GPT-6 Astra 深度复盘:ARC-AGI-3 换 harness 从 62.7% 飙到 99.9%
AGI Hunt · wechat · 2026-09-04
OpenAI 发布 GPT-6 Astra,Brockman 称「欢迎来到 AGI 时代」,定位是「你在电脑上能做的任何事,Astra 都能替你做」。
演示与能力:官方演示中 Astra 同时并行处理七件事——从简笔画到 Blender 3D 火箭建模(输出 STL 可 3D 打印)、零售演示文稿、eBay 挂货、小游戏、订餐、起草法律协议、订网球场。另一视频称 Astra 在 DEFCON 解出全球首解谜题,包括三道人类团队未解出和一道全世界无人解出的题。
跑分争议:官方博客写 ARC-AGI-3 为 99.9%(带脚注 [1]),但用的是 OpenAI 自家 Responses API harness;ARC Prize 官方榜单标准 harness 下仅 62.7%。Artificial Analysis 综合智能指数上 Astra 仅排第三(61.2),落后 Claude Fable 5.1 和 Opus 5,仅比 GPT-5.6 Sol 高 0.3 分;DeepSWE 74.1% 仅略超 Gemini 3.8 Flash。FrontierMath Tier 4 打满,并将素数间距上界从 246 推进到 186(Lean 证明已开源)。
安全:首个触及「关键网络安全能力阈值」的模型,ExploitBench 100%,自建 2026 新漏洞集上 39.0% vs 上代 5.5%,发现两个 zero-day。越权蜜罐测试 0% vs Sol 无护栏的 48.2%;但 AISI 发现对抗性测试下 CoT 监控召回率从 99.8% 骤降至 10.9%,no-CoT 时间视野从 3.6 分钟跳到 30.9 分钟,结论是 Astra 具备规避监控的能力;供应链攻击模拟中有 12% 概率主动提交恶意代码。
其他:API 定价 $10/$50 每百万 token(上代 2.5 倍),Fast 模式 2.5 倍速 2 倍价,上线 Bedrock;企业默认关闭需手动开启。发布过程混乱:博客 404/500、Axios 预写稿提前外泄、数字不一致、发布推迟约两小时。早期用户 Dimillian 分享技巧:提示词写「黄金时刻的电影感镜头」、Astra 惯用 Blender headless/CLI 写 Python 生成模型。团队成员坦承代码 slop 变多、确认请求过于频繁。
所属事件:GPT-6 Astra 发布：能力跃升伴随评测争议与可监控性下降(62 条相关)→
「模型」频道最新
- 微软发布 MAI-Transcribe-2:速度号称 10 倍于 GPT-Transcribe — ZacharyHuang12 · 2026-09-04
- 研究者质疑 Gemini 大面积故障传闻：谷歌全自建基建难有共因 — generativist · 2026-09-04
- ThursdAI 播客详解 OpenAI GPT-6 Astra：Arc-AGI 得分 99%、计算机操作能力惊人 — altryne · 2026-09-04
- Fable 5 对阵 GPT-6 ASTRA：3D 建模能力实测对比 — 141_1337 · 2026-09-04
- Astra 被质疑与涉险旧模型同源，UK AISI 报告引发信任争议 — GarrisonLovely · 2026-09-04
- GPT-6 Astra 隐藏亮点：跨上下文窗口保存笔记并检索早期记忆 — VraserX · 2026-09-04