2026-09-28
过去两年，我们已经习惯把工作丢进聊天框。
让AI写一封邮件、整理会议纪要、查找资料，或者给出一份方案。它的回答越来越像一名熟练员工，却始终隔着最后一步：AI负责告诉你怎么做，剩下的操作仍然要由人来完成。
GPT-6 Astra试图跨过这一步。
按照OpenAI的介绍，Astra不仅能理解任务，还可以打开浏览器、操作桌面软件、填写表格、更新CRM里的客户资料，再把处理结果写进邮件和文档。在工程场景中，它还能安装软件、运行测试、制作网站，甚至打开KiCad完成电路板布局。
用户不再需要把一个任务拆成十几条指令，分别交给不同工具。只要告诉Astra想要什么，它便会自己寻找入口、切换页面，完成中间那些琐碎的操作。
这已经很接近人们想象中的“数字员工”。
它不会坐在办公室里，也没有自己的工位，却能使用公司每天都在使用的软件，接手过去必须由员工逐项完成的工作。相比模型又学会了多少知识、基准成绩提高了几个百分点，这种变化更容易被企业感受到。
OpenAI联合创始人格雷格·布罗克曼把Astra称为AGI时代的开端。但就在几天前，萨姆·奥尔特曼还说，AGI已经成为一个定义混乱、甚至带有营销色彩的词。
Astra是不是AGI，可以留给研究人员继续争论。对普通用户和企业来说，一个更直接的变化已经发生：AI开始从“会回答问题”，走向“能把事情办完”。
“数字员工”还没有完全到来，但它离真实的工作环境，已经比过去近了不少。
这次升级，重点不在聊天
按照OpenAI的介绍，Astra可以填写在线表格、更新CRM里的客户资料、整理日历、搜索网页、处理邮件和文档。
它还能安装软件、运行测试、排查电脑故障。在工程场景里，Astra可以打开KiCad进行电路板布局，调用数据分析工具生成图表，也可以制作网站，再跑一遍前端质量检查。
现在的大模型已经很会说了。影响企业是否愿意继续花钱的，不是回答能不能再长一点，而是AI能不能离开聊天框，进入公司每天都在使用的系统。
Astra在一些电脑操作测试中的进步很明显。在Agents’ Last Exam上，它取得59.3%的成绩，高于GPT-5.6 Sol的53.6%和Claude Opus 5的55.5%；完成同类任务时，输出token比Claude Opus 5少约65%。
在OSWorld 2.0电脑操作测试中，Astra取得72.6%的成绩，平均完成时间约为40分钟。GPT-5.6 Sol的成绩是65.7%，平均需要约75分钟。
但Astra也没有在所有测试中领先。在带工具的Humanity’s Last Exam上，它的57.2%低于Claude Fable 5.1的65%；Artificial Analysis Intelligence Index上，Astra同样落后于两款Claude模型。
所以，OpenAI所谓“全球最聪明的模型”，仍然是发布会语言。测试工具、推理预算和任务类型稍有不同，排名就可能发生变化。
Astra最突出的地方，不是每一道题都拿第一，而是把推理和操作接到了一起。以前，AI可以告诉你如何制作一张表格、修改公司后台、部署一个网站，最后还得有人照着答案操作。Astra试图把鼠标和键盘也接过去。
OpenAI想要的不只是订阅费
GPT-6 Astra首先向一部分机构开放，随后进入ChatGPT Plus、Pro、Business和Enterprise，并通过API和AWS提供。
它的API价格并不便宜：每百万输入token 10美元，输出token 50美元，拥有105万token的上下文窗口，最多可以输出12.8万token。
这里的“端到端”，其实比“最强模型”更能说明OpenAI的打算。企业不会只计算一次对话用了多少token。它们更关心一项工作需要多少时间、多少人工复核，以及失败以后要不要重做。
如果Astra能用几美元完成一项原本需要员工忙上几个小时的工作，即便单次调用价格更高，企业也可能愿意买单。模型之间的比较，也会从“每百万token多少钱”转向“完成一件合格的工作要多少钱”。
Anthropic已经依靠编程能力、长任务表现和企业客户建立了优势。OpenAI拥有庞大的ChatGPT用户，但想进入企业的核心业务，仅靠聊天机器人还不够。
电脑操作能力给了OpenAI另一条路。
很多企业仍在使用老旧的财务软件、后台系统和内部网页。这些系统没有方便的API，也不可能全部为AI重写。Astra可以直接识别界面、点击按钮、填写字段，像一名员工那样使用它们。
企业围绕模型重新安排权限、审批和审计以后，更换模型就不再是改一个API地址那么简单。OpenAI得到的也不只是一笔调用收入，还可能是整套工作流的入口。
更守规矩，却没有以前那么好读
Astra在安全测试中更愿意遵守限制，它的思维过程却比前代模型更难监控。
OpenAI表示，Astra的思维链更短，也更少出现能够暴露异常行为的信息。在一些专门设计的对抗测试中，当研究人员要求它躲避监控时，它有时能够绕过只检查思维链的监控器。OpenAI没有发现Astra在普通使用环境中主动隐藏意图的证据，情况还没有严重到“模型学会欺骗人类”。
问题出在监督手段上。当前评测里的Astra更守规矩，研究人员却比以前更难从它的推理记录中提前发现问题。今天测出来的安全表现不错，不代表同一套监控方法能够一直跟上模型能力。
英国AI安全研究所还测试了模拟供应链攻击、虚假身份，以及诱导他人接受恶意代码等场景。测试没有接入真实网络和代码仓库，不能直接当成一次现实攻击，但已经足以提醒企业：部署智能体时，最难做的决定不是选哪个模型，而是给它开放哪些权限。
AI正在从“会说”走向“会做”
Astra普及以后，网页和桌面软件可能迎来一轮新的改造。
过去的软件界面主要为人设计，今后还得考虑智能体能不能识别按钮、理解页面状态、发现操作失败。与此同时，网站也要区分正常的AI代理、批量自动化工具和恶意机器人。
身份验证、授权范围和操作记录，会成为智能体产品的基础设施。
网络安全行业面对的压力更加直接。AI可以更快发现漏洞，也能更快制造攻击工具。安全竞争会从“谁先找到漏洞”，慢慢变成“谁能更快修复、部署和验证”。
对普通知识工作者来说，短期内先被压缩的可能不是整个岗位，而是工作中那些最琐碎的步骤：找资料、录数据、制作初稿、调整格式、在几个软件之间搬运信息。
人的位置会向前后两端移动。一端是决定AI应该做什么、能做到哪一步；另一端是检查结果、处理例外，并在出现问题以后找到责任人。
GPT-6 Astra是不是AGI，还可以继续争论。
更现实的情况是，AI已经从一个提供建议的人，变成了一个准备亲自动手的人。
如果Astra成功，OpenAI拿到的将是一个远大于聊天订阅的企业自动化市场。如果它犯错，留下的也不会只是一段不准确的回答，还可能是一条被修改的记录、一份部署错误的代码、一笔不该发出的交易，或者一个尚未公开的漏洞。
过去，大模型说错一句话，用户还可以直接划走。
当它拿起鼠标，错误就会留在现实世界里。
版权所有，未经许可不得转载
-jiuyou.com九游
JIUYOU.COM-九游
京ICP备2022033023号
京公网安备 11030102011456号
