刚刚，OpenAI又把一张“能干活”的新牌翻到台面上了。GPT-6，代号 **Astra**——目前还没对公众全面开放，但从节奏上看，它已经在往“可以直接用”的方向加速。

OpenAI把它说得很硬：强调对齐、强调能把任务从头做完；更关键的是，演示里那种感觉不是“给你写一段代码”，而是更像让模型去**打开、操作、完成一整套流程**。这对很多人来说意味着什么？意味着AI不再只是屏幕上的回复，而是开始挤进工作里的执行层。
不过，别急着把“最聪明”当成唯一答案。各种榜单和指数并不会完全顺着你期待的叙事走。文章里提到：在 Artificial Analysis 的一些对比中，Astra并不是综合第一；在某些 9 项综合测试里，它最高分也只是到达一个“强但不统治”的区间。甚至在“带工具”的表现上，也出现过不如另一些模型的情况。

但你要是把目光挪到“干活方式”，又会发现它在几个关键点上确实更像“工人”。
首先是**电脑操作**。OSWorld 2.0 的测试口径里，Astra拿到 72.6%，对比 GPT-5.6 Sol 的 65.7% 和 Claude Opus 5 的 70.2%。更直观的是“用时”：同一类延迟模拟下，Astra完成任务大约 40 分钟，而另一个模型要 75 分钟——差的不是零头，是整段工作流节奏。

其次是**多步任务不容易散**。如果你用过智能体（Agent），就知道最烦的不是“不会”，而是“做到一半跑偏”。文中提到它在多步自动化测试里从某个基准显著提升到 41.4%，还有类似“科学工作流”也有更高的通过率。这类提升其实很难靠“聊天能力”解释，更像是规划与记忆机制一起在往前走。
然后是**新发现**这种“看着就很吓人”的部分。文章引用了它参与推进无穷多素数对已知间距上界到 186，并提到改进了一个长期不变的素数间隔结果；还在网络安全相关测试里发现并利用了此前未知的零日漏洞。注意，这里有一个分寸：文中也强调了面向普通用户的版本会拒绝生成高级漏洞利用程序，并不等于“你明天就能拿它去打网络战”。但就算只谈“发现能力”，也足够让人把它和“纯工具”分开看。

至于AGI，这事更像是大家迟早要争的。OpenAI自己的表述里，AGI指的是在多数具有经济价值的工作上，超过人类的高度自主系统。也就是说，它不是只会答题，而是能自己学、自己规划、自己操作，还得在真实任务里持续占优。文章用 ARC-AGI-3 99.9% 这样的成绩来做证据，同时也提醒 ARC Prize 本身说过：跑满基准不等于证明实现了AGI——环境封闭、目标窄，和现实世界的混乱差距还很大。
说到这里，就绕不开钱和门槛。文中给了API单价：输入、缓存读写、输出分别怎么计费；并且超过一定 token 后价格会翻倍、输出还有系数调整。结论很现实：它可能正在变强，但**不是所有人都会立刻用得起**。文章还提到 Astra 会先开放给 Trusted Access Program 的少量机构，普通用户需要等几天；API和不同订阅档位的上线也是分批进行。

你要问“那普通人到底会怎么感知”？我觉得最容易引爆情绪的其实不是某个分数，而是这两个时刻：
一个是“它能自己干”的叙事开始靠近现实工作流；另一个是当你发现身边的人已经在用、而你还没权限的时候——那种落差，会把讨论推得很快。

而更加有意思的是，文中还提到发布前后有过主流模型访问的重叠故障。有人在社交平台直接问：是不是你们把这头猛兽放出来了。你看，这种问法不一定准确，但它说明一件事：大家对“新模型”的期待已经不是“更会写”，而是“更会动手”。所以哪怕只是隔着屏幕，我们也会用更夸张的方式去想象它带来的变化。
Astra到底离“AGI”有多近，现在谁也只能说“很可能更近了”。但有一点我更愿意先落在现实：它在“执行”上的提升，已经足够让很多工作里的关键节点开始动摇——尤其是那些需要流程、需要连续性、需要少犯错的任务。

多年以后，回望这段时间，你大概率不会记得每个榜单的具体分差。你更可能记得的是：那天之后，大家第一次把“AI能干活”当成了一个不太需要争论的事实。
（AGI是不是就这么来了？先放一边。等我们的测试吧。）