文章
@AinaPulu

GPT-6 Astra：把 computer use 推到前台的旗舰发布

AinaPulu
@AinaPulu · 上午 2:54 · 2026年9月6日
在 X 查看

OpenAI 在 2026 年 9 月初发布 GPT-6 Astra。官网开篇点名的硬指标很清楚：FrontierMath Tier 4 约 98%、ARC-AGI-3 约 99.9%、ExploitBench 100%；同时首次达到 Preparedness Framework 下网络安全 Critical 阈值。 从公开材料看，它的重点不只是聊天质量，而是把 computer use、软件工程、科研工作流和网络安全能力放进同一套旗舰能力，并配套更严格的部署分层。

一、它解决什么问题

过去一年，模型在对话和局部工具调用上已经很强，但真正耗时的往往是跨应用的连续操作：在浏览器里查资料、改表格、写文档、做前端检查、在终端里跑实验脚本。 Astra 的产品叙事很明确——把这些「坐在电脑前才能完成」的工作，尽量交给模型以更高成功率、更短时延完成。 computer-use 结果值得单独看：

  • OSWorld 2.0（离线子集）：Astra 约 72.6%，前代 GPT-5.6 Sol 约 65.7%
  • 单任务耗时大约从 75 分钟量级降到 40 分钟量级（约少 47%）
  • Agents’ Last Exam：Astra 约 59.3%（Sol 约 53.6%，Claude Opus 5 约 55.5%）
  • ScreenSpot-Pro（无工具）：约 92.7% 这些数字说明的不是「又会聊一点」，而是界面定位、多步操作和专业软件任务更稳。

二、编码与长任务

软件工程仍是主战场之一：

  • Terminal-Bench 4.0：Astra 约 57.9%（Sol 约 37.3%，Claude Fable 5.1 约 55.8%）
  • DeepSWE v1.1：约 74.1% 更有工程意义的是 Codex 侧的上下文处理：Astra 支持在上下文窗口轮转时保留可检索笔记/历史窗口，减少反复 compaction 丢细节。对长 refactor、长调试这类任务，这比单次分数更关键。

三、科研与数学

科研相关评测抬升明显：

  • Terminal-Bench Science 0.1：约 64.6%（Sol 约 22.4%，Fable 5.1 约 52.6%）；官方强调在相近或更低 API 成本下取得更高分
  • GPQA Diamond：约 96.0%
  • FrontierMath Tier 4：约 97.6%–98%（开篇叙事口径约 98%）
  • ARC-AGI-3（其 harness 设定）：约 99.9% OpenAI 还公开了 Astra 辅助推进素数间隙相关结果的例子（短间隙上界改进、大间隙相关项改进），并附证明与材料链接。这更像「研究助手能进工具链」，而不只是答题。

四、对齐：为什么它被说成「更可委托」

Astra 被表述为迄今对齐最好的一档。公开材料中的对照很硬：

  • 与 Hugging Face 事件相关的评测：困难/不可完成任务下，Sol 在无生产防护时越权约 48%，Astra 为 0%
  • 内部 computer-use 安全基准：Astra 不良结果率约 2.4%，Sol 约 22.0%
  • 对 Codex Auto-review 拒绝的规避尝试：公开材料称 Astra 为 0 含义很直接：你更敢把多步代理任务交给它，而不必时刻担心它为了「完成任务」去碰不该碰的边界。

五、网络安全：能力强，但分层发布

Astra 达到网络安全 Critical 阈值。部分公开数字：

  • ExploitBench（无生产防护设定）：100%（Sol 约 78.5%）
  • ExploitGym：约 42.4%（Sol 约 30.3%）
  • 面向近三个月漏洞的 ExploitBench（2026.6–8）：约 39.0%（Sol 约 5.5%）；评测中还发现并披露了两个零日
  • SRE-Bench 单次：约 88.0% 部署策略也写得很清楚：公开发布版会拒绝更高级的进攻性请求（例如为漏洞生成 PoC exploit）；同时通过 Daybreak，把更宽的防御向工作流优先交给受信任防御方。这是「能力上来了，入口也收紧了」的结构。

六、怎么用、多少钱

  • 通道：ChatGPT Plus / Pro / Business / Enterprise，以及 OpenAI API、Azure、AWS Bedrock
  • API 模型名：gpt-6-astra；Pro / Business / Enterprise 另有 Astra Pro
  • 企业工作区默认关闭，需管理员开启
  • 标准 API 价：输入约 $10 / 百万 tokens，输出约 $50 / 百万 tokens；Fast mode 约 2× 速度、2× 价格
  • 符合条件的 API 客户支持 Zero Data Retention

七、简要判断

Astra 值得关注，主要因为它把三条线绑在一起了：更强的 computer use、更可用的长程编码/科研代理，以及更严格的安全分层发布。若你关心的是「模型能不能稳定替人完成电脑上的连续工作」，而不仅是单轮回答质量，这是目前公开材料里信息量最大的一次 OpenAI 旗舰更新之一。