今天，人类正式进入 AGI 时代。
OpenAI 刚刚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 更是直接宣布：
OpenAI 已经实现了 AGI！Welcome to the AGI era！
他还补充，世界正式步入 AGI 时代，也就是 AI 的综合智力已经彻底超越人类。
从 5 到 6，GPT-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 的核心升级包括：
- 各项天花板级基准被「打爆」：FrontierMath Tier 4 得分 97.6%，逼近 98% 饱和线；ARC-AGI-3 达到 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，而且速度飞快。
- 训练史上最大算力：OpenAI 动用了迄今规模最大的训练任务，超 10 万块 GPU。
- AI 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。
一点小遗憾，GPT-6 Astra 还得再等等。Sam Altman 表示，团队正在努力尽快让 Astra 进入每个人的手中。
GPT-6 Astra 震撼登场
在各项基准测试中，OpenAI 官博多次重用了同一个词——「饱和」（saturate）。这足以证明 GPT-6 Astra 在多个领域的绝对统治力，榜单已经测不出它的上限。
总榜上，刚刚上线的 Claude Fable 5.1 已经没有什么优势可言。GPT-6 Astra 直接把 Claude 5.1 全方位压制。
先看 ARC-AGI-3，Astra 直接拿下 99.9%，暴击 Claude Opus 5 的 30.2%。这个测试考的是 Agent 在陌生交互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，而 Astra 直接刷爆。
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、化学和物理领域研究生级科学推理的 GPQA Diamond 上，Astra 同样刷新历史新高。即便在较低算力成本设置下，也能跑出 94.9%，超过 GPT-5.6 Sol 的 94.6%，同时 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 自述，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
真正让 Astra 与上一代模型拉开距离的，是「计算机使用」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 的计算机使用能力，已达人类水平。
如今，GPT-6 Astra 已彻底进化成一个坐在电脑前、手握键鼠的「超级专家」。
OpenAI 放出一段 15 秒浓缩视频：Astra 在 KiCad 里做 PCB 布局。它打开 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 5 的 55.5% 和 GPT-5.6 Sol 的 53.6%。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%。
BenchCAD 要求模型根据多视角渲染图，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。给它几页公司既有 PPT，Astra 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。
它之前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 240，Astra 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 Framework，Astra 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 为它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 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。图灵跨越半个多世纪的终极梦想，也在这一刻彻底成真。对这类模型动态与开发者工具的后续进展，云栈社区 会持续跟进讨论。
参考资料： https://x.com/OpenAI/status/2095595741528125780
发表于 4 天前
|
查看: 8|
回复: 0
