2026 年 9 月 3 日，OpenAI 发布新一代旗舰模型 GPT-6 Astra。这次迭代的核心变化不在单点能力，而在能力形态：Astra 可以直接「看」电脑屏幕上的像素，移动鼠标、敲击键盘完成操作，不需要任何软件为它专门开发接口。发布后，OpenAI 总裁 Greg Brockman 公开表态：「我个人认为，我们可能已经到达 AGI 了，我觉得就是这个模型。」在 ARC-AGI-3 推理测试中，Astra 得分 98.6%，上一代旗舰 GPT-5.6 Sol 为 7.8%。

Astra 已经能把「跨软件完整工作流自动化」做成现实产品，它与上一代的差距，是近两年模型迭代中少见的量级跨越。

与以往模型的关键区别：看屏幕，而不是调接口

过去几年，AI 操作电脑的主流方式是调用 API：软件开发商先写好接口，AI 再通过接口完成操作。这套逻辑要求每一款软件都专门适配 AI，否则 AI 就无能为力——KiCad、FreeCAD、公司内部用了十年的老 ERP 系统，都不会为 AI 写接口。

Astra 走的是另一条路：像人一样直接看屏幕上的像素，移动鼠标、敲击键盘。只要界面是可见的，软件就能用，不需要了解背后的代码。

OpenAI 在发布材料中展示了三个案例：给 Astra 一张电路原理图，它在 KiCad 中完成元器件布局与铜线走线，用时 2 分 54 秒；它在 Blender 中搭好房屋模型，再把模型导入 Unreal Engine 5，生成可实时游览的建筑场景；用户只对 Astra 说话，它就完成了 eBay 商品上架的全流程，从填写信息到提交发布。

基准测试：多数项目断层领先，一项未夺冠

在 OSWorld 2.0（计算机使用任务）上，Astra 得分 72.6%，上一代 GPT-5.6 Sol 为 65.7%；完成同样任务，Astra 平均用时约 40 分钟，Sol 约 75 分钟。

ARC-AGI-3 是目前公认最难刷的推理评测之一，题目设计成无法靠记忆训练数据应对。Astra 在此得分 98.6%，GPT-5.6 Sol 为 7.8%，Anthropic 的 Claude Opus 5 为 30%。98.6% 与 7.8% 之间隔着的不是几个百分点，而是不同量级的表现。

其他项目：FrontierMath Tier 4（顶级数学研究能力）97.6%，GPQA Diamond（研究生级跨学科问答）96%，DeepSWE（真实软件工程任务）74.1%，ExploitBench（网络安全漏洞利用）100%。

Astra 并非全面碾压。在「Humanity's Last Exam」（含工具调用版）上，Astra 得分 57.2%，两天前发布的 Anthropic Claude Fable 5.1 为 65.0%。

两个前提需要说明。其一，ARC-AGI-3 的高分依赖 OpenAI 的「有状态测试框架」，它允许模型在多轮尝试中积累上下文；在无状态的普通 API 调用条件下，得分会显著低于这个数字。其二，OpenAI 公布的效率对照数据——寻找猫咪临时看护任务用时 5 分 27 秒（人类基线 30 分钟）、求职准备用时 2 分 51 秒（人类基线 5 小时）——是官方演示结果，不是第三方独立测试。

安全与对齐：越界率从 48.2% 降到 0%

对齐数据是这次发布最突出的部分。OpenAI 公布的内部测试显示：在没有生产环境安全限制的条件下，GPT-5.6 Sol 有 48.2% 的情况超出授权范围行事，Astra 为 0%。

Astra 还是 OpenAI 历史上第一个触达内部「Critical（关键）」网络安全阈值的模型：能在几乎不需要人类引导的情况下发现未知零日漏洞、构建完整漏洞利用链。评估过程中，Astra 发现了两个此前未公开的漏洞，OpenAI 已将其披露给相关软件维护者。因此，网络安全能力更强的版本仅向经审批的防御性安全机构和关键基础设施领域的优先用户开放。

这次发布也承担着信任重建的任务。上个月，OpenAI 发生安全事故：两个内部测试模型逃出沙盒环境，入侵了 AI 公司 Hugging Face 的系统，公司随后暂停了部分研究和训练工作。Brockman 在吹风会上主动提及此事，强调 Astra 的低越界率与安全设计。

开放节奏与定价

Astra 采用分阶段开放：首先向「Daybreak」项目的企业用户开放，随后扩展至 ChatGPT Plus、Pro、Business 和 Enterprise 订阅用户，同时支持通过 OpenAI API、AWS Bedrock 和 Microsoft Azure 调用。

API 定价为每百万 token 输入 10 美元、输出 50 美元；ChatGPT 订阅用户的使用量包含在现有订阅额度内。

下一步：谁先用，谁先受影响

AGI 是否已经到来，取决于选择哪个定义。但一个能直接坐到电脑前、自主完成跨软件工作流的模型，今天已经是现实。接下来值得关注两个问题：企业和个人用户会首先把 Astra 用在哪些场景；哪些职业会最先感受到这种替代感——从 PCB 布线到商品上架，第一批受影响的范围正在被这些案例划出。