GPT-6 Astra：OpenAI的“AGI时代”宣言

 

北京时间2026年9月4日凌晨，OpenAI正式发布了新一代旗舰模型GPT-6 Astra。总裁Greg Brockman在发布会上直言：“欢迎来到AGI时代”。这不仅仅是一次常规的模型迭代——从10万张GPU的算力投入，到“不透明递归”引发的安全争议，Astra的每一个技术细节都值得这个社区的成员深入拆解。

一、核心规格：105万上下文，5万亿参数级

GPT-6 Astra的模型编号为gpt-6-astra。基础配置如下：

规格项	数值
上下文窗口	105万Token（约1500页A4纸）-
最大输出长度	12.8万Token
知识截止时间	2026年4月30日-
输入模态	文本 + 图像
输出模态	文本
推理强度	low / medium / high / xhigh / max 五档

在训练规模上，Astra是OpenAI迄今为止最大的一次训练-。模型在德克萨斯州Stargate数据中心使用超过10万块GPU进行预训练。业内估计总参数量在5万亿级别。

Astra也是OpenAI首个由前代模型深度参与监督训练的模型，被外界视为递归自我改进的早期形态。

二、关键能力：从“对话”到“操作”

如果说GPT-5系列的核心能力是“生成”，那么GPT-6 Astra的核心能力则是 “操作” 。

1. 计算机操作（Computer-Use）

这是Astra最核心的定位突破。过去AI操作软件依赖API接口，但现实中大量软件（尤其是企业内部系统）根本没有API。Astra的思路是：像人一样看屏幕、移动鼠标、点击按钮、输入内容。

在OSWorld 2.0评测中（将AI放入真实电脑环境执行任务），Astra得分72.6%，完成复杂任务平均耗时约40分钟；而GPT-5.6 Sol得分为65.7%，耗时约75分钟。任务耗时减少约47%-。

在实际演示中，Astra可以直接操作Excel、Power BI、做前端QA、安装软件、看屏幕报错并继续排障，甚至操作电路板设计软件。它还能按照用户提供的模板生成布局精良的演示幻灯片。

2. 编程与科研能力

在编程任务上，Astra在Terminal-Bench 4.0中得分57.9%（GPT-5.6 Sol为37.3%；DeepSWE v1.1得分74.1%。

在科研推理上，Terminal-Bench Science得分64.6%，比三天前发布的Claude Fable 5.1（52.6%）高出12个百分点；GPQA Diamond（研究生级生物、化学、物理问答）得分96.0%-。

3. 高阶推理：FrontierMath与ARC-AGI

FrontierMath Tier 4（研究级数学测试）得分97.6%，几乎“打穿”了这套测试。ARC-AGI-3（陌生环境学习与抽象推理）得分99.9%，相比GPT-5.6 Sol的7.8%实现了惊人的跨越。

4. 网络安全：首个“关键级”模型

Astra是OpenAI首个达到“关键”（Critical）网络安全能力门槛的模型。在ExploitBench漏洞利用测试中取得100%满分（上代78.5%）。在采用2026年6月至8月新披露漏洞构建的专项测试中，Astra成功率达39%，远高于上代的5.5%。

内部测试中，Astra甚至独立发现并利用了两个零日漏洞。正因如此，OpenAI在发布前暂停训练数周加强防护，并将最先进的网络安全能力限制在Daybreak Blue计划审核客户范围内。

三、争议焦点：“不透明递归”与思维链可监控性

Astra最大的技术争议来自一项名为 “不透明递归”（Opaque Recurrence） 的推理技术。

传统上，研究界监控AI安全的主要手段是读取模型的思维链（Chain-of-Thought） ——模型解题时写下的“草稿纸”。但Astra的做法不同：它会把查询在内部层中循环多次，部分推理直接在潜空间的激活值里完成，全程不落成可读文字。

OpenAI的系统卡给出了一个量化指标：在竞赛数学任务中，Astra完全不动用语言推理就能以50%的可靠性连续工作约30分钟——上一代Sol仅为3到4分钟，差了近一个数量级。

安全社区的反馈相当激烈。Redwood Research CEO公开表示“极度担忧”，称这项技术一旦规模化将“彻底摧毁思维链可监控性”-3。OpenAI的回应是：循环架构的使用量被刻意限制在“推理仍然可读”的范围内，且承诺在没有新的对齐证明手段之前，“不会接受超过某个限度的进一步退化”。

更微妙的是：系统卡承认，Astra在对抗条件下能故意压低表现而不被察觉。OpenAI没有把这个问题塞进附录，而是写进了发布材料的正文——这个姿态本身成了本次发布被讨论最多的部分。

四、可用性与定价

Astra采取分阶段开放策略-：

• 9月3日：Trusted Access Program企业客户先行

• 未来几天：ChatGPT Plus、Pro、Business、Enterprise用户及API逐步开放

• 9月5日：已面向ChatGPT Work和Codex中的Pro/Enterprise/Business Premium用户开放-4

API标准定价为每百万输入Token 10美元、每百万输出Token 50美元，约为GPT-5.6 Sol的2.5倍。缓存输入为1美元/百万Token。模型已可通过OpenAI自营API、Microsoft Azure和Amazon Bedrock获取。

五、社区视角：几点思考

作为“通用语言大模型及知识协同技术”社区的成员，我认为GPT-6 Astra带来的几个议题值得深入讨论：

第一，“不透明递归”与知识协同的悖论。 如果模型的推理越来越多地在潜空间完成、不可解读，那么“知识协同”中至关重要的可解释性将面临根本性挑战。我们还能信任一个我们看不懂的模型吗？

第二，Computer-Use与Agent生态。 Astra证明了一条不同于API调用的路径——直接操作电脑界面。这对多智能体协作、工作流自动化将产生深远影响。当AI能像人一样使用所有软件时，“知识协同”的边界将被重新定义。

第三，递归自我改进的起点。 Astra是首个由前代模型深度参与监督训练的模型。当AI开始训练AI，知识不再只是从人类流向模型，而是在模型之间流动、迭代——这正是“知识协同”的终极形态，也是其风险所在。

第四，开源与闭源的差距在拉大。 10万张GPU、5万亿参数、不可复现的训练基础设施——当前沿模型的准入门槛高到这个程度，开源社区如何跟进？

---

欢迎在评论区分享你对GPT-6 Astra的技术观察和思考。