9 月 3 日晚，OpenAI 正式发布新一代旗舰模型 GPT-6 Astra（API 模型名 gpt-6-astra）。总裁 Greg Brockman 在媒体简报会上称其为“世代能力跨越”（generational leap），甚至表示回顾几年后，人们可能会认为 AGI 就是在这个时候、关于这个模型诞生的——发布以一句“Welcome to the AGI era”收尾。

一、成绩单：多项基准刷新纪录

OpenAI 官方公布的核心数据相当抢眼：

• ARC-AGI-3：99.9%（官方基准口径），全面超越此前保持 SOTA 两天的 Claude Fable 5.1，且价格更低
• FrontierMath Tier 4 v2：97.6%
• ExploitBench：100%
• GPQA Diamond：96%、DeepSWE v1.1：74.1%、BenchCAD：95.9%
• OSWorld V2-Offline：72.6%（上一代 GPT-5.6 Sol 为 65.7%），真实桌面任务平均耗时从约 75 分钟降至 40 分钟

官方还给出一个很有画面感的数字：Astra 以 Lean 形式化证明的方式解出了 10 道十年未解的数学与理论计算难题，单次解题 Token 成本约 2000 美元。

二、定位：一台“能替你操作电脑”的模型

首席研究官 Mark Chen 介绍，Astra 能构建和测试软件、跨应用操作电脑、尝试开放科学问题。OpenAI 的宣传语非常直白：“凡是你在电脑上能完成的事，Astra 都能快速替你完成。”职场自动化比例从上一代的 18% 提升到 41%，未防护越权率则从 48% 压到了 0%。

规格方面，Astra 提供 1,050,000 token 上下文窗口、128,000 最大输出 token，知识截止日期为 2026 年 4 月 30 日。API 定价为每百万输入 10 美元、每百万输出 50 美元，与 Claude Fable 5/5.1 持平。

三、首次触及网络安全 Critical 红线

这可能是本次发布中最值得警惕的部分：OpenAI 同步公布了安全概览，称 Astra 是首个在其 Preparedness Framework 下达到网络安全能力 Critical 级的模型——可以在没有逐步引导的情况下，自主发现防护严密系统中的未知安全漏洞并开发利用方式。

也正因为如此，Astra 初期仅向经过审核的 Daybreak Access 计划组织开放，ChatGPT Pro 和 Business 订阅率先获得推送，未来几天内陆续覆盖 Plus、Enterprise、API 及 AWS Bedrock。

四、几点冷静的注脚

• ARC-AGI-3 的分数口径存在差异：最初报告为 98.6%（reported），后续官方基准显示 99.9%，且 ARC 基准官方提示该成绩与排行榜上传统前沿模型的对比“并不直接”，阅读时需要留意。
• 也有第三方评论指出，在带工具的综合测试上 Astra 仍落后于 Claude。
• “AGI 时代到来”更多是 Brockman 的个人判断，是否算 AGI，他自己也说“留给用户判断”。宣传与实际能力之间的距离，还需要跑一段时间才能看清。

值得一提的是，Astra 的命名取自拉丁语 ad astra，意为“奔赴群星”。这次训练据称动用了德州 Stargate 场地超过 10 万张 GPU，是 OpenAI 迄今最大规模的训练运行。

资料来源：OpenAI 官方博客、The Verge、Simon Willison、IT之家、TestingCatalog 等（经 AI HOT 聚合，事件时间线）；原文：openai.com/index/gpt-6-astra。具体数字请以官方原文为准。