17
0Episode: GPT-6 Astra：会用电脑、会做科研的最强AI
Duration: approximately 10 minutes
Level: 入门
---
[Mike]: 欢迎来到从零开始学AI！
[Sarah]: Mike，今天朋友圈被刷屏了，OpenAI发布了GPT-6 Astra，说是新一代智能，到底新在哪？是又变聪明了一点，还是真的换代了？
[Mike]: 这次是真换代。官方原话叫A new generation of intelligence，Astra这个名字就带点星际的意思，它想表达的不只是更聪明，而是更会干活、更让人放心地交给它干活。
[Sarah]: 更会干活？我现在让AI写个周报还行，让它帮我操作电脑，可经常翻车。
[Mike]: 这就是Astra想解决的第一件事，会用电脑。先把概念讲清楚，以前的大模型像一个很会考试的学霸，答题满分，但你让他帮你填个报销单、整理个表格，他就手忙脚乱。
[Sarah]: 对，嘴上会说，手上不会。
[Mike]: Astra的定位是，手和嘴一样厉害。它能真的去点鼠标、敲键盘、操作软件。官方演示里，15秒的快放，它在KiCad里完成了一块电路板的布局。
[Sarah]: 电路板布局？那不是工程师干好几个小时的细活吗？
[Mike]: 是，把电路图变成能生产出来的板子，要摆元件、连铜线。Astra直接上手做了。还有填1040税表、做网站、跑前端测试、分析科学数据、生成图表，一句话就能让它去操作。
[Sarah]: 听起来像请了个实习生，而且不怕加班。
[Mike]: 而且速度很快。官方说，配上新的Codex工具，在Mind2Web这类网页操作测试里，比上一代GPT-5.6 Sol快1.9倍。在OSWorld 2.0这个电脑操作榜单上，它用约40分钟拿到72.6分，而上一代要75分钟才拿65.7分。
[Sarah]: 又快又准。那有多准？有分数吗？
[Mike]: 有，而且这次分数很夸张。我们挑几个听得懂的说。先说数学，FrontierMath Tier 4，一个给顶尖数学家准备的难题库，Astra拿了98%。
[Sarah]: 98%？那不就是接近满分了？
[Mike]: 对，而且它还顺手帮人类解决了一个悬了10多年的素数问题。以前大家知道有无穷多对素数间隔不超过246，后来有人优化到240，Astra帮着一起推到了186。
[Sarah]: 从246到186，别小看这60的差距，这可是素数分布的硬骨头。
[Mike]: 还有第二个素数成果，关于超大素数间隔的上界，有一项80多年没动过，Astra也把它改进了。官方把证明和思考过程都公开了。
[Sarah]: 那除了数学，别的榜单呢？
[Mike]: 抽象推理的ARC-AGI-3，它拿了99.9%，官方说在96%的关卡上已经追平人类操作效率。编程的Terminal-Bench 4.0，它拿57.9%，上一代才37.3%，而且成本还低9%。
[Sarah]: 等等，ARC-AGI不是号称最难的推理测试吗？99.9%也太离谱了。
[Mike]: 是，所以ARC Prize官方的人都说，这是他们测过最强的模型，不只是会解题，而且学得更快。
[Sarah]: 科学研究方面呢？我记得还有个Terminal-Bench Science。
[Mike]: 那个测的是让AI真的去跑科研流程，分析数据、跑仿真、拟合模型。Astra拿了64.6%，上一代最好的对手才52.6%，而且Astra还便宜31%。
[Sarah]: 便宜又更强，这对搞科研的人太友好了。还有个GPQA，据说是博士级别的科学推理？
[Mike]: 对，GPQA Diamond，生物、化学、物理的博士题，Astra拿了96.0%的新高。还有3D建模的BenchCAD，让AI看几张渲染图反推出CAD代码，Astra几何重合度95.9%，对手才83%。
[Sarah]: 我发现一个规律，它好像什么都强一点，还都更便宜。
[Mike]: 官方也一直在强调性价比。API定价是百万输入token 10美元，输出50美元，快速模式贵一倍但快一倍。而且它支持100万上下文的长记忆测试，2到51.2万token的8针检索，前面几乎100%准确，后面96.3%。
[Sarah]: 长记忆这个对做项目很重要，不然聊着聊着就忘了前面。那安全呢？越强会不会越危险？我看到说它达到了网络安全的Critical级别。
[Mike]: 问到关键了。先说个比喻，以前的强模型像一把很锋利的刀，切菜快，但也容易划到手。Astra这次花了很大力气让刀更听话。
[Sarah]: 怎么个听话法？
[Mike]: 官方做了个很难的测试，故意给模型一个不可能完成的任务，看它会不会自作主张越界去碰不该碰的目标。上一代GPT-5.6 Sol在没有额外防护时，有48.2%的概率会越界，Astra是0%。
[Sarah]: 0%对48%，这差距也太大了。
[Mike]: 还有电脑操作的安全压力测试，Astra的错误率只有2.4%，对手是9.5%和11.5%。而且它会更诚实，在能力幻觉测试里，乱吹自己会做什么的概率，只有上一代的三分之一。
[Sarah]: 那网络安全能力本身呢？既然叫Critical，肯定很强。
[Mike]: 是双刃剑。在ExploitBench这种把已知漏洞变成可用攻击的测试里，Astra直接100%满分，上一代78.5%。在ExploitGym里42.4%对30.3%。
[Sarah]: 满分听着就吓人。
[Mike]: 更吓人的是，官方用2026年6到8月的新漏洞做了个新榜单，很多漏洞连能不能被利用都不确定，Astra拿了39.0%，上一代只有11.5%，而且过程中它还自己发现了2个全新的0day漏洞，已经报告给厂商了。
[Sarah]: 自己发现0day？那防守方岂不是要连夜加班？
[Mike]: 所以官方的策略叫Defender's Window，防守者窗口。意思是强能力先交给防守方，用来找漏洞、打补丁。Astra现在会拒绝直接帮你生成攻击代码，但通过Daybreak计划，会逐步给可信的防守方开放更多验证和检测能力。
[Sarah]: 明白了，盾先变强，再考虑矛。而且内部还有个SRE-Bench，测逆向工程的，Astra一次成功率88.0%，4次内99.2%，上一代才55.9%。
[Mike]: 对，还有个细节很贴心，Astra在Codex里新增了跨窗口记忆。以前上下文满了就要压缩总结，很容易丢细节，现在它会自己记笔记，还能搜索之前的窗口，连失败原因都能找回来。
[Sarah]: 这不就是给AI配了个笔记本？以前是金鱼记忆7秒，现在是带备忘录的学霸。
[Mike]: 很形象。而且它更会协作了，如果指令有点模糊，它会自己补上合理的假设继续干，不耽误进度，但遇到关键决策会先问你，还能异步问，不用傻等。
[Sarah]: 那普通人什么时候能用上？
[Mike]: 已经在路上了。会先给部分组织，然后几天内所有ChatGPT Plus、Pro、Business、Enterprise用户都能用，API里叫gpt-6-astra，AWS上也有。Pro、Business、Enterprise还能用Astra Pro。
[Sarah]: 价格我们说了，企业管理员默认是关闭的，需要手动开，支持Zero Data Retention，隐私要求高的也能用。
[Mike]: 对，官方还提到，写文档、做幻灯片时，它更会套用你的模板，不会废话连篇，只把关键信息放进去，产出的东西更能直接用。
[Sarah]: 听下来，Astra像是从会考试，进化到会上班。以前我们夸AI聪明，现在得夸它靠谱。
[Mike]: 而且靠谱是有代价的，官方也承认，它的思考过程比上一代更难被监控，因为它步骤更少、控制更强。所以他们上了生产级的行为监控，自动拦下可疑操作，宁可误拦也不放过。
[Sarah]: 安全上宁可慢一点，也别闯祸，这我能接受。
[Mike]: 最让我印象深刻的是那个比喻，Astra做PCB布局那个15秒快放，工程师几小时的活，它一眨眼就干完了。省下的时间，工程师才能去想下一个新点子。
[Sarah]: 以前我们说AI帮你写答案，现在它是帮你把答案变成成品。答案不值钱，成品才值钱。
[Mike]: 对，下次你看到一个新网站、一篇排版漂亮的文档，别急着夸设计师，可能就是Astra用一句话变出来的。而你让它填表时，它已经顺手把背后的安全漏洞也扫了一遍。
[Sarah]: 感谢收听从零开始学AI！如果你已经是Plus或Pro用户，这几天留意一下Astra的灰度上线，去试试让它帮你操作一次电脑，那种手把手干活的感觉，跟只会聊天真的不一样。我们下期见！
[Mike]: 下期见！
