GPT-6 Astra 正式登场。OpenAI 将其定位为目前能力最强的模型，主攻计算机操作、专业工作、科学、编程和网络安全。FrontierMath Tier 4 v2 达97.6%，ARC-AGI-3最高99.9%，ExploitBench更拿到100%。真正值得关注的，是模型能力正在从“解题”快速转向“完成工作”。
从回答问题到执行完整任务
Astra支持超过100万Token上下文，并强化网页搜索、Computer Use、代码执行和多工具协作。OpenAI给出的方向很明确：模型不只生成答案，而是跨浏览器、终端和专业软件连续完成多步骤任务。
这对AI Agent尤其关键。复杂工作流过去常因上下文丢失、工具调用失败而中断，Astra试图把模型变成真正的“执行者”，让软件开发、研究和企业自动化进一步减少人工接管。
99.9%并不等于AGI
最吸睛的是ARC-AGI-3。ARC Prize独立测试显示，Astra在OpenAI Provider Adapter环境下最高达到99.9%，但在统一Standard harness下最高为62.7%。运行框架和上下文管理方式，对最终成绩影响巨大。
即便如此，这仍是一次明显跃升。Astra能够在陌生环境中探索规则、建立内部模型并规划行动，说明前沿模型正在增强持续学习与任务执行能力，但ARC Prize也明确表示，高分本身不能作为AGI已经实现的证明。
网络安全首次进入Critical级别
Astra在ExploitBench取得100%，OpenAI也首次将旗下模型的网络安全能力评为Preparedness Framework中的Critical级别。模型已经具备寻找未知漏洞、开发利用链并执行复杂安全任务的能力。
不过OpenAI承认，历史漏洞可能造成ExploitBench数据污染，因此又使用2026年6月至8月披露的新漏洞进行内部测试。测试期间，Astra还发现并利用了两个此前未知的零日漏洞，相关问题正在进行负责任披露。
GPT-6 Astra真正改变的不是某一张排行榜，而是AI能力边界：当模型可以持续操作软件、开展科研并处理复杂工程任务，下一轮AI创业竞争将从“接入大模型”转向“谁能让模型真正接管完整工作流”。
