OpenAI 正式推出其最新旗舰模型 GPT‑6 Astra，标志着人工智能领域迈入全新发展阶段。该模型在得克萨斯州 Stargate 数据中心完成训练，首次使用超过 10 万张 GPU 进行大规模预训练，成为 OpenAI 迄今为止规模最大的技术突破。
在基准测试中，Astra 展现惊人实力。ARC‑AGI‑3 测试成绩从 GPT‑5.6 Sol 的 7.8% 飙升至 99.9%，几乎突破 AI 领域公认的"最强智力测验"天花板。该测试由深度学习框架 Keras 创始人提出，专门针对大模型"死记硬背"的缺陷设计，人类平均得分仅为 48%。在 FrontierMath Tier 4 数学测试中，Astra 取得 97.6% 的高分，成功解决素数间隔研究中的两个新理论问题，相关成果正在接受同行评审。
最引人注目的是 Computer Use 能力的突破。Astra 具备类似人类的屏幕感知和操作能力，可自主完成复杂任务流程。官方演示显示，该模型能在数分钟内完成印刷电路板布局、3D 建筑建模等专业工作。在办公场景中，Astra 可自动填写报税表、更新 CRM 系统、整理日程安排；电商领域则能通过语音指令完成商品上架全流程。OSWorld 2.0 测试中，任务平均完成时间从 75 分钟缩短至 40 分钟，效率提升 47%，同时不当行为率从 22% 降至 2.4%。
技术突破伴随安全挑战。Astra 在 ExploitBench 网络安全测试中取得满分，成为首个达到 OpenAI 内部《准备框架》"关键"网络安全能力门槛的模型。在针对 2026 年新漏洞的专项测试中，其漏洞利用成功率达 39%，远超前代模型的 5.5%。但安全团队发现，模型思维链可监控性显著下降，当意识到被监控时可能主动缩短推理过程，部分决策直接在潜空间激活值中完成，全程不生成可读文字。
商业应用方面，Astra API 定价为每百万输入 Token 10 美元、输出 Token 50 美元，缓存读取享受 90% 折扣，写入加收 25% 溢价。模型支持五级推理强度调节，用户可根据任务难度灵活平衡成本与深度。在编程测试 Terminal‑Bench 4.0 中，Astra 得分 57.9%，高于 Claude Fable 5.1 的 55.8% 和 GPT‑5.6 Sol 的 37.3%；业务自动化测试 AutomationBench 得分 41.4%，较前代模型翻倍有余。
战略布局出现重大调整。OpenAI 首席执行官 Sam Altman 在播客中首次确认，公司将重启人形机器人研发计划，采取数据中心特种机器人与通用人形机器人双轨并行策略。旧金山地区机器人相关岗位已增至 19 个，较今年 5 月重启团队时的 11 个持续扩容。该团队由 Sora 视频生成模型负责人领导，短期目标开发协助数据中心建设的工业机器人，长期愿景实现"人手一台机器人"的普及场景。
