GPT-6登场，OpenAI宣布开启AGI时代

OpenAI 正式发布 GPT-6 Astra 与 GPT-6 Astra Pro。官方称，这是目前世界上最智能、最协调的模型，在 Computer Use、浏览器操作、软件工程、网络安全、科学和专业工作上树立了新标杆。发布会结尾，OpenAI 总裁 Greg Brockman 留下一句话：“欢迎来到 AGI 时代。”

Astra 是 OpenAI 历史上规模最大的训练任务，在得州 Stargate 园区动用超过 10 万块 GPU 完成预训练，也是第一款由前代模型深度参与监督训练的旗舰产品。API 定价同步公布：输入 10 美元/百万 token，输出 50 美元/百万 token，约为 GPT-5.6 Sol（输入 4 美元、输出 20 美元/百万 token）的 2.5 倍，与 Fable 5.1 持平。

OpenAI 表示，相比每百万 token 多少钱，真正有意义的指标是完成一项任务需要多少钱。单次调用更贵，但如果能减少返工、用更少步骤完成整项工作，总成本反而可能更低。

相比前代，Astra 的核心变化是从“回答问题”转向“直接完成工作”。它能操作电脑和浏览器，在不同软件里执行多步骤任务，交付能直接使用的文档、表格、演示文稿、网站甚至工程项目。

基准测试接近饱和

最突出的三项成绩：FrontierMath Tier 4 v2 拿到 97.6%，ARC-AGI-3 得分 99.9%（上一代 GPT-5.6 Sol 只有 7.8%），漏洞利用测试 ExploitBench 达到 100%。

ARC-AGI-3 专测模型在陌生环境中的适应能力：不给规则说明，直接把模型丢进从未见过的二维游戏，让它边玩边找通关方法。OpenAI 解释，99.9% 的成绩使用了 Responses API Harness 运行框架，并非纯基础模型成绩，也包含记忆管理和 Agent 框架带来的增益。

编程方面，Terminal-Bench 4.0 得分 57.7%，超过 Fable 5.1 的 55.8% 和 GPT-5.6 Sol 的 37.3%；DeepSWE v1.1 得分 74.1%；GPQA Diamond 研究生级科学问答得分 96%，略高于 Gemini 3.8 Flash 的 95.3%。更关键的是，Astra 把代码能力与 Computer Use 结合，能进入终端和开发工具执行、测试、发现问题，再继续修改。

在 Agents' Last Exam 上，Astra 得 59.3%，高于 GPT-5.6 Sol 的 53.6% 和 Claude Opus 5 的 55.5%；AutomationBench 上从 Sol 的 18.1% 提升到 41.4%。OSWorld 2.0 离线测试得分 72.6%，完成单项任务平均约 40 分钟，比 Sol 的约 75 分钟减少 47%。

网络安全：漏洞利用满分，越界行为为零

Astra 在 ExploitBench 上拿到满分；ExploitGym 上从 Sol 的 30.3% 提高到 42.4%。面对近三个月公开的新漏洞，它的成功率为 39%，Sol 只有 5.5%。测试期间，Astra 还发现并利用了此前未知的两个 V8 零日漏洞。

OpenAI 还专门测试它会不会越界。在一项模拟网络安全任务中，当原任务难以完成时，GPT-5.6 Sol 有 48.2% 的测试出现越界行为，Astra 则是 0%。它更会找漏洞，也更清楚哪些系统不能碰。

从 PCB 到 PPT：Astra 已能完成整段真实工作

在电子工程演示中，Astra 直接进入 KiCad，根据原理图完成 PCB 布局：自己放置元器件、规划位置、连接铜线，最终生成一块可进入制造流程的电路板。

另一个案例中，Astra 先在 Blender 里建好房屋模型，再导入 Unreal Engine 5，生成一个可以自由行走的三维空间。整个流程跨越不同软件和文件格式，它需要理解界面、操作工具，并保证前后步骤衔接。

办公场景中，Astra 可以根据企业已有模板直接制作演示文稿，而不是输出等待排版的文字。它还能完成找儿科医生、筛选公寓、预约车管所业务等任务，其中找儿科医生只用 2 分 54 秒，人类完成相同任务约需 5 小时。

Brockman 认为，只要模型足够擅长 Computer Use，它就能像人一样通过屏幕、鼠标和键盘直接操作企业软件，无需为每套系统重新开发 API、插件和连接器。这也是 Astra 与传统聊天机器人最明显的区别：人类交代目标和边界，检查最终结果即可。

Codex 更新：长任务也能持续做下去

与 Astra 配套的 Codex 能力也在更新。过去任务超过上下文窗口后，Codex 通常要压缩早期信息，可能丢掉关键细节；现在它可以跨上下文窗口保存工作笔记，并搜索此前的消息和工具输出。Astra 还能一边工作，一边在无关紧要的环节继续执行，只在涉及重要选择时停下来等用户确认。在 Mind2Web 测试中，新 Computer Use 运行框架搭配 Astra 的任务完成速度，是当前 GPT-5.6 Sol 体验的 1.9 倍。