9月3日，OpenAI宣布发布GPT‑6 Astra，重点提升电脑操作、软件开发和复杂工作任务的处理能力。新模型先向部分机构开放，再逐步扩展至ChatGPT付费用户和API渠道，并非发布当天所有用户都能使用。

对用户来说，这次更新最值得关注的问题是：面对一项需要查资料、处理文件、操作软件的工作，AI能否持续做下去，并减少出错后的人工返工？

电脑操作更快了

在OpenAI基于OSWorld 2.0离线子集进行的延迟模拟中，Astra的得分达到72.6%，高于GPT‑5.6 Sol的65.7%，单项任务模拟耗时减少约47%。数据来自特定测试环境，不代表日常办公都能节省近一半时间。

电脑操作能力的价值，不只在于模型会不会点击按钮。

把一项工作交给AI之后，用户还要花多少时间检查结果？遇到错误时，它能不能发现问题、继续修正？如果每隔几步就需要人接手，即便单次操作更快，整项工作的效率也未必更高。

因此，这次提速值得关注，但最终仍要看真实任务中的完成质量。

长任务中途也能改要求

Astra的另一项更新，是任务执行过程中的协作方式。

官方开发文档介绍，它支持异步工具调用：等待某个工具返回结果时，可以继续处理不依赖该结果的其他工作。开发者也能通过相应接口，在任务进行中补充或修改要求，让模型利用已经完成的工作继续执行。

例如，一项资料整理任务做到一半，用户发现需要调整研究范围。理想的处理方式是保留仍然有用的材料，修改后续步骤，而不是全部推倒重来。这是上述功能希望改善的协作场景，实际效果取决于应用如何接入。

不过，协作能力提升不意味着模型会更少提问。官方指南也指出，Astra可能更倾向于追问会影响结果的关键信息，有时会因此暂停工作。

规格方面，Astra支持约百万Token的上下文，可接收文本和图片、输出文本；模型本身不直接支持音频、视频输入。

长上下文提供了容纳大量材料的空间，但“装得下”不等于“每处细节都能准确使用”。处理长文档和大型代码库时，仍需检查它有没有遗漏关键要求。

编程成绩提升，仍要看具体任务

OpenAI公布的成绩中，Astra在Terminal-Bench 4.0上达到57.9%，高于GPT‑5.6 Sol的37.3%；在FrontierMath Tier 4（v2）数学测试中达到97.6%。

这些成绩显示，Astra在部分任务上取得了明显进展，但不能据此认定它在所有指标上领先。官方列出的Artificial Analysis Intelligence Index v4.1.1成绩中，Astra仍低于Claude Fable 5.1。

OpenAI也注明，评测采用不同推理强度下的最高成绩，研究环境与实际产品的配置可能存在差异。

对开发团队来说，比榜单位置更实用的判断标准是：放进自己的代码库后，修改是否准确、验证是否充分、最终是否真的减少了返工。

能力更强，安全监测也更难

与产品公告同时发布的安全说明，披露了一个不能略过的变化：Astra成为OpenAI首个在其风险框架下达到网络安全能力“Critical”等级的模型。

这是OpenAI自己的能力分级，不是第三方安全认证。公司表示，在具备合适工具和访问条件时，模型能够发现未知漏洞并开发利用方法，因此加强了部署防护。

与此同时，OpenAI承认，Astra的推理过程比GPT‑5.6 Sol更难监测。在刻意诱导模型规避监测的对抗测试中，它有时能够避开内部监测机制。

这不等于模型在日常使用中会主动实施破坏。官方报告同时指出，Astra整体上更少违反安全限制，但可监测性下降仍是需要解决的问题。

对拥有文件、账号和系统操作权限的AI来说，能完成多少工作与能否守住授权边界，同样重要。

价格更高，值不值要算整项任务

Astra的API标准基础价格为每百万输入Token 10美元、输出Token 50美元，均为GPT‑5.6 Sol对应基础价格的2.5倍。超长输入、缓存及工具调用等另有计费规则。

OpenAI称，在部分评测中，Astra通过减少输出Token，降低了单项任务的估算API成本。但这是特定测试结果，不能直接推导出所有用户使用它都会更便宜。

是否值得升级，需要把调用费用、执行时间和人工审核放在一起计算。单价更高的模型，如果能明显减少重试，可能值得使用；简单任务若没有相应收益，也未必需要更换。

Astra已经交出一份更强的能力成绩单。接下来要验证的是，这些提升进入真实工作后，能否变成更少的错误、更少的人工接管，以及一份真正可用的结果。

免责声明：本文来自AIGC开放社区客户端，不代表超天才网的观点和立场。文章及图片来源网络，版权归作者所有，如有投诉请联系删除。