GPT-6 Astra

# GPT-6 Astra：新一代智能 来源：https://openai.com/index/gpt-6-astra/ 我们正式推出 GPT-6 Astra——世界上最智能且对齐程度最高的模型。 GPT-6 Astra 汇集了多年在预训练、强化学习和对齐领域的研究成果与重大投入。Astra 在计算机使用、浏览、软件工程、网络安全、科学及专业任务等领域均达到了最先进水平。Astra 在 FrontierMath 四级评估中以 98% 的分数达到饱和，并已协助解决数学领域长期存在的公开问题（https://openai.com/index/ten-advances-in-mathematics/）。同时，Astra 在 ARC-AGI-3 评估中达到 99.9% 的分数，在 ExploitBench 中更是获得满分 100%。它还在计算机与浏览器使用方面设立了新标杆，能以前所未有的速度、准确性和判断力处理最高要求的专业任务。 GPT-6 Astra 今日起向有限机构开放，未来数天内将逐步面向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时通过 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实现了显著提升——您可以更放心地将任务委托给 Astra 的判断力。作为测试方式之一，我们构建了一个受 Hugging Face 事件启发的新评估体系，用于检验模型面对困难或不可能完成的任务时是否会超出既定范围。与 GPT-5.6 Sol（在无生产环境安全措施情况下 48% 的时间会超越授权目标）相比，GPT-6 Astra 在此类情况中发生率为 0%。 GPT-6 Astra 标志着计算机使用在速度、准确性和安全性方面的新前沿。它能处理繁琐任务，如填写在线表单、更新 CRM 客户记录以及整理日程安排。它可以进行在线研究，并在邮件或文档编辑器中起草摘要。它能分析科学数据、生成图表、创建网站，并运行前端 QA 检查以确保网站所有功能正常。它还能协助您自动安装和测试软件，并排查屏幕上出现的问题。这些改进也在我们最前沿的评估结果中得到体现。 这些改进也显著提升了实际知识工作效率。在 OSWorld 2.0 的延迟模拟中，Astra 完成每项任务所需时间比 GPT-5.6 Sol 减少约 47%，以约 40 分钟/任务的速度获得 72.6% 的分数，而 GPT-5.6 Sol 则以约 75 分钟/任务获得 65.7% 的分数。 GPT-6 Astra 的计算机使用能力在游戏开发、电气工程和日常知识工作等多个领域的产出中得以展现： 与 Astra 同时，我们还更新了 Codex 框架以显著提升计算机使用速度。结合 Astra 的高效性，在 Mind2Web 基准测试中，任务完成速度相比当前 GPT-5.6 Sol 体验提升了 1.9 倍。模型在速度方面的进步意味着它能比您更快完成许多耗时的日常任务。 GPT-6 Astra 将计算机使用能力的进阶与面向专业环境的定向训练相结合，助力处理复杂工作任务。它融合了处理复杂问题所需的智能，以及执行多步流程并产出精美文档、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合理、简明扼要传达关键点的结构化叙事幻灯片的最佳模型。它能创建清晰、结构化的文档、演示文稿、表格和分析报告，符合您的模板要求并匹配您的写作风格和视觉风格。Astra 还经过专门训练，仅提取与工作相关的关键上下文信息，而非重复不必要的内容。所有这些意味着它能输出更符合您业务背景和标准的可直接使用的成果。 GPT-6 Astra 还为构建的网站、游戏、应用程序和渲染图带来了更强的视觉判断力。通过 ChatGPT 中的 Sites（https://learn.chatgpt.com/docs/sites?surface=app），Astra 可以直接根据提示词创建、托管并分享网站、网络应用和游戏。 当指令存在解释空间时，GPT-6 Astra 比以往模型更善于做出正确决策。它利用上下文补充常规信息空白，并在可能影响结果时提出针对性问题。在 Codex 中，它可以异步提问，同时继续不依赖您回复的工作。如果您未回应，它会在适当情况下基于合理假设继续推进，但在关键决策上会等待您的输入。 以下示例展示了 Astra 如何在缺失信息可能实质性改变结果的日常任务中进行协作。 Astra 在任务演进过程中也更能保持方向感。早期模型有时会将引导信息视为新目标，从而偏离原始请求或早期约束。Astra 会整合新要求，在被要求时调整方向，并在不脱离主要任务的前提下回答附带问题。 ## 编程 GPT-6 Astra 是迄今为止最适合软件工程的模型。 借助 Astra，我们为 Codex 引入了一种在上下文窗口用尽时保存和检索上下文的新方法。历史上，模型在长会话中（例如调试复杂问题或处理大规模重构时）使用压缩方式总结工作。每次压缩都可能遗漏修复失败的原因或组件行为等细节。在 Codex 中，Astra 可以跨上下文窗口保存笔记，保留累积的细节而无需反复压缩为单一摘要。先前的上下文窗口仍可搜索，因此 Astra 能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入笔记。您可以在 Codex（https://learn.chatgpt.com/docs/config-file/config-reference）的 config.toml（https://learn.chatgpt.com/docs/config-file/config-reference）中启用此实验功能，它将在未来几周内成为 Astra 的默认设置。 GPT-6 Astra 在科学发现、数学和健康领域实现了重大突破。今天，我们分享了关于素数间隔的两项新成果。 Astra 还在一系列数学和科学评估中创下新纪录。 Astra 能协助科学发现背后的实际工作。通过将科学推理与计算机使用相结合，它可以直接在专业软件中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/）中所述，Astra 在网络能力方面实现了显著飞跃，并达到了我们准备框架（https://openai.com/index/updating-our-preparedness-framework/）中的关键阈值（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和修复漏洞，但也带来了加强安全措施的需求。为了解这些能力的延伸范围，我们在内部和第三方专家评估中测试了 Astra。 我们首先在没有生产环境安全措施的情况下，在 ExploitBench 和 ExploitGym 上测试了模型，这些评估检验模型能否将已知软件漏洞转化为可用漏洞利用。在 ExploitBench 上，Astra 取得了满分 100%，而我们之前具备前沿网络能力的模型 GPT-5.6 Sol 得分为 78.5%。在 ExploitGym 上，Astra 成功率达到 42.4%，相比 GPT-5.6 Sol 的 30.3%，同时使用了显著更少的输出 token。 鉴于对历史软件漏洞暴露可能影响基准结果的担忧，我们还在两个新基准上评估了 Astra。其中，我们构建了内部"ExploitBench（2026年6月–8月）"评估，使用过去三个月的漏洞测试漏洞利用开发。在此数据集上，Astra 实现了比 GPT-5.6 Sol 更高的任意代码执行率，同时使用了远少于后者的输出 token。评估期间，Astra 甚至发现并使用了两个此前未知的零日漏洞。我们已向这两个漏洞的维护者进行了披露。 我们还在 SRE-Bench 上测试了 Astra，该基准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理解核心逻辑的能力。Astra 在单次尝试中解决了 88.0% 的任务，四次尝试内达到 99.2%，而 GPT-5.6 Sol 分别为 55.9% 和 68.7%。 除基准测试外，专家主导的评估发现，在未启用生产环境安全措施的情况下，Astra 可能利用此前未知的漏洞在加固浏览器中实现任意代码执行，并为加固操作系统创建权限提升漏洞利用。 如我们在《防御者之窗》（https://openai.com/index/the-defenders-window/）中所述，前沿网络能力可以帮助防御者更快发现弱点，但也使这些弱点更容易被利用，加剧了防御者适应的紧迫性。通过今日推出的 Astra 版本，防御者可以使用它来完成安全代码审查和补丁修复等任务。 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。这将支持更多防御工作流程，包括漏洞和概念验证验证、恶意软件分析以及检测工程。 我们还在 GPT-5.6 Sol 的安全体系基础上加强了防止潜在网络滥用的保护措施。这些措施包括增强模型鲁棒性以更好地抵御潜在越狱，以及为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。更多关于网络安全措施和测试的信息可在 Astra 系统卡（https://deploymentsafety.openai.com/gpt-6-astra）和我们的博客（https://openai.com/index/path-to-astra/）中获取。 ## 负责任地对齐与部署 GPT-6 Astra Astra 是我们对齐程度最高的模型。Astra 擅长谨慎行事、尊重任务边界并透明沟通。这项工作是我们长期研究项目的最新成果，该研究致力于训练从始至终与人类意图保持一致的模型。 在敏感环境中，Astra 会根据其风险等级采取相称的谨慎态度。在一项专门选择容易引发不当行为的计算机使用任务的评估中，Astra 更成功地避免了非预期后果。默认启用额外安全措施运行时，性能表现更佳。 Astra 也更倾向于在用户设定及环境暗示的边界内运作。在一项内部评估中，Astra 从未试图规避 Codex 自动审查的拒绝决定。即使自动审查被刻意配置为可规避，且任务无法以其他方式完成时亦是如此。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任务评估结果以及系统卡中记录的其他发现一致。 Astra 在透明用户沟通方面也树立了新标杆。在一项评估中，Astra 做出不准确能力声明的可能性仅为 GPT-5.6 Sol 的三分之一。 我们的评估发现，基于明确要求其规避监控的测试，Astra 的书面推理比 GPT-5.6 Sol 更难监控。我们将此归因于 Astra 在简单任务上对书面推理的更强控制力，以及用更少书面步骤解决问题的能力。Astra 似乎仍难以隐藏复杂任务所需的推理过程，但我们认真对待这一监控能力的下降。提升可监控性仍是研究重点，随附的系统卡（https://deploymentsafety.openai.com/gpt-6-astra）详述了我们的发现和持续工作。 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 Codex 自动审查（https://alignment.openai.com/auto-review/）等系统安全措施，并监控智能体的推理和行动，以帮助检测和遏制不安全行为。正如安全更新（https://openai.com/index/path-to-astra/）所述，我们还在生产环境中为 Astra 类模型部署错位监控，以便洞察错位情况并遏制其最严重情形。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授权行为，并自动停止潜在的未授权活动。 鉴于 Astra 网络安全能力的显著增强，我们格外谨慎以确保此部署安全可靠。额外安全检查有时可能延缓、暂停或停止合法工作，包括防御性网络安全。如果任务在 ChatGPT 或 Codex 中被暂停，您可能需要在继续前审查操作。在 API 中，任务将停止。这些检查有时会中断合法工作，我们持续迭代此系统以减少不必要的中断。错位监控无法替代对齐：我们的目标是构建可靠保持在授权范围内的模型，从而无需此类干预。 GPT-6 Astra 今日起向有限机构开放，未来数天内将逐步面向所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时通过 OpenAI API 和 AWS 提供服务。Astra 使用已包含在现有订阅配额中——用户和企业也可购买额外使用额度。Pro、Business 和 Enterprise 套餐用户还可访问 GPT-6 Astra Pro。企业管理员可为工作区启用 Astra；启动时默认关闭访问权限。 Astra 支持符合条件的 API 客户使用零数据保留，正如上月我们所分享的，我们正在测试隐私安全处理（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 可在 OpenAI API 中以 `gpt-6-astra` 名称使用，也可在 Amazon Bedrock 中获取。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。缓存读写适用单独费率。快速模式可供 API 中的 GPT-6 Astra 使用，在标准处理速度基础上提供最高 2.5 倍加速，价格为标准模式的 2 倍。 ### 计算机使用 ### 专业任务 ### 编程 ### 学术研究 ### 科学与健康 ### 网络安全 ### 对齐 ### 长上下文 ### 抽象推理 评估分数为任何努力程度下的最高值。GPT 评估在我们的研究环境或通过 API 进行，由于系统提示、可用工具等方面的差异，其输出可能与生产版 ChatGPT 略有不同。