OpenAI于2026年9月4日正式发布旗舰模型GPT-6 Astra，总裁Greg Brockman直接宣告“几年后回头看，今天就是AGI时代的起点”。这不仅是一次性能飞跃，更标志着AI从“对话助手”转向“自主工作智能体”，人类与机器的关系迎来重新分工。以下从核心定位、关键能力、基准成绩、安全对齐、定价与行业影响五个维度详细总结。

一、核心定位与训练规模

• 定位：GPT-6 Astra被定义为“全球最智能、最符合人类意图的模型”，在计算机操作（Computer Use）、浏览器使用、软件工程、网络安全、科学研究及专业工作等领域树立新标杆。

• 训练：OpenAI历史上规模最大的训练任务之一，首次在美国得州Stargate基地动用超过10万张GPU完成预训练；同时也是首款由前代模型深度参与训练监督的新一代模型，实现递归自我改进。

二、关键能力升级

1. Computer Use + Browser Use 不再局限于生成代码或回答问题，而是能直接操作电脑和浏览器：填写在线表单、更新CRM数据、整理日程、进行网络研究、生成邮件与文档内容。官方演示中，Astra可操作KiCad完成PCB设计、使用Blender建模并导入Unreal Engine 5生成可交互3D场景，甚至通过MCP连接Ableton制作完整音乐。2. 软件工程 升级Codex harness，引入跨上下文窗口保存笔记、搜索历史消息与工具输出的机制，避免长任务中细节丢失；能在等待用户回复时继续推进不依赖该信息的任务。合作伙伴Jane Street表示，Astra生成的代码需要更少迭代即可达到生产质量。3. 科学研究 直接参与数学研究：在Lean形式化证明辅助下，将素数间隔上限从246推进至186，相关论文由Astra完成。此外可进入专业软件环境分析基因测序数据等。4. 网络安全 在ExploitBench测试中获100%满分，并发现两个此前未知的zero-day漏洞（已向维护方披露）。但能力伴随风险，OpenAI采取分级开放：普通用户版本拒绝部分高级请求，经过审核的安全团队可通过Daybreak项目获得更开放权限。

三、基准测试成绩（多项接近饱和）

测试领域 具体基准 GPT-6 Astra 对比模型（示例）

数学 FrontierMath Tier 4 v2 97.6% GPT-5.6 Sol 83.0%

陌生推理 ARC-AGI-3 99.9% 平均人类测试者48%

漏洞利用 ExploitBench 100% GPT-5.6 Sol 78.5%

编程 Terminal-Bench 4.0 57.7% GPT-5.6 Sol 37.3%

学术 GPQA Diamond 96.0% Gemini 3.8 Flash 95.3%

Agent Agents’ Last Exam 59.3% GPT-5.6 Sol 53.6%

电脑操作 OSWorld 2.0 72.6% GPT-5.6 Sol 65.7%

这些成绩表明Astra已从“回答问题”转向“直接完成工作”。

四、安全与对齐

• 边界意识：在测试模型是否突破任务边界的评估中，GPT-5.6 Sol无防护时越界比例达48.2%，而Astra为0%。

• 监控挑战：Astra能用更少文字步骤完成复杂任务，导致其文字推理过程比前代更难监控。

• 安全机制：OpenAI强调已建立更完善的安全体系，但承认需持续应对自主行为边界问题。

五、定价与商业化

• API定价：标准模式输入10美元/百万token、输出50美元/百万token；快速模式（速度提升至2.5倍）价格翻倍。整体定价约为前代GPT-5.6 Sol的2.5倍。

• 成本逻辑：OpenAI主张企业不应只关注token单价，而应衡量“完成一次任务的总成本”——Astra虽单次调用更贵，但能减少返工、用更少步骤交付。

• 开放范围：首先向Daybreak企业用户开放，随后覆盖ChatGPT Plus、Pro、Business和Enterprise用户，并通过API与AWS提供服务。

六、行业影响与AGI讨论

Greg Brockman将Astra视为AGI时代的起点，但OpenAI并未正式宣布已实现AGI，认为其更像一个“使命概念”。真正值得关注的是AI形态的转变：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。当AI进入办公室、实验室和代码库，人类与机器将迎来一次“大分工”，社会运行方式或因此重构。