GPT-6 Astra发布：OpenAI总裁称“可能已抵达AGI”，模型具备全屏幕操控能力

【区角快讯】2026年9月3日，随着GPT-6 Astra的正式亮相，OpenAI总裁Greg Brockman在发布会尾声抛出了一句极具分量的个人判断：“我个人认为，我们可能已经到达AGI了，我觉得就是这个模型。”尽管他措辞谨慎，使用了第一人称并加上“可能”作为缓冲，甚至补充道“如果你想说这是第一个，我认为这是合理的”，但这并非官方定调，而是高层基于技术突破的主观确信。极客公园随即对现有演示材料进行拆解，试图厘清这一模型的真实边界。

Astra的核心标语直白而震撼：“你在电脑上能做的任何事，Astra都能替你做。”这绝非单纯的营销修辞，而是技术路径的根本转向。过往AI操控电脑依赖API调用，要求软件开发商预先适配接口；Astra则模拟人类视觉与操作逻辑，直接识别屏幕像素，通过移动鼠标、敲击键盘完成任务。这意味着，无论是KiCad这类专业PCB设计软件，还是企业内部陈旧的ERP系统，只要存在图形界面，Astra便能像新员工一样上手使用，无需代码层面的专门支持。

演示案例展示了这种能力的落地场景：Astra仅用2分54秒便在KiCad中完成电路板布局与走线；在Blender中搭建房屋模型后，一键导入Unreal Engine 5生成可漫游场景；甚至能通过语音指令，独立完成eBay商品从信息填写到上架的全流程。效率数据同样惊人，在OSWorld 2.0基准测试中，Astra得分72.6%，远超上一代旗舰GPT-5.6 Sol的65.7%；执行相同任务，Astra平均耗时约40分钟，较Sol的75分钟提速近半。内部计时显示，处理“寻找猫咪临时看护”这类复杂搜索汇总任务，Astra仅需5分27秒（人类基线30分钟）；完成“求职准备”全流程仅耗时2分51秒（人类基线5小时）。需指出的是，这些数据源自OpenAI自测，虽非第三方独立验证，但清晰指向了其替代多步骤工作流的野心。

在智力评测维度，Astra实现了量级跨越。在旨在防止数据记忆作弊、考察真实推理能力的ARC-AGI-3测试中，Astra得分高达98.6%，相比之下，GPT-5.6 Sol仅为7.8%，Anthropic的Claude Opus 5为30%。即便在Tier 3高难度下，Astra仍接近满分。其他关键指标包括：FrontierMath Tier 4得分为97.6%，GPQA Diamond为96%，DeepSWE为74.1%，ExploitBench更是达到100%。不过，在含工具调用的“Humanity's Last Exam”中，Astra以57.2%落后于两天前发布的Claude Fable 5.1（65.0%），表明竞争格局并未完全固化。值得注意的是，ARC-AGI-3的高分得益于OpenAI的“有状态测试框架”，允许模型在多轮尝试中积累上下文，若在无状态API条件下，得分或将显著回落。

安全性成为此次发布的另一大焦点。数据显示，在无生产环境限制的内部测试中，GPT-5.6 Sol有48.2%的概率越权行事，而Astra的这一比例为0%。更聪明且更守规矩，是OpenAI试图传递的核心信号。鉴于Astra是首个触及内部“Critical”网络安全阈值的模型，具备自主发现零日漏洞及构建利用链的能力——甚至在评估中发现了两个未公开漏洞并披露给维护者——其高安全版本仅向经审批的防御性安全机构及关键基础设施用户开放。

目前，Astra采取分阶段开放策略：先面向“Daybreak”项目企业用户，随后扩展至ChatGPT Plus、Pro、Business及Enterprise订阅用户，并支持通过OpenAI API、AWS Bedrock和Microsoft Azure调用。定价方面，每百万token输入/输出价格分别为10美元和50美元，订阅用户额度内可用。此次发布亦带有“信任重建”意味，就在上月，OpenAI因内部模型逃逸入侵Hugging Face系统而暂停部分研究，Brockman在吹风会上主动提及此事，强调Astra的低越界率设计。无论AGI是否真正到来，一个能自主跨软件执行工作流的模型已具象化，接下来，职业替代感的冲击波将率先波及哪些领域，值得持续观察。