9.0
重磅
AI SCORE
模型发布2026-09-04 05:50
GPT-6 正式发布，OpenAI 宣称进入 AGI 时代
量子位#OpenAI#GPT-6#AGI
Editor brief · 编辑速览
OpenAI 发布 GPT-6，官方宣称代表通用人工智能时代的到来，是目前全球最强模型。
刚刚，万众期待的 GPT-6 Astra 和 GPT-6 Astra Pro 正式发布！
GPT-6 Astra 是世界上最智能、最协调的模型，为 Computer Use、Browser Use、软件工程、网络安全、科学和专业工作树立了新的标杆。
AGI 时代，还被 OpenAI 单方面宣布「开幕」了……
GPT-6 发布会最后，OpenAI 总裁 Greg Brockman 直接甩下一句：
Welcome to the AGI era.
怪不得 Claude、Grok 组团掉线，原来是 Astra 启动后扫描互联网，直接把地球上的 LLM 全灭了——
奥创（OpenAI 版）真来了（doge）。
当然了，OpenAI 这次确实完全没低调，训练规模、能力升级全部拉满。
据介绍，Astra 是 OpenAI 历史上规模最大的训练任务，在得州 Stargate 园区动用超过 10 万块 GPU 完成了预训练。
它还是 OpenAI 第一款由前代模型深度参与训练监督的旗舰产品。
好一个老带新，OpenAI 的 RSI 是真转起来了啊……
GPT-6 的价格也正式公布，API 定价为：
相当于 GPT-5.6 Sol 的 2.5 倍，跟刚刚发布的 Fable 5.1 持平。
（GPT-5.6 Sol 当前官方价为输入 4 美元、输出 20 美元/百万 token）
GPT-6 Astra 这次最核心的变化，是从「回答问题」继续向「直接完成工作」推进。
它不只能生成一段文字或代码，还可以操作电脑和浏览器，进入不同软件执行多步骤任务，最后交付可以直接使用的文档、表格、演示文稿、网站甚至工程项目。
至于成绩单……谁看了都直呼离谱，其中三项成绩尤其扎眼：
其中，ARC-AGI-3 是一项专门考验大模型适应陌生环境能力的测试，不给规则说明，直接把模型扔进从未见过的二维游戏里，让它边玩边摸索通关方法。
这个分数意味着，面对从未见过、也没有现成解法的问题，Astra 已经表现出很强的自主探索和规则学习能力。
不过，这一成绩使用了 OpenAI 的 Responses API Harness 运行框架。
OpenAI 称，这套 Harness 调整了两项设置，让测试更接近真实 Agent 的使用方式，但并未针对 ARC-AGI-3 进行专项优化。
因此，99.9% 不完全是基础模型的成绩，也包括记忆管理和 Agent 运行框架带来的增益。
编程 Coding 同样是 Astra 这次的重点升级方向。
在 Terminal-Bench 4.0 上，Astra 取得 57.7%，超过 Fable 5.1 的 55.8% 和 GPT-5.6 Sol 的 37.3%。
在 DeepSWE v1.1 上，Astra 得到 74.1%，高于 Sol 的 72.7% 和 Fable 5.1 的 67.4%。
数学和科学方面，Astra 同样拉出了一批高分。
在高难数学测试 FrontierMath Tier 4 v2 上，它拿到 97.6%；研究生级科学问答 GPQA Diamond 达到 96%，略高于 Gemini 3.8 Flash 的 95.3%。
更突出的变化，是 Astra 把代码能力与 Computer Use 结合了起来，不只生成代码，还能进入终端和开发工具执行、测试、发现问题，再继续修改。
这种变化，在更接近真实工作的 Agent 测试中更明显。
在 Agents' Last Exam 上，Astra 取得 59.3%，超过 GPT-5.6 Sol 的 53.6% 和 Claude Opus 5 的 55.5%。
这项测试把它放进真实的电脑环境中，让它同时操作软件、终端和文件，完成科研、工程、财务等领域的长流程任务，并根据最终交付物判分。
而在更贴近真实办公流程的 AutomationBench 上，Astra 的成绩从 GPT-5.6 Sol 的 18.1% 提高到 41.4%，也超过了 Fable 5.1（31%）。
这项测试不仅看任务有没有完成，还同时呈现完成任务所需的 API 成本。
从图中可以看到，Astra 在不同成本设置下的成绩都明显高于 Sol。
OSWorld 2.0 考察的则是更直接的电脑操作能力。在离线测试中，Astra 获得 72.6%，GPT-5.6 Sol 为 65.7%。
Astra 完成单项任务平均需要约 40 分钟，Sol 则需要约 75 分钟，耗时减少约 47%。
准确率提高的同时，完成任务所需的时间也在缩短。这也变相解释了 Astra 的高定价。
OpenAI 认为，相比每百万 Token 多少钱，真正有意义的指标是完成一项任务需要多少钱。
在发布会上，Greg Brockman 对此也谈到，一个模型单次调用更贵，但如果能减少返工，用更少步骤完成整项工作，总成本反而可能更低。
它在 ExploitBench 上获得满分，在 ExploitGym 上从 Sol 的 30.3% 提高到 42.4%。
面对近三个月公开的新漏洞，Astra 的成功率为 39%，而 Sol 只有 5.5%。测试期间，Astra 还发现并利用了两个此前未知的 V8 零日漏洞。
能力变强之后，OpenAI 还专门测试了它会不会为了完成任务而越界。
在一项模拟网络安全任务中，OpenAI 故意在周边系统里留下可以利用的诱饵漏洞。当原任务难以完成时，GPT-5.6 Sol 有 48.2% 的测试出现越界行为，Astra 则为 0%。
也就是说，Astra 不仅更会找漏洞，也更清楚哪些系统不能碰。
至于这些分数落到现实里是什么样，OpenAI 也准备了一大批演示。
在电子工程案例中，Astra 直接进入 KiCad，根据电子原理图完成 PCB 布局。
它需要自己放置元器件、规划位置，再把不同组件之间的铜线连接起来，最后得到一块可以进入制造流程的电路板。
PCB 布局原本是一项相当依赖人工经验的工作，也是电子产品开发中常见的耗时环节。
Astra 现在还谈不上代替专业工程师，但它已经真的打开专业软件开始动手了。
另一个案例更加直观，Astra 先在 Blender 中建立房屋模型，再把它导入 Unreal Engine 5，最终生成一个可以自由行走的三维空间。
从建模到游戏引擎，整个工作跨越了不同软件和文件格式。模型不仅要生成内容，还要理解界面、操作工具，并保证前后步骤能够衔接。
OpenAI 还展示了 Astra 制作赛车游戏等案例。
专业办公场景里，Astra 可以根据企业已有的模板制作演示文稿，而不是只输出一堆等待人类排版的文字。
OpenAI 给它提供了几页 GPT-Gaia 虚构产品的 PPT 模板，Astra 据此制作出完整演示文稿，并延续了原模板的版式、视觉风格和叙事结构。
Astra 还完成了寻找儿科医生、公寓筛选、预约车管所业务、寻找低碳水零食和幼儿园分析等任务。
其中一项儿科医生搜索任务，Astra 用时 2 分 54 秒，而相同任务由人类完成大约需要 5 小时。
过去，企业想让大模型使用内部软件，通常需要为每套系统单独开发 API、插件和连接器。
但绝大多数软件本来就有一套为人类设计的通用接口，屏幕、鼠标和键盘。
Brockman 的判断是，只要模型足够擅长 Computer Use，它就能像人一样直接操作这些界面，不必等待每一款软件为 AI 重新修一条专用通道。
这也是 Astra 与传统聊天机器人最明显的区别。
人类不需要一直告诉它下一步点哪里，只需交代目标和边界，再检查最后的结果。
Computer Use 解决的是「怎么动手」，Codex 泄露的更新内容解决的则是「怎么把一件事持续做完」。
过去，任务超过上下文窗口后，Codex 通常会通过 compaction 压缩此前的信息。
但压缩可能漏掉一些关键细节，比如某个修复方案为什么失败、哪些测试已经运行，或者用户一开始提出了什么限制。
使用 Astra 后，Codex 可以跨上下文窗口保存工作笔记，并搜索此前的消息和工具输出。即使某项信息没有被写入摘要，它也可以回头找到。
Astra 还可以一边工作，一边向用户补问信息。与答案无关的部分不会停下来等回复；只有涉及重要选择时，它才会暂停并等待确认。
OpenAI 还更新了 Codex 的 Computer Use 运行框架。在 Mind2Web 测试中，新框架与 Astra 组合后的任务完成速度，是当前 GPT-5.6 Sol 体验的 1.9 倍。
Astra 目前还没有大范围推送，但第一批企业测试已经开始。
法律 AI 平台 Legora 使用 Astra 一次核对了 41 份财务文件。整个过程只用了几分钟，4 个预先埋入的错误全部被找出，其中包括收入附注中一处 50 万英镑的差额。
单看这项工作，Astra 比上一代模型快了近 40%；不过放到 Legora 所有智能体任务里平均算，提升大概 3%。
另一边，游戏公司 Playco 让 Astra 直接进入 Unity 和 Godot 做游戏。
同一份灰盒底稿，它一次吐出 3 个不同主题的可玩原型，大部分第一版就能跑起来。
Playco 的反馈是，人工修补的活少了一半，空间推理、参考图还原、游戏内 UI 这些地方也比上一代强不少。
这两个例子都说明，GPT-6 Astra 的重点已经不只是回答问题，而是在真实软件和复杂材料中完成整段工作流。
它可以持续读取信息、调用工具、检查结果，再根据反馈修改自己的产出。
按官方消息，Astra 将向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，Astra Pro 则提供给 Pro、Business 和 Enterprise 用户。
发布会上，Greg Brockman 表示，他个人认为世界已经进入 AGI 时代——也就是人工智能系统的综合智力超越人类。
再过几年，当我们回头追问 AGI 究竟诞生于何时，答案很可能就是现在，而 Astra 或许就是那个起点。
OpenAI 已经把牌桌抬到了这里，接下来 Anthropic 什么时候出手，就很值得期待了（doge）
当初 GPT-4 发布之后，微软科学家 Sebastien Bubeck 发表论文称「GPT-4 是 AGI 的早期火花」。
其中设计了用 LaTeX 的绘图包 TiKZ 画一个独角兽的任务，用来说明 GPT-4 对语言中涉及的概念已经有了灵活的理解。
后来一路到 GPT-5.4，虽然画的越来越精致，但终归还是「简笔画范畴」。
到了最新 GPT-6，如果不说已经完全看不出来是用代码画出来的。
说它比「AGI 的早期火花」已经发生了质变，确实不为过。