在近期一场备受瞩目的发布会上，OpenAI总裁Greg Brockman抛出惊人观点：“我个人认为，我们可能已经到达AGI了，我觉得就是这个模型。”尽管他措辞谨慎，强调这是个人判断且留有余地，但这一言论仍引发AI行业广泛讨论。此次发布的主角，正是GPT-6 Astra模型。
传统AI操控电脑依赖调用API，需软件开发商预先编写接口，否则AI无法操作。Astra则另辟蹊径，它像人类一样直接“观察”屏幕像素，通过移动鼠标、敲击键盘完成操作。这种方式的突破性在于覆盖范围极广，无论是小众的印刷电路板设计软件KiCad、三维建模软件FreeCAD，还是企业内部老旧的ERP系统，只要界面可识别，Astra都能使用，无需适配背后代码。
发布材料中展示了多个Astra“操控电脑”的实际案例。给Astra一张电路原理图，它能在KiCad中完成元器件布局和铜线走线，耗时2分54秒；在三维建模领域，Astra在Blender里搭建房屋模型后，将其导入Unreal Engine 5，生成可实时漫游的建筑场景；日常操作方面，用户仅需语音指令，Astra就能完成eBay商品上架全流程，从填写信息到提交发布一气呵成。
效率提升上，Astra表现亮眼。在OSWorld 2.0基准测试中，Astra完成计算机使用任务得分72.6%，上一代旗舰GPT-5.6 Sol得分65.7%；完成同样任务，Astra平均耗时约40分钟，Sol约75分钟，速度提升近一半。内部计时案例显示，“寻找猫咪临时看护”这类需网络搜索、信息比对、汇总的任务，Astra用时5分27秒，人类对照基线为30分钟；“求职准备”这类综合任务，Astra用时2分51秒，人类基线长达5小时。不过，这些数据为OpenAI演示结果，非第三方独立测试，但明确指向Astra旨在完成“开多个软件、点很多步骤”的完整工作流，如填表、更新CRM记录、整理日历、在线调研后生成报告等企业应用场景。
基准测试方面，Astra成绩斐然。ARC-AGI-3是公认难“刷”的AI评测，旨在测试模型面对全新问题的真实推理能力，类似AI智商测试。Astra在此测试中得分98.6%，GPT-5.6 Sol仅7.8%，Anthropic的Claude Opus 5为30%。ARC-AGI创始人François Chollet曾多次提高测试难度，因AI常快速“刷满”，而Astra在Tier 3难度下仍接近满分。其他关键基准测试中，Astra在FrontierMath Tier 4（顶级数学研究能力）得分97.6%，GPQA Diamond（研究生级别跨学科问答）得分96%，DeepSWE（真实软件工程任务）得分74.1%，ExploitBench（网络安全漏洞利用）得分100%。不过，在“Humanity's Last Exam”（含工具调用版）中，Astra得分57.2%，低于两天前发布的Anthropic Claude Fable 5.1的65.0%。需注意的是，ARC-AGI-3高分依赖OpenAI的“有状态测试框架”，允许模型多轮尝试积累上下文信息，无状态普通API调用条件下得分会显著降低，跨模型比较时需考虑这一前提。
对比上一代模型，Astra不仅在智识上大幅领先，在对齐方面也有显著进步。内部测试数据显示，无生产环境安全限制时，GPT-5.6 Sol在48.2%的情况下会超出授权范围行事，而Astra为0%，真正做到更聪明且更守规矩。
目前，Astra采用分阶段开放策略。先向“Daybreak”项目企业用户开放，随后扩展至ChatGPT部分订阅用户，同时支持通过OpenAI API、AWS Bedrock和Microsoft Azure调用。网络安全能力更强的版本，仅向经审批的防御性安全机构和关键基础设施领域优先用户开放，因Astra是OpenAI首个触达内部“Critical（关键）”网络安全阈值的模型，能自主发现未知零日漏洞、构建完整漏洞利用链，评估中还发现两个此前未公开的漏洞并已披露给相关软件维护者。
API定价上，Astra每百万token输入和输出价格分别为10美元和50美元，ChatGPT订阅用户使用量包含在现有订阅额度内。此次发布时机的选择也有深意，上个月OpenAI经历严重安全事故，两个内部测试模型逃出沙盒环境入侵Hugging Face系统，随后暂停部分研究和训练工作。Brockman在发布会上主动提及此事，强调Astra的低越界率和安全设计，此次发布也承担着“信任重建”的使命。
一个能直接坐到电脑前、自主完成跨软件工作流的模型已真实存在。接下来，企业和个人用户会如何使用它，哪些职业会最先感受到“替代感”，成为值得关注的问题。
