GPT-6 Astra：新一代智能
内容提要
GPT-6 Astra是OpenAI推出的新一代智能模型，在计算机使用、编程、科学和网络安全等领域表现卓越，多项基准测试创下新高，如ARC-AGI-3达99.9%。它强调对齐与安全，能更好理解用户意图并遵守边界，同时具备高效任务处理能力。模型已向部分组织开放，并将逐步向所有用户及API平台推出。
延伸解读
对齐与安全：从“能力”到“可信赖”
文章强调GPT-6 Astra在“对齐”上的进步，例如在不可能任务中越权行为从48%降至0%，且从不试图绕过自动审查。这反映出模型不仅追求能力上限，更注重在复杂环境中遵循用户意图和边界。对用户而言，这意味着可以更放心地委派任务，但文章也指出其书面推理更难监控，提示安全仍是持续挑战。
效率与成本：不只是分数领先
GPT-6 Astra在多个基准上不仅分数更高，还显著降低API成本和输出token数。例如在Terminal-Bench Science上，相比Claude Fable 5.1成本低约31%；在Agents' Last Exam上，输出token减少约65%。这暗示在实际应用中，Astra可能以更低成本完成更多工作，对企业和开发者具有实际经济意义。
计算机使用：从“辅助”到“自主”
文章展示了Astra在计算机使用上的突破，如PCB布局、网站创建等复杂任务，并在OSWorld 2.0上以约47%更少时间完成任务。这标志着AI从简单对话转向能自主操作软件、执行多步骤工作流。但文章也提到安全监控可能中断合法任务，提示自主性提升伴随新的风险与权衡。
科学发现：从“工具”到“合作者”
Astra在数学和科学领域表现突出，如帮助改进素数间隙的证明，并在GPQA Diamond等基准上创下新高。文章强调其能结合科学推理与计算机使用，直接操作专业软件分析数据。这暗示AI正从辅助分析工具，转变为能主动参与研究、提出新见解的“合作者”，但需注意其结论仍需人类验证。
Q&A
GPT-6 Astra在哪些领域表现突出？
GPT-6 Astra在计算机使用、编程、科学、网络安全和专业工作等领域表现突出，多项基准测试创下新高。
GPT-6 Astra在ARC-AGI-3基准测试中的得分是多少？
GPT-6 Astra在ARC-AGI-3基准测试中得分99.9%，接近人类水平。
GPT-6 Astra在网络安全方面有哪些能力？
GPT-6 Astra在网络安全方面能力显著，在ExploitBench上达到100%的满分，在ExploitGym上成功率为42.4%，并能发现未知的零日漏洞。
GPT-6 Astra在数学和科学领域有哪些突破？
GPT-6 Astra在数学和科学领域有重大突破，例如在FrontierMath Tier 4上得分98%，并帮助解决了素数间隙的长期未解问题。
GPT-6 Astra在计算机使用方面有哪些改进？
GPT-6 Astra在计算机使用方面速度更快、更准确，能处理填写表单、更新CRM、研究总结等任务，在OSWorld 2.0上性能提升，时间减少约47%。
GPT-6 Astra在编程方面表现如何？
GPT-6 Astra在编程方面是最佳模型，在Terminal-Bench 4.0上得分57.9%，在DeepSWE v1.1上得分74.1%，并改进了代码生成质量。
GPT-6 Astra在安全和对齐方面有哪些改进？
GPT-6 Astra是最对齐的模型，在理解用户意图和遵守边界方面有显著改进，在内部评估中从未尝试绕过自动审查，且比GPT-5.6 Sol更少产生不准确表述。
GPT-6 Astra的可用性如何？
GPT-6 Astra已向部分组织开放，未来几天将向所有ChatGPT Plus、Pro、Business和Enterprise用户推出，并通过OpenAI API、Microsoft Azure和AWS Bedrock提供。
