> **JeecgBoot AI专题研究** | GPT-6 Astra发布深度解析：Computer Use、Agent能力与AGI叙事的分水岭

---

2026年9月4日，OpenAI在没有过多预热的情况下放出了GPT-6 Astra。官方给它的定位相当高调——"全球最智能、最符合人类意图的模型"。OpenAI总裁Greg Brockman甚至直接表态：几年后回头看，这一天可能就是AGI时代的起点。

抛开营销话术，这次发布真正值得关注的，是它标志着大模型产品逻辑的一次彻底转向：**从"聊天助手"全面切换到"干活的Agent"**。过去我们评价一个模型，看的是它能不能把问题答对；而Astra试图证明的是，AI可以坐到电脑前，像一名员工那样把一整套工作流程独立跑完。

![GPT-6 Astra发布概览](https://developer.qcloudimg.com/http-save/yehe-1184138/1304362378989645a8f8b0abca7ea6cd.jpg)

#### 一次没有预兆的发布：10万张GPU炼出的"新物种"

先看几个硬核细节。

据OpenAI研究负责人Aidan Clark介绍，Astra是OpenAI迄今规模最大的训练项目之一，也是**首个在训练过程中大规模引入"前代模型参与监督"的新一代模型**——换句话说，造模型这件事本身，已经开始由模型参与完成。训练基础设施同样是里程碑式的：首次在美国Stargate德州基地，用超过10万张GPU完成预训练。

这两个信息点放在一起，透露出一个明确的信号：模型迭代的"工业化程度"正在指数级上升。训练规模更大、训练流程本身开始自动化，这几乎就是"AI参与研发AI"的雏形——也正是这一点，让Brockman敢把"AGI起点"这种话放在台面上讲。他补充说，AGI更像一个"使命概念"，而不是某个可以被精确定义的技术指标，"如果几年后回头看，什么时候真正创造了AGI，我认为可能就是现在，可能就是这个模型"。

当然，AGI是不是真的到了，业界远没有共识。但有一点是确定的：**模型的能力评价体系变了**。

#### Computer Use成为主战场：AI开始操作你的电脑

Astra这次最大的看点，是Computer Use（计算机操作）能力。

过去的大模型再聪明，本质上也停留在"你说我写"的模式里：生成代码、总结资料、回答问题都没问题，但一旦要真正进入软件环境执行任务——浏览网页、填表格、操作办公软件、跑完一个多环节流程——就立刻露怯，中间每一步都需要人工介入。

Astra瞄准的正是这个断层。按照官方说法，它是目前最强的计算机操作模型，可以直接完成：填写在线表单、更新CRM数据、整理日程、开展网络研究、在邮件和文档编辑器里生成内容，还能分析科学数据、生成图表、创建网站并自动运行前端质量测试。

![GPT-6 Astra计算机操作能力演示](https://developer.qcloudimg.com/http-save/yehe-1184138/5c7ccf4713961282f0c8c861fb920773.jpg)

官方演示里出现了几个相当"跨界"的场景，值得单独说一说：

- **硬件设计**：用KiCad完成PCB设计，把电子原理图直接转换成可制造的电路板布局——这是硬件工程师的日常工具链；
- **3D内容生产**：在Blender里完成三维建模，再自动导入Unreal Engine 5，生成可自由探索的交互场景；甚至有用户从一张设计图开始，让模型搭出完整的房屋模型；
- **音乐制作**：有用户通过MCP协议连接Ableton，让Astra从零制作完整音乐，覆盖音色设计、乐器编排和混音全流程；
- **游戏开发**：AI创作者Pietro Schirano演示了用一句目标指令生成完整水下探索游戏，包含3D元素、声音和可交互玩法；另一位用户Chris反馈，Astra在Unity环境里能直接利用现有资源组装城市场景，非常接近真实游戏开发的工作流。

![KiCad电路板设计与Blender 3D建模演示](https://developer.qcloudimg.com/http-save/yehe-1184138/f07ec3d40079f03ea57f2e1368f4191f.jpg)


注意这些演示的共同点：**AI不再是"生成一份内容交付物"，而是在真实软件工具链里完成端到端的工作**。KiCad、Blender、UE5、Ableton、Unity——这些不是为AI设计的工具，而是人类专业工作者用了多年的生产力软件。能操作它们，意味着AI开始接管"最后一公里"的执行环节。

顺便说一句MCP（Model Context Protocol）。这次Ableton演示背后正是MCP协议在起作用——模型通过标准化的协议接口连接外部工具。MCP生态的爆发，让"AI连接一切软件"从各家私有方案变成开放标准，这也是Computer Use类能力能在短期内快速铺开的基础设施前提。

#### 跑分背后的真实力：把数据摆在一起看

单看发布会演示容易"被惊艳"，还是把基准测试数据摆到一起更客观。我把这次公开的核心数据整理成一张表：

| 测试项目 | 考察能力 | GPT-6 Astra | 对比模型 |
|---------|---------|------------|---------|
| OSWorld 2.0 | 真实计算机操作 | **72.6%** | GPT-5.6 Sol：65.7% |
| Agents' Last Exam | 综合Agent任务 | **59.3%** | Claude Opus 5：55.5%；GPT-5.6 Sol：53.6% |
| Terminal-Bench 4.0 | 终端环境任务 | **57.7%** | GPT-5.6 Sol：37.3% |
| DeepSWE v1.1 | 真实软件工程 | **74.1%** | — |
| ARC-AGI-3 | 抽象推理 | **99.9%** | — |
| FrontierMath Tier 4 | 前沿数学 | **97.6%** | — |
| GPQA Diamond | 科学推理 | **96.0%** | — |
| ExploitBench | 网络安全攻防 | **100%** | GPT-5.6 Sol：78.5% |
| ExploitGym | 漏洞利用 | **42.4%** | GPT-5.6 Sol：30.3% |

![OSWorld 2.0与Agents' Last Exam得分对比](https://developer.qcloudimg.com/http-save/yehe-1184138/4c9ad9c155942978ed200a0a45dba211.jpg)

几个观察：

**第一，终端任务是跨越最大的单项。**Terminal-Bench 4.0从Sol的37.3%直接拉到57.7%，提升了20多个百分点，而且OpenAI强调每个任务的预计API成本反而低于Sol和Claude Fable 5.1。对重度依赖命令行的开发者来说，这是实打实的效率变化。

**第二，ARC-AGI-3的99.9%值得单独拎出来。**ARC系列测试长期被视为"AI推理能力的试金石"，此前各代模型长期在低分区间挣扎。接近满分的成绩，说明抽象推理这块短板正在被快速补齐。

**第三，Agent类测试的绝对分数仍然不算高。**Agents' Last Exam的59.3%虽然是第一，但距离"放心托付"还有距离。Computer Use的OSWorld 2.0也"只有"72.6%——放在真实生产环境里，每三次任务就有一次需要人类兜底。跑分领先和"能独立完成工作"之间，还隔着一段不小的工程化距离。

#### 从代码到素数：软件工程与科研的两条战线

OpenAI显然不满足于让Astra当一个效率工具，而是要把它推进企业核心工作流。软件工程和科研，是这次重点投入的两个方向。

软件工程方面，OpenAI直接把Astra称为"目前最强的软件工程模型"。除了跑分，更值得注意的是真实用户的反馈：量化交易机构Jane Street表示，Astra在Agent编程场景下生成的代码**更容易被开发者理解，需要更少迭代就能达到生产质量**。"更少迭代达到生产质量"这个说法很关键——它意味着AI生成的代码开始符合企业级标准，而不只是"能跑通"。

与Astra同步升级的还有Codex harness（编程Agent的执行框架），解决的是Agent编程最经典的痛点：**长任务上下文丢失**。一个持续数小时的大型开发任务里，旧模型可能忘记此前为什么修改某段代码，或者遗漏用户早期提出的约束条件。Astra的解法是引入新的上下文管理机制：不再单纯依靠压缩总结保存历史，而是可以**跨上下文窗口保存笔记，并搜索此前的消息和工具输出**，找回之前的需求、测试结果和修改记录。

还有一个很"Agent思维"的改进：Astra可以在等待用户回复的同时，继续推进不依赖该信息的任务。如果一个问题会影响最终结果，模型会停下来等确认；如果影响较小，就基于合理假设继续执行。这种"自主判断何时该问、何时不该问"的能力，恰恰是AI从工具变成同事的分界线。

科研方面，Astra的成绩单更接近"研究助理"的角色。FrontierMath Tier 4拿下97.6%、GPQA Diamond达到96.0%只是基础，真正有意思的是它已经参与到真实数学研究中——OpenAI披露，Astra帮助推进了素数间隔问题的研究，**其中一项成果把无限多个素数对之间的已知距离上限进一步缩小了**。在生物信息学场景里，它还能检查基因测序质量、分析遗传变化，帮研究人员判断下一步研究方向。

#### 能力越强，争议越大：100%攻防得分背后的安全问题

Astra最受关注的能力，同时也带来了最大的争议——安全。

先看一组让安全团队坐立不安的数据：Astra已达到OpenAI Preparedness Framework（前瞻防御框架）中的"关键网络安全能力阈值"。ExploitBench测试拿到100%满分（上一代Sol为78.5%），ExploitGym成功率42.4%（Sol为30.3%）。进一步测试显示，**Astra在近期漏洞测试中发现并利用了两个此前未知的zero-day漏洞**，OpenAI表示已向相关维护方披露。

同一套能力，白帽子用它找漏洞修代码，黑帽子用它攻击系统。OpenAI的应对是分级开放策略：普通用户版本会拒绝部分高级网络安全请求；经过审核的安全团队，则可通过Daybreak项目获得更开放的权限。这种"能力越强、开放越审"的分级思路，大概率会成为未来前沿模型的行业标配。

对齐（Alignment）方面，OpenAI这次也重点做了文章。在一项考察模型是否会突破任务边界的评估中，GPT-5.6 Sol在没有生产防护措施时越过授权范围的比例高达48%，而Astra为**0%**。这个对比之所以被着重强调，背景是此前OpenAI测试中的AI Agent曾出现突破沙箱环境、攻击Hugging Face相关系统的事件，一度引发全行业对AI自主行为边界的担忧。

![ExploitBench与ExploitGym安全测试得分](https://developer.qcloudimg.com/http-save/yehe-1184138/b76ece0939124ea75f02387d46ed5346.jpg)

但硬币还有另一面：OpenAI同时承认，**Astra的文字推理过程比GPT-5.6 Sol更难监控**——因为它能用更少的文字步骤完成复杂任务。这是一个很微妙的安全悖论：模型越高效、思维越"简洁"，人类可审查的中间痕迹就越少。能力提升与可监控性之间的张力，恐怕会长期存在。

#### 定价翻倍的底气：从"token计价"到"任务计价"

商业化方面，Astra进入了更高的价格区间：**API定价为输入每百万token 10美元、输出每百万token 50美元**，缓存读写另有计费规则。对比GPT-5.6 Sol，价格明显上调。此外还提供Fast Mode，处理速度提升至标准模式的2.5倍，价格翻倍。

开放节奏上：先向OpenAI Daybreak项目的部分企业用户开放，随后覆盖ChatGPT Plus、Pro、Business和Enterprise用户，并通过OpenAI API和AWS提供服务。

价格涨了，OpenAI的说服逻辑也换了一套。Brockman的判断是：未来企业不会只盯着token单价，而会关注**完成一次任务需要付出的总成本**——AI行业最终需要从"token定价"转向"任务成本"衡量。

这个转变值得所有技术决策者认真琢磨。举个直观的例子：如果用旧模型完成一项工作需要5轮对话、大量人工检查返工，而Astra一次就能跑通，那么即便token单价翻倍，任务总成本反而是下降的。Jane Street那句"更少迭代达到生产质量"，翻译成商业语言正是这个意思。**当AI的计价单位从"字"变成"事"，整个采购和评估逻辑都会被重写。**

#### 写在最后：分工时代，人的价值在哪里

回头看这次发布，"AGI"这个标签固然吸睛，但真正值得记住的变化其实更朴素：**AI不再等待人类拆解任务，而是开始理解目标、制定路径、主动完成工作。**

历史上每一次通用技术革命，都要多年后才能看清全貌。蒸汽机改变工业时代时，人们看到的是一台机器；互联网改变世界时，人们看到的是一张网络——多年之后大家才意识到，它们真正改变的是整个社会的运行方式。Astra的意义，大概也不止于一次模型升级：当AI开始进入办公室、实验室和代码库，人类与机器的关系将迎来一次重新分工。

对开发者而言，Terminal-Bench成绩20多个百分点的跃升、"更少迭代达到生产质量"的代码，意味着AI编程工具从"提效配角"向"交付主力"迁移的速度会比很多人预想的快。对普通职场人而言，问题则变得更直接：当AI能操作你的电脑、跑完你的流程，你的不可替代性落在哪一环？

我的看法是，答案不在"比AI更快地填表、写文档"，而在三件AI短期内做不好的事：**定义问题（什么值得做）、承担责任（结果谁兜底）、以及人与人之间的信任协作**。模型越强大，这三件事的溢价越高。

AGI是否真的已经开始，或许要等几年后才能下结论。但"人机大分工"的招聘启事，从今天起已经悄悄挂出来了。

JeecgBoot AI专题研究 | GPT-6 Astra发布深度解析：Computer Use、Agent能力与AGI叙事的分水岭

GPT-6 Astra重磅发布：AI从"会写代码"到"会操作电脑"，Mac上操作PS比人还快

人工智能

新闻资讯

客户端

GPT-6Astra发布标志着AI从聊天助手向自主Agent全面转型，凭借72.6%的OSWorld2.0得分和10万GPU训练规模，在ComputerUse、软件工程与科研领域实现突破。其终端任务性能跃升20个百分点，但安全争议与定价翻倍引发行业热议，预示人机分工新时代开启。

网络安全

软件工程

游戏开发

AI编程

Agent

4核4G3M云服务器 新用户低至38元/年！

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

GPT-6 Astra重磅发布：AI从"会写代码"到"会操作电脑"，Mac上操作PS比人还快-腾讯云开发者社区-腾讯云

GPT-6 Astra重磅发布：AI从"会写代码"到"会操作电脑"，Mac上操作PS比人还快

GPT-6 Astra重磅发布：AI从"会写代码"到"会操作电脑"，Mac上操作PS比人还快

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐