GPT-6 Astra：新一代智能

⏰ 时效声明：本课内容整理自 OpenAI 官方发布页（2026 年，原文未标注具体发布日期），所有基准数字均为官方自报，截至发布时。

OpenAI 发布了 GPT-6 系列的新旗舰：GPT-6 Astra。官方定位一句话："全球最智能且最对齐的模型"（the most intelligent and most aligned model）。

发布页列了三大卖点：计算机使用的新前沿（像人一样操作电脑）、专业工作能力（工程、科学、金融的硬基准）、对齐（最谨慎、最尊重边界）。本课按这三条线展开，数字全部来自官方发布页。

以下来自 OpenAI 官方发布页。Astra 有三个基准直接打到"饱和"（接近满分、测不出差距了）：

FrontierMath Tier 4：98%（正文写 98%，表格为 97.6%）——最高难度的数学推理基准，基本封顶。ARC-AGI-3：99.9%——抽象推理基准，同样饱和。ExploitBench：100%——网络安全利用基准，满分。

这三个数字的含义：纯推理和特定安全任务上，Astra 已经摸到当前基准的天花板。官方于是把重点放在了更难的"真实世界"基准上——也就是下面两节。

以下来自 OpenAI 官方发布页，这是 Astra 的主打能力——像人一样操作计算机：点鼠标、敲键盘、用软件，一气呵成。

Agents' Last Exam：59.3%（GPT-5.6 Sol 53.6%、Claude Opus 5 55.5%），而且输出 token 少约 65%——又快又好。OSWorld 2.0：72.6%，每任务约 40 分钟（Sol 是 65.7% / 75 分钟）。Mind2Web 速度提升 1.9 倍。

演示案例包括：用 KiCad 做 PCB 布局、在 Blender 和 UE5 里建房子。官方还提到 Astra 在"浏览比赛"（browse competition）拿到 91.5%。

一句话：Astra 不是在"回答关于电脑的问题"，而是在"真的用电脑干活"，而且干得比上一代又快又好。

以下来自 OpenAI 官方发布页。

BenchCAD：95.9%（CAD 工程基准）；自动化基准：41.4%；Terminal-Bench Science 0.1：64.6%（对比：Fable 5.1 是 52.6%，而且 Astra 成本还低 31%）；GPQA Diamond：96.0%（博士级科学问答）。

编程：Terminal-Bench 4.0：57.9%（Sol 37.3%、Fable 5.1 55.8%）——注意这里 Astra 超过了 Fable 5.1。

配套的 Codex 新功能：跨上下文窗口保留笔记——通过 config.toml 的实验开关开启，让 agent 在多个 session 之间记住之前的工作（"不用每次都从零开始认识这个项目"）。

以下来自 OpenAI 官方发布页，这是 Astra 与 Sol 拉开差距最大的地方：

授权外操作评估：Sol 有 48% 的越权操作，Astra 是 0%。ExploitGym 蜜罐测试：Sol 中招 48.2%，Astra 0%。计算机使用安全基准：Sol 22%、Fable 5.1 9.5%、Opus 5 11.5%，Astra 2.4%。规避自动审查：Sol 0.3%，Astra 0%。幻觉率：Sol 12.2%，Astra 4.2%。

翻译成人话：给 Astra 一台电脑，它不该点的就不点、不该试的就不试；而 Sol 有接近一半的概率会"手滑"去碰没授权的东西。这是官方"最对齐" claim 的主要证据。

以下来自 OpenAI 官方发布页。

ExploitBench：100%（Sol 78.5%）；ExploitGym：42.4%（Sol 30.3%）；SRE-Bench：单次 88% / 四次尝试 99.2%（Sol 55.9% / 68.7%）。

最抓眼球的一句：Astra 发现并利用了 2 个此前未知的零日漏洞，目前正在走负责任披露流程。官方同时强调：高级攻击任务默认拒绝访问，只通过 Daybreak 项目逐步放宽——能力越强，门禁越严。

这就是"最智能且最对齐"要同时成立的原因：能找出零日漏洞的模型，必须同时是"不该用的时候坚决不用"的模型，否则没人敢部署。

以下来自 OpenAI 官方发布页，截至发布时：

API 定价：模型 ID gpt-6-astra，每百万 token 输入 10 美元、输出 50 美元；快速模式 2 倍速、2 倍价格。Pro / Business / Enterprise 用户可购买 Astra Pro；上线时 Enterprise 默认关闭（管理员可开）。

可用性：先向有限组织开放，未来几天内向 Plus / Pro / Business / Enterprise 全量开放；符合条件的 API 客户支持 ZDR（零数据保留）。

价格对标一下：和本专题第 01 课的 Fable 5（$10/$50）同档，属于旗舰价位。