GPT-6 Astra 已正式推出。
OpenAI 于 9 月 3 日发布了其最新前沿模型，并将 Astra 定位为在电脑使用、编码、科学推理、专业工作以及长期的能动式（agentic）任务方面迈出重要一步。
既然 OpenAI 已公布官方基准测试、定价信息、安全细节和推出计划，我们终于能更清楚地了解：实际发生了哪些变化。
最大的转变其实很简单：GPT-6 Astra 不只是为了给出更好的答案而设计；它更是为了把围绕这些答案的更多工作也一并完成。
观看 GPT-6 Astra 的实战演示
OpenAI 的发布视频快速展示了 Astra 旨在完成的工作：从在各类电脑界面上协同操作，到处理更长、更复杂的多步骤工作流。
GPT-6 Astra 是什么？
GPT-6 Astra 是 OpenAI 面向高级推理与端到端工作的新旗舰模型。
Astra 不仅更注重对提示生成“答案”，更强调 在工具与软件之间采取行动。
它的能力覆盖包括：
- 电脑使用
- 基于网页的工作流
- 软件工程
- 科学与技术推理
- 专业文档创建
- 多步骤的能动式任务
实际差异非常关键。对于更早期的 AI 模型，你往往需要把一个任务拆成多个独立的提示词来逐步完成。而使用 Astra，你可以越来越多地从目标出发，让模型自行推进更多步骤。
GPT-6 Astra 基准测试
OpenAI 现已发布详细的基准测试结果，让我们能更清晰地与 GPT-5.6 Sol 进行对比。
| 基准测试 | GPT-6 Astra | GPT-5.6 Sol |
|---|---|---|
| OSWorld 2.0 | 72.6% | 65.7% |
| ScreenSpot-Pro | 92.7% | 76.9% |
| AutomationBench | 41.4% | 18.1% |
| Terminal-Bench 4.0 | 57.9% | 37.3% |
| FrontierMath Tier 4 | 97.6% | 83.0% |
| GPQA Diamond | 96.0% | 94.6% |
| ExploitBench | 100% | 78.5% |
| SRE-Bench | 88.0% | 55.9% |
最大的增幅并不均匀分布。
Astra 在 电脑使用、自动化、终端任务、网络安全以及真实环境执行方面展现出尤其显著的提升。
这也让我们更清楚地看到 OpenAI 在 GPT-6 上的方向：目标并不只是让模型“知道得更多”，而是让它 做得更多。
电脑使用能力，才是 GPT-6 Astra 真正的升级
OpenAI 表示，GPT-6 Astra 在 OSWorld 2.0 上取得 72.6% 的成绩，而 GPT-5.6 Sol 为 65.7%。
速度同样有所提升。
在 OpenAI 的延迟模拟中，Astra 能以大约 40 分钟（而不是 75 分钟）完成相当的电脑使用任务，使任务耗时减少约 47%。
结合对 Codex harness 的改进，OpenAI 也报告称：在 Mind2Web 上，Astra 相比 GPT-5.6 Sol 的任务完成速度约快 1.9 倍。
这很重要，因为当 AI 代理不仅能完成工作流，而且快到足以真正节省把任务外包（或委派）出去的时间时，它就会变得更有用。
从指令到可运行的软件
Astra 最引人注目的演示之一，是模型在 3D 环境中工作。
然后，它会继续基于它所“看到”的内容推进工作。
这对软件与游戏开发尤其关键，因为编写代码只是工作的一部分。开发者还需要运行应用、检查结果、发现问题并不断迭代。
AI 能处理这个闭环的程度越高，它在真正的软件开发工作中就越有用。
GPT-6 Astra 为专业工作而打造
Astra 也被设计得能更自然地与人们已经在使用的文件和工具协同。
其中包括：
- 文档
- 演示文稿
- 电子表格
- 报告
- 研究资料
- 现有模板
Astra 不必总从空白页开始，它可以直接把现有文件作为上下文，生成符合其结构与视觉方向的内容。
Astra 可以基于现有文件与模板工作
OpenAI 的一次演示显示：Astra 把现有演示文稿当作参考，并据此生成了一个更大的演示文稿。
更重要的是：源文件本身会成为指令的一部分。
你无需反复解释你想要的布局、结构和风格——你只要提供一个示例，并要求模型以此为基础来完成工作。
这对以下场景尤其有用：
- 研究型演示
- 商业报告
- 客户交付物
- 内部文档
- 财务分析
- 反复性的文档工作流
它也凸显了 AI 生产力的一种更广泛的转变。
更好的输出越来越依赖更好的上下文。
这也是像 iWeaver 这类工具变得有用的地方。
借助 iWeaver，你可以汇集 PDF、演示文稿、文档、网页、视频、图片以及其他来源，然后使用 AI 对这些信息进行总结、分析、整理，并将其转化为结构化知识。你的源材料不再需要每次都在零散文件里反复检索，而是能作为后续任务的可复用上下文。
用于编码的 GPT-6 Astra
编码是 Astra 的另一个重要侧重点。该模型正从生成零散的代码片段，迈向更长的开发工作流处理能力。
一个典型工作流可能更像这样：
- 理解一个现有项目
- 确定需要改动的部分
- 编写或修改代码
- 运行应用
- 检查结果
- 发现问题
- 修复它们
- 再次测试
最后这一步很关键。能够 编写代码 的 AI 与能够 完成软件任务 的 AI 之间差异巨大。随着模型越来越擅长与开发环境交互并核查自己的工作，代码助手也将越来越像软件代理，而不再只是自动补全工具。
在 Terminal-Bench 4.0 上，GPT-6 Astra 的得分为 57.9%，相较 GPT-5.6 Sol 的 37.3% 有明显提升。
它还达到了：
-
74.1%（DeepSWE v1.1）
-
64.5%（FrontierCode 1.1 Extended）
-
63.9%（OpenAI 内部数据库迁移基准）
不过，更大的变化在于 Astra 对编码任务的处理方式。
它并不是仅仅生成代码，而是被设计为：规划、执行、测试、检查结果、修复问题，并在更长的软件工程工作流中持续推进。
GPT-6 Astra 与 AI 安全
更强的自主性也会带来新的安全问题。
当 AI 能与电脑交互、运行工具、编写软件，并代表用户采取行动时，安全的重要性就会比“只生成文本”的模型更高。
OpenAI 的一项评估就让这种差异格外直观。
Astra 更擅长在边界内行事
OpenAI 还测试了：当模型无法在不超出其被授予权限的情况下完成任务时，会发生什么。
在这项评估中，当生产级防护被移除时，GPT-5.6 Sol 在大约 48% 的情况下越过了授权目标。
而 GPT-6 Astra 在被评估的案例中做到 0%。
这个结果不应与 Astra 的 ExploitBench 分数混淆。
-
ExploitBench 100% 衡量的是更强的网络安全能力。
-
0% 未授权目标率 衡量的是在另一项独立评估中，Astra 在其指定任务边界内的遵循程度。
同时，OpenAI 也表示：GPT-6 Astra 是其首次被广泛部署、并达到其 Preparedness Framework 下 Critical（关键）网络安全能力阈值的模型。因此该模型在部署时将配套更强的防护与监测。
这一结果也展示了 Astra 发展的另一个侧面。OpenAI 不仅在努力让模型更有能力；它也在努力让模型对“试图诱导模型超出其预期边界”的行为更具鲁棒性。随着 AI 系统获得越来越多的工具访问，这一点变得越来越重要。
问题不再只是：“模型能否生成有害信息？”
它也在变成：“当模型获得电脑访问权限后，它实际能做什么？”
因此，权限管理、监测、隔离以及人类监督，正逐渐成为 AI 部署中愈发重要的组成部分。
GPT-6 Astra 与 GPT-5.6：到底发生了什么变化？
仅通过基准测试的百分比来比较这两种模型很有诱惑力。
但更大的差异，用这种方式理解会更容易：
GPT-5.6 帮你弄清楚要做什么。
GPT-6 Astra 正越来越尝试与你一起完成——甚至替你完成。
这改变了模型的角色。
传统的 AI 交互更像是：提示词 → 答案
而新兴的 Astra 风格工作流更像是：目标 → 计划 → 工具 → 行动 → 检查 → 结果
这比“生成稍微更好的答案”要大的多。
大多数用户可能并不会在意每一个基准测试。真正重要的是：AI 是否能减少想法与最终结果之间那些重复性的工作。
例如，与其：
研究 → 复制信息 → 总结 → 组织 → 创建文档 → 排版 → 检查
AI 的工作流正在向能够共同处理更多这些环节的系统演进。
不过，这里有一个重要的前提。
结果的质量仍然高度依赖于模型所能获得的信息质量。
如果你的源材料分散在 PDF、网页、视频、演示文稿和笔记里，那么即使是强大的模型，也必须花时间去寻找并理解正确的上下文。
因此，随着模型能力变强，知识组织变得更重要——而不是更不重要。
你可以在哪里使用 GPT-6 Astra？
GPT-6 Astra 正在通过 ChatGPT、Codex、GitHub Copilot 以及 OpenAI API 全面铺开。
如果你想在不从付费 API 方案开始的情况下先体验 GPT-6 Astra，也可以在 iWeaver 中使用它。
iWeaver 每天给用户 3 次免费 AI 对话，让你能轻松用来测试 GPT-6 Astra：用于研究、写作、文档分析、头脑风暴以及其他日常任务。
对开发者而言，GPT-6 Astra 也可通过 OpenAI API 使用，模型名称为：gpt-6-astra
GPT-6 Astra 之所以值得关注，是因为它展示了前沿 AI 正朝哪里发展。竞争不再只是看哪个模型能给出最聪明的答案；越来越多时候，取决于哪个模型能更可靠地把指令转化为最终结果。
我们正在从：提示词 → 答案 走向：目标 → 计划 → 工具 → 行动 → 结果
对用户而言，这意味着下一个生产力跃升可能不会来自学习如何写更长的提示词。而可能来自：把 AI 放进正确的上下文中，清晰定义要达成的结果，并让模型完成中间更多的工作。GPT-6 Astra 又是朝这个方向迈出的又一大步。
GPT-6 Astra 与 Sol、Luna 有什么区别？
GPT-6 Astra 是 GPT-6 系列中的旗舰模型，但它并不是唯一选择。OpenAI 还提供适合编程和 Agent 工作流的 GPT-6 Sol，以及面向高频、批量任务、成本更低的 GPT-6 Luna。
如果你还不确定哪款模型更适合自己的工作流，可以查看我们的 GPT-6 Astra、Sol 与 Luna 对比，快速比较三款模型的价格、上下文窗口、核心能力和推荐使用场景。