北京时间2026年9月4日凌晨，OpenAI正式发布GPT-6 Astra，总裁格雷格·布罗克曼在发布会尾声说出了一句在AI行业极为罕见的话：“欢迎来到AGI时代。”这个模型在ARC-AGI-3测试中标准配置拿下63%，换上OpenAI自家适配器后直接冲到99.9%；FrontierMath Tier 4得分97.6%；漏洞利用测试ExploitBench直接干到100%。但真正让人坐不住的，是评测者Peter Gostev那句大实话：“它把我写的33k行烂SQL砍到了1.8k，质量没丢。”
从“蠢固执”到“聪明轴”：这代模型终于不气人了！
GPT-5.6 Sol是什么德行？Peter Gostev管它叫“罗威纳犬”——咬住就不松口，但脑子跟不上。你让它干件事，它死磕到底，但磕的方向全是错的。你看着它在那瞎忙活，恨不得把屏幕砸了。
GPT-6 Astra不一样。Peter说它还是“罗威纳”，但智商上线了——从“蠢固执”变成了“聪明轴”。遇到障碍，它不硬撞了，会绕路、会想歪招、会找替代方案。Peter有个“骂街指数”——统计自己用AI时骂了多少次。用GPT-6 Astra，这个指数基本归零。“它不再干蠢事了。”
这意味着什么？你让AI干活，不用在旁边盯着、骂着、兜着了。它自己能把事办了，办了还让你挑不出毛病。这对天天跟代码打交道的人来说，就是少长几根白头发的事。
价格翻了两倍半，但单次任务可能更便宜？
GPT-6 Astra的API定价：输入每百万token十美元，输出每百万token五十美元。是GPT-5.6 Sol的两倍半，跟Anthropic的Fable 5.1一个价。
两倍半！听着肉疼对吧？
但Artificial Analysis的评测结果很有意思：GPT-6 Astra在编码智能体指数上追平了Fable 5，成本却不到一半。原因是token效率大幅提升——它用更少的token干完了同样的活。
Peter也提到了这一点：“我想看的是每项真实任务的平均成本，而不是每百万token的价格。”如果Astra用一半的token完成了一个任务，那单价翻倍也是划算的。关键看实际干活时的“token效率”。
这就像买车：油耗翻倍但跑的路程翻三倍，每公里的成本反而降了。Peter说他还没跑完足够多的对比测试，但“感觉上Astra效率更高。”
代码优化和迁移：从“凑合能用”到“不用检查”
Peter的测试里，有三个数字特别扎眼。
第一个：33k行SQL砍到1.8k行。Ryan Edkins在回复里说：“这才是企业真正在乎的事，不是那些花里胡哨的演示。”33k行烂SQL是什么概念？一个中型企业的报表系统，可能攒了五六年，没人敢动、没人敢删，因为一动就崩。Astra直接砍掉94%的代码量，质量不变。这意味着维护成本断崖式下降，读代码的人也不用再对着几千行的存储过程骂娘了。
第二个：代码迁移。GPT-5.5基本干不了这活；GPT-5.6 Sol能干了，但得大量调试；GPT-6 Astra——Peter的原话是“我基本懒得检查，全都完美。”把一套系统从一个环境搬到另一个环境，中间全是坑：依赖版本不对、接口变了、配置文件路径不同。以前这些坑得人一个一个填，现在Astra自己填完了，还填对了。
第三个：FFmpeg优化——平均提速30%，个别流程快了两到三倍。FFmpeg是视频处理的老牌工具，被无数人优化过十几年。一个AI模型能在上面再挤出30%的性能提升，这已经不是“写写代码”的层面了，这是在优化别人优化了十几年的东西。
前端和电脑操作：离“真·替人干活”还有多远？
前端UI一直是AI的软肋——生成的东西看着还行，一细看全是问题：括号乱飞、文本块堆砌、设计风格像十年前的模板。Peter说GPT-6 Astra的UI能力“好了很多”，但还没到顶尖水平，Fable在这方面更强。不过有个亮点：如果你给它一个现有的设计稿让它照着做，“效果非常棒。”
电脑操作这块，Peter的评价是四个字：“感觉解决了。”什么意思？AI能在你的电脑上操作各种软件了——打开浏览器、点按钮、填表单、拖文件。Chris Uehlinger在回复里追问了一个很具体的问题：能不能在节点编辑器里流畅地平移和缩放？比如ComfyUI、Unreal的蓝图、Blender的节点编辑器。这是目前电脑操作的痛点——AI能点按钮，但搞不定需要精细视觉操作的界面。Peter没直接回答这个问题，但他说“感觉解决了”——这个“感觉”到底靠不靠谱，还得看实际测试。
数学和科学：能解题了，但还不会“写论文”
GPT-6 Astra在数学上干了件大事：把孪生素数猜想的上界从246推进到了186。OpenAI还发了一篇数学论文《Improved Short Gaps Between Primes》，开源了PrimeGaps186的GitHub仓库。模型构造了一个包含40个元素的容许元组，用Lean形式化证明完成了整个推理链条。
这事儿有多离谱？张益唐2013年把孪生素数间距从无穷大拉到了7000万，数学界轰动了。后来陶哲轩牵头搞了个“ Polymath8 ”项目，全球数学家一块儿优化，把上界压到了246。GPT-6 Astra把这个保持了八年的纪录又往前推了60。OpenAI研究副总裁Noam Brown说：“我每天早上醒来，最期待看到的就是有人用这个模型搞出了什么新的科学突破。”
但Peter也泼了盆冷水：数学题有的能解、有的不能解，不是随便问什么都行。“写数学论文的质量还是很差，模型似乎不理解什么东西有趣、什么东西重要，就是往报告里堆一堆数学。”如果你自己对某个领域不了解，模型也帮不上什么忙——它需要你指方向。
这就很有意思了：模型能证明顶尖数学家八年没攻下来的问题，但写不出像样的论文来解释这个证明。能干活、不会汇报——像不像你团队里那个技术最牛但写文档就头疼的程序员？
Fable vs Astra：两种“形状”，同样牛逼
Peter的核心判断是：GPT-6 Astra和Anthropic的Fable是同等能力级别的模型，但“形状”不同。
什么叫“形状”不同？打个比方：Fable像一把瑞士军刀——功能多、覆盖面广、什么都能干一点；Astra像一把专用手术刀——在特定任务上特别锋利，但可能不那么通用。Peter说Fable 5.1在很多任务上“碾压”了Astra，但Astra在另一些任务上又特别突出。
D.在回复里追问：到底什么“形状”？Peter没直接回答，但从他的评测里能看出端倪——Astra在代码优化、代码迁移、SQL重构这些“重活”上表现惊人，而Fable在前端UI上更强。
Artificial Analysis的数据也印证了这一点：在编码智能体指数上，两者打平；但在更广泛的智能指数上，Fable 5.1比Astra高了5分。这就像两个高考状元：一个数学满分语文刚及格，一个各科都高分但没满分。谁更牛？看你考什么专业。
十万张GPU和“关键级”网络安全
OpenAI为训练GPT-6 Astra动用了十万张GPU。上下文窗口达到105万token，单次最多输出12.8万token。知识截止时间是2026年4月30日。
更值得关注的是网络安全能力。GPT-6 Astra是OpenAI第一个达到“关键级”网络安全能力的模型。什么意思？它能自主发现并利用未知漏洞。在ExploitBench测试中拿了100分，而上一代GPT-5.6 Sol只有78.5%。
这触及了一个敏感地带。OpenAI此前发生过模型被用来攻击Hugging Face的事件——虽然官方说Astra没参与那次攻击——但一个能自主挖漏洞、自动写利用代码的模型，到底是工具还是武器？
OpenAI在系统卡里强调：Astra对挑战性请求的回应比GPT-5.6 Sol“更安全”。但“更安全”和“足够安全”之间，还隔着多少未知的漏洞利用？没人知道。
一个没解完的数学题和一句没说完的话
Peter在评测结尾留了个尾巴：“我想看的是每项真实任务的平均成本，而不是每百万token的价格。”这个数据还没出来。Bryan McAnulty在回复里说：“目前的图表显示Astra的token效率明显高于Fable。我很好奇跑起来之后每任务平均成本到底涨不涨。”
如果Astra的token效率确实碾压Fable，那价格翻倍反而是便宜的。如果效率提升没跟上价格涨幅，那两倍半就是实打实的涨价。
还有一个更大的尾巴：Greg Brockman说“欢迎来到AGI时代”，但ARC Prize的评测报告里有一行小字：“在标准评测配置下，Astra只拿了63%。”换上OpenAI自己的适配器才冲到99%。
63%到99%，差了36个百分点。这个差距是“适配器优化”还是“评测标准不同”？OpenAI没有详细解释。如果AGI真的来了，为什么同一个模型在两个配置下差了这么多？
数学上，GPT-6 Astra把素数间距从246推到了186。但Peter说：“如果你自己不懂某个领域，模型也帮不上什么忙——它需要你指方向。”一个需要你指方向的“AGI”，到底算不算AGI？
这些问题都没答案。但这正是最有趣的部分——我们正在看着一个“可能已经到达AGI”的东西，一边证明着数学家八年没搞定的问题，一边还在为“63%还是99%”吵得不可开交。
GPT-6 Astra 和 Fable 5.1 各自最擅长的领域
1、GPT-6 Astra（全能型重负载选手）
偏向高阶计算、3D空间处理和复杂系统开发，擅长领域包括：
- 3D与创意设计：3D推理、Blender/3D建模、游戏创建
- 大型工程与开发：移植大型应用程序、计算机使用（操作/交互）、办公软件
- 前沿AI与研究：科学研究、智能体集群（Agent swarms）、自我推广（自主推进任务）
2、Fable 5.1（开发协作专精选手）
偏向软件开发流程与用户体验，擅长领域包括：
- 代码协作：编写可合并的代码（强调团队协作和版本控制友好性）
- 界面设计：前端设计（UI/UX）
简而言之：GPT-6 Astra 是擅长科研、3D建模和大型系统移植的“重工业”模型；而 Fable 5.1 是专注于写出高质量协作代码和漂亮前端界面的“轻量开发专家”。