OpenAI今天发布GPT-6 Astra，自称“世界上最聪明、对齐最好的模型”…

OpenAI今天发布GPT-6 Astra，自称“世界上最聪明、对齐最好的模型”。总裁Greg Brockman在媒体沟通会上表示，个人认为OpenAI已经做到了AGI。 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。 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。 【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。 【3】网络安全能力触发关键红线 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。 【4】对齐最好的模型：不越界、不撒谎 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。 【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。 基准上，FrontierMath Tier 4得分97.6%，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%。 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。 官方博客：openai.com/index/gpt-6-as…