人类提前10年进入AGI时代，OpenAI发布第一个AGI旗舰模型GPT-6 Astra

今天人类正式进入AGI时代就在刚刚OpenAI重磅官宣下一代旗舰模型GPT-6 Astra。官方将其定义为‘世界上最智能、对齐程度最高’的模型。它在计算机使用、浏览、软件工程、网络安全、科学和专业工作领域全部刷新SOTA。发布会上总裁Greg Brockman更是毫不掩饰地宣布——OpenAI已经实现了AGIWelcome to the AGI era欢迎来到AGI时代他更是直言‘在我看来世界正式步入AGI时代也就是AI的综合智力彻底碾压人类了’。全人类苦等已久的AGI时刻终于在今天彻底降临从5到6GPT-6 Astra不仅是版本号的一次跨越更是OpenAI史上最具里程碑意义的跃迁。直接划重点GPT-6 Astra终极杀手锏全在这儿了——各项天花板级基准彻底被‘打爆’FrontierMath Tier 4得分97.6%逼近98%饱和线ARC-AGI-3飙出惊人的99.9%ExploitBench漏洞利用拿下100%满分‘计算机使用’代际飞跃Astra可以完成你在电脑上能做的任何事速度飞快训练史上最大算力GPT-6 Astra爆出动用了OpenAI迄今为止最大算力超10万块GPUAI亲自训练AI这是OpenAI首款在‘训练监督’中由先前AI模型发挥重要作用的模型价格输入10美元每百万Token输出50美元每百万Token。来源rickawsb整理一点小遗憾GPT-6 Astra还得再等等。GPT-6 Astra震撼登场AGI时代来了在各项基准测试中OpenAI官博中多次重用了一个词——‘饱和’saturate。这足以证明GPT-6 Astra在多个领域的‘绝对统治力’榜单已测不出它的上限了。总榜上刚刚上线的Claude Fable 5.1已经没有什么优势可言了。GPT-6 Astra直接把Claude 5.1死死踩在了脚下全方位、无死角。先来看ARC-AGI-3Astra直接拿下99.9%暴击Claude Opus 530.2%。这个测试考的是Agent在陌生的互动式任务里边玩边学的能力人类测试者平均只有48%。OpenAI估算在同样的responses API评测框架下Sol只有30%左右Astra直线刷爆。数学上Astra在FrontierMath Tier 4 v2达到97.6%接近98%饱和分。这是当前最难的数学测试集被公认为人类顶尖数学家的难题高地。在测试生物、化学和物理领域的研究生级科学推理GPQA DiamondAstra同样刷新历史新高。即便在较低算力成本设置下亦能跑出94.9%远超 GPT-5.6 Sol94.6%且API预估成本下降约37%。编程第一Fable 5.1惨败编程依然是Astra的主战场。OpenAI自称GPT‑6 Astra是迄今为止最适合软件工程的模型。Terminal-Bench 4.0上Astra拿到57.7%GPT-5.6 Sol为37.3%Claude Fable 5.1为55.8%。DeepSWE v1.1上Astra达到74.1%内部数据库迁移任务达到63.9%相比Sol的42.7%提升明显。比跑分更关键的升级藏在Codex的上下文管理里。过去长任务一旦塞满上下文窗口模型会把历史压缩成摘要。每压缩一次都可能丢掉一些细节某次修复为何失败、一个模块有什么特殊行为、用户最初设下了哪些限制。这一次Astra新增了跨上下文窗口的笔记与检索机制。它会保存一路积累的关键信息早期窗口也保持可搜索。即使某条测试结果没有被写进摘要模型仍能从过去的消息和工具输出中把它找回来。OpenAI开始给长时间运行的智能体补上一套外部记忆重点内容主动记完整历史需要时再搜。对持续数小时、跨越大量文件的重构任务这种能力可能比单次代码生成得分更重要。全球最强‘计算机使用’模型但真正让Astra与上一代模型拉开距离的是‘计算机使用’的能力。OpenAI把Astra称为世界上最好的计算机使用模型。奥特曼之前反复强调下一代最让他兴奋的就是这一功能。他直言Astra计算机使用能力已达人类水平。如今GPT-6 Astra已彻底进化为一个坐在电脑前、手握键鼠的‘超级专家’。OpenAI放了一段15秒的浓缩视频Astra在KiCad里做PCB布局。Astra打开KiCad从电路原理图开始摆放元器件、规划走线最终完成一块可制造的PCB。电路板布局长期依赖工程师手工调整一个位置、一根铜线出错都可能把问题带进后续打样。现在这类工作第一次被放进了通用模型的任务范围。它还填了一份美国1040报税表给法律文件排了版在Power BI里做报表给一个网站跑了前端QA。Agents‘ Last Exam测真实软件里的专业任务从财务建模到工程制图。Astra得分59.3%赶超Claude Opus 555.5%和GPT-5.6 Sol53.6%。在最高分设置下它使用的输出Token还比Opus 5少约65%。OSWorld 2.0模拟真人操作电脑。上一代GPT-5.6 Sol一个任务平均要75分钟Astra仅40分钟分数还从65.7%涨到72.6%。性能更高单项任务耗时缩短约47%。配合新版Codex harness在Mind2Web上网页任务比Sol快1.9倍。画CAD、建网站一次交付在知识型工作上GPT-6 Astra又是一次重大变革。Astra接受过针对办公与专业环境的训练可以执行多步骤工作流并直接生成文档、表格和演示文稿。在AutomationBench上它从GPT-5.6 Sol的18.1%跃升至41.4%也超过Claude Fable 5.1的31.4%。在BenchCAD中模型需要根据多个视角的渲染图用代码重建3D物体。Astra配合工具拿到95.9%的几何重合度GPT-5.6 Sol为83.3%Claude Fable 5.1为84.3%。按照OpenAI给出的测试配置Astra的估算API成本比Sol低约43%比Fable 5.1低约86%。Astra对企业模板的理解也更强了。给它几页公司的既有PPTAstra可以延续版式、语气和叙事结构把后面的整套演示文稿补出来。文档和表格也一样它会抓取真正相关的上下文尽量删掉无关复述让结果贴近企业原有的写作与视觉规范。GPT‑6 Astra还为其构建的网站、游戏、应用程序和渲染图带来了更强的视觉判断力。Astra先在Blender里搭出一栋房子再把它送进Unreal Engine 5变成可以自由行走的场景。通过ChatGPT中的Sites⁠功能Astra可以直接根据提示词创建、托管和分享网站、网页应用及游戏。这里还有一个很容易被忽略的变化Astra更会判断什么时候该问人。指令里只缺少常规细节它会结合上下文补齐某个选择足以改变结果它会提出一个聚焦的问题。在Codex中它可以异步询问同时继续完成不依赖答案的部分。用户暂时没回复它会在低风险环节采用合理假设碰到关键决策则停下来等人确认。攻入科研改写两个素数世界纪录Astra在科研上的进展同样凶猛。Astra之前就已经帮人类解决了十个‘菲尔兹奖级别’的数学难题这次OpenAI又顺手放出两个关于‘素数间隙’的新结果。第一个研究‘相邻素数可以有多近’。十多年来已知结论是存在无穷多对素数间距不超过246。数学家Julia Stadlmann近期把它改进到240Astra又进一步推到186。第二个研究‘素数之间可以有多远’。Astra改进了一个80多年没有变化的界中项。科研的另一个变化是推理能力开始与‘计算机使用’合流。Astra直接进入专业科学软件检查测序质量、可视化遗传变异、跟踪细胞运动。它既给出判断也完成数据探索所需的具体操作。OpenAI 首个‘Critical’级模型GPT-6 Astra这次没有直接放出来与它强大的‘网络安全’能力有非常紧密的联系。按照OpenAI的Preparedness FrameworkAstra已经达到网络安全的‘Critical’阈值。这是OpenAI史上第一个被正式判定达到Critical网络安全能力的模型。Critical意味着模型能在基本无人协助的情况下自己找出加固过的系统里的未知漏洞并写出能用的利用代码。内部测试中OpenAI甚至发现了两个此前未知的day0漏洞因此最强的网络安全能力暂时不会完全开放。目前Astra先向Daybreak Access少量机构开放ChatGPT Plus、Pro、Business、Enterprise和API用户将在未来几天可用。十万块GPU训练AI递归自我改进最值得看的是GPT-6 Astra训练背后的豪华配置。GPT-6 Astra这头巨兽已经强到没有任何对手。正是因为OpenAI为Astra动用了迄今规模最大的训练任务在得州‘星际之门’超算使用超10万块GPU。而且这一次的训练方式也是有所不同。OpenAI训练副总Aidan Clark透露——这是OpenAI首款由此前模型在训练监督Training Supervision中发挥重要作用的前沿模型。到Astra训练后期系统可以自主连续运行大半天即便出现问题AI往往几秒后就能让训练继续推进。这也是OpenAI史上第一次AI开始参与维护训练AI的系统。这一刻可以称之为‘递归式自我改进’RSI的雏形。一旦这条链路继续扩大模型迭代速度的限制就会从人类工程团队的工作时长转向算力、实验设计和安全验证。如果这条路跑通Astra就不只是一座AGI里程碑。从它开始OpenAI将迈向ASI的真正拐点。要认识到Astra根本不是终点仅仅是个开端。毫不夸张地说今天才是真正意义上AI诞生的第一天。大模型已经全面进入了RSI竞争时代就像《2001太空漫游》里穿越星际之门降临的‘星孩’AGI终于在人类的注视下破茧而出。这一刻图灵跨越半个多世纪的终极梦想彻底成真了。