9 月 4 日，OpenAI 发布新一代旗舰模型 GPT-6 Astra 与 GPT-6 Astra Pro。这次发布的核心变化，是把模型从“回答问题”推向“直接完成工作”：Astra 可以操作电脑与浏览器、进入不同软件执行多步骤任务，并交付可直接使用的文档、表格、演示文稿甚至工程项目。OpenAI 总裁 Greg Brockman 在发布会结尾宣布“欢迎来到 AGI 时代”。
规模与定价：史上最大训练任务，价格翻倍
Astra 是 OpenAI 历史上规模最大的训练任务，在得克萨斯州 Stargate 园区动用超过 10 万块 GPU 完成预训练，也是首款由前代模型深度参与训练监督的旗舰产品。
API 定价同步公布：输入 10 美元/百万 token，输出 50 美元/百万 token，是上一代 GPT-5.6 Sol（输入 4 美元、输出 20 美元）的 2.5 倍，与 Anthropic 的 Fable 5.1 持平。OpenAI 给出的解释是，比每百万 token 单价更有意义的指标是“完成一项任务需要多少钱”：Astra 在 OSWorld 2.0 离线测试中单任务平均耗时约 40 分钟，而 Sol 需要约 75 分钟，耗时减少约 47%。返工更少意味着完成整项工作的总成本可能更低。
基准成绩：多项接近满分
在多项基准测试中，Astra 的成绩明显高于上一代：
- FrontierMath Tier 4 v2（高难数学）：97.6%
- ARC-AGI-3（陌生环境推理）：99.9%，上一代 Sol 为 7.8%；OpenAI 说明该成绩经由 Responses API Harness 运行，包含记忆管理与 Agent 运行框架的增益，并非纯基础模型成绩
- ExploitBench（漏洞利用）：100%
- Terminal-Bench 4.0（编程）：57.7%，高于 Fable 5.1 的 55.8% 与 Sol 的 37.3%
- GPQA Diamond（研究生级科学问答）：96%，略高于 Gemini 3.8 Flash 的 95.3%
- AutomationBench（真实办公流程）：41.4%，上一代 Sol 为 18.1%
网络安全：更会找漏洞，也更守边界
Astra 在 ExploitGym 上从 Sol 的 30.3% 提高到 42.4%；面对近三个月公开的新漏洞，成功率为 39%，Sol 只有 5.5%。测试期间它还发现并利用了 2 个此前未知的 V8 零日漏洞。边界感同样有量化结果：在一项模拟网络安全任务中，OpenAI 故意留下可被利用的诱饵漏洞，Sol 有 48.2% 的测试出现越界行为，Astra 为 0%。
真实场景：从办公文件到游戏开发
第一批企业测试已经给出可量化的结果。法律 AI 平台 Legora 用 Astra 一次核对 41 份财务文件，几分钟内找出全部 4 个预埋错误，其中包括收入附注中一处 50 万英镑的差额，单看这项任务比上一代快近 40%。游戏公司 Playco 让 Astra 直接进入 Unity 和 Godot，同一份灰盒底稿一次产出 3 个不同主题的可玩原型，人工修补工作量减少一半。
开放范围与判断
按官方计划，Astra 面向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，Astra Pro 面向 Pro、Business 和 Enterprise 用户，免费用户暂不可用。
GPT-6 Astra 的意义不在于把单项基准分数推到接近满分，而在于它开始把“完成整段工作”当作模型的主业：持续读取信息、调用工具、检查结果，再根据反馈修改产出。当完成一项任务的总成本成为新的比较维度，模型竞争中真正被比较的，将是谁能用更少的步骤、更少的费用把事情做完。