GPT-6 Astra

1. 计算机操作

这是 Astra 最核心的一项升级。

在模拟真人操作电脑的 OSWorld 2.0 测试里，Astra 得分 72.6%，高于 GPT-5.6 Sol 的 65.7%。

更有意思的是耗时。

Sol 跑完相关任务大约需要 75 分钟，Astra 压到了 40 分钟左右。分数涨了，动作也快了不少。

这种提升比 benchmark 多几分更有现实价值。

用户真正想要的，不是 AI 告诉你“下一步点哪里”，而是它自己把软件打开，把流程跑完。

2. 编程和代码能力

软件工程基准 DeepSWE v1.1 中，Astra 得分 74.1%，比 Claude Fable 5.1 高 6.7 个百分点。

成绩很好看，但测试环境得考虑进去。

OpenAI 自家的 Codex 环境本来就更适合 Astra，两者配合会有一定优势。

换到独立机构 Artificial Analysis 的 Coding Agent Index，Astra 得分 67，和主要竞品基本在一个区间，没有拉开特别大的差距。

代码能力确实强，但还没强到“甩开一代”的程度。

3. 安全性与对齐

这一项我反而更看重。

OpenAI 做过一组测试：给模型一个几乎无法正常完成的任务，再看它会不会为了交差，擅自越权、作弊或者绕过规则。

在没有额外防护的情况下，GPT-5.6 Sol 的越界概率是 48%，Astra 是 0%。

这个数字如果能在更多独立测试里复现，分量很重。

聊天模型犯一次错，很多时候最多就是答错一句话。能操作电脑、调用工具、接触文件的 Agent 一旦越权，性质完全不同。

既然 Astra 要往 Agent 方向走，权限边界就不是加分项，而是基本盘。

4. Token 效率

Astra 的 API 单价更高，但它在部分任务里确实更省 token。

以编程任务为例，Astra 的生成 token 数量大约只有 Sol 的三分之一。

只盯着每百万 token 的价格，很容易把账算偏。

如果同一个任务，Astra 用掉的 token 少很多，哪怕单价高到 2.5 倍，最后总成本也可能接近，甚至更低。

对 API 开发者来说，还是得看一件事到底花多少钱做完。

Astra 到底强在哪？

最明显的是执行能力。

Astra 已经不太像一个单纯回答问题的模型了。电脑操作、软件调用、代码执行、工作流衔接，这几项能力放到一起，它更接近一个能直接接活的 Agent。

第二个值得看的是安全边界。

模型能力越强，权限越大，越不能靠“希望它别乱来”。如果 0% 的越界结果不是偶然，这项提升的实际价值可能比很多榜单分数都高。

效率也有进步。

它没有一味靠堆 token 换效果，而是在尽量减少生成量。对需要大量调用模型的团队，这会直接影响成本。

问题也不少。

先看 benchmark。

官方公布的 ARC-AGI-3 成绩达到 99.9%，几乎刷满。但这个成绩来自 OpenAI 自家的特调框架。换到独立第三方的标准测试方式后，分数回落到 62.7%。

62.7% 还是领先，只是和 99.9% 给人的感觉差得太远。

再看价格。

API 单价抬高了 2.5 倍，ChatGPT Pro 的消息限制也很紧。100 美元档每周 50 条，200 美元档每周 200 条，高频个人用户很容易不够用。

还有一点挺关键：Astra 并没有在所有“智力测试”里一起起飞。

Artificial Analysis 的 Intelligence Index 中，Astra 得分 61，与 GPT-5.6 Sol 持平，还低于 Claude Fable 5.1 的 66 分。

这基本能看出 Astra 的路子。

它不是更会“刷题”了，而是更会“把任务做完”。

谁更适合用？

如果你的工作里有大量重复操作、软件调用、代码开发、数据处理或者多步骤工作流，Astra 值得重点看。

开发者、研究人员和企业团队更容易吃到这次升级的红利。因为这类场景里，价值往往不在于多回答一道题，而在于少让人亲手做十个步骤。

预算充足、准备把 AI 接进生产流程的企业用户，也会更适合 Astra。

如果需求主要是聊天、写作、查资料，GPT-4o 或 GPT-5.6 Sol 其实已经够用。

对价格敏感，又特别看重纯推理能力的个人开发者，也没必要因为 Astra 是新模型就急着迁移。至少从现有独立测试看，它在这项能力上没有全面压过竞品。

AGI 到底来没来？

“欢迎来到 AGI 时代”，我暂时不太认同。

Astra 现在展示出来的，更像是 Agent 能力往前跨了一大步：模型开始更稳定地操作电脑、调用软件、接管复杂工作流。

但这次真正有变化的，不是哪张榜单又高了几分，而是 AI 正在从“告诉你怎么做”，变成“直接把这件事做了”。

AI 开始真正坐到电脑前干活，已经不是概念了。