# GPT-6 来了，但真正值得关注的不是那句"AGI 时代"

OpenAI 正式发布 GPT-6 Astra ，但是，在发布会快结束时，总裁 Greg Brockman 说了一句话：“Welcome to the AGI era.”

这句话随即引爆了整个互联网。有人激动，有人嗤之以鼻，有人开始争论 AGI 的定义。但我觉得，这场争论本身其实是一个陷阱。争 AGI 到底算不算实现了，本质上是在争一个没有公认标准的哲学问题。真正值得我们花时间想清楚的，是 OpenAI 这次实际上交出了什么，以及它对我们意味着什么。

## 它不再是一个聊天工具了

要理解 GPT-6 Astra 的变化，先要理解过去几年我们怎么用大模型。

大多数人的用法是：提问，得到一段文字，然后自己去执行。AI 是一个能说会道的助手，但动手的还是人。你让它帮你搜儿科医生，它给你一份建议清单，你自己一个个去核实、去打电话、去预约。

Astra 把这件事给换了。

它的核心能力叫 Computer Use，通俗说就是它能自己操作电脑。它的口号是：凡是您在电脑上能做的，Astra 都能帮您做。打开浏览器、进软件、填表格、点按钮，它不等你来执行，它直接替你做。同样是找儿科医生，人工完成这件事平均需要接近 5 个小时，Astra 用了不到 3 分钟。法律 AI 平台 Legora 用它一次性核查了 41 份财务文件，预先埋入的 4 处错误一个没漏。游戏公司 Playco 让它进 Unity 和 Godot 直接开发游戏原型，人工修补的工作量少了一半。

这不是“回答得更准了”，这是交付形式变了。过去模型输出文字，现在模型输出结果。

这个区别比听起来要大得多。过去十年，我们花了大量时间讨论怎么跟 AI 对话、怎么写 Prompt、怎么把它的输出转化成行动。这些问题不是消失了，而是被推到了一个新的位置，因为模型现在自己能完成转化这一步。

## 跑分可以忽视，但有几个数字不一样

发布会放出的跑分很多，我知道大家看多了会麻木。不过有几个数字还是值得单独说一下。

ARC-AGI-3 这个测试，专门考察模型面对从未见过的规则时能不能自己摸索出来。上一代 GPT-5.6 Sol 的得分是 7.8%，Astra 是 99.9%。这不是进步了一截，这几乎是两个量级的跳跃。高难数学测试 FrontierMath Tier 4 v2 达到 97.6%，漏洞利用测试 ExploitBench 满分。

更让我觉得有实质意义的，是 Astra 参与了两项真正的数学研究突破。关于素数间隔的一个经典问题，此前十多年最好的结果是证明存在无穷多对间距不超过 246 的素数，Astra 帮助把这个上界推到了 186。另一项是改进了一个 80 多年没有被动过的大素数间隙结果。

这两件事说明的不是 Astra 能考高分，而是它已经可以作为一个有效的科研协作者出现在数学前沿，能真正推进人类还没做到的事情。这是比任何 benchmark 都更有说服力的证据。

## 贵，但定价逻辑变了

Astra 的 API 定价：输入 10 美元、输出 50 美元每百万 token，是上一代 Sol 的 2.5 倍。看到这个数字，很多人第一反应是“又涨价了”。

但 Brockman 在发布会上说了一句很值得琢磨的话：“Pricing tokens doesn‘t make any sense.”

他的意思是，用每百万 token 多少钱来衡量 AI 成本，这个框架本身已经开始失效了。对一个只回答问题的模型，这个指标是合理的。但对一个能自己完成任务的模型，真正应该比的是完成一件事要花多少钱，而不是用了多少 token。

一个模型单次调用贵两倍，但一次就把事情做对、不需要你反复修改和重试，总成本未必更高。OpenAI 自己提供的测试数据也显示，在部分工程任务中，Astra 虽然 token 单价高于 Sol，但完成一个成功任务的预计 API 成本反而更低。

这背后有一个更大的趋势在变化：我们正在从购买计算量，转向购买工作成果。“每百万 token 多少钱”会慢慢退到类似“云服务器每小时多少钱”的位置，成为底层技术参数，而不是大家关心的核心指标。企业真正开始问的问题会变成：处理一份合同多少钱？完成一次代码迁移多少钱？设计一块 PCB 多少钱？

## 它变好了，但我们对它的了解变少了

Astra 有一个让人很不安的地方，而且 OpenAI 自己也没有回避这件事。

在行为上，Astra 比上一代更可控。有一项测试专门模拟 AI 面对难以完成的任务时会不会越权操作，上一代 Sol 有接近一半的概率会「走捷径」，Astra 的结果是 0%。这听起来很好。

但与此同时，Astra 的推理过程比上一代更难被人监控和理解。原因可能出在架构上，据报道 Astra 使用了一种叫 recurrent depth 的技术，模型在生成每个 token 之前可以进行更多轮内部计算，很多推理发生在模型内部，不再以人类可读的“思考过程”呈现出来。

这形成了一个很奇怪的局面：Astra 做的事情越来越符合规范，但我们越来越搞不清楚它为什么这么做。行为可控，但推理不可见。

OpenAI 首席科学家 Jakub Pachocki 把“可监控性”直接列为未来 Scaling 面临的重要挑战之一。而且这个问题在网络安全领域尤其敏感，因为 Astra 是 OpenAI 第一个达到内部「关键网络安全能力」门槛的模型，测试期间它自主发现并利用了两个此前未知的 V8 零日漏洞。具备这种能力的模型，如果我们连它怎么想的都看不清楚，那种不安感是真实的。

OpenAI 说他们认真对待这个问题，可监控性是重点研究方向。我相信他们是认真的，但这个问题没有快速解法。

## 一个循环已经悄悄转起来了

Astra 还有一个变化值得单独讲，但它的意义需要时间才能充分显现。

这是 OpenAI 第一款由前代模型深度参与训练监督的旗舰产品。上一代模型在 Astra 的训练过程中承担了生成和筛选数据、检查输出质量、发现训练异常、进行评估等工作。部分训练故障，过去需要工程师介入处理，在 Astra 训练后期已经可以由模型自动发现并恢复。

这还不是完整的递归自我改进（RSI）。研究方向、训练目标、实验设计和最终决策仍然由人类控制。但一个循环已经形成了：上一代 AI 成为训练下一代 AI 的工具。

这件事的重要性在于，它让能力提升这件事本身也有了新的效率杠杆。以前能力提升主要靠人力投入和算力堆砌，现在上一代模型也成了生产力的一部分。如果这条路继续走下去，AI 系统的进步速度本身也会加速，而不只是每一代产品更强一点。

## 做 AI 应用的人，壁垒在哪里

对很多做 AI 应用的团队来说，这次发布传递的信号值得认真对待。

过去两年，很多 AI 应用的核心竞争力建立在精心设计的 Prompt、固定的工作流、对特定场景的细致调试上。这些东西确实有价值，但它们的价值与模型能力之间存在一种反比关系：模型越强，能自己处理的边界情况越多，那些靠复杂 Prompt 编排撑起来的差异化就越难维持。

Astra 推进的方向，就是把越来越多原来需要应用层处理的事情收进模型和 Runtime 里。Context 管理、Memory、工具调用、执行循环，这些能力正在从应用层往模型层迁移。

真正难以被替代的壁垒，会越来越集中在几个地方：你对业务问题的定义能力，也就是知道什么叫把这件事做好；你手里的真实数据和业务环境，这是模型拿不走的；以及验收标准，也就是你能不能说清楚什么样的结果是合格的。

这些不是技术问题，是对业务本身的理解问题。

## 最后

AGI 时代到没到，这个问题我没有答案，也觉得执着于这个问题意义不大。

Brockman 说这句话，更像是一个宣告，一种姿态，而不是一个可以被证伪的技术判断。但他说的另一句话，我觉得更接近这件事真正的重量：“如果几年后有人回头追问 AGI 究竟诞生于何时，答案很可能就是现在。”

不管这个判断最终是否成立，GPT-6 Astra 已经把模型能做的事情推到了一个新的位置，从回答问题，到完成工作。这个变化对普通人、对企业、对做 AI 应用的团队，都有真实的影响。

接下来值得关注的问题，已经从“AI 能回答什么”变成了“AI 能替你完成什么，以及你怎么告诉它什么叫完成好了”。

#OpenAI 发布 GPT-6##科技先锋官#