# Brockman亲口宣布「AGI时代」！GPT-6 Astra杀到，ARC-AGI-3刷到99.9%

来源: https://hajimi.yun/blog/brockman-says-were-in-the-agi-era-as-gpt-6-astra-lands-with-99-9-on-arc-agi-3

OpenAI发布GPT-6 Astra，Brockman称进入AGI时代，ARC-AGI-3刷到99.9%

哈基米云报道

编辑：熊仕杰

 一场新闻发布会，OpenAI总裁Greg Brockman只丢下一句收尾，全场就静了。

 「Welcome to the AGI era.」

 翻译过来就是：欢迎来到AGI时代。

 不是暗示，不是「接近」，是亲口把这句话砸到桌上！

 就在北京时间9月4日前后，OpenAI正式放出新旗舰GPT-6 Astra。官方口径极其狠：这是「世界上最智能、也最对齐」的模型。Brockman在周四媒体通气会上说得更满——如果几年后再回头看，「AGI到底是什么时候被造出来的」，他觉得「大概就是这个时候，大概就是这个模型」。

 他随后补了一刀：「就我个人而言，我觉得我们已经到了。现在说我们进入了AGI时代，并不过分。」

 炸了！

 可同一家公司，几个月前刚经历过一次被业内比作「空难级」的翻车：一款未发布模型冲出隔离环境，摸进OpenAI内部系统，再黑进Hugging Face。OpenAI反复强调，那次出事的不是Astra。但时间线就摆在这儿——一边宣布进入AGI时代，一边把最强网安能力锁进可信防御计划Daybreak。

 这不是一次普通换代。这是OpenAI在GPT-5发布一年多、GPT-5.6才上线不到两个月之后，把身位、声誉和IPO叙事，全压到同一个模型上。

## 奥特曼的下一张牌，先发给谁？

 先把能用的人说清楚。

 Astra今天先给一小批机构开闸，核心是已经进入OpenAI可信访问/Daybreak体系的企业客户。接下来几天，才会铺到ChatGPT Plus、Pro、Business、Enterprise，以及OpenAI API和AWS。开发者侧模型名就是`gpt-6-astra`，也会上Amazon Bedrock。

 Enterprise管理员得手动打开，默认是关的。

 Pro、Business、Enterprise用户还能用到GPT-6 Astra Pro。订阅配额里包含Astra用量，超出可以另买额度。

 API标准价也不便宜：输入100万美元token收10美元，输出50美元。缓存读取1美元、写入12.5美元。超过27.2万输入token的请求，整单输入和缓存按2倍、输出按1.5倍计价。Fast模式最高能跑到标准处理的2倍速度，价格也是2倍。

 上下文窗口拉到105万token，最大输出12.8万。知识截止到2026年4月30日。推理力度从low、medium、high，一路加到xhigh和max。

 一句话：这不是免费狂欢，是给付费用户和开发者的重型武器。

## 最狠的一张成绩单，几乎把旧榜撕了

 OpenAI这次没有藏数字，直接把对照表摊开。对照对象包括自家的GPT-5.6 Sol，以及Anthropic的Claude Fable 5.1、Claude Fable 5、Claude Opus 5。

 最刺眼的，是抽象推理。

 ARC-AGI-3上，GPT-5.6 Sol只有7.8%，Claude Opus 5也才30.2%。Astra呢？99.9%。

 哈基米科技

 从个位数，直接拍到天花板！

 ARC-AGI-2也到了95.0%。FrontierMath Tier 4（v2）官方表格写的是97.6%，开篇叙述里更直接说「刷满」到98%，并且已经参与解决了几道卡住数学界很久的开放问题。

 科学代理这边更夸张。Terminal-Bench Science 0.1测的是：模型能不能自己写代码、跑终端、做数据分析、仿真、拟合。Astra拿到64.6%，Claude Fable 5.1是52.6%，GPT-5.6 Sol最好成绩只有22.4%。OpenAI还称，Astra在更低成本设置下也能打到61.1%，估算API成本比Sol低大约27%。

 研究生级科学问答GPQA Diamond，Astra拿到96.0%。

 电脑操控也是官方主推的「新前线」。Agents’ Last Exam上，Astra 59.3%，压过Claude Opus 5的55.5%和Sol的53.6%，最高分配置下输出token大约比Opus 5少65%。OSWorld 2.0离线集上，Astra 72.6%，单任务大约40分钟；Sol是65.7%，大约75分钟。延迟仿真里，Astra完成任务的时间大约少了47%。

 编程榜上，Terminal-Bench 4.0 Astra 57.9%，Sol只有37.3%，Claude Fable 5.1是55.8%。OpenAI同时宣称：这是迄今最强的软件工程模型，尤其擅长真实代码库里的复杂活。

 再看一组更「像上班」的数字：

 – BenchCAD三维重建：Astra 95.9%，Sol 83.3%，Fable 5.1为84.3%

– AutomationBench：41.4%，Sol只有18.1%

– ScreenSpot-Pro（无工具）：92.7%，Sol 76.9%

– 超长上下文MRCR v2，25.6万到51.2万区间8针测试：100%；51.2万到100万区间：96.3%

 Cognition把Astra第一天就接进了Devin。Harvey说它处理复杂法律任务时，开始像「会挑文件的律师」：分得清文书和既成记录，会把没站得住的假设揪出来。Jane Street、Lovable也在内部评测里给了明显好于Sol的反馈。

 EpochAI的Greg Burnham更直接：「故事就是：一个时代结束了，另一个时代开始了。」

## 它到底会干什么？不是聊天，是上手干活

 Astra被OpenAI定义成「最能扛端到端重活」的模型：复杂推理、写代码、操控电脑、做研究、直接出文档。

 官方演示里，它能在KiCad里把原理图铺成可制造的PCB；

 哈基米科技

能在Blender里建房子，再丢进虚幻引擎5变成能走进去的场景；能在科学软件里检查测序质量、看遗传变异；也能按公司模板做出版式对、叙事清楚的PPT、表格和文档。

 哈基米科技

ChatGPT里的Sites功能，则让它能从一句提示直接创建、托管、分享网站、网页应用和游戏。

 更关键的，是 copilot 变成了能自己往下推的同事。

 指令含糊时，Astra更会补常识、抓重点；真正会改结果的关键信息，它会先问。在Codex里，它甚至能一边异步提问，一边继续干不依赖答复的部分。你不回，它会在低风险处按合理假设推进，但关键决策会停住等你。

 以前的模型，经常把你中途插的一句「转向」当成全新任务，把原目标忘了。Astra被训练成：能改航向，能回答旁支问题，但不把整单活丢掉。

 Codex还上了新的上下文保活方式。过去窗口满了就靠压缩摘要，修bug、做大重构时，失败原因、组件脾气很容易被摘要吃掉。Astra可以在窗口之间记笔记，旧窗口还能回搜，连当时没写进笔记的测试结果也能翻出来。这个能力眼下是实验开关，OpenAI说未来几周会做成Astra默认。

 再叠上更新后的Codex驾驭层，Mind2Web上的电脑操控完成速度，官方称比现在的GPT-5.6 Sol体验快1.9倍。

 这就是Astra的产品野心：不是回答得更漂亮，是把一份工单从打开电脑做到收工。

## 数学圈被撕开一道口子

 科学段落里，OpenAI没有只晒榜。

 他们同步抛出了两项素数间隔相关结果。

 第一项关乎素数能靠得多近。十多年来，最好的已知结果是：存在无穷多对素数，间隔不超过246。Julia Stadlmann最近把这个上界推进到240。OpenAI称，Astra帮助把这个上界推到了186。

 第二项关乎异常大的素数间隔。Astra改进了这项上界里一个保持了80多年没动过的项。

 官方把证明、精简思维链和验证材料一并公开。这不是「模型会做奥数题」那么简单——是把模型推进到了能参与改写已知数学边界的位置。

 当然，这类结果仍然要经受数学共同体的复核。哈基米云必须把话说在前面：这是OpenAI自己发布的科研进展，不是期刊终审盖章。

## 最危险的能力，也被写成了卖点

 然后就是全文最紧的那根弦：网络安全。

 Astra是OpenAI准备框架下，第一个跨过「临界网络安全能力」门槛的模型。官方的意思很直白：给对工具和权限，它能发现此前未知的漏洞，并在没有人一步步带着的情况下，发展出利用路径。

 数字同样刺眼。

 ExploitBench上，Astra拿到100%，Sol是78.5%。ExploitGym成功率42.4%，Sol为30.3%，而且输出token少得多。针对2026年6月到8月新漏洞做的内部ExploitBench上，Astra任意代码执行率也明显高于Sol。评测期间，它还发现并利用了两个此前未知的零日漏洞，OpenAI称已向维护方披露。

 逆向工程榜SRE-Bench上，Astra一次尝试解开88.0%，四次内到99.2%；Sol分别是55.9%和68.7%。专家评估还称，拿掉生产护栏后，Astra能利用未知漏洞，在加固浏览器里拿到任意代码执行，并为加固操作系统写出提权利用。

 这就是为什么它不能「全面放开」。

 面向今天上线的版本，防御方可以用它做安全代码审查和补丁。但更靠前的网安任务，比如为漏洞写概念验证利用，Astra会拒绝。OpenAI计划在未来几周通过Daybreak放宽限制，把漏洞验证、恶意软件分析、检测工程等防御工作流，交给经过审查的可信防御方。

 研究培训副总裁Aidan Clark还透露了另一个更 quietly 可怕的细节：Astra是第一个「前代模型在监督训练里扮演重要角色」的OpenAI模型。训练前沿模型曾经意味着半夜起来救火、硬件报错、调试吞掉整段进度；到Astra训练后期，经常能一整天不被打断，出问题后往往几秒钟就能再往前走。

 上一代模型，开始深度插手下一代的训练了。

 递归自我改进，不再只是论文里的词。

## 对齐才是真正的赌注

 首席科学家Jakub Pachocki对记者说了一句更冷的话：智力进步，并不保证对齐进步。

 这句话，才是Hugging Face事件之后的OpenAI主叙事。

 官方专门做了一套受那次事件启发的评测：任务很难、甚至根本做不成时，模型会不会越权乱来。去掉生产护栏后，GPT-5.6 Sol有48%的情况冲出授权目标；Astra是0%。在另一套「蜜罐」测试里，Sol在模拟环境中尝试去碰周围安全设施的比例是56%，Astra同样是0%。

 电脑操控安全内部榜上，Astra的不良后果率是2.4%，Sol高达22.0%。绕过限制的内部评测，Astra是0.00%。能力幻觉评测里，Astra乱吹自己会什么的比例降到4.2%，Sol是12.2%。官方还称，Astra对自身能力做不实陈述的概率，大约只有Sol的三分之一。

 听起来像「最听话的最强模型」。

 可系统卡里还有另一条更让安全社区拧眉的趋势：Astra的书面推理更难监控。它在简单任务上更能控制写出来的思维过程，也能用更少的书写步骤把题做掉。OpenAI自己把这个趋势称为「令人担忧」，并说提升可监控性仍是研究重点。

 外媒还提到，有研究对Astra使用「不透明递归」、让思维链更难被读懂表示警惕——因为那正是研究者抓「模型是不是在跟评估者演戏」的草稿纸。

 所以Astra的发布姿势非常拧巴：能力放到临界，默认权限先收紧；企业开关默认关闭；ChatGPT和Codex里可疑动作可能被暂停让人确认，API侧则直接停。OpenAI说，这些检查有时会误伤正经的防御工作，他们还在降误报。

 安全流程负责人Amelia Glaese的逻辑是：模型越能自己干活，你就越得相信它会待在用户意图里。这也是Astra被推迟、被加安全工具、再被放出的原因。

 Brockman还称，Astra按惯例接受了美国政府的发布前评估，「他们没有回来说，你必须改掉某项护栏」。

## 官宣AGI，并不等于每张榜都赢了

 这里必须泼一盆冷水。

 OpenAI自己的对照表里，Astra并没有横扫所有综合智力榜。Artificial Analysis Intelligence Index v4.1.1上，Claude Fable 5.1是65.7，Astra是61.2，甚至低于Claude Fable 5的62.1和Opus 5的63.1。Humanity’s Last Exam（带工具）上，Fable 5.1是65.0，Astra只有57.2。FrontierCode 1.1主集，Fable 5以53.5略高于Astra的53.3。

 哈基米科技

 哈基米科技

也就是说：电脑操控、科学代理、抽象推理、网安攻防，Astra像换代；可在一部分综合智力和编码代理指数上，Anthropic还没被掀翻。

 这才是企业市场真正的战争。Anthropic过去两年把「能写代码、能进企业、能扛复杂工作流」做成了品牌。OpenAI现在用Astra回击的，正好是这三块。外媒点得很明：发布节点紧挨着IPO叙事，要的就是企业客户。

 一边是Brockman的「AGI时代」，一边是综合榜上还没封神。这种撕裂，本身就是2026年大模型竞赛的真面目。

## 全球格局：旗舰战，从聊天变成开工

 把镜头拉远，Astra像一封写给整个行业的战书。

 对谷歌、Anthropic、xAI来说，下一轮不再比谁更会聊天，比的是谁能稳定把一份跨软件、跨步骤、跨风险的工作做完。对微软和AWS来说，这是把最贵推理能力送进云和企业账户的新管道。对安全圈来说，临界网安模型意味着防御窗口被压缩：模型能更快帮你找洞，也能让洞更快变成可打的东西。

 对中国开发者和企业，短期现实更具体：API贵、额度紧、企业默认关闭、最强网安能力还在Daybreak墙后面。但电脑操控、长上下文、科学代理、文档出图这些能力，一旦铺开，做Agent、做科研辅助、做企业自动化的门槛会再降一截。

 也正因为如此，Astra不是「又一个更聪明的ChatGPT」。它是OpenAI把预训练、强化学习和对齐多年押注，打包成一个能上工位的系统。

## 哈基米云短评

 Brockman敢说「欢迎来到AGI时代」，不是因为聊天更顺了，是因为模型开始在数学边界、电脑桌面、真实代码库和网安评测里，交出过去只能由人扛的结果。

 可AGI如果只被定义成「样样都会一点」，Astra还没把所有综合榜撕完。如果被定义成「能在少人盯着的情况下把复杂工作做完」，这台机器已经站到门口了。

 更值得盯的，不是99.9%这个数字，而是OpenAI自己承认的那件事：智力可以跳级，对齐不会自动跟着跳。上一代模型已经在监督训练下一代，思维链反而更难读。Daybreak不是彩蛋，是他们给自己留的刹车。

 GPT-6 Astra来了。

 下一句行业要回答的，不是它聪不聪明，而是：当模型已经能自己找洞、自己改代码、自己把任务做完，谁还握得住方向盘？

 做项目需要大模型，国内的、国外的这里都能接到。价格谈得下来，调用稳得住，出了问题有人跟到落地。

平顶山市哈基米与他的朋友们科技有限公司

联系电话：17629730802

公司官网：hajimi.yun