我们在部署博客文章时遇到了一点小问题，但它确实非常出色：

https://t.co/jjqXUWfrNW

GPT-6 Astra：新一代智能模型

来源：https://openai.com/index/gpt-6-astra/
我们推出 GPT-6 Astra，这是全球最智能且最对齐的模型。

GPT-6 Astra 融合了多年在预训练、强化学习和对齐研究中的积累与大胆尝试。Astra 在计算机操作、浏览、软件工程、网络安全、科学及专业工作领域均达到了最先进水平。Astra 在 FrontierMath 第四层级测试中以 98% 的得分达到饱和，并已帮助解决数学领域的长期开放性问题（https://openai.com/index/ten-advances-in-mathematics/）。同时，它在 ARC-AGI-3 测试中以 99.9% 的得分达到饱和，在 ExploitBench 测试中取得 100% 的满分。它还在计算机和浏览器操作领域设立了新标杆，能以无与伦比的速度、准确性和判断力处理要求最高的专业任务。

GPT-6 Astra 今天开始向部分组织推出，并在接下来的几天内向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时也将通过 OpenAI API 和 AWS 提供服务。

Astra 是我们对齐程度最高的模型，在理解用户意图和模型行为方面有显著提升——你可以更放心地委托 Astra 处理任务。作为测试方式之一，我们借鉴 Hugging Face 事件设计了一项新的评估，用于检验模型在面对困难或不可能完成的任务时是否会超越其预期范围。与在没有生产环境安全措施下 48% 的情况下超出授权目标的 GPT-5.6 Sol 相比，GPT-6 Astra 在此类情况下的发生率为 0%。

GPT-6 Astra 标志着计算机操作速度、准确性和安全性的新前沿。它可以处理填写在线表单、更新 CRM 中的客户记录以及整理日程等繁琐任务。它可以进行在线研究，并在你的电子邮件或文档编辑器中起草摘要。它可以分析科学数据、生成图表、创建网站，并运行前端质量检查以确保网站上的所有功能正常运作。它可以帮助你自主安装和测试软件，并排查屏幕上出现的问题。这些改进也体现在我们最先进的评估结果中。

这些改进在实际的知识工作任务中也带来了显著的效率提升。在 OSWorld 2.0 的延迟模拟中，Astra 每项任务平均耗时比 GPT-5.6 Sol 减少约 47%，同时取得了更高的计算机操作性能——得分为 72.6%，平均每项任务耗时约 40 分钟；而 GPT-5.6 Sol 得分为 65.7%，平均耗时约 75 分钟。

GPT-6 Astra 的计算机操作能力体现在多个领域的输出中，包括游戏开发、电子工程和日常知识工作：

伴随 Astra 的推出，我们还更新了 Codex 框架，以显著提升计算机操作的速度。结合 Astra 的高效率，在 Mind2Web 基准测试中，任务完成速度相比当前的 GPT-5.6 Sol 体验提升了 1.9 倍。该模型在速度上的提升意味着它可以比你更快地处理许多耗时的生活任务。

GPT-6 Astra 将计算机操作方面的进步与针对专业环境的专门训练相结合，以帮助处理复杂的工作任务。它结合了解决复杂问题所需的智能，以及执行多步骤工作流并生成精致文档、表格和演示文稿的能力。

GPT-6 Astra 是遵循现有模板并制作布局良好、能简洁传达关键点和结构化叙事的幻灯片的最佳模型。它可以创建清晰、结构良好的文档、演示文稿、表格和分析报告，遵循你的模板，并匹配你的写作风格和视觉风格。Astra 还经过训练，能够专门提取与当前任务相关的关键上下文，而非重复与手头工作无关的信息。所有这些都意味着它可以输出更直接可用、符合你业务背景和标准的成果。

GPT-6 Astra 还为它构建的网站、游戏、应用程序和渲染带来了更强的视觉判断力。通过 ChatGPT 中的 Sites（新窗口打开） (https://learn.chatgpt.com/docs/sites?surface=app)，Astra 可以直接通过提示创建、托管和分享网站、网络应用和游戏。

当指令存在解释空间时，GPT-6 Astra 比以前的模型更能做出正确决策。它利用上下文填补常规空白，并在答案可能改变结果时提出有针对性的问题。在 Codex 中，它可以异步提问，同时继续进行不依赖你回复的工作。如果你没有回应，它会在适当情况下基于合理假设继续执行，但对于重大决策则会等待你的输入。

以下示例展示了 Astra 如何在信息缺失可能实质性改变答案的日常任务中进行协作。

Astra 也更擅长在任务演进中保持定位。早期的模型有时会将引导性消息视为新目标，从而丢失原始请求或之前的约束。Astra 能整合新要求，在被要求时改变方向，并回答次要问题而不遗漏主要任务。

编程

GPT-6 Astra 是迄今为止在软件工程方面表现最佳的模型。

借助 Astra，我们为 Codex 引入了一种新方式，在上下文窗口填满时保存和检索上下文。历史上，模型在长会话中（例如调试复杂问题或进行大规模重构时）使用压缩来总结工作。每次压缩都可能遗漏关于修复失败原因或组件行为方式的细节。在 Codex 中，Astra 可以跨上下文窗口保存笔记，无需反复压缩成单一摘要即可保留累积的细节。早期的上下文窗口仍可搜索，因此 Astra 可以从之前的消息和工具输出中找到需求或测试结果——即使这些信息未被记录在笔记中。你可以在 Codex（新窗口打开） (https://learn.chatgpt.com/docs/config-file/config-reference) 的 config.toml（新窗口打开） (https://learn.chatgpt.com/docs/config-file/config-reference) 中启用此实验性功能，它将在未来几周内成为 Astra 的默认设置。

GPT-6 Astra 在科学发现、数学和健康领域是一项重大进步。今天，我们分享了关于素数间隙的两个进一步结果。

Astra 还在一系列数学和科学评估中创下新纪录。

Astra 可以帮助处理科学发现背后的实践工作。通过结合科学推理与计算机操作，它可以在专业软件中直接工作以检查数据和探索结果，帮助研究人员评估证据并决定下一步研究方向。

正如我们在安全更新（https://openai.com/index/path-to-astra/）中讨论的，Astra 在网络能力方面有显著提升，并达到了我们预备框架（https://openai.com/index/updating-our-preparedness-framework/）下的关键阈值（新窗口打开） (https://www.google.com/url?q=https://openai.com/index/path-to-astra/&sa=D&source=docs&ust=1788394134604543&usg=AOvVaw0evbJw3ljnuix36JTZDiwA)。它识别和开发零日漏洞利用的能力可以帮助防御者发现并修补弱点，但也增加了对更强安全保障的需求。为了理解这些能力延伸的程度，我们在内部和第三方专家评估中测试了 Astra。

我们首先在 ExploitBench 和 ExploitGym 上测试了没有生产环境安全措施的模型，这些评估检验模型能否将已知软件漏洞转化为有效的漏洞利用。在 ExploitBench 上，Astra 取得了 100% 的完美分数，而我们之前的前沿网络能力模型 GPT-5.6 Sol 得分为 78.5%。在 ExploitGym 上，Astra 达到了 42.4% 的成功率，而 GPT-5.6 Sol 为 30.3%，同时使用的输出 token 数量明显更少。

鉴于暴露于历史软件漏洞可能影响基准测试结果的担忧，我们还在两个新的基准测试中评估了 Astra。其一，我们构建了内部 “ExploitBench（2026年6-8月）” 评估，使用前三个月的漏洞来测试漏洞开发能力。Astra 在该数据集上的任意代码执行率远高于 GPT-5.6 Sol，同时使用的输出 token 数量也少得多。在评估过程中，Astra 甚至发现并利用了两个此前未知的零日漏洞。我们已将这两个漏洞披露给其维护者。

我们还在 SRE-Bench 上测试了 Astra，该基准测试衡量模型在无法访问原始源代码的情况下，通过逆向工程软件二进制文件来理解其核心逻辑的能力。Astra 在一次尝试中解决了 88.0% 的任务，在四次尝试中解决了 99.2% 的任务；而 GPT-5.6 Sol 分别为 55.9% 和 68.7%。

超越基准测试，专家主导的评估发现，在没有生产环境安全措施的情况下，Astra 可以使用未知漏洞在强化型浏览器中实现任意代码执行，并为强化型操作系统创建提权漏洞利用。

正如我们在《防御者之窗》（https://openai.com/index/the-defenders-window/）中讨论的，前沿网络能力可以帮助防御者更快地发现弱点，但也使这些弱点更容易被利用，提高了防御者适应的紧迫性。在今天发布的 Astra 版本中，防御者可以使用它来完成安全代码审查和修补等任务。

然而，Astra 会拒绝执行更高级的网络安全任务，例如为漏洞创建概念验证漏洞利用。通过 OpenAI Daybreak（https://openai.com/daybreak/），我们计划在未来几周内扩大访问权限并推出限制更少的安全措施。这将支持更多的防御工作流程，包括漏洞和概念验证验证、恶意软件分析和检测工程。

我们还在 GPT-5.6 Sol 的安全措施堆栈基础上，加强了对潜在网络滥用的防护。这些措施包括更强的模型稳健性以更好地抵御潜在越狱攻击，以及为我们的监控系统提供更多上下文。我们持续进行严格的内部和外部测试，包括与内部红队攻击者（https://openai.com/index/unlocking-self-improvement-gpt-red/）进行的自动化评估。有关我们的网络安全措施和测试的更多细节，请参阅 Astra 系统卡（新窗口打开） (https://deploymentsafety.openai.com/gpt-6-astra) 和我们的博客（https://openai.com/index/path-to-astra/）。

负责任地对齐和部署 GPT-6 Astra

Astra 是我们对齐程度最高的模型。Astra 擅长谨慎行事、尊重任务边界并进行透明沟通。这项工作是我们长期研究计划的最新成果，该计划专注于训练从始至终都与人类意图保持对齐的模型。

在敏感环境中，Astra 会根据其风险级别谨慎行事。在一项专门选择来引诱不当行为的计算机操作任务对抗性评估中，Astra 在避免意外后果方面更成功。在启用默认提供的额外安全措施下运行时，其性能表现更强。

Astra 也更可能在用户设定的边界及其环境隐含的范围内运作。在一项内部评估中，Astra 从未试图规避 Codex 自动审查（Auto-Review）的拒绝决定。即使当自动审查被特意配置为可被规避，且任务在其他情况下无法完成时，也是如此。这种对环境限制的尊重与我们在本文开头分享的不可能完成的网络安全任务评估结果以及系统卡中记录的其他发现一致。

Astra 还在透明的用户沟通方面设立了新标准。在一项评估中，Astra 对其能力和功能进行不准确陈述的可能性比 GPT-5.6 Sol 低三倍。

我们的评估发现，与 GPT-5.6 Sol 相比，Astra 的书面推理更难监控，这是基于明确要求其规避监控的测试得出的结论。我们将此归因于 Astra 在更简单任务上对书面推理的更强控制能力，以及用更少书面步骤解决问题的能力。Astra 在隐藏复杂任务所需推理方面似乎仍然存在困难，但我们认真对待这一能力的下降。提高可监控性仍然是研究的重点，随附的系统卡（新窗口打开） (https://deploymentsafety.openai.com/gpt-6-astra) 详细说明了我们的发现和正在进行的工作。

对齐训练是我们部署方法的核心。作为额外的防御层，我们还构建了系统安全措施，如 Codex 自动审查（新窗口打开） (https://alignment.openai.com/auto-review/) 以及监控代理的推理和行动，以帮助检测和遏制不安全行为。正如我们在安全更新（https://openai.com/index/path-to-astra/）中所述，我们还在生产环境中为 Astra 类模型部署了错位监控，以便了解错位情况并帮助遏制其最严重的情况。这些安全措施类似于我们内部部署的监控，涉及一个分类器系统，该系统检查模型的推理和行动是否存在未经授权的行为，并自动停止可能未经授权的活动。

鉴于 Astra 网络安全能力的显著提升，我们格外谨慎地确保此次部署的安全。额外的安全检查有时可能会减慢、暂停或停止合法工作，包括防御性网络安全任务。如果任务在 ChatGPT 或 Codex 中被暂停，你可能会被要求在继续前审查该操作。在 API 中，任务将停止。这些检查有时会中断合法工作，我们正在持续改进此系统以减少不必要的中断。错位监控无法替代对齐：我们的目标是构建能够可靠地保持在授权范围内的模型，这样这些保护措施就不需要介入。

GPT-6 Astra 今天开始向部分组织推出，并在接下来的几天内向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时也将通过 OpenAI API 和 AWS 提供服务。Astra 的使用包含在现有的订阅配额内——用户和企业也可以购买积分用于额外使用。Pro、Business 和 Enterprise 计划的用户还将获得 GPT-6 Astra Pro 的访问权限。企业管理员可以为他们的工作区启用 Astra；在发布时默认为关闭状态。

Astra 为符合条件的 API 客户支持零数据保留（Zero Data Retention），正如我们上个月分享的，我们正在测试私有安全处理（Private Safety Processing）(https://openai.com/index/offering-zero-data-retention-for-frontier-models/)，以在保护客户隐私的同时加强安全监控。

对于开发者，GPT-6 Astra 在 OpenAI API 中作为 gpt-6-astra 提供，也可在 Amazon Bedrock 中使用。OpenAI API 标准定价为每百万输入 token 10 美元，每百万输出 token 50 美元。缓存读写有单独的费率。GPT-6 Astra 在 API 中支持快速模式（Fast mode），其处理速度可达标准处理的 2.5 倍，价格为标准价格的 2 倍。

计算机操作

专业

编程

学术

科学与健康

网络安全

对齐

长上下文

抽象推理

评估分数均为任意努力程度下的最高值。GPT 评估在我们的研究环境或通过 API 运行，由于系统提示词、可用工具等方面的差异，其输出可能与生产环境的 ChatGPT 略有不同。