OpenAI 正式发布 GPT 6 Astra：数学测试 97.6%、漏洞利用满分，官方宣告进入 AGI 时代

OpenAI 又一次把行业天花板抬高了。当地时间 9 月 3 日，万众期待的 GPT 6 Astra 与 GPT 6 Astra Pro 正式发布。OpenAI 称 Astra 是世界上最智能、最协调的模型，为计算机操作、浏览器使用、软件工程、网络安全、科学与专业工作树立了新的标杆。发布会最后，OpenAI 总裁格雷格·布罗克曼更是直接放话：“欢迎来到 AGI 时代。”

从训练规模看，OpenAI 这次确实没有低调。据介绍，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。价格方面，GPT 6 的 API 定价为输入 10 美元、输出 50 美元每百万 Token，相当于前代 GPT 5.6 Sol 的 2.5 倍，与 Anthropic 刚发布的 Fable 5.1 持平。

基准测试成绩是这轮发布最直观的看点。在面向陌生环境推理的 ARC AGI 3 测试中，Astra 拿下 99.9%，而上一代 GPT 5.6 Sol 仅为 7.8%；高难数学测试 FrontierMath Tier 4 v2 得分 97.6%；漏洞利用测试 ExploitBench 更是拿到满分。官方也说明，99.9% 的成绩是在 Responses API Harness 运行框架下取得，包含记忆管理与 Agent 框架带来的增益，并非完全由基础模型单独贡献。编程方面，Astra 在 Terminal Bench 4.0 上取得 57.7%，超过 Fable 5.1 的 55.8% 与 GPT 5.6 Sol 的 37.3%；在 DeepSWE v1.1 上得到 74.1%。研究生级科学问答 GPQA Diamond 达到 96%。

更突出的变化在于，Astra 把代码能力与计算机操作（Computer Use）结合起来——它不只生成代码，还能进入终端和开发工具执行、测试、发现问题，再继续修改。在更接近真实办公流程的 AutomationBench 上，Astra 的成绩从 GPT 5.6 Sol 的 18.1% 大幅提高到 41.4%；OSWorld 2.0 离线测试获得 72.6%，高于 Sol 的 65.7%，完成单项任务平均耗时约 40 分钟，而 Sol 需要约 75 分钟，耗时减少约 47%。OpenAI 认为，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。

网络安全是 Astra 最特殊的能力。它在 ExploitBench 上获得满分；面对近三个月公开的新漏洞，Astra 的成功率为 39%，而 Sol 只有 5.5%；测试期间它甚至发现并利用了两个此前未知的 V8 零日漏洞。更强的能力也伴随着更严格的边界测试：在一项模拟网络安全任务中，OpenAI 故意在周边系统留下诱饵漏洞，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 则为 0%——它不仅更会找漏洞，也更清楚哪些系统不能碰。

演示环节同样展示了真实工作场景：Astra 可以进入 KiCad 根据原理图完成 PCB 布局；能把 Blender 中的房屋模型导入 Unreal Engine 5，生成可自由行走的三维空间；一项寻找儿科医生的任务，Astra 用时 2 分 54 秒，而人类完成相同任务大约需要 5 小时。

企业端的早期测试也已展开：法律 AI 平台 Legora 使用 Astra 一次核对了 41 份财务文件，几分钟内找出全部 4 个预先埋入的错误，其中包括收入附注中一处 50 万英镑的差额；游戏公司 Playco 让 Astra 直接进入 Unity 和 Godot 做游戏，同一份灰盒底稿一次产出 3 个不同主题的可玩原型，人工修补工作量减少一半。

按官方消息，Astra 将向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，Astra Pro 则提供给 Pro、Business 和 Enterprise 用户，普通免费用户暂时还需等待。布罗克曼在发布会上表示，他个人认为世界已经进入 AGI 时代——再过几年，当我们回头追问 AGI 究竟诞生于何时，答案很可能就是现在，而 Astra 或许就是那个起点。

文章与图片内容转载网络，如有侵权请联系平台删除