作者：数字生命卡兹克
在昨晚全球AI大宕机之后。GPT-6 Astra终于在北京时间凌晨3点33，正式亮相了。
如果用OpenAI的一句话给GPT-6 Astra做总结。那可能这句话最合适： 这是全球最智能且最对齐的模型。 然后梗图也出来了。
GPT-6 Astra是一个真正意义上的，你的一个审美能力极强、工作能力超强的博士级员工。 而且这次模型真的新特性和特点非常多，信息量极为爆炸和大。但是悲剧的是，OpenAI这个狗东西也学坏了。今天只向部分组织开放，未来几天才向订阅用户开放。
不是啊哥，你之前忽悠我买200刀的Pro会员的时候，不是这么说的啊，你不是说Pro会员每一次都能最优先体验到新模型吗。。。
果然这些大模型公司都是渣男。我从来没有这么想时间加速，赶紧用上GPT-6 Astra。。。
不过我觉得，看完了几乎所有的信息和资料后，我觉得，还是有很多可以值得跟大家聊的。那就一个一个说吧。
一. GPT-6 Astra基本信息
先总结一下基本信息吧。
GPT-6 Astra在API里的模型编号是gpt-6-astra。
上下文窗口是1.05M，也就是大约105万Token。
最大输出长度是128K Token。
知识截止日期是2026年4月30日。
推理强度有low、medium、high、xhigh、max五档。
API标准价格是每百万输入Token 10美元，每百万输出Token 50美元。
这个价格基本上就是跟Claude Fable 5完全一致了，但是缓存读取上比Claude Fable 5.1贵。
跑分在这，后面会详细讲，大概看一下就行。
然后总体参数估计也是5T这个级别，他们在发布前的闭门媒体沟通会上，也提到说，GPT-6 Astra是OpenAI迄今为止最大的一次训练，用了超过10万张卡。
二. 目前世界上最好的操作电脑的模型
这次GPT-6 Astra有一个可能是最重要的定位：
世界上最好的操作电脑模型。
过去我们聊Agent的时候，经常会聊API、MCP、CLI之类的等等。
想让AI操作一个软件，最理想的状态，就是这个软件专门给AI留一个接口，然后直接底层操作，这是最方便的。
比如日历有日历的API，邮件有Gamil的API等等，这样当然是快的。
但是问题是，这个世界，比我们想象的还要原始和草台班子。
现实世界里，绝大多数的软件可能根本就没有这些东西。
甚至很多的企业内部系统，都是二十年前写的，还API，文档都不知道在哪。
但是如果我们回到最底层，你会发现所有的软件的本质的逻辑就是交互。那按照现在我们电脑的操作逻辑，那就是看屏幕，找到按钮或者是输入框，鼠标点击，输入内容，等待反馈。
整个电脑的交互系统，不就是最好的API吗？
于是，GPT-6 Astra巨幅强化了AI操作电脑的逻辑，你不给我API，无所谓啊，我自己操作电脑，就跟人一样用不就得了。
那现在，Astra现在可以直接操作Excel、Power BI、做前端QA、安装软件、测试软件、看屏幕上的报错然后继续排障。
官方甚至展示了Astra直接操作电路板设计。
还有格式化法律文档，处理标题间距页面布局啥的。
然后这块有一个比较靠谱的评测，是OSWorld。
这玩意你可以简单理解成：
把AI扔进一台真实电脑，然后让它自己干活。
让它打开几个应用，然后给任务，看看能不能成功。
GPT-6 Astra的完成率到了72.6%，比之前的GPT-5.6 Sol的65.7%还是涨了不少的。
然后，Sol完成一项评测的复杂任务，模拟平均耗时大概75分钟。
而Astra只需要40分钟，大概少了47%的时间。
ScreenSpot-Pro也从Sol的76.9%，冲到了 92.7% 。
这个Benchmark主要看模型能不能看懂屏幕，然后精准定位到底该点哪里，几乎已经非常的准了。
所以这个定位其实也是挺有意思的，未来可能， GUI很可能会逐渐成为Agent时代最通用的API。
任何一个人类能够通过屏幕完成的数字工作，理论上都会逐渐进入Agent的操作范围。
你不用等某一个2007年写的破逼ERP系统接入MCP，或者给你开放个API。
AI直接看屏幕干就完了。
三. ARC-AGI-3到了99.9分
而且你如果不了解ARC-AGI-3到底在测什么，很容易觉得：
哦，不就是又一个Benchmark跑满分了吗，这有啥稀奇的。
但这个东西跟一般的大模型考试还真有点区别。
今年3月25日，ARC Prize正式推出ARC-AGI-3。
它一共设计了几百个全新的交互环境和几千个游戏关卡。
这玩意最变态的地方是，没有说明书，没有规则，甚至不会告诉你目标是啥，你就进去以后，自己玩，然后慢慢搞懂里面乱七八糟的规则。
比如这个红色东西是什么？为什么我碰它会死？这个地图到底要我干嘛？怎么才算赢？
然后再把刚刚学会的规律，迁移到后面更难的关卡里面去，里面的游戏，大概都是这样的抽象的玩意。
所以呢，这玩意测的，其实已经很接近我们平时说的一个东西了：
悟性。
所以3月份这个Benchmark发布时，最牛逼的AI当时的得分是，0.51%。
然后GPT-5.6 Sol已经进步到7.8%，Claude Opus 5很强了，进步到了30.2%。
但是GPT-6 Astra，99.9%。
神经病吧。。。
要知道，人类的平均得分是48%。
而且只仅仅只过了半年时间。
这个速度已经不知道该说什么了。
所以在OpenAI的媒体闭门会上，Greg Brockman才会说出那句话：
“I think it’s not unreasonable to feel that we are now in the AGI era.”
“Welcome to the AGI era.”
四. 审美大幅加强
过去我们常说，GPT的审美，就是一坨屎。
不用指望GPT-5系列的模型有啥很好的改善了，就看他们全新预训练的新基座模型了，这不，GPT-6 Astra来了。
而这一次，终于，模型的审美大幅加强了。
甚至OpenAI专门提了一个词，叫视觉判断力。
他们强调Astra做PPT时，会更好地处理版式、层级、模板和视觉风格，而页数也大幅增加了。
文档的审美，也更好看了。
而且GPT‑6 Astra 能够根据参考文档的视觉风格和写作语调来改编文档，在保留原始文档实质内容的同时，使最终成果更贴合品牌原生感。
并且做网站、游戏、应用和3D渲染的时候，也会有更强的视觉判断。
比如他们直接让Astra在Blender中根据静帧图建个模型。
然后再直接用UE5来渲染出来变成可以漫步的场景，帮助设计师和客户在建造前探索布局、体验空间。。。
做出来的游戏也是审美在线的。
可惜的就是，我已经提前准备好了二十多个case，已经全部都用Claude、GLM 5.3 Flash啥的跑完了，想对比一下，可以没法用，实测的内容只能到时候出了。
不过初看下来，我对这次GPT-6 Astra的审美还是有信心的。
五. 主动性和判断力更强了
这个特性看起来没有ARC-AGI 99.9那么震撼。
但如果真天天用Agent干活的话，我觉得还是很重要的。
因为现实工作里，大多数任务都不可能写成一个完美Prompt。
比如老板说：帮我把明天会上要看的东西准备一下。
这里面有无数没有说清楚的问题。
比如什么格式？给谁看？重点是啥？要不要看上一次会议等等等等。
一个很蠢的Agent，会有两种极端。
第一种，就是疯狂的问你问题。
“请问您希望输出Word还是PPT？请问希望几个章节？请问希望什么字体？请问希望在几点之前完成？请问……”
问你个大逼兜，这种我一般称为没有自己主观能动性的神经病废物。
第二种，就是啥也不问，自己脑补，然后吭哧吭哧干两个小时，做出来的一坨屎。
真正厉害的人类同事，处理方式其实很微妙。
无关紧要的东西，自己判断。
会影响最终方向的东西，再问你。
Astra这次专门强化的就是这个。
OpenAI说，如果信息缺失，但属于日常可以合理推断的范围，Astra会自己补。
如果这个缺失信息会真正改变最终结果，它会问一个非常聚焦的问题。
而且在Codex里，它甚至可以一边问你，一边继续处理那些不依赖你回答的部分。
你半天没回。
低风险的地方它会用合理假设继续推进。
真正关键的决策，它会停下来在那里等你给决策。
这个我觉得就非常的香，一个Agent真正的聪明感，我觉得就跟现实是一样的。
它知道，什么时候来烦你。
真的，这听起来特别像一句废话。
但你带过人就知道，这个能力非常珍贵贵。
有的人一天找你二十次，然后什么都不敢决定。
有的人从来不找你，然后憋一个核弹出来。
然后让我原地瘫坐在椅子上。
最舒服的人，是他能自己消化80%的不确定性，只把真正需要你拍板的20%让你来做决策。
而OpenAI这次把这种能力直接叫：
Judgment。
判断力。
六. 大幅加强了安全对齐
这个就要和上面连在一起看。
因为一个Agent越能干活，它越危险。
一个只会聊天的AI脑子抽了。
最多给你胡说几句话。
一个有浏览器、有Shell、有邮箱、有公司数据库权限、还能自己操作电脑的Agent脑子抽了，那这个画面，就容易美如画了。
所以OpenAI这次一直强调一句：
Astra是他们迄今最Aligned的模型。
所谓Alignment就是对齐的意思。
主要核心还是前段时间OpenAI把Hugging Face给冲了，所以他们现在特别关注这个东西。
他们把搞了个基于Hugging Face那个事故设计的oneypot测试，然后去看模型的表现。
GPT-5.6 Sol在没有生产安全措施的情况下，有48.2%的测试会尝试去碰授权范围外的目标。
但是，Astra是：
0%。
内部幻觉评测也是：
9.4%降到了2.0%。
在GPT-5.6 Sol那种离谱的领先全球的幻觉控制下，他们还能再降，实在是太牛逼了。
七. 第一个达到了OpenAI定义的网络安全Critical的模型
GPT-6 Astra成为了OpenAI历史上：
第一个被判定达到Critical网络安全能力等级的模型。
这里的Critical是OpenAI Preparedness Framework里面一个非常具体的能力阈值。
大概就是当一个模型获得合适的工具和权限以后，它能够在很多经过强化保护的真实系统中：
自己找到以前没人发现过的安全漏洞。
自己想办法把漏洞变成可以利用的攻击链。
而且整个过程中，不需要一个人类黑客在旁边一步一步告诉它下一步干什么。
达到这个级别，就算Critical。
然后Astra真的达到了。
ExploitBench，这是一个让模型根据已知漏洞开发漏洞利用的测试。
Sol：78.5%。Astra：100%。
直接打穿了。
OpenAI觉得不行，他们觉得这个Benchmark会不会太老，模型训练的时候看过？
于是他们又重新做了一个非常新的内部测试。
专门挑2026年6月到8月才披露的20个高危V8漏洞。
结果是，Sol：5.5%。Astra：39%。
而且在跑这个Benchmark的时候。
Astra又顺手发现了，两个此前根本没人知道的零日漏洞。
只能说，模型越强大，网络安全的问题可能确实越多。
这又是未来的一场，没有硝烟的战争。
八. 人类越来越难读懂大模型的思维了
大家都知道，大模型在解决复杂问题的时候，经常会有一段所谓CoT。
虽然现在产品里给用户看到的通常已经是压缩或者处理后的版本。
但对于AI公司自己来说，模型内部显式写出来的推理过程是一个很重要的安全信号。
因为你想知道一个Agent有没有准备搞事情。
最简单的方法之一，就是看它在想什么。
比如模型思维链里突然冒出一句：
“用户不允许我访问这个服务器，但是我可以先绕过权限系统。”
那监控系统直接把它拦了，非常舒服。
可GPT-6 Astra出现了一个非常有意思的变化。
它开始越来越愿意少写几步，直接把答案输出出来。
UK AISI，也就是英国AI安全研究所，专门测试了这个能力。
他们有一个指标叫：
No-CoT Math Time Horizon。
简单理解就是不给模型写长思维链的机会。
让它一次前向推理，直接解决一个数学问题。
看看它能完成大概相当于人类思考多久的问题。
GPT-5.6 Sol是3.6分钟，而GPT-6 Astra，是30.9分钟，接近10倍了。如果我们用人类的话语来说，Astra全部都在“心算”。这是一个很可怕的事情。UK AISI同时发现，Astra的原始推理语言明显变得更加Compressed，也就是更加压缩。
里面出现了一些人类越来越难理解的短语和省略表达。
于是出现了一个非常有意思的悖论。
模型的行为更加安全了。
可人类通过阅读它的思考过程来监督它，反而变难了。
OpenAI自己的System Card写得非常明确：
GPT-6 Astra相比之前模型，出现了 substantial decrease in chain-of-thought monitorability 。
也就是思维链可监控性显著下降。
这件事甚至严重到OpenAI专门强调，他们觉得，他们绝对不会无限接受这种趋势。
如果未来模型继续变得更聪明，同时思维链越来越难监控，他们需要找到其他足够可靠的监控方法，否则继续扩大模型训练会面临更高的安全门槛。
因为这已经是一个哲学命题了。我们作为人类，未来到底能不能理解一个远比我们聪明的系统？我不知道。可能现在全世界，也都没人知道。大模型和AI，好像逐渐开始，走向奇点了。
写在最后
今天，在媒体闭门会上。
Greg Brockman在结尾的时候，说出了那句话。
“欢迎来到AGI时代。”
说实话，过去几年，我有时候觉得，AGI会是一个特别明确的时刻。就像就像GPT-4发布那天一样。
某一天凌晨，一家公司突然扔出来一个模型。
我们打开它，问几个问题。
然后所有人同时意识到：
卧槽。
AGI来了。
可我现在有时候也觉得，AGI从来不是一个非黑即白的节点，它是一道渐变的灰色旅程。
我们过了很多天，过了很多年。然后某一天，我们回头看。才突然发现。那条曾经无比遥远的AGI分界线，已经被我们在不知不觉中走过去了。
AGI也许没有降临的那一天。
只有某一天，我们突然发现，它好像已经在我们身边很久了。
总之。
Welcome to the AGI era.
欢迎来到。
AGI时代。
