模型评测：核对测试范围与运行条件
OpenAI 的发布说明列出 ARC-AGI-3 为 99.9%、FrontierMath Tier 4 约 98%、ExploitBench 为 100%。这些数值对应厂商公布的特定测试，不表示任意业务任务的成功率，也不能在缺少相同条件时直接与其他模型比较。
软件工程是Astra的核心优势领域，Terminal‑Bench 4.0、DeepSWE v1.1等编程测试包含厂商公布的测试结果。针对长周期工程任务，模型新增跨上下文笔记检索机制，构建外部记忆体系，不再依靠简单摘要压缩历史信息，能够留存项目全流程关键细节，对大型代码重构、多文件迭代场景带来实质性提升。同时CAD三维重建、办公文档批量生成、PPT版式继承等专业能力大幅增强，可以直接遵循企业原有格式规范输出成套业务材料，适配企业真实生产工作流。
“计算机使用”能力跃升，关注电脑操作与人工确认边界
相较于跑分提升，Astra一项应用方向体现在计算机使用能力。模型可以像真人一样操作电脑，完成从PCB电路板设计、报税表单填报、PowerBI报表制作，到网站前端测试、3D场景搭建等复杂多步骤任务。OSWorld 2.0实测数据显示，相比上一代模型，单任务平均耗时缩短接近一半，任务完成率同步上涨。
Astra具备更成熟的人机协同逻辑，面对信息缺失的场景，会区分风险等级：普通细节自动补全，关键决策点主动向用户发起确认，还可以在等待用户反馈的间隙推进其他不依赖该结果的工作，大幅提升复杂任务的运行效率。科研场景中，模型不再只输出文字结论，能够直接操作专业科研软件，完成测序分析、数据可视化等实操工作，甚至推动素数间隙相关数学研究取得全新突破。
算力投入与递归训练，安全约束下有限开放
本次GPT‑6 Astra依托得州星际之门超算集群，调用超10万块GPU完成训练。训练流程出现重要变化，这是OpenAI首款将已有AI模型深度用于训练监督环节的旗舰产品，训练后期AI可自主处理大部分故障，实现递归式自我改进的初步落地，未来模型迭代速度或将不再完全受限于人力产能。
但强大能力背后伴随显著安全风险，Astra成为OpenAI内部首个达到Critical关键级网络安全阈值的模型，能够自主挖掘系统未知漏洞。出于风险管控，高阶网络安全能力暂不对外开放。上线节奏采取分级开放策略，优先面向Daybreak机构客户，后续逐步向全量商业、企业API用户铺开，API定价为输入10美元/百万Token，输出50美元/百万Token。
行业启示：大模型竞争进入智能体迭代新阶段
GPT‑6 Astra的发布，标志大模型赛道竞争从简单的跑分比拼，转向真实环境执行、长周期智能体、递归迭代能力的综合较量。过去大模型更多聚焦文本对话，而Astra把能力延伸到操作软件、处理工程、科研攻坚的真实业务场景。
对于产业从业者而言，AGI不是一夜到来的终点，而是持续演进的过程。硬件算力底座、安全对齐体系、真实场景落地能力，三者缺一不可。国内企业可以借鉴其技术演进思路，结合本土业务场景，打磨适配国内产业生态的智能体产品，挖掘大模型在企业数字化、科研生产中的落地价值。
编辑核对（2026-10-25）：保留可核对的测试数值并限定来源和适用范围，删除无边界最高性评价。企业接入仍须测试权限、人工确认与业务数据边界。 参考：OpenAI：GPT-6 Astra 发布说明。