OpenAI 发布 GPT-6 Astra：ARC-AGI-3 得 99.9%，但独立评测泼冷水
Latent Space · rss · 2026-09-04
- 发布概况：OpenAI 推出旗舰模型 GPT-6 Astra，定位为“最智能、对齐最好的模型”，主打计算机操作、软件工程、数学/科学、办公文档与网络安全。发布 9 小时内获 3600 万浏览、16.4 万点赞，首发面向少数机构，随后几天覆盖 Plus/Pro/Business/Enterprise、API 与 AWS。
- 定价与功能：标准版 $10/$50 每百万输入/输出 token，快速版 $20/$100（提速至 2.5 倍）。同步推出 Codex 提问不中断、实验性长期任务笔记与上下文搜索、Responses API 异步调用与中途转向等特性。
- 官方成绩：ARC-AGI-3 达 99.9%、FrontierMath Tier 4 98%、ExploitBench 100%，称已协助解决数学长期开放问题（如素数间隙）。
- 独立评测存疑：Artificial Analysis 给出混合结论——编码智能体指数 67（与 Claude Opus 5 持平，低于 Fable 5.1 的 70），智能指数 61 落后 Fable 5.1 五分；token 效率大幅提升但单价高，max 档每任务成本比上代贵约 75%；幻觉率从 92% 降至 51%，但 GDPval、SciCode 等多项基准出现回退。
- ARC 侧：Chollet 确认标准 harness 下 63-66%、特殊 harness 下近 100%，单局成本约 $360，模型展现即时符号世界建模与涌现 DSL；ARC-AGI-3 饱和速度比预期快约一倍，ARC-AGI-4 将于 2027 Q1 推出。
- 安全争议：系统卡披露对齐改进的同时思维链可监控性下降，引发 Neel Nanda、Ryan Greenblatt 等研究者对评估意识与发布治理的批评。发布过程亦因延迟、博客故障和付费用户晚于网红获得访问权而受挫，OpenAI 以每日补偿性额度重置回应。
「模型」频道最新
- Astra 纯电脑操作跑 Excel 世界锦标赛题,比人类冠军快约 4 倍 — sandersted · 2026-09-04
- 研究者断言:harness 和 MCP 终将被训练进模型,唯一壁垒是数据 — A_K_Nain · 2026-09-04
- Polymarket 开盘竞猜 Grok 4.7+ 发布时间，市场押注最早 9 月中旬 — Polymarket · 2026-09-04
- 前 GDM 研究员 denny_zhou 披露已转投 Meta，参与 Muse Spark 1.1 至 1.3 — infoxiao · 2026-09-04
- 「真正的 AGI 基准」:模型至今做不了数据科学 — max_paperclips · 2026-09-04
- 恶搞「GPT-6 发布」:称生命科学与药物研发仍是 AI 最难领域 — gklambauer · 2026-09-04