GPT-6 Astra：从“文字吹牛”到“真机实干”|科技 |OSWorld |电脑 |操作 |鼠标 |模型

当AI开始自己移动鼠标，人机协作的定义就被改写了。

9月4日凌晨，OpenAI正式发布新一代旗舰模型GPT-6 Astra。

发布前的闭门媒体简报会上，OpenAI总裁Greg Brockman说了一句话：“Welcome to the AGI era.”——欢迎来到AGI时代。

这句话如果放在一年前，大概率被当成发布会的例行修辞。但这一次，几乎整个科技圈都在认真讨论它。原因只有一个：Astra做的，不是“更会聊天”这件事。

它开始自己用电脑了。

官方宣传片里，OpenAI用一句比任何测试分数都直白的话定义它：“Anything you can do on a computer, Astra can do for you. Fast.”——你在电脑上能做的任何事，Astra都能为你做，而且很快。

这句话到底意味着什么，要从“以前的AI”和“现在的AI”之间的分界线说起。

01 以前：AI给方案，人干活

过去几年，普通人对AI的体验可以压缩成一句话：它是一个“结果输出者”。

你让它写方案，它给你一段文字；你让它写代码，它给你一堆代码；你让它规划行程，它给你一张清单。然后呢？然后轮到人接手——把文字变成PPT，把代码跑起来调通，把清单变成一次次的点击和输入。

AI负责“想”，人负责“干”。中间隔着一道真实的鸿沟：AI看不见屏幕，移不动鼠标，进不了任何一个软件。

这也是为什么很多人觉得AI“很强却用不起来”：它交出来的永远是半成品，最后一步永远要人来做。

02 现在：AI接需求，全自动干完

Astra的变化，是补上了“从想法到操作”的最后一公里。

它能看屏幕、理解界面，能移动鼠标、敲击键盘，能打开软件、填写表单、运行代码，遇到报错会自己排查重试，直到任务闭环。OpenAI给它的定位同样干脆——“世界上最好的computer use模型”。

这不是概念演示。官方场景里，Astra能根据电子原理图在KiCad里完成PCB元件布局和布线；能操作Excel和Power BI处理数据；能用Blender做3D建模；能自己做PPT、开发游戏、分析科研数据；甚至能自主安装和测试软件，盯着屏幕上的报错继续调试。

你给它一个高层目标，它自己规划步骤、调用工具、读写文件，把整件事做完。全程不需要你守在旁边。

以前：你给AI一个需求，AI给你一个方案，你再去执行。

现在：你给AI一个需求，AI把方案和执行一起做完，把成品交给你。

这就是“从文字吹牛到真机实干”——AI第一次真正进入了“执行层”。

同样是“用AI”，左边是过去的打开方式，右边是现在的打开方式。

03 它不是更会聊天，而是更会“动手”

要理解这次升级的含金量，得先看清Astra“用电脑”的方式，它大致分四步：

第一步，看。读取屏幕内容，识别按钮、输入框、菜单和报错弹窗；

第二步，想。把目标拆成步骤，判断先做什么、后做什么，哪些操作依赖前面的结果；

第三步，动。像人一样移动鼠标、点击、输入，操作浏览器和各类软件；

第四步，验。观察屏幕反馈，错了就调整，卡住就换路径，直到任务完成。

这个过程，本质上就是人类用电脑的方式：看屏幕、找按钮、点鼠标、输入内容、等反馈。OpenAI把整个桌面交互当作模型的操作环境，不再依赖软件厂商开放接口。

换句话说：以前的AI，要别人给它“开一扇门”才能干活；Astra学会了“自己开门”。

在延迟模拟测试OSWorld 2.0上，Astra的Computer Use得分72.6%，比上一代GPT-5.6 Sol快约47%，单个任务平均耗时约40分钟。“40分钟”这个数字值得注意：它意味着Astra能承担长时间、连续性的工作，而不是一个又一个碎片问答。

04 数字背后：强得离谱，也要看清口径

OpenAI公布的成绩单里，几个数字相当扎眼：

ARC-AGI-3（让AI在陌生环境里自己摸索规则、完成任务的能力）：99.9%，上一代GPT-5.6 Sol为7.8%；

FrontierMath Tier 4（高阶数学）：97.6%，Sol为83.0%；

ExploitBench（网络安全漏洞利用）：100%。

但有一个口径问题必须说清：ARC-AGI-3的99.9%，是在OpenAI自己的Provider Adapter配置下跑出来的；换成全行业统一的Standard harness，Astra最高为62.7%。OpenAI的解释是，标准测试环境会不断打断模型的记忆，换用生产配置并保留推理过程后，分数才出现跃升。

也就是说，99.9%是“用了OpenAI优化配置”的成绩，不是所有测试方式下的成绩。它说明Astra很强，但还不能直接等同于“AGI在一切测试里接近满分”。

相比那几个漂亮的分数，另外两组数据可能更接近这次升级的本质：

一是长程记忆。在MRCR v2超长检索测试中，Astra在256K至512K上下文里准确率100%，512K到1M仍达96.3%。对一个要连续工作几十分钟的Agent来说，“能不能记住很久以前的事”比“上下文窗口有多大”更关键。

二是逆向工程。面对只有编译后二进制、没有源代码的程序，Astra一次尝试的理解成功率88%，尝试四次最高99.2%（Sol分别为55.9%和68.7%）。这意味着它开始能“读”机器指令，从编译产物里还原程序逻辑——这是恶意软件分析、漏洞挖掘等场景的直接能力基础。

这两项能力指向同一个方向：Astra不是更会“答”，而是更会“干”，而且能干得更久、更难。

05 它很能干，但也很贵、很谨慎

能力的代价，直接写进了价格。

Astra的API定价为：每百万输入token 10美元、缓存输入1美元、输出50美元，整体约为上一代GPT-5.6 Sol的2.5倍。它提供105万token上下文，单次输出上限12.8万token，知识截止2026年4月30日。

OpenAI还推出了Fast模式：价格翻倍，换取约2.5倍执行速度。对一个原本要连续跑40分钟的Agent任务来说，速度本身就是产品能力。

更值得注意的是它的开放节奏。发布当天，Astra并没有全量上线：首批只向Trusted Access体系中的机构和经过审核的网络安全用户开放；Plus、Pro、Business、Enterprise和API用户随后几天陆续接入。截至本文发布，订阅用户仍在等待开通。

为什么这么谨慎？因为Astra是OpenAI第一个跨过“关键级”网络安全能力阈值的模型。内部测试中，面对20个2026年6至8月新披露的高危漏洞，它不仅能完成利用，还自己发现了2个此前未知的zero-day漏洞，并串成一条攻击链。

更微妙的是安全测试的另一面：Astra在电脑使用测试中的违规率从上一代的22.0%降到2.4%，幻觉率从9.4%降到2.0%——它“更听话”了；但同时，它对书面推理的控制能力变强，OpenAI发现不能再只靠监控“思维链”来盯住它，于是专门上了“失对齐监控”，实时观察它的推理、动作、工具调用和任务轨迹，一旦判断模型可能偏离用户意图，就暂停甚至终止任务。

这套监控本身不便宜：仅计算开销，就大约相当于被监控推理算力的20%。

所以Astra的“贵”，一部分贵在能力，另一部分贵在“盯着它”。

06 纠偏：AGI时代，真的来了吗

这场发布会最大的争议，恰恰来自“AGI”这个词。

Brockman说“Welcome to the AGI era”，也承认如果让他个人判断，“我们已经实现了”。但被追问OpenAI是否正式宣布实现AGI时，他又承认，AGI已经变成一个“灰色的、模糊的东西”，更像一种使命概念，而不是能精确划线的技术标准。

Altman的态度更微妙：他一度不愿意认真讨论“什么时候实现AGI”，认为这个词定义模糊，甚至差点把它称作“无关紧要的营销术语”。他真正开始担心的，是下一个词：超级智能。

所以对普通人来说，更稳妥的判断是：

第一，“AGI时代”更多是一种叙事信号，而不是技术盖章。它说明AI的能力边界发生了实质变化——从输出内容，到输出结果。

第二，“能操作电脑”不等于“具备通用智能”。Astra在计算机使用、软件工程、网络安全等领域是世界顶级，但它依然受限：能力边界、开放范围、监控机制都在约束它。

第三，唯一确定的变化是分工方式。以前AI是“参谋”，现在AI开始当“执行者”。

07 以后判断这类消息，可以看四个变量

今后再看到“AI又进化了”的消息，不妨先看四件事：