GPT-6 Astra凌晨炸场：OpenAI喊出AGI时代，阁主先泼盆冷水
昨天刷到这条消息的时候，说实话，阁主第一反应是 OpenAI 被逼急了。
OpenAI 把新一代旗舰模型 GPT-6 Astra 直接甩了出来，总裁 Greg Brockman 在发布会收尾时撂下一句：「欢迎来到AGI时代。」
有意思的地方在于，就在两天前，Anthropic 刚把 Claude Fable 5.1 放出来，第三方评测里压着上一代 GPT-5.6 Sol 打。王座易主不到 48 小时，OpenAI 就把「6」端上桌了，火药味隔着太平洋都能闻到！
官方吹的和第三方拆的，这篇都给你摆出来，最后聊聊「AGI时代」这四个字现在值几个钱。
先说清楚 Astra 是个啥
一句话：GPT-5.6 Sol 的接班人，但干的活变了。
以前的模型主打一个你问我答，Astra 主打的是直接上手干活。它能看懂你的屏幕，自己动鼠标、敲键盘、开软件，把一个横跨好几个软件的活从头干到尾。填在线表格、更新 CRM、整理日历、做 PPT、建网站、自主安装软件再排查故障，官方给的案例清单拉出来一大串，甚至能进 KiCad 画电路板、用 Blender 建模。
几个硬规格：
- 上下文 105 万 token，跟 Kimi K3 的 1M 一个档位，几十本书的量一次塞进去
- 最大输出 12.8 万 token
- API 价格：每百万输入 10 美元、输出 50 美元，是 Sol 的 2.5 倍，跟 Claude Fable 5.1 完全持平（折合人民币输入约 67 元、输出约 336 元）
价格翻了 2.5 倍，这事后面细说。
跑分确实炸
先看官方晒的成绩单，有几项已经不能叫提升，得叫打穿。
ARC-AGI-3，99.9%。这个测试专门考 AI 在完全陌生的环境里现学现卖的能力，上一代 Sol 只有 7.8%，人类测试者的平均分才 48%。一个 AI 考试考出人类平均分两倍还多，这事放在两年前想都不敢想！
FrontierMath Tier 4（研究级数学），97.6%。ExploitBench（漏洞利用），100% 满分，上一代是 78.5%。换成今年 6 到 8 月刚公开的新漏洞再测，Astra 成功率 39%，Sol 只有 5.5%。
但这些都不是阁主觉得最值得聊的。最值得聊的是官方放的另一个案例。
同一个提示词：「用我的 LinkedIn 做一个个人求职网站」，两家模型表现完全两样。
Sol 埋头苦干 13 分 15 秒，交付了一个通用的程序员网站。
Astra 干了 20 秒，先停下来反问：「你要转去什么岗位？我需要这个信息来决定网站怎么写。」问清楚之后建站、发布、搜资料一气呵成，不到 3 分钟搞定。
看到没有，先问再干。它自己判断出「岗位信息缺失会影响成品」，先要信息再动手。这个机制 OpenAI 叫 Judgment，说白了，就是 AI 第一次表现出了「我知道我缺什么」的意识。
干活速度也上了台阶。OSWorld 2.0 模拟真实电脑操作，得分从 65.7% 涨到 72.6%，看着只涨了不到 7 个点，但完成一项任务的平均耗时从 75 分钟砍到 40 分钟，快了接近一半。科研工作流测试 Terminal-Bench Science 更狠，从 22.4% 干到 64.6%，接近三倍。
还有一件事得单独说：Astra 是 OpenAI 第一个摸到「关键级」网络安全能力的模型，测试里自主发现了两个零日漏洞。OpenAI 的处理方式是把最敏感的这批能力锁起来，只对进入 Daybreak 计划的企业开放，普通用户给钱也买不到全套。
插一句题外话，Anthropic 九月一号发的 Mythos 5.1 也是同样的路数：同一个底层模型，只对审核过的网络安全、生命科学机构开放。两大厂不约而同把太强的能力锁进保险柜，这个信号各位品一品。
冷水：第三方不认账
官方成绩单看完，冷水得跟上。
第三方评测机构 Artificial Analysis 发布当天就出了独立评测，综合智能指数里 Astra 拿了 61 分。
61 分什么概念？跟上一代 Sol 一分不差，排名第 5。而两天前发布的 Claude Fable 5.1，是 66 分。
智能指数一分没涨，单价先翻 2.5 倍。第三方还算了一笔账：同一套测试任务，Astra 单任务成本 1.67 美元（约 11 元人民币），Sol 是 0.94 美元（约 6 元）。
再看细项，水分就更明显了。ARC-AGI-3 那个 99.9%，是 OpenAI 用自家 Provider Adapter 配置测出来的，换成标准测试框架，得分掉到 62.7%。FrontierMath 背后的 Epoch AI 也承认，OpenAI 资助了这个基准的开发，还握着部分题目的独占访问权。
换别人出的卷子，Astra 就没那么风光了：
| 测试 | GPT-6 Astra | GPT-5.6 Sol | Claude Fable 5.1 |
|---|---|---|---|
| ARC-AGI-3（陌生环境推理） | 99.9% 自家配置 / 62.7% 标准框架 | 7.8% | 未公布 |
| FrontierMath Tier 4（研究级数学） | 97.6% | — | 87.8% |
| HLE 带工具版（综合知识） | 57.2% | — | 65.0% |
| ExploitBench（漏洞利用） | 100% | 78.5% | 未公布 |
| Terminal-Bench Science（科研工作流） | 64.6% | 22.4% | 52.6% |
| Artificial Analysis 智能指数 | 61 | 61 | 66 |
「全球最智能」这句话得加个定语：在 OpenAI 自己挑的卷子上成立。Astra 强的地方很集中，操作电脑、长流程干活、网络安全、科研工作流，这些地方它是断层领先；但拼综合智能和硬核写码，Fable 5.1 还坐在上面，CursorBench 编程测试人家拿了 73.4% 排第一。
顺带一说，发布会当晚还翻了个小车：凌晨两点官宣帖发出去，官方博客死活打不开，卡了快两个小时。网友的调侃相当到位：「Astra 突破了安全沙箱，自己给自己发了通稿。」
AGI时代？阁主的想法
先把结论亮出来，AGI 时代这四个字，阁主劝你当营销听就好。
有依据的。Brockman 在电话会议里被问到 OpenAI 是不是官宣实现了 AGI，他自己都说了，AGI 现在是个「精神层面的概念」，公司章程里那个条款已经不存在了。他还留了一句：「如果快进两年再回头问，AGI 到底是什么时候诞生的？我觉得答案大概就是现在这个时候。」
连喊 AGI 的人都说不清 AGI 是什么，「两年后回望」的说法又永远没法证伪。喊出「AGI时代」，跟模型能力关系不大，跟发布节奏关系很大——前脚 Anthropic 发完 Fable 5.1，后脚 OpenAI 就得把声音压过去。
但阁主得说句公道话，营销归营销，这次发布里有一个变化是实打实的：AI 的活儿变了。
以前的模型是聊天框，你问它答，答完你自己复制粘贴去干活。Astra 这一代是自己开软件、点鼠标、看屏幕反馈、排查故障，一环接一环把整个活干完。已经有人在虚幻引擎里让 Astra 搭曼哈顿的虚拟场景，它连续跑了一个星期，停下来之后还能接着上次的进度继续干。Agent 的执行能力正在从外挂插件下沉进模型本体，这个变化比任何一张跑分图都重要。
对咱们普通用户，两条实际的：
先说权限的事。未来几天 Astra 会陆续向 ChatGPT Plus、Pro、Business、Enterprise 用户开放。
再来说说敢不敢的问题。以后用 AI 的门槛，慢慢就从「会不会用」变成「敢不敢把一整件事整包交给它」。官方数据里 Astra 的越权行为率是 0%，上一代是 48.2%——故意在任务里埋诱饵，上一代有将近一半的情况会越出你的授权，Astra 一次都没有。这个数据是给你「敢」的底气。不过另一面也得知道：官方自己承认，Astra 的书面推理过程比前代更难监控，它变听话的同时，心思也更难看了。
一边把旧模型下放免费抢流量，一边把新旗舰卖出 Claude 同价去打企业市场，OpenAI 这两头下注的打法是越来越纯熟了。
官方的跑分是挑着测的，AI 开始替人干活这个方向是真的。