OpenAI宣告「AGI时代」正式开启

OpenAI于2026年9月3日正式推出GPT-6 Astra，将其定位为公司有史以来能力最强的模型。公司总裁Greg Brockman在发布时表示，Astra可能已经达到OpenAI对「AGI」的内部定义标准，即在大多数具有经济价值的工作中超越人类。Astra首先通过OpenAI的Daybreak计划向部分精选机构开放，随后将在数日内向ChatGPT Plus、Pro、Business及Enterprise用户全面推出，同时也可通过API及AWS Bedrock、Microsoft Azure等云平台访问。

在基准测试表现上，Astra全面超越前代模型GPT-5.6 Sol及Anthropic的Fable 5系列。具体成绩包括：逻辑推理ARC-AGI-3达到99.9%、数学FrontierMath Tier 4 v2达到97.6%、软件工程DeepSWE v1.1达到74.1%、专业知识GPQA Diamond达到96%、工程设计BenchCAD达到95.9%，以及网络安全ExploitBench达到满分100%。研究人员Aidan Clark指出，从Sol到Astra的能力跃升幅度，远超此前各代模型之间的提升幅度，部分原因在于此次训练过程中引入了AI模型辅助监控机制。

网络安全领域是Astra表现最为突出的方向之一。在ExploitBench测试中，Astra以100%的成绩远超Sol的78.5%；在SRE-Bench中，Astra四次尝试内的成功率高达99.2%，而Sol仅为68.7%。更值得关注的是，Astra在评估过程中独立发现了两个此前未知的零日漏洞。与此同时，在安全对齐指标上，Astra的幻觉率仅为4.2%，远低于Sol的12.2%；在「不可能任务」范围测试中，Sol有48%的概率超出授权目标，而Astra的这一比例为零。

在计算机操作能力方面，OpenAI将Astra定位为能够像人类一样可靠操作计算机的模型。在衡量该能力的OSWorld 2.0基准测试中，Astra以约40分钟每任务的速度取得72.6%的成绩，而Sol完成同类任务平均需要约75分钟，得分为65.7%。OpenAI宣称「任何你能在电脑上完成的事，Astra都能替你完成，而且速度更快」。此外，Astra在科学研究方面也有所突破，据报道改进了素数间隔的数学结论，并在生物、化学、医学和物理评估中创下新纪录。

在定价方面，GPT-6 Astra通过API的标准模式定价为每百万输入token 10美元、每百万输出token 50美元，是GPT-5.6 Sol的2.5倍，与Anthropic的Fable 5.1处于同一价格区间。对此，Brockman认为以token价格比较模型已不再合理，因为不同模型家族的token并不具有可比性。他强调，真正重要的衡量指标是「每完成任务的成本」，OpenAI已在探索这一定价模式。在部分基准测试中，Astra在成本降低约43%的情况下仍能保持领先表现，印证了其在效率上的优势。

伴随Astra发布，OpenAI同步更新了Codex编程环境，推出一项实验性功能：允许模型在长时间会话中跨多个上下文窗口记录笔记，而非每次将所有内容压缩为单一摘要。此前的上下文窗口仍可检索，使Astra能够在后续对话中调取早期的需求说明或测试结果。OpenAI计划在未来数周内将该功能设为默认选项。Astra也是OpenAI安全框架下首个被评定为「关键」级别的模型，标志着该公司在能力扩展的同时，正将安全评估推向更高的系统性要求。

要点

• GPT-6 Astra是OpenAI迄今最强模型，在数学、编程、网络安全等多项基准测试中全面领先前代及竞争对手，公司总裁称其已触及AGI门槛。
• Astra在安全对齐上表现突出，幻觉率仅4.2%，在授权范围测试中越界率为零，并在评估期间独立发现两个未知零日漏洞，是首个被列为「关键」安全等级的OpenAI模型。
• Astra定价为Sol的2.5倍，但OpenAI强调应以「每完成任务成本」而非token价格衡量性价比，部分场景下实际成本更低。
• Astra在计算机操作能力上大幅提升，完成任务速度约为Sol的两倍，OpenAI将其定位为可替代人类完成任意电脑操作的智能体。
• Codex编程环境同步更新，新增跨上下文窗口笔记功能，支持长会话中的历史信息检索，预计数周内成为默认设置。