GPT-6 Astra上线，AGI时代真到来了吗？

GPT-6 Astra上线，AGI时代真到来了吗？

来源：倍可亲(backchina.com)

 　　Astra发布前几个小时，AI圈先乱成了一团。

　　9月3日晚间，ChatGPT、Claude和Grok几乎同时出现大范围服务异常，大量用户不是打不开模型，就是请求失败。

　　恰在此时，ChatGPT官方账号在仰望星空：“The stars are almost aligned.”（群星即将就位）

　　很快有人开起玩笑：Astra是不是在部署的时候，顺手把Anthropic和xAI都骇了一遍，最后连自己也没放过？

　　当然，这只是网友造的一个梗，目前没有证据表明这场故障与Astra有关。

　　但这个玩笑出现得恰逢其时——就在两天前，OpenAI刚刚宣布，这款尚未正式发布的新模型已经成为公司第一个跨过Preparedness Framework“Critical”网络安全能力阈值的模型。

　　然后，群星真的“就位”了。

　　北京时间9月4日凌晨，OpenAI正式发布GPT-6 Astra。

　　但并没有全量上线。目前Astra只向少量Trusted Access/Daybreak体系中的机构和经过审核的网络安全用户开放——Plus、Pro、Business、Enterprise和API用户还要再“仰望”几天。

　　Astra来了，但是如来

　　9月4日，OpenAI“对内”发布了GPT-6 Astra。

　　目前，Astra只向Trusted Access / Daybreak体系中的少量机构开放。OpenAI表示，Plus、Pro、Business、Enterprise订阅用户以及API，将在未来几天陆续获得访问权限。

　　至于这个“几天”究竟是多少天，暂时没有更具体的时间表。

　　在发布前的闭门媒体简报会上，OpenAI总裁Greg Brockman给了Astra一个相当夸张的注脚：“Welcome to the AGI era.”

　　欢迎来到AGI时代。

　　OpenAI研究副总裁Aidan Clark则从另一个角度解释了Astra为什么特殊：“这是第一次在德州Stargate站点用超过10万张GPU做预训练，从数据中心网络到推理内核再到模型本身的形态，全部围绕这个训练规模从零设计”。

　　Aidan同时表示，Astra也是OpenAI第一款让旧代际模型深度参与训练过程的产品。

　　简单来说，训练下一代AI的人里，已经开始出现上一代AI。

　　虽然它还远远算不上“AI自己训练自己”，但模型已经进入了下一代模型的研发流程。

　　在前天Anthropic称Fable/Mythos 5.1是“目前世界上最先进的编码和知识工作模型”之后，今天，OpenAI也把称Astra是“世界上最强、最对齐的模型”。

　　基准测试方面，最吓人的数字，来自ARC-AGI-3。

　　这是一个专门测试模型能否进入从未见过的2D环境，通过不断试错发现规则、完成目标的Agent基准。它不像传统考试那样考记住多少知识，而更接近于把AI丢进一个陌生游戏里，看它能不能自己摸清楚“这个世界怎么运转”。

　　Astra在OpenAI自己的Provider Adapter配置下，最高拿到了99.9%。

　　但这个数字需要拆开看。ARC Prize还使用了一套所有厂商都可以统一比较的Standard harness。在这里，Astra最高只有62.7%。

　　两者最大的区别并不是换了题目。OpenAI之前发现，Sol之所以分低，不是因为模型笨，而是harness在持续格式化它的记忆。所以OpenAI的做法，是把ARC-AGI-3的harness换成自家Responses API的生产配置，然后还特地为ARC-AGI-3准备两个特殊设置，分别为保留推理（retained reasoning）和压缩（compaction）。前者让模型在动作之间记住自己刚才的思路，后者则用摘要代替粗暴截断。

　　接上这套生产系统之后，Astra从62.7%跳到了99.9%，而且在双方都成功完成的任务中，Provider Adapter整体运行速度约快3.66倍，token消耗还减少了49%。

　　某种意义上，挺像开外挂的。

　　在高难度数学方面，FrontierMath Tier 4为97.6%。FrontierMath所处的Epoch AI表示，OpenAI资助了该基准的开发，并对其部分题目拥有独占访问权。

　　值得关注的分数还有：

　　DeepSWE v1.1 74.1%

　　BenchCAD 95.9%

　　Terminal-Bench科学任务 64.6%。

　　但OpenAI这次显然没有只想靠一排Benchmark介绍Astra。

　　打开官网，案例几乎是一个接一个往下放。

　　KiCad、Excel、Blender、Power BI、浏览器填表、网站QA；再到找房、找医生、预约DMV、做税表、做PPT、开发游戏、分析科研数据。

　　过去几代GPT发布，OpenAI主要在告诉用户这个模型能回答什么；到了Astra，它的重心似乎转了个向，变成了：你到底还有多少事情，可以直接交给AI去做。

　　OpenAI甚至直接称Astra为“世界上最好的computer use模型”。

　　模型在“用电脑”这件事上的进步，可能比分数更重要。在Codex里，Astra带来了一套新的上下文机制：上下文窗口填满时不再只靠压缩摘要，而是可以跨窗口保留笔记、回搜更早的消息和工具输出。

　　Astra还可以在某个问题悬而未决时，先继续做不依赖答案的部分，避免单个未决问题卡死整个任务。

　　当然，能力也直接写进了价格里。

　　GPT-6 Astra的API标准价格是：每百万输入token 10美元，缓存输入1美元，输出50美元。

　　相比GPT-5.6 Sol目前的4美元输入、0.4美元缓存和20美元输出，Astra整档价格直接提高到了2.5倍。OpenAI给它的定位也很明确：如果不知道该选什么旗舰模型，可以选Astra；如果更在意成本，则继续使用GPT-5.6 Terra或者Luna。

　　它仍然提供105万token上下文和最高12.8万token输出。但长上下文也有额外成本：和GPT-5.6系列一样，当单次输入超过272K token后，整次请求的输入费用会按2倍计算，输出则按1.5倍计算。

　　所以，OpenAI其实给Astra独划出了一个更昂贵的智能档位。

　　如果只是问一个问题、改几段文案，花2.5倍价格未必值得。

　　但如果模型真能自己坐在电脑前，连续工作几十分钟甚至几个小时，把过去需要人来回切软件、查资料、填表格、改文件的一整件事情做完，那么真正该比较的，就不再只是每百万token多少钱了。

　　几个技术点，值得注意

　　Astra还有几个技术点，或许比Benchmark本身更值得注意。

　　第一个是逆向工程。

　　OpenAI在这次发布中引用了SRE-Bench。这是Columbia DAPLab等团队今年推出的一套逆向工程基准：不给模型源代码，只给编译后的二进制程序，看它能不能重新理解程序逻辑、找到关键行为。

　　Astra一次尝试的成功率达到88.0%，最多四次尝试可以达到99.2%。

　　同一套规则下，GPT-5.6 Sol分别只有55.9%和68.7%。

　　换成人话说，就是AI面对一个已经被编译、几乎看不到人类可读代码的程序，也开始能够从机器指令里一点点把它“拆回来”。

　　这对恶意软件分析、固件研究、漏洞挖掘和数字取证都有直接意义。

　　第二个变化，是Astra在超长任务里“不容易找丢东西了”。

　　在MRCR v2八针检索测试中，Astra面对256K至512K上下文时准确率达到100%；到了512K至1M token，仍然有96.3%。而GPT-5.6 Sol在这两个区间分别只有91.5%和73.8%。

　　过去很多模型号称支持百万上下文，但如果把一条重要信息埋在几十万token之外，模型到了后半程已经可能忘得差不多了。

　　Astra则开始把“上下文窗口有多大”，推进到了另一个更实际的问题：一个Agent到底能记住多长时间以前发生的事情。

　　对于需要连续工作几十分钟甚至几个小时的Agent来说，这可能比再增加几十万token窗口更重要。

　　除此之外，Astra身上还有一个比较反常的变化。

　　它变得更对齐了，却也变得更难监控了。

　　OpenAI公布的一组内部电脑使用安全测试中，Astra的违规率从Sol的22.0%下降到了2.4%；在专门观察模型是否会为了完成任务绕过限制的测试里，Astra为0%。内部幻觉测试也从Sol的9.4%下降到Astra的2.0%。

　　至少按照OpenAI自己的测试，Astra明显更少“乱来”。但OpenAI首席科学家Jakub Pachocki同时提醒：“智能的进步，并不保证对齐的进步。”

　　原因之一，在于Astra开始越来越少把自己的完整思考过程写出来。

　　过去一种很重要的AI安全办法，是监控模型的思维链（Chain of Thought）：如果模型准备越权、攻击某个系统或者偷偷改变目标，可以提前从它的推理里看到蛛丝马迹。

　　但OpenAI发现，Astra对于自己的书面推理拥有更强的控制能力。一些过去必须写很多步才能解决的问题，它现在可以用更少的显式推理完成；如果模型知道自己的思考过程正在被监控，还会明显改变或者缩短这些内容。

　　因此，OpenAI现在已经不能只盯思维链了。

　　为了盯住Astra，不让它做出此前在Sol上出现的攻击行为，OpenAI在生产环境里装上了“失对齐监控”（misalignment monitoring）。它会同时观察模型的推理、实际动作、工具调用以及整条任务轨迹。

　　如果系统判断模型可能正在严重偏离用户原始意图，可以暂停甚至直接终止任务。

　　在API里，被拦截的任务可能直接结束；在ChatGPT或Codex里，一些情况下则会先让用户重新确认：

　　“这真的是你想让我做的吗？”

　　产品层面，Astra的API模型名直接是gpt-6-astra，同时进入Amazon Bedrock。

　　OpenAI还推出了Fast模式：价格翻倍，最高换来约2.5倍执行速度。

　　对于普通聊天，这可能没什么吸引力。但如果一个Agent原本要在浏览器和软件里跑40分钟，把时间缩到十几二十分钟，速度本身就会变成产品能力的一部分。

　　订阅侧，Astra会包含在现有订阅额度里；Pro、Business和Enterprise还会获得能力更强的Astra Pro。Enterprise默认不会直接开启，需要管理员手动打开。

　　虽然，现在暂时都还打不开……

　　前史复杂，限量开放

　　Astra可能是OpenAI迄今“前史”最多的一次模型发布。

　　很多模型都是先发布，再慢慢暴露问题，而Astra反了过来——当然，不排除有部分营销手段。但在正式上线以前，OpenAI已经花了将近一个月，不断解释它为什么需要被更谨慎地训练、测试和开放。

　　8月7日，OpenAI第一次公开表示，最新内部评估让公司已经无法排除Astra达到Preparedness Framework下“Critical”网络安全能力阈值的可能。

　　到了9月1日，这个“可能”变成了正式结论：Astra成为了OpenAI第一个被评定为Critical网络安全能力的模型。

　　按照OpenAI自己的标准，这意味着在拥有合适工具和访问权限的情况下，Astra已经能够在很多经过加固的现实系统中，不需要人类逐步指导，自主发现此前未知的漏洞并开发可用的利用方式；或者只给它一个高层目标，就能自己设计并执行一套针对加固目标的端到端攻击策略。

　　这已经不只是“会写攻击代码”的水平了，在ExploitBench上，Astra直接拿到了100%。

　　为了避免模型只是记住了公开漏洞，OpenAI又另外准备了一套内部测试，放入20个2026年6月至8月才披露的V8高危漏洞。Astra不仅比GPT-5.6 Sol用了更少的输出token，还获得了明显更高的任意代码执行成功率。

　　测试过程中，它甚至自己发现并利用了两个此前未知的zero-day，并把它们串进了一条漏洞利用链。OpenAI称，目前正在向维护者披露这两个漏洞。

　　专家测试则更接近现实攻击。面对经过强化的浏览器，Astra找到未知漏洞后，可以一路做到逃出沙盒，并在宿主机执行命令；在加固操作系统上，它又把多个漏洞串成一条本地提权链，从普通用户拿到root权限。

　　也正是在这个过程中，OpenAI第一次发现，模型的危险能力已经开始影响模型本身应该怎么被训练。

　　8月18日，OpenAI公开承认，公司一度暂缓扩大训练规模，其中包括暂停两周拟用于部署的最新模型强化学习训练。

　　与此同时，大量涉及Astra的训练和评估任务，也因为还没有迁移到新的安全环境而继续暂停。

　　过去讨论AI安全，更多是在问模型训练完以后，能不能安全地交给用户；但在Astra这里，问题已经提前到了训练阶段。

　　OpenAI因此重新加固了整个研究环境。执行模型生成代码的任务需要更严格的沙盒；高风险工作负载需要更强的网络隔离；Astra checkpoint增加加密和访问控制；所有带工具的Astra推理都要接受额外监控。

　　这套监控本身甚至不便宜，OpenAI估算，仅监控系统带来的计算开销，就大约相当于被监控推理算力的20%。

　　换句话说，Astra的成本不只“训练一个更大的模型”，OpenAI还要额外花掉相当一部分算力，去盯着这个模型到底在做什么。

　　这也解释了为什么，Astra正式发布以后，最先进的网络安全能力并没有直接完全放给所有人。

　　OpenAI明确表示，Astra默认生产版本仍会对高风险网络攻击请求设置限制；更高级的网络安全工作流，最初只向一小群Alpha测试者开放，再通过Daybreak Blue逐步扩大到经过审核的防御性用户。

　　普通用户未来几天虽然也会拿到Astra，但并不意味着每个人拿到的能力边界完全一样。

　　这种限制甚至可能产生误伤。OpenAI提前警告，额外的安全检查有可能让正常任务变慢、暂停甚至直接停止，连一些看起来与网络安全无关的长时间Agent任务，也可能被错误标记。

　　如果ChatGPT或Codex里的任务被不对齐监控暂停，用户可能需要回来确认操作后才能继续；API里的任务则可能直接终止。

　　这部分变化，很容易在Astra发布以后被“AGI”的风头盖过去。

　　模型越有能力，人能直接获得多少能力，开始越来越取决于平台愿意给你多少权限。

　　然后，在这样一连串“Critical、暂停训练、隔离、监控、分级开放”之后，Greg Brockman在发布Astra的媒体简报会上说：“Welcome to the AGI era.”

　　他甚至表示，如果让他个人判断，他认为“我们已经实现了”。

　　但被追问“那OpenAI是否正式宣布实现AGI”时，Brockman又承认，AGI已经变成一个“gray, fuzzy thing”，更像一种“mission concept”或者“spiritual concept”，而不是一个能够精确划线的技术标准。

　　更早之前，在《Sources Podcast》里，Altman已经不太愿意认真讨论“我们什么时候实现AGI”这个问题了，他认为AGI这个词“往好了说，也是一个定义非常模糊的概念”，甚至差点把它称作一个“无关紧要的营销术语”。

　　原因不是OpenAI离AGI更远了。恰恰相反，是因为在Altman的判断里，AGI可能已经没有那么重要。

　　他真正开始担心的是下一个词：Superintelligence，超级智能。

　　Altman说，一年前，他还不认为OpenAI正处在通往超级智能的短期轨迹上。现在，他认为这件事“可能会发生”。

　　不过还是想吐槽一下，难道ASI就不是“无关紧要的营销术语”了吗？

版权说明 / Copyright Notice:
Content and images in this article may originate from third-party sources and are used for news reporting, commentary, or public interest purposes. All copyrights remain with their respective owners. Please refer to the Copyright Notice at the bottom of this page.
本文内容仅供信息参考，不代表倍可亲立场或观点。