【#GPT6正式发布#，#GPT6价格#】美东时间9月3日，GPT-6 Astra和GPT-6 Astra Pro，正式发布。

GPT-6 Astra是世界上最智能、最协调的模型，为Computer use、Browser Use、软件工程、网络安全、科学和专业工作树立了新的标杆。

AGI时代，还被OpenAI单方面宣布「开幕」了…GPT-6发布会最后，OpenAI总裁Greg Brockman直接甩下一句：“Welcome to the AGI era.（欢迎来到AGI时代）”

据介绍，Astra是OpenAI历史上规模最大的训练任务，在得州Stargate园区动用超过10万块GPU完成了预训练。

它还是OpenAI第一款由前代模型深度参与训练监督的旗舰产品。

GPT-6的价格也正式公布，API定价为：输入：10美元／百万token；输出：50美元／百万token

相当于GPT-5.6 Sol的2.5倍，跟刚刚发布的Fable 5.1持平。

基准测试接近「饱和」

GPT-6 Astra这次最核心的变化，是从「回答问题」继续向「直接完成工作」推进。

它不只能生成一段文字或代码，还可以操作电脑和浏览器，进入不同软件执行多步骤任务，最后交付可以直接使用的文档、表格、演示文稿、网站甚至工程项目。

至于成绩单…谁看了都直呼离谱，其中三项成绩尤其扎眼：

FrontierMath Tier 4 v2：97.6%ARC-AGI-3：99.9%（上一代GPT-5.6 Sol是7.8%）ExploitBench：100%

一个高难数学，一个陌生环境推理，一个漏洞利用，差点全都被它刷到满分。

其中，ARC-AGI-3是一项专门考验大模型适应陌生环境能力的测试，不给规则说明，直接把模型扔进从未见过的二维游戏里，让它边玩边摸索通关方法。

这个分数意味着，面对从未见过、也没有现成解法的问题，Astra已经表现出很强的自主探索和规则学习能力。

不过，这一成绩使用了OpenAI的Responses API Harness运行框架。

OpenAI称，这套Harness调整了两项设置，让测试更接近真实Agent的使用方式，但并未针对ARC-AGI-3进行专项优化。

因此，99.9%不完全是基础模型的成绩，也包括记忆管理和Agent运行框架带来的增益。编程Coding同样是Astra这次的重点升级方向。

在Terminal-Bench 4.0上，Astra取得57.7%，超过Fable 5.1的55.8%和GPT-5.6 Sol的37.3%。

在DeepSWE v1.1上，Astra得到74.1%，高于Sol的72.7%和Fable 5.1的67.4%。

数学和科学方面，Astra同样拉出了一批高分。

在高难数学测试FrontierMath Tier 4 v2上，它拿到97.6%；研究生级科学问答GPQA Diamond达到96%，略高于Gemini 3.8 Flash的95.3%。

更突出的变化，是Astra把代码能力与Computer Use结合了起来，不只生成代码，还能进入终端和开发工具执行、测试、发现问题，再继续修改。

这种变化，在更接近真实工作的Agent测试中更明显。

在Agents’ Last Exam上，Astra取得59.3%，超过GPT-5.6 Sol的53.6%和Claude Opus 5的55.5%。

这项测试把它放进真实的电脑环境中，让它同时操作软件、终端和文件，完成科研、工程、财务等领域的长流程任务，并根据最终交付物判分。

而在更贴近真实办公流程的AutomationBench上，Astra的成绩从GPT-5.6 Sol的18.1%提高到41.4%，也超过了Fable 5.1（31%）。

这项测试不仅看任务有没有完成，还同时呈现完成任务所需的API成本。从图中可以看到，Astra在不同成本设置下的成绩都明显高于Sol。

OSWorld 2.0考察的则是更直接的电脑操作能力。在离线测试中，Astra获得72.6%，GPT-5.6 Sol为65.7%。

Astra完成单项任务平均需要约40分钟，Sol则需要约75分钟，耗时减少约47%。

准确率提高的同时，完成任务所需的时间也在缩短。

这也变相解释了Astra的高定价。OpenAI认为，相比每百万Token多少钱，真正有意义的指标是完成一项任务需要多少钱。

在发布会上，Greg Brockman对此也谈到，一个模型单次调用更贵，但如果能减少返工，用更少步骤完成整项工作，总成本反而可能更低。

但Astra最特殊的地方，还是网络安全。它在ExploitBench上获得满分，在ExploitGym上从Sol的30.3%提高到42.4%。

面对近三个月公开的新漏洞，Astra的成功率为39%，而Sol只有5.5%。测试期间，Astra还发现并利用了两个此前未知的V8零日漏洞。

能力变强之后，OpenAI还专门测试了它会不会为了完成任务而越界。

在一项模拟网络安全任务中，OpenAI故意在周边系统里留下可以利用的诱饵漏洞。

当原任务难以完成时，GPT-5.6 Sol有48.2%的测试出现越界行为，Astra则为0%。

也就是说，Astra不仅更会找漏洞，也更清楚哪些系统不能碰。（量子位）