每小时不到6美元的自动化AI工程师

GPT-6 Astra于2026年9月3日正式发布，是OpenAI推出的首款Stargate架构超级模型。在当前最具挑战性的两项权威基准测试中，Astra分别取得FrontierMath 97.6%和ARC-AGI-3 99.9%的成绩，全面压制此前的领先者Fable 5.1。OpenAI联合创始人Greg Brockman公开表示AGI已经到来，研究负责人Jakub Pachocki则将其描述为他期待已久的「自动化AI研究实习生」。

Latent Space团队在获得早期访问权限后，将Astra投入了大量真实场景测试，累计消耗超过200亿tokens。测试范围涵盖构建十余款内部及个人工具（其中4款替代了此前付费的SaaS产品）、重新设计个人网站、搭建GitHub与Vercel的功能性替代方案、为一款合法走法数量是围棋一万倍的策略棋盘游戏训练AI，以及整理个人财务节省数万美元等高度多样化的任务。

在AI工程能力层面，Astra展现出此前模型从未具备的系统性自主能力。它能够自主选择并训练模型、辅助数据标注并利用用户标注结果进行主动学习（类似SAM机制）、监控并维持数据流水线的持续运转、读取和分析运行日志，以及一次性完成整个系统的部署与调试。更关键的是，它能够扇出式地调度和评估多个子智能体，包括运行其他模型的智能体，并在超长上下文中保持逻辑连贯。

成本是Astra最出人意料的竞争优势之一。以每秒33个tokens的生成速度和每百万tokens最高50美元的定价计算，实际使用成本约合每小时6美元。Artificial Analysis的独立测评也证实，Astra在token效率上优于同级别的Sol和Fable模型，这意味着在预览阶段的延迟表现延续至正式发布后，Astra有望同时成为市场上速度与智能综合表现最优的选择之一（Spark 1.3除外）。

Latent Space团队在文章中特别强调，此次测评结论并不局限于Astra一款模型。他们正在对Grok、Fable等其他前沿模型进行类似测试，认为本文讨论的智能体编码模式将普遍适用于2026年底所有同级别的前沿模型。团队的核心建议是：现在是时候大幅提升对AI模型的期望值，以更激进、更不设限的方式去探索Astra和Fable级别模型的实际边界。

这一系列测试结果指向一个更宏观的行业信号：AI模型正在从「辅助工具」向「自主执行者」跨越。当一个模型能够独立完成从需求分析、系统设计、代码实现到部署调试的完整工程闭环，并以每小时6美元的成本运行时，AI工程师的工作方式乃至团队协作结构都将面临深刻重塑。对于开发者和企业而言，如何有效「雇用」和管理这类模型，将成为下一阶段最核心的竞争力。

要点

• GPT-6 Astra在FrontierMath（97.6%）和ARC-AGI-3（99.9%）两项顶级基准测试中接近满分，全面超越Fable 5.1，标志着AI能力出现阶跃式提升。
• Astra已具备完整的AI工程师能力，可自主完成模型训练、数据标注、流水线维护、系统部署调试及多智能体调度等复杂工程任务。
• 实际使用成本约合每小时6美元，同时在token效率上优于同级竞品，兼顾速度与智能的综合表现具有显著竞争力。
• Latent Space团队通过200亿tokens的实测证明，Astra能够在单一智能体线程中保持数十亿tokens级别的上下文连贯性，支撑长周期复杂任务。
• 类似的智能体编码能力预计将在2026年底前普及至Grok、Fable等其他前沿模型，开发者应尽早建立驾驭此类模型的方法论。