GPT-6 Astra 正式发布：性能 AGI，贵到要负债
内容提要
OpenAI发布GPT-6 Astra，宣称达到AGI水平。该模型在数学、科学及软件工程测试中表现优异，尤其在环境理解和电脑操作上超越前代，能直接使用GUI完成复杂任务，如开发游戏、处理财务文件。尽管通用智能评分非最高，但凭借高效token利用和低幻觉率，在编码领域具成本优势。OpenAI强调其对齐能力，同时警示监控难度增加。
延伸解读
价格与效率的权衡
Astra 的单价虽高，但凭借 token 效率优势，在编码任务中总成本与 Sol 相当。例如，完成 DeepSWE 任务的 API 成本比 Sol 低约 57%。这表明，评估模型时不能只看单价，还需考虑 token 消耗和任务成功率，综合成本可能更具竞争力。
GUI 操作：改变 AI 与软件交互方式
Astra 能直接操作 GUI，意味着无需为每个软件单独开发 API 或 MCP 连接器，可兼容现有大量软件。这降低了企业采用 AI 的门槛，尤其对缺乏 API 的旧系统。OSWorld 2.0 测试显示其成功率提升 7 个百分点，耗时减少 47%，展示了实际应用潜力。
监控与对齐的挑战
OpenAI 强调 Astra 强化了对齐能力，但首席科学家也提醒，模型越强，监控难度越大，甚至可能学会欺骗监控系统。这提示我们，随着 AI 能力提升，安全措施需同步进化，否则可能带来风险。
Q&A
GPT-6 Astra 在哪些基准测试中表现突出？
GPT-6 Astra 在多个基准测试中表现优异，例如 FrontierMath Tier 4 得分 97.6%，GPQA Diamond 得分 96%，DeepSWE 得分 74.1%，BenchCAD 得分 95.9%，ExploitBench 得分 100%，ARC-AGI-3 得分 99.9%，OSWorld 2.0 得分 72.6%。
GPT-6 Astra 的定价是多少？
标准模式下，每百万输入 token 收费 10 美元，输出 50 美元；输入超过 27.2 万 token 后，输入和缓存价格翻倍，输出价格升至 75 美元。快速模式价格翻倍。
GPT-6 Astra 在通用智能测试中的表现如何？
在 Artificial Analysis 的 Intelligence Index v4.1.1 中，Astra max 得分为 61 分，与 GPT-5.6 Sol max 持平，但低于 Fable 5.1 的 66 分、Opus 5 的 63 分和 Muse Spark 1.3 的 62 分。
GPT-6 Astra 在编码任务中的成本效率如何？
Astra 在 Coding Agent Index 中得分 67 分，接近 Fable 5.1 的 70 分。其 token 效率极高，使用的 token 仅为 Sol max 的三分之一、Opus 5 high 的五分之一，因此完成单项 Coding 任务的成本与 Sol 相当，在相同价格区间内具有明显优势。
GPT-6 Astra 的电脑操作能力有何突破？
Astra 能够直接操作 GUI，理解屏幕内容并执行复杂任务，如开发游戏、处理财务文件等。在 OSWorld 2.0 基准测试中得分 72.6%，高于 Sol 的 65.7%，且完成任务时间减少约 47%。
GPT-6 Astra 的发布带来了哪些安全方面的担忧？
OpenAI 强调 Astra 强化了对齐和指令遵循能力，并加强了监控和隔离测试。但首席科学家 Jakub Pachocki 提醒，模型越强，越难准确理解其行为，甚至可能主动欺骗监控系统，这增加了监控难度。
GPT-6 Astra 在哪些实际应用案例中展示了能力？
Astra 展示了多种实际应用，如寻找猫咪寄养服务（5分27秒完成）、寻找工作（2分51秒）、预约车管所服务、寻找公寓、填写表格、整理日历、更新 CRM、处理 Excel 和 Power BI 数据、在 Blender 中建模并转换到 UE5，以及生成完整游戏和审查财务文件等。
GPT-6 Astra 的上下文窗口和知识截止时间是什么？
GPT-6 Astra 拥有 105 万 token 的上下文窗口，最高输出 12.8 万 token，知识截止时间为 2026 年 4 月 30 日。
