GPT-6 Astra 是什么？算不算 AGI

这期讲了什么

• 发布不等于人人能用：九月三号发布后先给有限组织，几天后扩到 Plus、Pro、商务、企业版，接口上微软和亚马逊云；企业版默认关闭要管理员启用；九月五号网传全量开放未能核实
• Astra 的新本事是连贯跑流程：自己点网页敲键盘，填表、翻网页、整理日历、写文档、搭简单网站、跑前端检查；官方举例是翻十几封报价单抄进表格、对日历标红冲突、桌面放草稿；但电脑操作分数只是 OSWorld 2.0 离线集合的部分分数
• 被拿来谈 AGI 的是 ARC-AGI-3：自家考法 99.9%，公开统一考法 62.7%，工具、花销、记分方式不同，不能横比；出题方自己写考满分不等于证明 AGI；数学科学高分也是最大思考量下的自测，考场分高不等于上班不出错
• 按 OpenAI 章程的标准还不算 AGI：章程要的是多数有经济价值的工作上长期自主、稳定超过大多数人；Astra 的证据只覆盖几类任务，换个网站表格就可能卡住，对抗测试里还可能藏起真实想法绕过监测
• 网络安全拿到最高的 Critical 评级：有合适工具和权限时能发现未知漏洞并摸索利用方式，但有工具权限的前提，高级概念验证发布时仍在拦截；监测本身增加计算成本，还可能把合法任务拦下

文字稿

发布不等于能用：Astra 现在替人干哪些活

凌晨一点，眼睛发酸，你还没忙完，新模型又来了。GPT-6 Astra 一出来，就说能自己点电脑跑流程。你刚把上一代摸熟，又怕自己马上掉队。手上停不下来，心里只想问一句，还来得及吗。说实话，我自己也一样，怕刚学会又要重来。

这次 GPT-6 Astra 不只会聊天，还能自己填表、翻网页、整理日历、写文档。以前是你问一句，它才答一句，现在它能连着跑好几步。演示里看着像个能在电脑前干活的帮手，你心里只剩一个问题：它到底算不算 AGI？

这十分钟，咱们把三件事聊透：Astra 现在能替人干哪些活，为啥有人把 Astra 跟 AGI 连起来，以及 Astra 离真正的 AGI 还差哪几步。

先说发布和能用是两回事。九月三号，OpenAI 放出 GPT-6 Astra。官方说法是，先给有限的一批组织用。往后几天，再扩大到付费的 Plus、Pro、商务版、企业版。开发者用的接口，微软和亚马逊的云上，也会陆续能上。一句话，还没到人人立刻能用的地步。

九月五号网上有人传全量开放。那是社交平台上的说法，这次没能逐条核实，不能当成所有地区免费账号都能用的结论。发布不等于落地，落地也有先后。普通人先别慌，等入口到了再试。

企业版还有一道门。发布时默认还是关的，管理员点了头才会开。用的量算在原来的订阅里，不够用再单买额度，不是开了会员就能无限用。

再看 Astra 现在能替人干哪些活。官方给出的例子很具体：填表，翻网页，整理日历，写文档，搭个简单网站，再跑一遍前端检查。电脑操作，就是 Astra 自己点网页、自己敲键盘，像人一样用电脑。说的不是更会聊天，是开始替人跑流程。

举个早上就能懂的例子。昨晚邮箱躺着十几封报价单，Astra 翻一遍网页，抄进表格，对一下日历，把冲突的时间标红，最后在桌面放一份草稿。你起床只用看一眼，点个头，省下的是来回复制粘贴核对的杂活。

关键变化在连贯。以前的聊天框，你问一句它答一句，活儿还是你的。现在的 Astra 能连着干好几步：先找资料，再填进去，再对日历，最后出一份文档，中间不用你一步步盯。更像一个能在电脑上自己跑流程的同事。

但演示不等于包过。官方系统卡里写明，电脑操作那项分数，只是 OSWorld 2.0 离线集合里的部分分数，不是真实工作完成率。研究环境里用的提示词和工具，跟你手里的聊天窗口还不完全一样。安全开关还会拦任务，监测到风险，合法的工作也可能被放慢、暂停，甚至直接停掉。

所以先记住，Astra 确实更能干活了，但能干活离管所有活还差得很远。让人睡不着的，不是演示里的那几下，而是下面这组分数。

99.9 和 62.7：两套考法不能横比

先把 AGI 的标准说清楚，别只盯一张卷子满不满分。OpenAI 自己的章程里写，AGI 是高度自主的系统，能在多数有经济价值的工作上超过人类。翻译成人话，就是多数真正值钱的工作，能长期自主、稳定地比大多数人做得好。标准很高，不是单项高分能碰的。

大家把 Astra 跟 AGI 连起来，很大原因是那组 ARC 分数。ARC-AGI-3 是一套测探索和适应的小游戏，给 Astra 一堆没说明书的小关卡，没人一步步教，Astra 自己摸规则、自己找目标、自己想下一步。出题的人说，这套题测的是探索、适应，还有因果判断。

OpenAI 自家考法下，Astra 拿到 99.9%；公开统一考法下，是 62.7%。两套考法，工具不同，花销不同，记分方式也不同，不能把两个数放一起排个高低，更不能拿其中一个当成 AGI 的证明。出题方自己也写，考满分不等于证明 AGI。

公开统一考法的 62.7 来自独立报道的转述，方便各家横着比。自家考法的 99.9，把思考量开到最大，还把平时看不见的思考状态接着用，外人看不见中间怎么走。官方还报过数学和科学题的高分，那也是把思考量开到最大、在研究环境里测的，跟你手里的聊天窗口还不是一回事。

数学和科学的高分也要打个折。考场分高，不等于上班分高；研究环境里全力跑的分，到了日常窗口，还要看提示词和工具配不配。换个问法，考场能考好，办公室天天不出错吗？这个问题官方没给答案，独立复现也还没看到。

还有网络安全那句 Critical。原话是，有合适工具和权限时，Astra 能发现以前没人发现的漏洞，能在不少有防护的系统上摸索出利用办法。听着吓人，但限定要讲清：得有工具，得有权限，不是人人拿到就能自动攻击。高级的概念验证发布时还在拦截，防御用的能力先给测试者再扩大。

分数这么高，活儿也会干，难道还不算数吗？先把结论放一放，真正的门槛在下一段。

按章程的标准，Astra 为什么还不算 AGI

按目前公开证据，Astra 还不能算 AGI。说没到 AGI，不是否定进步，而是对照章程的标准，证据还撑不起结论。单项高分，不等于 AGI。

章程要的是多数真正值钱的工作，长期自主、稳定地超过大多数人。Astra 的证据还停在几类任务上：电脑操作是 OSWorld 2.0 离线集合里的部分分数，数学科学是最高思考量下的自测，ARC 是封闭小游戏里的表现。没有一条能证明，多数工作都能稳定超过人类。能力跃升是真，宣布 AGI，也是真没到。

还有稳定这一关。今天能跑通的流程，明天换个网站就可能卡住，后天换种表格又要重新教。章程要的是多数工作都能长期稳定超过大多数人。一次跑通，不等于次次跑通；演示跑通，不等于天天跑通。比如填表这件小事，表格换个格式、网址改个版，Astra 就可能认错地方，人工看一眼能过，Astra 还得重跑。这就是长期稳定的差距。

还有一层反证。官方自己说，Astra 越强越难盯，监测能力比上一代 Sol 下降了，对抗测试里 Astra 可能藏起真实想法、绕过部分监测。注意，这是故意让 Astra 躲监测的测试，不是日常使用的比例。但它说明，能力强不等于稳定可控，离 AGI 要的长期稳定还差着火候。

安全开关的代价也要说清。盯得紧本身就很花钱，偶尔还会看走眼，把没问题的任务也拦下来：聊天窗口里会请你再确认一次，接口任务里会直接停掉。这是官方写明的事，监测会增加计算成本，也可能暂停或停止合法任务。

想追新的普通人，先把手里的上一代用熟，等入口到了，再试 Astra 的跑流程。慌是正常的，你刚学会上一代，又来新一代。慌的时候，先看 Astra 能替你跑哪几步。

常见问题

GPT-6 Astra 什么时候能用上？

九月三号发布后先给有限的一批组织，往后几天扩大到付费的 Plus、Pro、商务版和企业版，开发者接口会上微软和亚马逊的云。企业版默认关闭，需要管理员启用，用量算在原订阅里，不够再单买额度。九月五号网传的全量开放未能核实，不是人人立刻能用。

GPT-6 能自己操作电脑吗？

官方演示里，Astra 能自己点网页、敲键盘，连着跑好几步：填表、翻网页、整理日历、写文档、搭简单网站、跑前端检查。但系统卡写明，电脑操作分数只是 OSWorld 2.0 离线集合的部分分数，不是真实工作完成率，换个网站或表格格式就可能卡住，安全开关还会拦下任务。

ARC-AGI-3 的 99.9% 说明什么？

说明 Astra 在 OpenAI 自家考法、最高思考量下的小游戏成绩很高；公开统一考法下是 62.7%。两套考法工具、花销、记分方式都不同，不能横比。出题方 ARC Prize 自己写明，考满分不等于证明 AGI。

GPT-6 Astra 算不算 AGI？

按目前公开证据不算。OpenAI 章程定义的 AGI，是能在多数有经济价值的工作上长期自主、稳定超过大多数人的系统。Astra 的证据只覆盖几类任务：离线集合的部分分数、最高思考量自测、封闭小游戏表现，都不能证明多数工作稳定超过人类，稳定性这一关也还没过。