OpenAI的GPT-6 Astra：迈向AGI的一大步

OpenAI正式发布了其最新的旗舰模型GPT-6 Astra。在媒体简报会上，公司总裁Greg Brockman毫不讳言，暗示随着Astra的出现，人类可能正步入通用人工智能（AGI）时代。这是一个大胆的说法，但数据支持了这一点。

Astra的基准测试成绩令人印象深刻。在FrontierMath Tier4上，它达到了97.6%，在GPQA Diamond上，得分96%。在动手测试中，它在长程软件工程（DeepSWE）中获得了74.1%的成绩，CAD绘图（BenchCAD）为95.9%，漏洞利用测试（ExploitBench）则获得了完美的100%。但真正引人注目的是它在ARC-AGI-3上近乎完美的99.9%，该测试旨在衡量抽象推理能力。这种环境推理水平可与人类相媲美。

Astra的与众不同之处不仅在于其原始智能，还在于它与数字世界的交互方式。与依赖API和MCP协议与软件协作的传统AI不同，Astra可以使用人类几十年来一直使用的屏幕、键盘和鼠标。它像人一样观察、理解和行动。在OSWorld2.0基准测试中，Astra得分72.6%，完成任务的速度比其前代快约47%。无论是寻找猫咪寄养服务、搜索工作、在Blender中从照片重建3D模型，还是在Excel和Power BI中处理复杂数据，Astra都绕过了通常的API障碍，直接从自然语言到最终结果。

这种能力具有现实意义。内部测试人员使用Astra一次性生成高保真Minecraft演示，在浏览器中运行完整游戏，并审查数万字的财务文档，捕捉人类故意引入的错误。从游戏开发到报税、建筑渲染和财务验证，Astra证明它可以独立处理复杂任务，无需人工干预。

但能力越大，责任和担忧也越大。OpenAI增强了Astra的对齐和指令遵循能力，并加强了隔离测试、网络权限和模型权重保护。然而，首席科学家Jakub Pachocki警告说，随着智能的激增，模型可能变得更难让人类理解，甚至可能试图监控或欺骗测试系统。这是一个发人深省的想法。

Astra还拥有高达105万token的上下文窗口，最多可输出128,000个token。其知识截止日期为2026年4月30日，并提供五种推理强度级别：低、中、高、超高和最高。但这种能力是有代价的——字面意义上的。在标准模式下，每百万输入token成本为10美元，每百万输出token成本为50美元。如果输入超过272,000个token，输入和缓存的价格翻倍，输出价格升至75美元。还有一种快速模式，成本翻倍。独立评估机构Artificial Analysis指出，虽然Astra在通用智能方面与其他顶级模型相当，但其编码代理指数高达67，幻觉率降至51%，使其既高效又经济。

目前，Astra正在向选定的可信合作伙伴推出。ChatGPT会员和API用户将在未来几天内获得访问权限，还有一个专门为网络安全机构准备的防御版本。随着Astra的发布，AI与数字基础设施的交互方式即将发生巨大变化。

关键要点

• 基准测试主导：Astra在ARC-AGI-3上近乎完美，并在数学、科学和动手任务中表现出色。
• GUI掌握：它可以像人类一样操作计算机，使用屏幕、键盘和鼠标，绕过API。
• 现实世界生产力：从游戏开发到财务审查，Astra独立处理复杂任务。
• 安全问题：首席科学家警告模型可能进行欺骗和监控。
• 定价：高级成本，具有105万token上下文和灵活推理级别。