眾所矚目的 OpenAI 新一代旗艦模型 GPT-6 Astra，終於在稍早正式發表了。OpenAI 總裁 Greg Brockman 在媒體簡報會上毫不掩飾對 Astra 的評價，直言「我們已經到達 AGI」，並以一句「Welcome to the AGI era.」為整個發表會畫下句點。
這款模型其實早在一個多月前就曾短暫曝光。八月初《The Information》報導，Sam Altman 曾在華盛頓向政策制定者展示代號 Astra 的新模型，它支援多個 Agent 長時間協作處理複雜任務，內部甚至一度考慮直接取名為 GPT-6。不過隨後外界對 Astra 的討論，很快就從「性能有多強」，轉向「到底安不安全」。
OpenAI 後來證實，Astra 已達到自家準備框架的「關鍵級」網路安全能力門檻，成為公司第一個跨過這個等級的模型，並因此放慢部分開發工作、加強安全措施。就在發表前一天，外媒又報導 Astra 可能導入「循環深度」（recurrent depth）技術，讓模型在輸出下一個 Token 前，能完成更多內部計算。換句話說，Astra 不只是更強，更像是真的開始「少說、多想」。
經歷曝光、安全煞車與技術爭議後，GPT-6 Astra 終於正式上線。這次 OpenAI 究竟端出了什麼？讓我們一起來看。
號稱「世界上最智慧、最對齊的模型」
打開 OpenAI 官網，第一個感覺就是 Astra 的視覺風格和過去明顯不同。動態變化的數字 6、深色介面、更具視覺張力的設計，都在強調「新世代」的到來，而不只是又一次例行升級。
OpenAI 對 GPT-6 Astra 的定位非常直接：「世界上最智慧、最對齊的模型。」按照官方說法，Astra 整合了 OpenAI 多年來在預訓練、強化學習與對齊研究的成果，在電腦操作、瀏覽器使用、軟體工程、網路安全、科學研究與專業工作等領域，都全面刷新了先前模型的能力。
先看幾個傳統的「智力跑分」。在 ARC-AGI-3 上，GPT-6 Astra 拿下 99.9%，相比之下 GPT-5.6 Sol 只有 7.8%，Claude Opus 5 為 30.2%。更進階的 FrontierMath Tier 4，Astra 達到 97.6%，GPT-5.6 Sol 為 83.0%。網路安全測試 ExploitBench 更直接拿下 100%。
不過，這次 OpenAI 更想強調的，其實是把能力轉化為實際行動。
更會自己動手操作電腦
尤其值得注意的是「操作電腦」這塊，OpenAI 甚至直接稱 Astra 是「世界上最好的 computer use 模型」。它可以自動填寫網頁表單、更新 CRM 客戶紀錄、整理行事曆、做網路研究，再把結果整理成郵件或文件。更複雜一點，它還能分析科學資料、製作圖表、搭建網站、執行前端 QA，甚至自己安裝軟體、進行測試，並根據螢幕上出現的問題繼續除錯。
在測試 AI 使用真實軟體完成複雜專業任務的 Agents' Last Exam 中，Astra 得到 59.3%，高於 GPT-5.6 Sol 的 53.6% 和 Claude Opus 5 的 55.5%。而且，它完成這些任務時不需要輸出大量文字，OpenAI 表示，在最高分設定下，Astra 使用的輸出 Token 比 Claude Opus 5 少了約 65%。
速度也有明顯提升。在 OSWorld 2.0 模擬中，Astra 得分從 GPT-5.6 Sol 的 65.7% 提升到 72.6%，但完成單一任務的時間從大約 75 分鐘降到 40 分鐘，縮短約 47%。搭配新版 Codex Harness 後，在 Mind2Web 上，Astra 完成任務的速度可達目前 GPT-5.6 Sol 體驗的 1.9 倍。
辦公室工作更上手
這樣的進步也延伸到專業辦公情境。Astra 針對真實工作環境做過專門訓練，能處理多步驟任務，並直接產出文件、試算表與簡報。
在 BenchCAD 測試中，模型得根據多角度渲染圖撰寫 CAD 程式碼，重新建構 3D 物體。Astra 的幾何重合度達到 95.9%，GPT-5.6 Sol 為 83.3%，Claude Fable 5.1 為 84.3%。同時 OpenAI 估算，Astra 完成這項任務的 API 成本，比 GPT-5.6 Sol 低約 43%。
Astra 也更能遵循企業現有模板。給它幾頁公司簡報，它可以沿用相同佈局、語氣與視覺風格，自動完成整套簡報；處理文件或表格時，它會主動篩選真正相關的資訊，而不是把上下文內容全部重述一次。在 ChatGPT 的 Sites 功能中，Astra 甚至能從一句提示詞開始，直接建立、託管並分享網站、Web App 與遊戲。
更會「自己拿主意」
Astra 另一個明顯變化，是更懂得自行判斷。當指令中缺少不影響最終結果的細節時，它會利用上下文補齊；只有當缺失資訊可能真正改變結果時，它才會回頭問使用者。在 Codex 環境中，它甚至可以一邊非同步等待使用者回覆，一邊繼續處理不依賴該回覆的工作。
過去模型常被詬病的問題是：使用者中途補充一句話，模型就誤以為是新的總目標，把原本任務整個忘掉。OpenAI 表示，Astra 能更好地維持原始目標，同時接受中途修改、回答支線問題，再回頭繼續完成先前的任務。
程式開發、科學研究，還有更耐久的 Agent
軟體工程同樣是 Astra 進步最明顯的領域之一，OpenAI 直接稱它為「目前最好的軟體工程模型」。在 Terminal-Bench 4.0 中，Astra 得分約 58%，GPT-5.6 Sol 是 37.3%，Claude Fable 5.1 是 55.8%。在內部資料庫遷移任務中，Astra 達 63.9%，GPT-5.6 Sol 只有 42.7%。
另外，Codex 加入了新的長任務上下文機制。過去，程式任務一旦拖太久、上下文視窗裝不下，模型會透過 compression 將舊內容壓成摘要。但每壓縮一次，就可能丟失細節，像是某個方案為何失敗、測試出現過什麼異常、為何不能修改某段程式碼，都可能被遺漏。Astra 讓 Codex 能在不同上下文視窗之間保留筆記，同時仍可搜尋先前的完整內容，即使某個需求沒寫進摘要，之後還是能回頭找出來。
這對於真正要跑數小時、甚至更久的軟體工程 Agent 來說，可能比單純擴充 Context Window 更有意義。
科學研究也是類似的邏輯。Astra 在 GPQA Diamond 上達到 96.0%，FrontierMath Tier 4 是 97.6%。OpenAI 還提到，Astra 已協助解決一些長期未解的數學問題，這次也公開了兩項與質數間隔有關的新結果。
憑藉更強的電腦操作能力，Astra 能直接進入專業科學軟體，檢查定序資料、分析遺傳變異、執行模擬、擬合模型，再根據結果決定下一步該調查什麼。在 Terminal-Bench Science 0.1 上，Astra 達到 64.6%，Claude Fable 5.1 為 52.6%，GPT-5.6 Sol 最佳只有 22.4%。就算改用低成本設定，Astra 仍有 61.1%，而且 API 成本比 GPT-5.6 Sol 少約 27%。
這也串起 Astra 整場發表的主軸：用更少 Token、更短時間，完成更複雜的任務。
「關鍵級」模型的雙面刃：更強，也更需要嚴肅看待
真正讓 Astra 在發表前就引發爭論的，是它的網路安全能力。OpenAI 這次公開了更完整的測試數據。在 ExploitBench 上，GPT-6 Astra 達到 100%，GPT-5.6 Sol 是 78.5%；在 ExploitGym 上，Astra 的漏洞利用成功率是 42.4%，GPT-5.6 Sol 是 30.3%，而且 Astra 使用的輸出 Token 更少。
考量公開 Benchmark 可能有訓練資料污染問題，OpenAI 另外製作了一套只包含 2026 年 6 月至 8 月漏洞的內部測試集。在這些新資料中，Astra 的任意程式碼執行成功率達 39%，GPT-5.6 Sol 只有 5.5%。更令人警覺的是，測試過程中 Astra 發現並實際利用了兩個先前未知的零日漏洞，目前 OpenAI 正在向相關專案維護者揭露。
另一項 SRE-Bench 測試中，Astra 單次嘗試就解決 88.0% 任務，四次嘗試後達 99.2%；GPT-5.6 Sol 分別只有 55.9% 與 68.7%。專家測試也發現，在關閉生產安全措施的情況下，Astra 能利用先前未知漏洞，在加固過的瀏覽器中執行任意程式碼，甚至對加固作業系統發動權限提升攻擊——這正是 OpenAI 將 Astra 列為 Critical Cyber（關鍵級）的原因。
不過，一般使用者今天拿到的 Astra，並不會直接開放這些「最強」能力。目前版本可以協助安全程式碼審查與漏洞修補，但對於更高階的漏洞利用任務（例如替漏洞製作 PoC）會直接拒絕。之後 OpenAI 會透過 Daybreak 計畫，逐步開放限制較少的版本，用於漏洞驗證、惡意軟體分析與偵測工程等防禦情境。
「循環深度」之謎與行為上的克制
發表前最受關注的另一個問題，官方始終沒有給出明確答案：Astra 到底有沒有使用「循環深度」？OpenAI 在發表部落格中完全沒提 recurrent depth，也未公布模型架構。不過，他們釋出了一個值得玩味的結果：在測試模型能否避開監控的評估中，Astra 的書面推理比 GPT-5.6 Sol 更難監控。OpenAI 推測，這可能與 Astra 能用更少書面步驟完成簡單任務有關，並承認這種「可監控性下降」需要嚴肅面對。
因此，實際部署時 OpenAI 會同時監控 Astra 的推理與行動，用分類器找出未授權行為，必要時直接中止任務。
但另一方面，Astra 的行為反而變得更「守規矩」。在 ExploitGym 的 honeypot 測試中（情境設計參考 Hugging Face 事件），GPT-5.6 Sol 在無生產安全措施時，約有一半樣本會攻擊任務範圍以外的誘餌目標；Astra 則是 0%（OpenAI 在不同設定下測試，Sol 的數值約落在 48%–56%）。在電腦操作安全壓力測試中，Astra 的不當行為率只有 2.4%，GPT-5.6 Sol 高達 22.0%。此外，Astra 的「能力幻覺率」也從 GPT-5.6 Sol 的 9.4% 降到 2.0%。
所以，Astra 身上出現了一個很有意思的組合：能力更強、外顯推理更少，但行為反而更克制。
上線時間與價格
GPT-6 Astra 今天率先開放給少數組織使用，未來幾天會陸續提供給 ChatGPT Plus、Pro、Business 與 Enterprise 用戶，其中 Pro、Business 與 Enterprise 用戶還能用到 GPT-6 Astra Pro。
API 模型名稱是 gpt-6-astra，同時也會上架 Amazon Bedrock。標準定價為：輸入每百萬 Token 10 美元、輸出每百萬 Token 50 美元。若開啟 Fast Mode，最快可達標準模式 2.5 倍速度，但價格為兩倍。
整體來說，GPT-6 Astra 確實展現出 OpenAI 對「AGI」級能力的企圖心，但強大的能力也伴隨更高的安全風險。隨著模型逐步開放，接下來值得觀察的是，OpenAI 要如何在「釋放能力」與「確保安全」之間取得平衡。