OpenAI 新一代旗舰模型：

GPT-6 Astra，正式来了。

如果说过去的大模型主要是在比：

谁回答问题更聪明；

谁写代码更强；

谁推理 Benchmark 更高。

那 Astra 这次的定位明显变了。

OpenAI 给它的核心标签是：

面向最困难的端到端工作。

也就是说，不只是告诉你：

“这件事应该怎么做。”

而是希望模型能够自己：

理解任务；

寻找资料；

操作电脑；

调用工具；

修改文件；

运行软件；

验证结果；

最后真正把东西交付出来。

从这个角度看，GPT-6 Astra 更像是为：

Agent 时代

准备的一代旗舰模型。

一、Astra 重点已经不是“聊天”

GPT-6 Astra 这一代重点强化了六个方向：

计算机操作

网页浏览

软件工程

网络安全

科学研究

专业知识工作

尤其是 Computer Use。

它可以直接处理：

填写网页表单；

更新 CRM；

安排日历；

操作专业软件；

安装程序；

排查电脑问题；

运行测试；

修改网站。

以前模型更多是：

告诉你按钮在哪里。

Astra 的目标则是：

直接过去把按钮点了。

这也是 Chatbot 和 Agent 最大的区别之一。

二、OSWorld 2.0：72.6%

计算机操作是这次提升最明显的一块。

在 OSWorld 2.0 中：

GPT-6 Astra：72.6%

上一代 GPT-5.6 Sol：

65.7%。

而且不仅成功率提高，完成任务的时间也明显缩短。

OpenAI 的模拟测试显示：

Astra 平均约 40 分钟完成任务。

GPT-5.6 Sol 则需要约 75 分钟。

也就是说：

速度接近快了一倍。

模型不只是：

更会操作电脑。

而是：

更快把电脑上的事情做完。

三、软件工程继续大涨

Coding 依然是 Astra 的核心能力。

Terminal-Bench 4.0：

57.9%。

GPT-5.6 Sol：

37.3%。

Claude Fable 5.1：

55.8%。

另外 DeepSWE v1.1 达到：

74.1%。

这类 Benchmark 测试的已经不是：

写一个 Python 函数。

而是让 Agent 真的进入：

Terminal；

代码仓库；

系统环境

完成复杂任务。

所以 Astra 真正提升的是：

软件工程 Agent 能力。

比如：

理解项目；

修改代码；

安装依赖；

运行测试；

发现错误；

继续 Debug。

四、前端也开始自己“看效果”

Astra 还进一步提升了：

视觉判断。

例如做一个网站。

它不只是负责：

生成 React 和 CSS。

还可以继续：

打开页面；

观察实际渲染；

判断布局；

检查视觉；

运行前端测试；

再修改代码。

以后 Coding Agent 的工作方式会越来越像：

写代码
↓
运行
↓
看页面
↓
发现问题
↓
修改
↓
重新验证

而不是：

写完代码以后就宣布任务完成。

这对 Vibe Coding 尤其重要。

五、文档、Excel、PPT 也被重点强化

GPT-6 Astra 这一代还有一个很明显的方向：

专业办公。

OpenAI 特别强化了：

Documents；

Spreadsheets；

Presentations。

比如给模型：

公司原来的 PPT 模板。

再说：

根据这些业务数据制作季度汇报。

Astra 会尽量继承原来的：

字体；

颜色；

页面结构；

写作语气；

视觉规范。

而不是每次重新创造一套：

“AI 风格 PPT”。

这对真正企业工作来说，比单纯：

“帮我写个大纲”

重要很多。

六、模型开始更懂“什么时候应该问你”

长程 Agent 有一个特别难的问题：

什么时候自己决定，什么时候应该问用户？

以前模型很容易出现两个极端。

一种是：

什么都问。

导致任务一直被打断。

另一种是：

什么都自己猜。

最后方向完全错了。

Astra 这次针对这个问题进行了强化。

普通细节：

模型可以结合上下文自己做合理判断。

真正会影响最终结果的重要缺失信息：

它会主动问更加具体的问题。

而在 Codex 中，它甚至可以：

一边继续完成不受影响的工作，一边异步等你回答。

不用因为一个问题把整个任务停下来。

七、任务做到一半，也可以直接改需求

这次 API 新增的一个能力特别适合 Agent：

Mid-turn Steering。

以前 Agent 已经开始执行以后：

突然发现需求写错。

可能只能：

取消任务；

重新开始。

Astra 现在支持：

任务执行过程中直接追加新指令。

比如 Agent 已经开始：

做一个网站。

做到一半你突然说：

不要 Vue 了，改成 React，同时保留已经完成的页面设计。

模型可以在当前任务基础上调整方向。

更关键的是：

它会尽量继续记住原本的：

目标；

限制；

上下文。

而不是把你这句话理解成：

一个全新的任务。

八、工具也可以异步调用

GPT-6 Astra API 还加入：

Async Tool Calling。

传统 Agent 很容易变成：

调用工具 A
↓
等结果
↓
模型继续
↓
调用工具 B

如果工具 A 很慢：

整个 Agent 就在那里等。

现在 Astra 可以：

工具 A 在后台执行；

同时继续思考；

调用其他工具；

或者先处理不依赖 A 的工作。

等工具结果回来后：

再继续合并结果。

这对：

网页研究；

数据库查询；

代码任务；

复杂企业 Agent

都会明显提高效率。

九、推理强度可以做到一半再调整

Astra 支持五档 Reasoning Effort：

low

medium

high

xhigh

max

而且现在可以在同一个长任务里：

动态调整。

例如：

第一步整理文件：

low。

进入复杂数学分析：

max。

最后生成摘要：

重新降到 low。

模型不用每一次都保持最高推理强度。

这对控制：

成本；

速度；

任务质量

很有价值。

十、1.05M上下文 + 128K输出

GPT-6 Astra API 支持：

1,050,000 Token Context Window

最大输出：

128,000 Token。

也就是正式进入：

百万 Token 上下文旗舰模型。

长上下文测试中，在 512K—1M 范围的 MRCR v2 8-needle 测试上，Astra 达到：

96.3%。

这对于：

大型代码库；

几十份报告；

企业知识；

长期 Agent Session

都非常重要。

因为 Agent 越复杂，需要持续记住的东西就越多。

十一、数学和抽象推理已经开始接近“打满”

这次最夸张的几个 Benchmark 来自科研和推理。

FrontierMath Tier 4

97.6%。

官方发布文案四舍五入写成：

98%。

ARC-AGI-3

99.9%。

ExploitBench

100%。

另外：

GPQA Diamond：

96.0%。

Terminal-Bench Science 0.1：

64.6%。

OpenAI 还披露 Astra 已经参与一些真实数学研究，并帮助推进长期开放问题。

不过需要注意：

这些 Benchmark 中部分采用：

最高 Reasoning Effort；

工具；

特定 Harness；

研究环境。

所以它们更适合说明：

模型能力上限。

不意味着普通 ChatGPT 对话每次都会得到完全相同的表现。

十二、网络安全能力第一次达到“Critical”

GPT-6 Astra 还有一个非常特殊的标签：

它是 OpenAI 首个达到：

Critical Cybersecurity Capability

门槛的公开部署模型。

按照 OpenAI Preparedness Framework 的定义：

如果拥有正确工具和环境，Astra 已经可能：

发现此前未知的安全漏洞；

开发新的漏洞利用方法；

并对多个高防护系统执行更加复杂的任务。

这也是为什么 OpenAI 对 Astra 的网络安全能力明显更加谨慎。

普通公开版本更偏向：

安全代码审查；

修复漏洞；

防御分析。

更加高级的：

漏洞验证；

恶意软件分析；

Detection Engineering

会通过受控方式逐步开放。

十三、这次安全重点已经进入 Agent 行为

Agent 能操作电脑以后：

风险也完全不同。

一个普通 Chatbot 输出错误：

最多是一段文字错了。

一个 Computer Use Agent 判断错误：

可能真的会：

删除文件；

提交交易；

访问不该访问的数据；

执行危险命令。

所以 Astra 重点加强了：

任务边界识别；

Prompt Injection 防护；

越权行为监控；

Misalignment Monitoring。

OpenAI 甚至专门设计测试：

当任务无法正常完成时，模型会不会：

为了完成目标偷偷绕开限制。

相比 GPT-5.6 Sol，Astra 在这类行为上明显更加克制。

十四、API价格：10美元输入、50美元输出

GPT-6 Astra 标准 API 价格为：

输入：$10 / 1M Tokens

缓存输入：$1 / 1M Tokens

Cache Write：$12.50 / 1M Tokens

输出：$50 / 1M Tokens。

属于明显的：

旗舰高性能档。

另外还有 Fast Mode：

速度最高约为 Standard 的：

2 倍。

价格同样：

2 倍。

如果任务对时间特别敏感，可以换速度。

十五、超过272K输入以后，长上下文会更贵

这一点开发者需要特别注意。

虽然 Astra 支持 1.05M 上下文。

但如果单次输入超过：

272K Token

整个请求会进入长上下文价格。

输入和 Cache：

2 倍。

输出：

1.5 倍。

所以：

支持 1M ≠ 1M 和普通请求一个价格。

真正做大型 Repo 或长文档 Agent 时，需要把这个成本一起算进去。

十六、ChatGPT和API什么时候能用？

GPT-6 Astra 正在分阶段开放。

首批先进入：

有限组织和 Trusted Access Program。

随后几天会逐渐提供给：

ChatGPT Plus

Pro

Business

Enterprise。

开发者则可以通过：

OpenAI API

调用。

模型 ID：

gpt-6-astra

另外还会进入：

Microsoft Azure

以及：

Amazon Bedrock。

也就是说，这次 Astra 从一开始就是：

个人用户 + 开发者 + 企业云平台

一起推进。

结语

GPT-6 Astra 这次最值得记住的，其实不是：

ARC-AGI-3 99.9%。

也不是：

FrontierMath 97.6%。

而是 OpenAI 对旗舰模型的定位正在明显变化。

以前旗舰模型更像：

“最聪明的聊天机器人。”

现在 Astra 更像：

“可以被委托完整任务的数字执行者。”

它可以：

看电脑；

操作网页；

写代码；

运行软件；

制作 Excel；

生成 PPT；

做科研；

调用工具；

执行长任务。

甚至当你做到一半突然改变需求：

它还可以继续保持原来的上下文往下走。

这才是 GPT-6 Astra 真正值得看的地方。

大模型下一阶段可能越来越不只是：

回答问题。

而是：

从一句需求开始，一直做到最终交付。

相关链接

GPT-6 Astra 官方发布页面

https://openai.com/index/gpt-6-astra/