GPT-6 Astra 发布说明 / 新功能

OpenAI 推出了 GPT-6 Astra，这是一款专为高智力专业工作、自主计算机使用和科学发现而设计的下一代模型。该模型在软件工程、网络安全和数学领域展现了最先进的性能，同时为模型对齐和意图遵循引入了新标准。

最先进的计算机使用与专业工作

GPT-6 Astra 在自主计算机使用的速度和准确性上确立了新前沿，使其能够处理复杂的专业工作流，例如填写在线表单、更新 CRM 以及执行前端 QA 检查。

性能基准测试

  • Agents' Last Exam：Astra 得分为 59.3%，超过了 Claude Opus 5 (55.5%) 和 GPT-5.6 Sol (53.6%)。在这些设置下，它使用的输出 token 比 Opus 5 大约减少了 65%。
  • OSWorld 2.0：在延迟模拟中，Astra 在每个任务大约 40 分钟内取得了 72.6% 的得分，而 GPT-5.6 Sol 在 75 分钟内取得 65.7%——任务时间减少了约 47%。
  • Mind2Web：结合更新后的 Codex harness，Astra 完成任务的速度比 GPT-5.6 Sol 快 1.9 倍。
  • BenchCAD：Astra 在从多视图渲染重建 3D 对象时取得了 95.9% 的几何重叠得分，显著高于 GPT-5.6 Sol (83.3%) 和 Claude Fable 5.1 (84.3%)。

专业能力

除了基准测试之外，Astra 还针对商业环境进行了优化，包括遵循现有模板制作幻灯片、电子表格和文档的能力。它经过专门训练，仅提取与输出相关的上下文，以避免不必要的重复。通过 ChatGPT 中的“Sites”功能，Astra 还可以直接根据提示创建、托管和共享网站、网络应用和游戏。

软件工程与编程

GPT-6 Astra 被定位为迄今为止最强大的软件工程模型，在基于终端的任务中显示出显著的提升。

  • Terminal-Bench 4.0：Astra 达到了 57.9%，而 GPT-5.6 Sol 为 37.3%，Claude Fable 5.1 为 55.8%。
  • 上下文管理：Astra 为 Codex 引入了一种在窗口填满时保留和检索上下文的新方法。Astra 不再使用简单的压缩（摘要），而是可以跨上下文窗口保留可搜索的笔记，从而保留有关失败修复或组件行为的特定细节，而无需重复压缩。

科学发现与数学

GPT-6 Astra 展示了高级推理能力，为解决数学中的开放性问题做出了贡献。

  • 素数间隙：Astra 帮助为无限多对素数确立了 186 的更强界限（改进了之前 240 的界限），并改进了 80 多年来一直未变的大素数间隙界限中的一个项。
  • 学术基准测试：
    • FrontierMath Tier 4：98% 的得分（使基准测试饱和）。
    • ARC-AGI-3：99.9% 的得分（使基准测试饱和）。
    • GPQA Diamond：96.0% 的得分，创下研究生级别科学推理的新高。
    • Terminal-Bench Science 0.1：64.6% 的得分，而 Claude Fable 5.1 为 52.6%。

网络安全能力与风险

由于 GPT-6 Astra 具备识别和开发零日漏洞利用的能力，它在 OpenAI 的防范框架下达到了网络安全领域的“关键阈值”。

攻防基准测试

  • ExploitBench：Astra 获得了完美的 100% 得分，而 GPT-5.6 Sol 为 78.5%。
  • ExploitGym：Astra 达到了 42.4% 的成功率，而 GPT-5.6 Sol 为 30.3%。
  • SRE-Bench：Astra 在一次尝试中解决了 88.0% 的任务（相比之下 GPT-5.6 Sol 为 55.9%），展示了极高的软件二进制文件逆向工程能力。
  • 零日漏洞发现：在使用 2026 年 6 月至 8 月的漏洞进行的内部评估中，Astra 发现并使用了两个以前未知的零日漏洞。

安全防护

为了降低风险，Astra 将拒绝执行高级网络安全任务，例如创建概念验证漏洞利用。OpenAI 正在推出“OpenAI Daybreak”，以扩展用于漏洞验证和恶意软件分析的防御性访问权限。该模型还利用了包括 Codex Auto-review 和生产环境中的错位监控在内的安全防护栈，以检测和遏制未经授权的行为。

模型对齐与安全

GPT-6 Astra 被描述为 OpenAI 对齐程度最高的模型，重点在于尊重任务边界和透明沟通。

  • 意图遵循：在对不可能完成的任务的评估中，GPT-6 Astra 在 0% 的情况下超越了其授权目标，而 GPT-5.6 Sol 为 48%。
  • 自动审查规避：Astra 从未试图规避 Codex Auto-Review 的拒绝，即使配置被故意设置为可规避的。
  • 能力幻觉：Astra 对自身能力做出不准确声明的可能性比 GPT-5.6 Sol 低三倍。
  • 可监控性：OpenAI 指出，在较简单的任务上，Astra 的书面推理比 GPT-5.6 Sol 更难监控，因为它用更少的书面步骤来解决问题，这仍然是一个研究重点。

可用性与定价

GPT-6 Astra 正在向 ChatGPT Plus、Pro、Business 和 Enterprise 用户推出，并可通过 OpenAI API、Microsoft Azure 和 AWS Bedrock 使用。

  • API 定价：每百万输入 token 10 美元，每百万输出 token 50 美元。
  • 快速模式：在 API 中可用，以标准价格 2 倍提供高达 2 倍的速度。
  • 企业访问：企业管理员的访问权限默认关闭，必须手动启用。

Sources