GPT-6 Astra 正式亮相：从“回答问题”到“完成工作”
9月4日，OpenAI 新一代旗舰模型 GPT-6 Astra 正式亮相。官方将它定义为“目前全球最智能、且对齐程度最高的模型”。
GPT-6 Astra 最核心的变化，是不再满足于生成一段文字或代码，而是朝“直接完成工作”迈出了一大步。
给它一个目标，比如“整理一份财务分析并做成演示文稿”，或者“开发一个游戏原型并测试能否正常运行”，Astra 会自主拆解任务、调用工具、持续执行，最终交付可直接使用的文档、表格、演示文稿、网站，甚至完整的工程项目。
具体来说，它既能自主填写网络表单、更新 CRM 客户记录、整理日历，也能完成网络搜索和邮件总结；更进一步，它还能分析科学数据、生成图表、搭建网站，甚至自主安装测试软件，并根据屏幕上出现的问题排查故障。
多项测试逼近满分
- 高阶数学（FrontierMath Tier 4）：97.6%，较 GPT-5.6 Sol 的 83% 大幅提升，据称还协助解决了数学领域的一个长期开放性问题。
- 抽象推理（ARC-AGI-3）：99.9%，接近满分。而上一代 GPT-5.6 Sol 在这项被称为“AGI 终极考卷”的测试中只拿到 7.8%。
- 网络安全（ExploitBench）：100% 满分，Astra 也是首个跨过 OpenAI 内部“关键级”网络安全能力门槛的模型。
此外，在编程测试 Terminal-Bench 4.0 上，Astra 拿下 57.7%，远超 GPT-5.6 Sol 的 37.3%；科学问答 GPQA Diamond 也达到 96%。
更快完成任务
能力提升的同时，效率也在提升。OSWorld 2.0 测试中，Astra 得分 72.6%（GPT-5.6 Sol 为 65.7%），完成单项任务的平均耗时从约 75 分钟降至 40 分钟，减少近 47%。
实际案例更能体现这种变化：法律科技公司 Legora 用 Astra 做财务报表审阅，几分钟内审阅 41 份文件并发现 4 处人为埋设的错误，效率提升约 40%；游戏公司 Playco 将其用于原型开发，人工修复工作量减少 50%。
从“回答问题”到“完成工作”，从 7.8% 到 99.9%——GPT-6 Astra 的发布，是 AI 发展史上一个值得记录的节点。至于“AGI 时代是否已经到来”，或许见仁见智，但一个能自主操作电脑、拆解复杂任务、多项测试逼近满分的模型，已经真实地摆在了所有人面前。
布罗克曼的态度则更直接：“我认为，现在说我们已经进入 AGI 时代，并不是一种不合理的看法。” | 
发表于 4 小时前
|
查看: 6|
回复: 0
