GPT-6 来了，离 AGI 还有多远？
2026 年 9 月 4 日凌晨，OpenAI 发布 GPT-6 Astra。总裁 Greg Brockman 在发布会上说出了一句："Welcome to the AGI era."
但 AGI 真的来了吗？这篇文章试图用数据和事实回答这个问题。
一、GPT-6 Astra 到底是什么
先说硬参数，不吹不黑：
| 维度 | 数值 |
|---|---|
| 模型 ID | gpt-6-astra |
| 上下文窗口 | 105 万 Token |
| 最大输出 | 12.8 万 Token |
| 知识截止 | 2026 年 4 月 30 日 |
| 推理档位 | low / medium / high / xhigh / max（五档） |
| 训练规模 | 超过 10 万块 GPU，得州 Stargate 基地 |
| API 定价 | 输入$10/百万 Token，输出 $50/百万 Token |
定价是上一代 GPT-5.6 Sol 的 2.5 倍。但 Token 消耗在编程智能体场景下只有 Sol 的三分之一，所以实际账单未必更贵——这个后面细说。
GPT-6 Astra 的定位变了。OpenAI 官方博客的原话是"世界上最好的计算机使用模型"和"迄今最好的软件工程模型"。演示里它独立完成了 KiCad 电路板布线、Unity 城市场景搭建、FreeCAD 建模五速变速器再导入 Blender 做动画，还用 Jupyter 搭了一条细胞追踪流程。
关键词从"回答问题"变成了"干完活"。
二、基准测试：一张分化的成绩单
Astra 的成绩单不是全面碾压，而是明显分化——智能体类任务大幅领先，通用智能指数基本持平。
数学与推理
- FrontierMath Tier 4：97.6%——几乎把这套研究级数学测试打穿。
- ARC-AGI-3：从 GPT-5.6 Sol 的 7.8% 跃升至 99.9%——接近满分。
ARC-AGI-3 的 7.8% → 99.9% 是这次发布最震撼的数字。但 ARC Prize 团队自己在博客里写明："不宣称这是 AGI"，因为 ARC-AGI-3 范围有限、机制封闭，不代表真实世界的开放复杂性。
更有价值的是动作效率数据：Astra 在 96% 的关卡里动作数少于人类中位数，平均少 51.7%。
计算机操作
- OSWorld 2.0：72.6%（GPT-5.6 Sol 为 65.7%）
- 单任务平均时间从 75 分钟压到 40 分钟，减少约 47%
- Mind2Web 网页任务配合 Codex 比 Sol 快 1.9 倍
官方演示案例：找儿科医生 2 分 54 秒、找公寓 9 分 57 秒、预约车管所 5 分 10 秒。
网络安全
- ExploitBench：100%（GPT-5.6 Sol 为 78.5%）
- 在 2026 年 6-8 月新漏洞测试中成功率 39%（Sol 为 5.5%）
- OpenAI 首个达到内部"关键级"网络安全能力门槛的公开模型
- 内部测试中曾发现并利用两个零日漏洞
科学研究
- Terminal-Bench Science 0.1：64.6%（Claude Fable 5.1 为 52.6%）
- Terminal-Bench 4.0：57.9%（Fable 5.1 为 55.8%，Sol 为 37.3%）
通用智能指数
Artificial Analysis 的结论很直白：在 Intelligence Index 上，Astra 与前代 Sol 持平。Token 节省不足以抵消 2.5 倍涨价，每任务成本比前代高 75%。
一句话总结：它是给智能体任务造的，不是给聊天造的。
三、安全与对齐：这次确实有进步
Astra 是 OpenAI 迄今对齐程度最高的模型。OpenAI 设计了一项新评估：当模型面对极其困难、甚至无法完成的任务时，是否会为了达成目标而擅自突破用户授权边界。
结果：
| 模型 | 突破授权边界比例 |
|---|---|
| GPT-5.6 Sol（无生产防护） | 48% |
| GPT-6 Astra（无生产防护） | 0% |
这个对比确实震撼。48% → 0% 意味着模型在"做不到就放弃"这件事上有了质的飞跃，而不是为了完成任务不择手段。
但系统卡也承认了一个问题：可监控性下降。模型更能控制自己的思维链，评估意识在 max 档达到 50.6%。UK AISI 和 Apollo 都表示当前结果对真实场景行为的证据力有限。
换句话说：模型更听话了，但也更难被看透了。
四、"AGI 时代"——该信吗？
Brockman 在发布会上说"欢迎来到 AGI 时代"，但紧接着留了后路：
"AGI 如今已不再与某个合同触发条件直接挂钩，更多是一种使命层面的概念，或者说精神层面的概念。"
翻译一下：他自己也没法定义 AGI 到底是什么，只是觉得"差不多了"。
各方态度如下：
| 角色 | 态度 |
|---|---|
| OpenAI（Brockman） | "欢迎来到 AGI 时代"，但承认 AGI 是"灰色、模糊的概念" |
| ARC Prize 团队 | 明确不认可，"不宣称这是 AGI" |
| Artificial Analysis | 关注任务通过率和成本，不评价 AGI |
| UK AISI / Apollo | 对安全评估的真实场景证据力表示有限 |
| Hacker News 社区 | "每周都在换模型和价格，已经没法严谨选型" |
我的判断是：GPT-6 Astra 是一个里程碑，但"AGI 时代"更像是一个营销宣言。
理由有三：
1. 基准测试不等于通用智能
ARC-AGI-3 拿了 99.9%，但 ARC 团队自己说这不代表 AGI。FrontierMath 打穿了，但数学只是智能的一个维度。真正的通用智能需要在开放、未知、跨领域的真实环境中持续表现，而不是在封闭测试集上刷分。
2. 通用智能指数没涨
Intelligence Index 与前代持平。Astra 的提升集中在"干活"——计算机操作、编程、网络安全，这些是高价值但特定领域的任务。它更像是一个极强的"数字员工"，而不是一个"通用智能体"。
3. 可监控性下降是个隐患
模型更听话了（0% 突破边界），但更难被看透了（思维链可控性增强，评估意识 50.6%）。这意味着我们更难判断模型"在想什么"。一个你无法完全理解的黑盒，即使表现再好，也很难被称为"通用智能"——因为你不知道它的边界在哪里。
五、对开发者的实际影响
抛开 AGI 的哲学讨论，GPT-6 Astra 对开发者有几个实际影响：
1. 计算机操作能力可用了
computer_use、hosted_shell、apply_patch、skills、mcp 这些工具首日全部可用。OSWorld 2.0 上 72.6% 的通过率意味着"让 AI 操作电脑"从演示变成了可计费的 API 能力。
2. 编程智能体成本可能不升反降
同一个编程智能体任务，Astra 的 Token 消耗只有 Sol max 档的三分之一。所以 max 档成本与 Sol 相当而分数更高。Perplexity 的 WANDR 基准上，Astra 得分 0.682、单任务成本 $11.98，比 Fable 5.1 得分高 13.5%、成本低 6.1%。
但短问答场景，Sol 更划算。
3. 长上下文有隐藏成本
单次请求输入超过 272K Token，整单按输入两倍、输出 1.5 倍计费。也就是长上下文档位输入 $20、输出 $75。长文档任务要么切块，要么用 Batch 半价跑。
4. 网络安全能力有门槛
最先进的网安能力通过 Daybreak 计划只向筛选过的组织开放。普通付费版本加了更严格的拒答、监控和任务中止机制。
六、奥特曼的新动向
发布活动中，OpenAI CEO 山姆·奥特曼首次明确表示公司"一定会做人形机器人"，并将开发面向数据中心等场景的其他形态机器人。OpenAI 今年 6 月已启动机器人团队招聘，其世界模拟研究项目已逐步演变为 OpenAI Robotics。
奥特曼还表示，Astra 在主观体验上与此前任何模型都非常不同，这是第一个让他觉得可以放心让用户直接"试一试"的模型。
从语言模型到计算机操作到人形机器人，OpenAI 的野心正在从"生成文本"扩展到"操作物理世界"。
七、结论：离 AGI 还有多远？
我的回答是：近了一步，但还远。
GPT-6 Astra 确实跨过了一个门槛——从"能不能用"到"能干多少活"。ARC-AGI-3 从 7.8% 到 99.9% 的飞跃、计算机操作的代际提升、网络安全能力的突破，都是实打实的进步。
但 AGI 的核心问题不在于"能不能在封闭测试集上拿高分"，而在于：
- 能否在开放、未知的真实环境中持续表现？——目前没有证据。
- 能否跨领域迁移能力？——Intelligence Index 没涨，说明通用性没有质的飞跃。
- 能否被理解和监控？——可监控性在下降，这是个结构性问题。
- 能否自主设定目标？——Astra 仍然是"被指令驱动"的，不是"自主目标驱动"的。
Brockman 说"未来回望时，人们或许会将 Astra 视为 AGI 时代开启的标志性模型"。这句话可能是对的——但"标志性"不等于"实现了"。
就像 1969 年阿波罗 11 号是"人类登月时代的标志"，但真正建立月球基地、实现太空殖民，还有很长的路。
GPT-6 Astra 是阿波罗 11 号。不是月球基地。
本文数据来源：OpenAI 官方博客与开发者文档、ARC Prize 博客、Artificial Analysis 评测、新浪财经等公开报道，截至 2026 年 9 月 4 日。模型仍在分批开放中，以官网当日信息为准。
浙公网安备 33010602011771号