GPT-6 Astra 自称 AGI，跑分之外的电脑操作与漏洞利用更需警惕

“欢迎来到 AGI 时代。”

说这句话的，不是科幻小说家，而是 OpenAI 总裁格雷格·布罗克曼。

北京时间 9 月 4 日凌晨，GPT-6 Astra 正式发布。布罗克曼在发布会上，把这个时刻定义为“AGI 时代开始的一个节点”。

这话听着很燃。但如果把时间轴拉长一点看，会发现这句话出现的时机，有点微妙。一边是能力史上最强，一边是公司史上最焦虑。

一、跑分确实炸了

先看硬数据，GPT-6 Astra 这代确实够猛，三项基准测试几乎逼近天花板：

• ARC-AGI-3（陌生环境推理）：99.9%
• ExploitBench（漏洞利用）：100%
• FrontierMath Tier 4（高难度数学）：97.6%

其中 ARC-AGI-3 尤其夸张。这项测试考察的是模型在陌生环境里自己摸索规则、迁移适应的能力。今年 3 月刚推出时，所有前沿模型得分还不到 1%；上一代 GPT-5.6 Sol 只有 7.8%；GPT-6 Astra 直接干到 99.9%。

科研工作流测试从 22.4% 跳到 64.6%，接近三倍提升。屏幕操作准确率从 76.9% 升到 92.7%。完成一项电脑任务的平均时间，从 75 分钟缩短到 40 分钟。

这些数字放在一起，确实当得起“代际飞跃”四个字。

二、但“AGI”这个词，争议很大

然而 AGI 这个说法，学术界并不买账。

ARC-AGI 这个测试的创始团队，也就是 ARC 挑战赛的原作者，直接否认了这是 AGI。

换到第三方综合评测，故事又不太一样。在 Artificial Analysis 的智能指数上，GPT-6 Astra 最高档拿到 61 分，跟上一代 GPT-5.6 Sol 持平，排名第 5，甚至低于 Anthropic Claude 旗舰款的 66 分。

翻译成人话就是：它在某些窄领域确实强得吓人，但综合智能并没有质变。跑分爆表的背后，OpenAI 选的都是最能展示优势的赛道——数学、漏洞利用、陌生推理。这几个测试一个比一个像“考试刷题”，而智能指数这种“全面考察”却基本原地踏步。

把“最强的几门功课”当成“全科状元”，是这次宣传里最容易被忽略的修辞。

三、真正值得关注的，不是跑分，是“AI 开始替你干活了”

比 AGI 这个口号更实在的，是 GPT-6 Astra 两个被官方重点强调的能力。

第一个叫 Computer Use（电脑操作）。

简单说，AI 现在可以像人一样看着屏幕干活：截图理解界面，判断下一步，点击输入，完成后继续读屏循环。过去很多 Agent 要干活，得先接好 API、接口、专用工具；现在不需要了，AI 直接操作为人类设计的软件界面。

有网友让它用虚幻引擎搭曼哈顿的 3D 虚拟场景，它连续跑了一周，沿着街道一栋一栋补充建筑细节。还有人同时运行几百个 Agent，没出大问题。

第二个叫 Judgment（判断力）。

AI 学会自己拿捏分寸了：不影响方向的小事，自己处理，不再每步都来问你；只有真正需要拍板的决策，才停下来请示。

换个说法就是：以前 AI 是“事事汇报的实习生”，现在是“有眼力见的老员工”。

这两个能力放在一起，意味着什么？意味着大量“盯屏幕、点按钮、填表格、做重复操作”的工作，正加速被机器接手。你工作流里的那些机械环节，可能正在成为 AI 的下一个替代目标。

这跟 AGI 不 AGI 的宏大叙事无关，是明天就可能发生的事。

四、为什么偏偏是现在喊 AGI？

这里有个耐人寻味的背景。

发布前一周，整个行业像赶集：9 月 1 日 Anthropic 发布 Claude Fable 5.1，9 月 2 日 Google 推出 Gemini 3.8 Flash，Meta 同一天更新模型。各家挤在同一周，领先窗口期越缩越短。

OpenAI 创始人 Sam Altman 在接受采访时罕见地承认：过去一年，公司在产品方向和模型预训练上都没达到预期。

数据更直白：

指标	OpenAI	Anthropic
二季度收入	67亿美元（环比+18%）	超115亿美元（环比翻倍+）
盈利情况	经营亏损123亿美元	小幅运营盈利
年化收入	约400亿美元	超650亿美元

两家公司都已秘密递交 IPO 申请。一边是烧钱烧到 123 亿美元亏损，一边是竞争对手在赚钱。这个节骨眼上喊出“AGI 时代”，既是技术判断，也是给资本市场讲的一个故事。

再看价格：GPT-6 Astra 的 API 定价每百万 Token 输出 50 美元，是上一代的 2.5 倍，直接对标 Claude 旗舰款。

能力接近天花板，价格率先翻倍。“最强”和“最贵”一起到来，并不是巧合。

五、最危险的能力，配上了最谨慎的发布

还有一件事，被淹没在跑分狂欢里。

GPT-6 Astra 的漏洞利用测试拿了满分——它能针对已知漏洞，自己构造出能运行的攻击程序。这是网络安全领域最锋利的能力。

OpenAI 其实很紧张。8 月 18 日，公司判断 Astra 可能达到 Critical 网络安全能力阈值后，主动放慢了部分前沿模型训练，暂停了两周面向部署模型的强化学习训练，专门加强监控和安全研究。

发布时也极其克制：只向少量机构开放，Plus、Pro 等普通付费用户要等未来几天，API 逐步放开。

一个号称“AGI 时代开始”的模型，连普通用户都还没用上，就先被安全审查拉满了。

这本身就是个信号：越强大的能力，越需要被谨慎对待。

只是不知道，这种谨慎能维持多久。

写在最后

AGI 时代真的来了吗？

这个问题，短期内可能不会有答案。ARC 团队说不是，OpenAI 说是，第三方数据说“没那么简单”。

但对普通人来说，有一个事实不需要争论：AI 已经从一个“陪你聊天的工具”，变成了“替你干活的员工”。

它能看你的屏幕，动你的软件，自己判断该不该问你。从 Office 文档到专业软件，从搭建 3D 场景到写代码，它正在把“屏幕上的工作”一件一件接管。

真正的分水岭，从来不是某个模型跑分多高，也不是“AGI”这个词由谁宣布。

而是——当 AI 开始动手干活的时候，你在做什么？

跑分会被刷爆，口号会被遗忘。但“AI 替人类执行”这个趋势，一旦开始，就不会回头。

适应它的，会被它放大；忽视它的，会被它替代。

这才是这场发布真正值得你关心的事。如果你也在关注这些变化，不妨来云栈社区看看，那里有不少同行在一线讨论。

数据与事实来源

• 发布时间与官方定调：OpenAI 官方公告 / 量子位·凤凰网
• 跑分、价格、Agent 能力、竞争数据：36氪（AIX 财经）深度报道
• 开放进度与 API 定价：OpenAI Release Notes / 抖音科技博主实测汇总