编辑部 发自 凹非寺 量子位 | 公众号 QbitAI 它来了它来了！！ 刚刚，万众期待的 GPT-6 Astra GPT-6 Astra Pro ，正式发布！！！ GPT-6 Astra是世界上最智能、最协调的模型，为Computer use、Browser Use、软件工程、网络安全、科学和专业工作树立了新的标杆。 AGI时代，还被OpenAI单方面宣布「开幕」了… GPT-6发布会最后，OpenAI总裁Greg Brockman直接甩下一句： Welcome to the AGI era. （欢迎来到AGI时代） 怪不得Claude、Grok组团掉线，原来是Astra启动后扫描互联网，直接把地球上的LLM全灭了—— 奥创（OpenAI版）真来了（doge）。 当然了，OpenAI这次确实完全没低调，训练规模、能力升级全部拉满。 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 完成了预训练。 它还是OpenAI第一款由前代模型深度参与训练监督的旗舰产品。 好一个老带新，OpenAI的RSI是真转起来了啊…… GPT-6的价格也正式公布，API定价为： 输入：10美元／百万token； 输出：50美元／百万token 相当于 GPT-5.6 Sol的2.5倍，跟刚刚发布的Fable 5.1持平 （GPT-5.6 Sol当前官方价为输入4美元、输出20美元/百万token） 基准测试接近「饱和」 GPT-6 Astra这次最核心的变化，是从「回答问题」继续向 「直接完成工作」 推进。 它不只能生成一段文字或代码，还可以操作电脑和浏览器，进入不同软件执行多步骤任务，最后交付可以直接使用的文档、表格、演示文稿、网站甚至工程项目。 至于成绩单…谁看了都直呼离谱，其中三项成绩尤其扎眼： FrontierMath Tier 4 v2： 97.6% ARC-AGI-3： 99.9% （上一代GPT-5.6 Sol是7.8%） ExploitBench： 100% 一个高难数学，一个陌生环境推理，一个漏洞利用，差点全都被它刷到满分。 其中， ARC-AGI-3 是一项专门考验大模型适应陌生环境能力的测试，不给规则说明，直接把模型扔进从未见过的二维游戏里，让它边玩边摸索通关方法。 这个分数意味着，面对从未见过、也没有现成解法的问题， Astra已经表现出很强的自主探索和规则学习能力 不过，这一成绩使用了OpenAI的Responses API Harness运行框架。 OpenAI称，这套Harness调整了两项设置，让测试更接近真实Agent的使用方式，但并未针对ARC-AGI-3进行专项优化。 因此，99.9%不完全是基础模型的成绩，也包括记忆管理和Agent运行框架带来的增益。 编程Coding 同样是Astra这次的重点升级方向。 在Terminal-Bench 4.0上，Astra取得57.7%，超过Fable 5.1的55.8%和GPT-5.6 Sol的37.3%。 在DeepSWE v1.1上，Astra得到74.1%，高于Sol的72.7%和Fable 5.1的67.4%。 数学和科学方面，Astra同样拉出了一批高分。 在高难数学测试FrontierMath Tier 4 v2上，它拿到97.6%；研究生级科学问答GPQA Diamond达到96%，略高于Gemini 3.8 Flash的95.3%。 更突出的变化，是Astra 把代码能力与Computer Use结合了起来 ，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。 这种变化，在更接近真实工作的Agent测试中更明显。 Agents’ Last Exam 上，Astra取得59.3%，超过GPT-5.6 Sol的53.6%和Claude Opus 5的55.5%。 这项测试把它放进真实的电脑环境中，让它同时操作软件、终端和文件，完成科研、工程、财务等领域的长流程任务，并根据最终交付物判分。 而在更贴近真实办公流程的 AutomationBench 上，Astra的成绩从GPT-5.6 Sol的18.1%提高到41.4%，也超过了Fable 5.1（31%）。 这项测试不仅看任务有没有完成，还同时呈现完成任务所需的API成本。 从图中可以看到，Astra在不同成本设置下的成绩都明显高于Sol。 OSWorld 2.0考察的则是更直接的电脑操作能力。在离线测试中，Astra获得72.6%，GPT-5.6 Sol为65.7%。 Astra完成单项任务平均需要约40分钟，Sol则需要约75分钟，耗时减少约47%。 准确率提高的同时，完成任务所需的时间也在缩短。这也变相解释了Astra的高定
留言框-
