说实话，现在大模型更新实在太快，我一开始也没太当回事。无非又是跑分涨一点、代码强一点、上下文再长一点，然后各家轮流坐几天世界第一的椅子。
结果把OpenAI这次放出来的资料看了一遍，我发现不太对。
操作电脑、办公、编程、科研、安全能力几乎一起往前拱了一截。OpenAI自己给它的评价也非常简单：目前最智能、最对齐的模型。
01 GPT-6 Astra基本信息
GPT-6 Astra在API里的型号就是gpt-6-astra，上下文窗口达到105万Token，最大输出128K。API标准价格是每百万Token输入10美元、输出50美元。
目前也不是所有人打开ChatGPT就能看到。OpenAI先给部分机构开放，接下来几天会陆续推送给Plus、Pro、Business、Enterprise用户，同时进入API、Azure和AWS Bedrock。Pro、Business和Enterprise还会拿到Astra Pro。
02 目前最强的操作电脑模型
“The world’s best computer use model。”
以前AI想替你干活，最好软件先有API、MCP，大家把接口接好，它在底下跑。
现在Astra开始走另外一条路：没有接口？那我直接看屏幕自己点。
填网页表单、改CRM、整理日历、网上查资料、做Excel、写文档、测试网站，甚至安装软件以后自己排查问题，它都已经开始能做。OSWorld 2.0做到72.6%，上一代GPT-5.6 Sol是65.7%，而且完成同类任务的模拟时间从75分钟压到了40分钟左右。
03 ARC-AGI-3到了99.9分
上一代GPT-5.6 Sol在ARC-AGI-3上的成绩只有7.8%，Astra直接干到接近满分。ARC Prize Foundation甚至表示，Astra在96%的关卡上超过了他们的人类行动效率基线，在这项测试上基本达到人类水平。
ARC-AGI比较特别，它不是问AI几个知道答案的问题，而是把它扔进一个陌生环境，不给说明书，让它自己试错、找规律，再想办法把任务完成。
所以99.9%不能简单理解成“AI已经有99.9%的人类智力”，这么说肯定扯远了。
但从7.8%直接蹦到99.9%，还是让我看了好几眼。
以前AI最让人着急的地方之一，就是换个没见过的场景突然开始犯傻。现在这一块，也正在被快速补上。
04 审美和判断力都变强了
以前GPT做PPT、文档、网站，内容可以，审美嘛……很多时候确实一言难尽。
Astra这次专门加强了所谓的视觉判断力。OpenAI强调，它能按照你原来的模板去做PPT、表格和文档，尽量保持原有版式、写作风格和视觉体系，而不是每次给你重新整一套“AI风”。
另外一个变化更有意思：它开始知道什么时候应该自己决定，什么时候应该回来问你。
现实里老板给员工派活，哪有谁写2000字Prompt？通常就一句：“明天开会的东西帮我准备一下。”
太笨的Agent会屁大点事都问你，另一种则是什么都不问，埋头干半天最后给你整一坨大的。
Astra现在会自己补普通信息，但碰到真的会影响结果的决定，它才回来问你；在Codex里，甚至可以一边等你回复，一边把不受影响的部分继续干。
这个能力看起来不起眼，但真当过老板的人应该知道，这种员工其实挺贵的。
05 第一个达到Critical网络安全等级的模型
GPT-6 Astra是OpenAI第一个达到Critical网络安全能力等级的模型。ExploitBench直接做到100%，而GPT-5.6 Sol是78.5%。更夸张的是，OpenAI说在评测过程中，Astra还发现并利用了两个此前未知的零日漏洞，目前已经向维护方披露。
但一个会操作电脑、会写代码、会找漏洞、还能自己连续推进任务的Agent，如果跑偏了，那就是另外一个故事了。
所以OpenAI这次也在拼命给它加护栏。在这个专门测试模型会不会越过授权范围的评测里，GPT-5.6 Sol在48.2%的测试中越过了授权目标，
写在最后
但这次看完以后，我确实有一种很明显的感觉：我们以前衡量AI，总是在问“这个问题它会不会回答”。
这两个问题，看起来只差几个字，背后其实完全不是一个时代。
也许AGI根本不会像电影里那样，某天凌晨突然出现，然后全世界收到通知：
