GPT-6来了，AGI还远吗？

全球AI大宕机之后的第二天，OpenAI在北京时间凌晨3点33分，扔出了GPT-6 Astra。

如果用OpenAI自己的话总结这个模型，就一句：全球最智能、也最对齐的模型。媒体闭门会上，Greg Brockman说了句更直白的——「欢迎来到AGI时代」。

参数和定价先摆在这：API编号gpt-6-astra，上下文窗口105万Token，最大输出128K，推理强度五档，输入每百万Token 10美元、输出50美元。外部估计参数量在5T级别，训练用了超过10万张卡——OpenAI迄今最大的一次训练。

但真正值得聊的，不是跑分，是这五个变化。一个一个说。

一、它会自己操作电脑了

过去我们聊Agent，张口就是API、MCP、CLI。理想很美好：每个软件都给AI留个接口，底层直调，又快又稳。

但真实世界比想象中草台得多。做企业落地这几年我们感受很深：像3M这种五百强供应商体系、谷轮所在的暖通产业链、爱优特这样的销售体系，客户手里大量跑着的业务系统，是十几年前写的——别说AI接口，连文档都找不到了。

GPT-6 Astra给出的答案是：不等API了，AI直接看屏幕、找按钮、点鼠标、敲键盘。整套图形界面，本身就是最通用的API。

实测数据也在支撑这个方向：OSWorld基准（把AI扔进真实电脑自己干活）完成率72.6%，上代是65.7%；同类复杂任务耗时从75分钟压到40分钟，快了将近一半；屏幕精准定位ScreenSpot-Pro冲到92.7%，基本不太会点错了。

二、ARC-AGI-3：99.9分

单看「又一个跑分满分」，没什么稀奇。但ARC-AGI-3这个考试不太一样：几百个全新交互环境、几千个游戏关卡，没有说明书，没有规则，甚至不告诉你目标是什么。AI进去自己摸索：这个红色东西是什么？碰它为什么会死？怎么才算赢？然后把学会的规律，迁移到后面更难的关卡。

说白了，考的是悟性。

今年3月这个基准发布时，最强AI得分0.51%。半年过去：GPT-5.6 Sol到7.8%，Claude Opus 5到30.2%，而GPT-6 Astra——99.9%。作为参照，人类平均分是48%。

半年时间跨过人类线再翻倍，这个速度已经没法用「迭代」形容了。Brockman那句「欢迎来到AGI时代」，就是在媒体闭门会上说出口的。

三、审美，终于上线了

过去GPT系列的审美是公认的短板。这次Astra专门带出了一个词：视觉判断力——做PPT时更好地处理版式、层级和视觉风格，做网站、游戏、3D渲染时也一样。官方演示里，Astra能照着一张静帧图在Blender里建模，再用UE5渲染成可以漫步的场景，帮设计师在动工前体验空间。

对我们这种每天跟版式、头图、信息图打交道的内容团队来说，这条升级看着比跑分亲切得多。

四、知道什么时候来烦你

这个能力不起眼，但用过Agent干活的人都懂它多值钱。老板说「把明天会上要看的东西准备一下」——格式？给谁看？重点是啥？全是没说清的坑。

蠢的Agent有两种极端：一种十万个「请问……」问到你烦；另一种啥也不问，吭哧吭哧干两小时，交出来一坨。

Astra这次强化的是中间那条路：日常可以合理推断的，自己补；真正会改变结果的，才问你一个聚焦的问题。而且在Codex里，它可以一边问你，一边继续干不依赖答案的部分。它把这种能力直接命名为：Judgment，判断力。

带过人就知道，最舒服的同事就是这种：自己消化八成的不确定性，只把真正需要拍板的两成推到你面前。

五、越能干，越要拴得住

一个只会聊天的AI脑子抽了，顶多胡说几句。一个有浏览器、有Shell、有邮箱、有数据库权限、还会自己操作电脑的Agent脑子抽了，画面就没法看了。

所以「最对齐」这三个字这次不是营销话术：基于Hugging Face安全事故设计的Honeypot测试里，上代模型在没有安全措施时有48.2%的测试会去碰授权范围外的目标，Astra是0%；内部幻觉率从9.4%再压到2.0%。

六、第一个Critical，不是好信号

GPT-6 Astra成了OpenAI历史上第一个被判定达到Critical网络安全能力等级的模型。在Preparedness Framework里，这意味着：给它合适的工具和权限，它能在防护严密的的真实系统里自己找到没人发现的漏洞，自己组装成攻击链，全程不需要人类黑客引导。

ExploitBench直接打穿到100%；OpenAI怕题被训练时看过，又换了20个2026年6月到8月才披露的高危漏洞重测——39%，而且评测过程中顺手挖出了两个此前无人知晓的零日漏洞。

七、最扎手的变化：AI开始心算了

大模型解难题时会写思维链（CoT），AI公司靠读它来监督模型有没有「准备搞事情」。但UK AISI（英国AI安全研究所）测了一个指标：不给模型写思维链的机会，一次前向推理直接解题，看它能解多难的题。上代是3.6分钟人类水平，Astra是30.9分钟，接近10倍。

用人话说：它全程在心算。而且它的推理语言越来越压缩，出现了人类越来越难读懂的短语和省略。

于是悖论出现了：模型行为更安全了，人类靠读心监督它反而更难了。System Card里OpenAI自己写得明明白白——思维链可监控性显著下降。他们甚至专门强调：绝不会无限接受这种趋势，找不到可靠的替代监控手段，继续扩大训练就会撞上更高的安全门槛。

回到开头那个问题：AGI还远吗？这场发布给出的答案有点微妙——它从来不是一个非黑即白的节点，而是一道渐变的灰色旅程。等你哪天突然意识到，它可能已经在身边很久了。

欢迎来到AGI时代。