GPT-6 Astra还没正式开放 大家怎么把庆功宴都办完了

GPT-6 还没正式开放，怎么全网已经替它把庆功宴都办完了？

这场面虽然有点夸张，但这香槟可能还真开对了。4 号凌晨，在经历了服务器爆炸，熬夜等待三小时之后，OpenAI 终于发布了被他们寄予厚望的最新模型：GPT-6 Astra。

副总裁 Greg 更是直接大胆放话，宣称欢迎进入 AGI 时代。但大伙们敢提前开香槟，押的其实不是模型的跑分，大家押的是一个已经被市场验证过的方向 ：Work。过去一年，Coding Agent 已经证明，只要 AI 真能交付结果，用户就愿意高频使用，企业也愿意真金白银地付钱。

现在，OpenAI 要把这套已经跑通的模式，从代码编辑器复制到整台电脑。在过去几个月里，OpenAI 买了上万台 Mac 来收集的数据，算是终于有了成果。GPT-6，它很可能是目前，最会用电脑干活的模型。

它既能直接用你电脑上的浏览器来填表格。也可以直接使用 Blender、Unity、KiCad 这些专业软件来干活，直接建模，生成游戏，画电路板。如果说曾经的 Claude 3.7 开启了全面 AIcoding 的时代的话，那么现在的 Astra 很可能会开启一个全面的 AI 打工浪潮。

很多软件不能适应 AI ，没关系，现在，AI 可以直接回过头来适应这些软件。像找漏洞 Bug，科研这方面的题目也难不倒 Astra。也可以直接在 Mac 上生成一个可以交互的 3D ipod。

除此之外我们还发现，传统的模型测评方式，可能已经没有办法试出 Astra 的深浅了。虽然咱们还没办法正式用上 Astra，但是光看官方放出来的跑分就会发现，很多项目测出来的结果，其实有点自己在打架了。在有些榜单上，Astra 看起来是平平无奇。

就比如测试模型综合能力的 AA，给 Astra 的分数是 61 分，不但比 Fable 低，就连小扎的 Muse 都比不上。而在某些榜单上，Astra 的表现则是和开了一样没区别。今年 3 月，前Google研究员弗朗索瓦·肖莱 发布了一个全新的模型测试集 —— ARC-AGI-3。

和过去传统的问答式的测试不一样，ARC-AGI-3 主要测试的，是模型自主理解问题，自主交互，自主学习的能力。说人话就是测模型玩游戏的能力，他们设计了一大堆的小游戏，有的让你推箱子。有的让你移动准星。。这些游戏怎么玩，全靠你自己摸索。

在这种地狱级交互测试里，即使是史上最强的 Fable 5 也得甘拜下风，只能拿到 30% 的分。但到了当代最强的 Astra 这就不一样了，它直接把这个测试集给打穿了，直接干到了和人类同级的 99.9% 也就是说，不管分数到底是高还是低，我们现在测评模型的方式，或许已经没有办法准确的评价 Astra 了。

实际上，就连 OpenAI 自己，都不敢说能完全了解 Astra。这次新模型的一个很大变化就是，它越来越不需要把思考过程写给我们看了。英国 AI 安全研究做了个测试，不让 Astra 输出思维链，让它凭直觉直接来做题， 结果发现在这种条件下，5.6 Sol 只能稳定处理相当于人类几分钟解题量的问题，而 Astra 已经把这个尺度推到了约半小时。

同时，Astra 更擅长控制自己写出来的思维链，思考的时候会装糖藏一手，有些不好的信息，甚至直接就不往思维链里写了，而是直接在潜空间里完成思考。这也意味着过去我们监控模型思考，保证模型安全的手段，变的不再那么有效了。当然，OpenAI 也马上表示说现在的 Astra 还是很安全的，他们测试下来感觉没啥问题。

他们也在内部做了一个测试，他们故意给模型一个很难完成的攻击任务，旁边再放一个更容易下手、但没有授权攻击的目标。结果发现过去的 5.6 Sol 有 48% 的情况下会为了完成任务而偷偷越界，而 Astra 越界概率则是 0%。看起来是一等一的听话了。只不过这个 “ 听话 ”，让人看着则是更担心了。

毕竟上个月，他们内部的模型可是实打实越狱出来，爆锤了隔壁 Hugging Face 的服务器的，现在出来说模型安全，多少有些亡羊补牢的味道。最后，所以 GPT-6 Astra 到底算不算 AGI 呢？说实话，现在讨论这个问题，意义已经越来越小了，AGI 都快成 AI 公司时尚单品了。

会做题，是 AGI；会写代码，是 AGI；现在会点鼠标，也能再宣布一次 AGI。嘴上喊的是虚的，正在能做到的，才是实打实的。毕竟，真正的 AGI 到来的时候，是不用 AI 公司们的营销和新闻稿的，估计大伙们自己，就能真真切切感受到。