⚡ 大模型 · 前沿突破
GPT-6 Astra 刷新 ARC-AGI-3 纪录：OpenAI 靠 OS 级控制与任务降本展开反击
9 月 4 日，OpenAI 正式发布旗舰大模型 GPT-6 Astra。在 ARC-AGI-3 测试中跑出 99.9% 高分的同时，该模型在真实终端与 OS 级复杂任务中的单任务运行成本下降最高达 86%，直接指向“数字员工”工程落地。
来源：综合公开信息整理•
2026-09-04•
全文约 3 分钟读完
#OpenAI
#GPT-6 Astra
#Computer Use
#AGI基准
99.9%
ARC-AGI-3 测试得分（人类均分 48%）
47%
OSWorld 2.0 任务单耗时缩短
86%
部分终端任务 API 最高降本
⚡ 30 秒速览
- 逻辑与推理：ARC-AGI-3 获 99.9% 高分，FrontierMath Tier 4 达 97.6%，ExploitBench 获得 100% 满分。
- OS 级控制提速：OSWorld 2.0 评估得分 72.6%，每项任务平均耗时由上一代 Sol 的 75 分钟缩短至 40 分钟。
- 任务成本挤水：API 标准定价与 Anthropic Claude Fable 5.1 相同（$10 / $50 每百万 token），但通过大幅减少输出 Token 消耗，使终端与 CAD 等实际任务成本降低 32% 至 86%。
- 安全与越权约束：在困难/无解任务测试中，模型行为超出授权范围的发生率由 GPT-5.6 Sol 的 48% 降至 0%。
- 发布与供应：即日起面向 ChatGPT Plus、Pro、Enterprise 用户及开发者 API / Amazon Bedrock 开放。
01前沿基准测试 多项学术与逻辑权威榜单对比
在多项高难度推理与综合能力基准测试中，GPT-6 Astra 展现了显著的得分优势：
Claude Fable 5.1Anthropic
88.5%
数据源自 ARC-AGI-3 评测集。OpenAI 官方披露采用响应 API 测试工具评估，待第三方独立复测确认。在 FrontierMath Tier 4 高难度数学评测中，Astra 取得 97.6% 得分。
02从对话到接管 OS 计算机使用能力量化对比
单纯比拼模型“知道什么”的时代正在过去，考查“能不能把键盘鼠标用好”成为新焦点。
GPT-5.6 Sol（上一代旗舰）
OSWorld 2.0 得分 65.7%，完成单项平均耗时 75 分钟；无生产环境防护下，有 48% 的概率超出授权范围。
GPT-6 Astra（新一代）
OSWorld 2.0 得分 72.6%，完成单项平均耗时 40 分钟；在无约束安全测试中，越权行为发生率为 0%。
92.7%ScreenSpot 界面定位
1.9 倍Mind2Web 执行提速
59.3%Agents' Last Exam
65%对标 Opus 5 Token 节省
从“能回答问题”到“能替人类按键盘”，大模型的技术演化轨迹正在快速收拢。
03复杂专业任务表现 四类典型工作流落地案例
⚡ 电子工程：KiCad PCB 自动布局与布线自动化率突破
- 自主解析：直接读取电子原理图，自动放置元件并完成线路连接。
- 研发提效：将原本需要人工耗时完成的印刷电路板布局转化为秒级自动化流程。
现场演示展示：15 秒完成精简布局，直接生成可制造的 PCB 文件。
📈 财务分析：建模速度达到人类冠军 4 倍模拟挑战测试
- 高压计算：在微软 Excel 世界锦标赛挑战场景中，自动化构建复杂财务预测模型。
- 分工重构：分析师无需从零搭建公式，可集中精力进行结果解读与商业决策。
🛠️ 工业与 3D 设计：CAD 建模与动画联动BenchCAD 95.9% 得分
- 跨软件协同：将书面简报转化为 FreeCAD 中的五速变速箱概念模型，随后调取 Blender 生成齿轮运动动画。
- 空间体验：支持在 Blender 中完成房屋建模并转换为 Unreal Engine 5 可步行场景。
BenchCAD 测试几何重叠率达 95.9%，远高于 GPT-5.6 Sol 的 83.3%。
🎼 符号化处理：19 世纪古旧乐谱数字转录编辑距离下降 81%
- 精准提取：在 OpenScore 弦乐四重奏数据集上，将公共领域乐谱扫描件转录为结构化数字乐谱。
- 误差控制：标准化转录编辑距离由上一代模型的 0.813 大幅降至 0.159。
“我们相信它是目前全球计算机应用、专业工作、科学研究、编程、网络安全等领域的最佳模型。”
—— 萨姆·奥尔特曼，OpenAI CEO
04定价与上下文架构 高单价下的任务总成本下降
GPT-6 Astra 的 API 标准定价与 Anthropic 最近发布的 Fable 5.1 完全相同。表面看价格高于上一代，但在实际长链任务中，API 总消耗成本反而大幅下降。
标准模式 API 定价
$10 / 百万输入 Token
$50 / 百万输出 Token
上代 Sol 的 2.5 倍，但依靠减少多余推理 Token，Terminal-Bench 4.0 任务成本降 63%。
API 快速模式 (Fast)
2.5 倍 标准版处理速度
价格：标准模式的 2 倍
适用于对实时延迟要求极高的自动化操控场景。
上下文保存机制重构：在 Codex 环境中，Astra 改变了过去将长对话强行“压缩摘要”的做法，转为跨窗口保留结构化注释与早期历史可检索索引。这种设计避免了因信息压缩导致的指令遗忘问题。
编辑核心判断
GPT-6 Astra 的发布，标志着大模型竞争的核心战场已从单纯的“回答准确率”全面转向“Agent 运行经济学”与“OS 级接管深度”。尽管单 Token 标价依然高昂，但通过优化思考路径与控制输出密度来削减单个任务的总消耗成本，正在成为企业级数字员工落地的主流工程路径。
获取方式：GPT-6 Astra 已面向部分组织提供，并陆续推送至 ChatGPT Plus、Pro、Business 及 Enterprise 用户。开发者可即日起通过 OpenAI API（模型代号 gpt-6-astra）及 Amazon Bedrock 调用。