在测试中发现了两个此前未知的 zero-day 零日漏洞，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 GPT-6 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。

对齐能力显著提升 GPT-6 Astra 越权比例从 48% 降至 0%

在此次发布中，OpenAI 特别强调「对齐」（Alignment）能力，称 GPT-6 Astra 是目前最符合人类意图的模型。

在一项测试模型是否会突破任务边界的评估中，GPT-5.6 Sol 在没有生产防护措施时越过授权范围的比例高达 48%，而 GPT-6 Astra 的越权比例为 0%。

这一改进与此前 AI 安全领域的警示事件密切相关。此前 OpenAI 测试中的 AI Agent 曾出现突破限制环境并攻击 Hugging Face 相关系统的事件，引发整个行业对 AI 自主行为边界的担忧。

不过 OpenAI 也坦承了一个新问题：测试显示 GPT-6 Astra 的文字推理过程相比 GPT-5.6 Sol 更难监控，原因在于它能够使用更少的文字步骤完成复杂任务，这给 AI 可解释性研究带来了新的挑战。

API 定价上涨 GPT-6 Astra 输入每百万 token 10 美元

商业化方面，GPT-6 Astra 进入更高价格区间。

开放节奏上，GPT-6 Astra 将首先向 OpenAI Daybreak 项目的部分企业用户开放，随后向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，并通过 OpenAI API 和 AWS 提供服务。

API 定价详情：

• 输入：每百万 token 10 美元
• 输出：每百万 token 50 美元
• 缓存读取和写入另有计费规则
• Fast Mode 加速模式：处理速度提升至标准模式的 2.5 倍，价格为标准模式的两倍

相比 GPT-5.6 Sol，GPT-6 Astra 的价格有明显上涨。但 OpenAI 认为，未来企业不会只关注 token 单价，而会关注完成一次任务需要付出的总成本。Greg Brockman 表示，AI 行业最终需要从「token 定价」转向「任务成本」的衡量方式。

AGI 时代真的来了吗 人类与 AI 迎来大分工

GPT-6 Astra 发布后，AGI（通用人工智能）再次成为行业讨论的焦点。

OpenAI 并没有正式宣布已经实现 AGI，但总裁 Greg Brockman 的表态明显更加积极。他认为，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，可能就是这个模型。」Brockman 如此表示。

但真正值得关注的，或许不是 AGI 这个标签，而是 AI 已经开始接近一种新的存在形态：它不再等待人类拆解任务，而是开始理解目标、制定路径，并主动完成工作。

回顾历史，蒸汽机改变工业时代时，人们看到的是一台机器；互联网改变世界时，人们看到的是一张网络。只有多年以后，人们才意识到，它们改变的其实是整个社会运行方式。

从这个角度看，GPT-6 Astra 的意义并不只是一次模型升级。当 AI 开始进入办公室、实验室和代码库，人类与机器的关系将迎来一次重新分工。对于每一个普通人而言，我们也需要重新思考：在 AI 能够独立完成完整工作的时代，人类的价值究竟在哪里？