专题 · FULL STORY

GPT-6 Astra：从传闻刷屏到实测登顶

传闻中的「Astra」于 9 月 3 日被官宣为 GPT-6，OpenAI 宣告 AGI 时代来临。发布后模型在 MathArena、Code Arena 等多榜刷新纪录，3D 建模、机器人控制与自主通关 Portal 的实测刷屏，训练动用超 10 万 GPU 的爆料与 Gary Marcus 等质疑声并存。

2026-09-04 ~ 2026-09-07 · 17 集 · 132 条

第 1 集 · GPT-6 Astra 3D 建模实测刷屏，社区直呼 SOTA(2026-09-04,37 条)

GPT-6 Astra 发布仅一天，社区围绕其 3D 建模能力产出大量实测演示，多位开发者称其已达到 SOTA 水平，建筑可视化、游戏原型与 3D 内容创作工作流被显著压缩。这波演示覆盖从照片重建到跨引擎交付的完整链路，接近真实艺术家的自主工作流，是 AI 触达专业 3D 领域的标志性事件。

已确认

  • Dimillian 发布了完整演示线程：只指定房间数量与风格（现代极简、绿树环绕），Astra 先出设计图，随后在 Blender 建模，自己编写导出到 Unreal Engine 5 的管线，多次启动引擎比对保真度，最终交付一个可本机 60 FPS 实时漫游整栋房屋的独立应用。他还补充了技术细节：Astra 习惯以 Blender headless/CLI 方式工作、用 Python 编写 3D 模型，而非直接操作图形界面；渲染环节的诀窍是灯光提示词——要求「黄金时刻的电影感镜头」，Astra 即可在 Cycles 中打出令人惊艳的 4K 光照效果。OpenAI 开发者团队还配发了从 Blender 场景到 UE5 可行走世界的深度构建文章
  • Theo 用 GPT-6 Astra（Codex）一次性生成可在浏览器直接运行的 3D 游戏，流程极简：安装 Blender、打开 Codex 即可；他称 Astra 在 Blender 与三维空间推理上达到世界级水平
  • 获得早期访问的 @tomkrcha 演示：仅给一张房屋照片，Astra 即在 Blender 生成包含玩具、电器、家具等细节、带真实几何体可微调的完整 3D 重建模型，可交互且 60 FPS；OpenAI 员工 npew 也实测把房产中介摆拍照片直接变成完整 Blender 3D 模型
  • 网友 Stefan3DAI 演示 Astra 在 Blender 里完全自主地像艺术家一样工作：自己搜集参考图、搭场景、渲染测试帧并与参考比对、修正偏差，最后以可行走关卡导入 UE5
  • iamfakhrealam 汇总发布一天内的 12 个顶级案例：单 prompt 建整栋房屋、复刻 Apple Park、3D 重建椭圆形办公室、《Long Dark》风格作品等；dejavucoder 等用户也直接称 Astra 的 3D 建模达到 SOTA
  • 创作者 cerspense 在 3D 工具 Sentinel 中几分钟做出整套 DJ 卡车与完整灯光控制台，认为软件能力与模型/harness 同步设计时可玩性会爆发式提升；joshmillgate 称 Astra 一次性生成了能创建几乎与实物难辨的 3D 样机的工具；另有用户用 Astra 配合 Three.js 直接生成网页可流畅交互的 3D 内容，甚至称可能不再需要 Blender，工作流从数小时压缩到 30 分钟；博主 Nasereliver 演示一个 prompt 生成 3D 版 Grok 机器人

为什么重要

  • 3D 建模长期是 AI 难以触达的专业领域，Astra 展示的自主参考搜集—建模—渲染—修正闭环接近真实艺术家工作流；其 headless/CLI + Python 的工作方式也揭示了智能体操作专业软件的新范式
  • 从照片重建、Blender/UE5/Three.js/Sentinel 等多工具链打通，意味着建筑师、游戏开发者与内容创作者的原型迭代成本可能被数量级压缩

还有 17 条相关讨论 →

第 2 集 · 传 GPT-6 Astra 可直接 3D 建模，OpenAI 未证实(2026-09-04,2 条)

网友 @AutismCapital 发帖称使用名为 "GPT-6 Astra" 的模型对当地一座小岛进行 3D 建模，效果"令人难以置信"并附演示视频；另有用户表示该模型 3D 建模能力出色，让自己每天开着 Blender 工作，甚至考虑购置 3D 打印机。不过该模型名称尚未得到 OpenAI 官方证实，相关能力仍属传闻。

第 3 集 · OpenAI 发布 GPT-6 Astra 并宣告 AGI 时代(2026-09-04,21 条)

OpenAI 于 9 月 3 日发布传闻中的 Astra，确认其即为 GPT-6，总裁 Greg Brockman 在发布会上以「welcome to the AGI era」收尾，引发业界对 AGI 宣告的激烈争论。早期用户实测普遍认为这是能力上的一次真实跃升，尤其在长程 agent 任务、编码与前端上，但「AGI」标签与部分基准口径受到质疑。目前模型正在 rollout，开发者工具选型与订阅决策已开始受到影响。

已确认

  • OpenAI 官方确认 Astra 即 GPT-6，Greg Brockman 宣告「AGI 时代到来」，模型正在 rollout（m9、m10、m16、m19）。
  • 基准表现：Epoch 指数 169 破纪录（m16）；博主 htihle 评测显示 Astra（high 档）在 WeirdML 拿到 92.9%，与 Fable 5.1（max 档）并列第一，并在 17 个任务中的 6 个创下单项最高分，且生成的代码量显著更少（m19）。AI Explained 发布近 22 分钟视频，梳理其在 ARC-AGI 3、FrontierMath、Agents Last Exam 等基准上的表现，并称模型能力强到 OpenAI 自己都感到担忧（m1）。
  • 第三方实测演示密集涌现：WorldofAI 汇总的用例显示 Astra 约 30 分钟内做出类《使命召唤》游戏、复刻宝可梦式玩法、在 Blender 中生成未来感城市，并出现操控电脑与机器人的演示（m2）。机器之心盘点发布后两天刷屏的 Demo：用 TypeScript + Three.js 在浏览器直接生成可运行的 3D 火车、爆炸拆解动画全由代码驱动，还能零样本控制机械臂，同时指出这些 Demo 存在局限（m20）。
  • 多位早期用户给出正面实测：ivanbezdomny 称其为用过的最聪明的实用编码模型，重构代码比以往 OpenAI 或 Anthropic 模型更有条理、更不烦人，编码几乎无需换模型（m16、m17）；BLUECOW009 称在引导下 Astra 似乎能一轮运行解决他发现的任何问题（m13）；cneuralnetwork 反馈速度快、懂 skills、找 bug 强（m14）；vista8 认为是 GPT-4、Claude Sonnet 3.5 之后首次感受到模型「突然变聪明」，认为 Altman「摸到 AGI 的边」有可能（m15）。
  • YuchenjUW 实测称 Astra 修复了 GPT 系列最大短板——前端能力，在设计感、一次生成游戏、工具/电脑使用上优于 Fable 5.1，并考虑退订其中一家订阅（m9、m17、m18）；EXM7777 在真实业务中反馈其自主设定目标、指挥 subagent 做长程工作能力极强，交谈体验有 Opus 4.5 的感觉（m7）；Scobleizer 汇总 X 上讨论，认为公认最强的是 3D 建模与跨应用长任务（m5）。

尚未确认

  • Reddit 转述称 Astra 可自主上网、建站、做任务（m4），消息未经官方渠道核实，但与 m2 汇总的第三方演示基本吻合。
  • ARC-AGI-3 存在 99.9% 与 62.7% 的口径之争；johnseach 认为能力跃升是真的但 AGI 标签不是，并指出推理过程更难被监督（m20）；ThursdAI 嘉宾中 Chollet 仍不认可 AGI 宣告（m10、m11）。
  • 用户间评价存在分歧：ZenenoDev 首日实测结论是「高智力、低直觉」，认为 Astra 不理解现有架构与实现意图，或弃用回退 Sol 5.6（m3）；haider1 认为预训练（世界建模、数学/抽象、空间与视觉推理）几乎全面领先，但代码仅小幅领先 Fable 5.1（m8）；bookwormengr 实测 computer use 做一页勾股定理 PPT 耗时近 15 分钟，虽整体评价偏正面但速度存疑（m12）。

为什么重要

  • 这是 OpenAI 首次以「AGI 时代」为旗舰模型定调，直接挑动业界对 AGI 定义的争论；无论标签是否成立，模型在长程 agent 任务、编码与前端上的实测跃升已足以影响开发者工具选型与订阅决策（如 m9、m18 提到考虑退订一家）。同时推理过程更难被监督（m20）以及模型强大到官方自感担忧的说法（m1）也带来新的安全性关注点。

还有 1 条相关讨论 →

第 4 集 · GPT-6 Astra 多榜刷新纪录：更强且更省 token(2026-09-05,19 条)

GPT-6 Astra 于 9 月 5 日前后向部分用户开放后，在多个第三方基准上刷新纪录，核心叙事是「更强且更省 token」：Artificial Analysis 更新榜单显示其跑分超越 GPT-5.6 Sol，并在 Intelligence Index 与每任务输出 token 数上定义新的帕累托前沿，最大推理档下输出 token 比 Sol 减少约 10%；NYT Connections（Extended）基准上 xhigh 档拿到创纪录的 98.1 分、high 档 97.7 分，均超过上代且单题成本约低 40%；Terminal Bench 4.0 上使用 Codex harness 排名第一，成本仅为第二名方案的一半、较此前方案低约 47%。这波「性能更强、成本更低」的表现引发社区广泛讨论。

已确认

  • Artificial Analysis 榜单：GPT-6 Astra 跑分超越 GPT-5.6 Sol，并在智能指数与输出 token 数上定义新帕累托前沿（m2、m19）
  • NYT Connections 基准：xhigh 档 98.1 分、high 档 97.7 分，超越 GPT-5.6 Sol，每题成本约低 40%（m4、m18）
  • Terminal Bench 4.0：排名第一，成本约为第二名一半、较此前低约 47%（m7、m17）
  • 视觉基准 eyebench-v3：Astra-max 得 95%，输出 token 约为 Sol-max 的 1/3.8，成本仅一半，得分接近两倍；博主 adonissingh 称按「每 token 智力」衡量即使低推理档也大幅领先（m12、m15、m16）
  • MineBench.ai 团队称 Astra 首次生成质量远超当前排行榜前四模型，是该基准上线以来质量跃升最显著的一次（m3）
  • 实测体验：博主 kimmonismus 称 Astra-Medium 档智能水平与 GPT-5.6 xhigh 大致相当但成本约 1/3；Reddit 用户 dubesor 在 iOS 端实测认为其视觉杂志排版优于 GPT-5.6 Sol；Angaisb 在 Max 推理档对比后表示满意；Simon Willison 用「画鹈鹕」SVG 任务对比 GPT-5.6 系 Sol、Terra、Luna，单次最贵 63 美分（m5、m6、m8、m9、m11）
  • API 定价：Astra 输入 $10、输出 $50 / 1M tokens，约为 GPT-5.6 Sol（$4 / $20）的 2.5 倍溢价（m14）

尚未确认

  • FrontierMath T4 榜单称 Astra 得分高于 5.6 Sol Pro (Max)，为爆料转述，未见官方数据；评论者 teortaxesTex 认为开源模型 18 个月内难达这一水平，属个人观点（m10）
  • 开发者 xeophon 的初步体验认为整体是渐进式改良而非质变：代码质量与之前大致相同、仍需人工引导，大规模数据分析处于同一水平，仅代表个体体验（m13）
  • 多数基准数据来自社区与第三方维护榜单，OpenAI 官方尚未系统确认（m2、m3、m12）

为什么重要

  • token 效率被视为 Astra 未被充分讨论的胜负手：Reddit 用户 Cagnazzo82 分析称，同等任务花费更少 token，若与速度、质量叠加，等于直接打向竞争对手的成本软肋（m1）
  • DataLearnerAI 指出 2.5 倍的 API 溢价并未换来同幅度推理能力提升，提升更多集中在 Agent 任务而非推理，「高溢价」与「省 token」两种叙事并存，实际成本取决于使用场景（m14）
  • 若「每 token 智力」优势属实，将重塑模型性价比评估标准，对竞争对手的定价与产品策略构成压力

第 5 集 · 开发者称 GPT-6 Astra 五分钟找出176倍代码提速(2026-09-05,2 条)

有开发者使用 OpenAI 新模型 GPT-6 Astra（low 档）审查自己的代码库，称其在 5 分钟内就找出了 4.5 倍到 176 倍不等的性能加速点，直呼该模型能力惊人。而另一位开发者 yacineMTB 则发推称 Astra 在他的代码库里没找到任何可优化之处，并自嘲「代码里一个优化泡沫都不剩」，两极体验引发社区热议。

第 6 集 · GPT-6 Astra 发布引刷屏，「创作寒武纪」与质疑齐飞(2026-09-05,9 条)

OpenAI 宣布「GPT-6 Astra」，宣称凡是人能在电脑上做的事它都能更快代劳。模型发布后各类演示案例在社交媒体迅速刷屏，博主 minchoi 先后盘点发布两天内及不到 91 小时内的各 10 个案例，DeryaTR 形容这是一场创作「寒武纪大爆发」；同时也有针对官方演示的批评与调侃。能力宣传与实际创意水准之间的落差仍待观察。

已确认

  • minchoi 于 09-05 盘点发布两天后的 10 个惊叹案例，09-06 又汇总发布不到 91 小时内的 10 个野榜案例，涵盖解剖图、乐高套装、GTA 游戏场景、V8 发动机乃至整片森林的生成。
  • 视频创作者 @davis7 让 GPT-6 Astra 自动处理刚录好的素材：导入剪辑、色彩分级、对齐音轨，把 Final Cut 工程准备就绪只等人工精剪，他围观全程后称又一个「holy shit 时刻」。
  • 独立开发者 @adamlyttleapps 用 GPT-6 Astra Ultra 在 26 分钟内生成一个应用，消耗 10,460,032 个 token。
  • 播客主持人 Duncan Trussell 让模型在 Blender 中完整搭建 Backrooms 场景并加 VHS 复古效果，全程约 5 条 prompt，建模约 30 分钟、导出另花 20 分钟，音效也由模型完成——并非生成纯 AI 视频。
  • DeryaTR 于 09-07 发帖称模型发布仅 3 天，X 上已出现罕见的创作井喷；他认为随着数百万人逐步接触新能力，这波「创造力的寒武纪大爆发」还会加速，让更多人迎来各自的 AGI 时刻。
  • 有用户制作回应视频，对 OpenAI 的官方演示进行反击或调侃。

尚未确认

  • 「能力接近 AGI」仅是部分网友观点，官方未作此类表述。
  • 各演示案例多为个人分享，未经独立验证。

为什么重要

  • 这些案例直观展示了模型在视频剪辑、3D 建模、应用开发等真实工作流中的自动化能力，其特点是直接操作 Blender、Final Cut 等专业软件而非生成式输出。
  • 但批评者指出官方演示开头 17 秒恰恰暴露了几乎所有 AI 创意工具的通病——仍在重复追逐某种陈旧的创意范式，说明能力宣传与实际创意水准之间仍有落差，值得持续关注。

第 7 集 · 曝 OpenAI Astra 训练动用超 10 万枚 GPU(2026-09-05,2 条)

多方消息称 OpenAI 新模型 GPT-6 Astra 的预训练动用了超过 10 万块 GPU，被认为是首个十亿美元级 AI 模型。爆料称训练疑似在德州 Abilene 的 Stargate 数据中心进行，评论区普遍感叹这一算力投入规模极其惊人，折射出前沿大模型训练成本的正快速攀升。

第 8 集 · GPT-6 Astra 机器人控制得分 95% 引热议(2026-09-05,6 条)

一组在 X（Twitter）上广泛转发的数据称，GPT-6 Astra 在一项机器人控制任务上得分 95%，而前代 Fable 5.1 仅得 40%；同时其输出 token 减少 6.2 倍，成本降低 2.3 倍（即为前代的约 43%）。该消息最早由 @chooijeq 的线程给出，随后在社区中形成多级转发链，各帖数字完全一致。

已确认

  • @chooijeq 引述的线程最早给出上述数字：机器人控制任务得分 95%（Fable 5.1 为 40%），输出 token 少 6.2 倍、成本低 2.3 倍。
  • @willcb、@AaronBergman18、@maxpaperclips、@chrisjpaxton、@TinfoilTricorn（转发者 beffjezos）等多人接力转发同一组数字，各帖数字完全一致，形成明显传播链。

尚未确认

  • 该「机器人控制任务」的具体基准、评测设置与出处未见一手材料，95% 与成本数字仅来自转述的线程，暂无官方文档或论文佐证。

为什么重要

  • 若数字属实，意味着通用聊天模型在机器人控制上大幅超越上代版本，且推理成本降至近一半，对具身智能领域的模型选型影响显著。
  • 社区反应两极：@AaronBergman18 感慨「机器人控制也被塞进了聊天 Transformer」；beffjezos 宣称「具身 AGI 就在眼前」；DJiafei 在 @chrisjpaxton 转发中调侃 GPT-6 不如直接通过 API 调 MolmoAct2 检查点；Dorialexander 借 @maxpaperclips 的转发回应此前欧洲一轮关于 LLM 的争论。这些讨论显示社区对「通用模型 vs 专用模型」路线分歧明显。

第 9 集 · 传 OpenAI GPT-6 Astra 视觉能力碾压 Gemini(2026-09-05,3 条)

一款未经 OpenAI 官方证实、名为 GPT-6 Astra 的模型引发热议。Reddit 用户分享其在视觉推理基准 EyeBench 上的成绩，称实现巨大飞跃；多位用户实测后称其为迄今最强视觉模型，能细致识别篮球比赛画面等复杂细节，甚至宣称「数据标注已死」。外界认为 Gemini 在视觉领域的领先地位可能受到挑战。

第 10 集 · OpenAI 发起 GPT-6 Astra 24 小时出货挑战(2026-09-05,4 条)

OpenAI 开发者官方账号 @OpenAIDevs 发起 GPT-6 Astra 24 小时出货挑战，邀请开发者提交 demo 并附一句话说明 Astra 的作用。活动引来多样成果：有网友让 GPT-6 生成九段式「循环 Transformer」交互式科普教程；歸藏演示用 Astra 辅助在 Blender 建模、再用 Three.js 上线的四季昼夜小屋网站完整工作流；也有开发者当场称正用模型逆向工程游戏可执行文件来盗取游戏，凸显能力与滥用的并存。

第 11 集 · GPT-6-Astra 登顶 MathArena 数学基准(2026-09-06,2 条)

据 jdekoninck 分享，GPT-6-Astra 在 MathArena 数学基准上排名第一，预期性能高达 90%，同时在 Broke 基准上表现省 token、性价比突出。另有实测显示该模型在数学问题上几乎从不答错，被认为是目前数学方面最值得信赖的模型，原帖作者以「valuemaxxing」回应，暗示其性能与成本的平衡出色。

第 12 集 · GPT-6 Astra 登顶 Code Arena，编程模型一周四换榜首(2026-09-06,7 条)

LMArena 旗下 Code Arena（WebDev 榜）公布最新实测结果：OpenAI 新模型 GPT-6 Astra (Max) 以 1797 分登顶第一，领先第二名 Claude Fable 5.1 (Max) 的 1762 分 35 分，并重塑 Pareto 价格前沿。这一结果证实了社区此前的推断，也标志着编程模型竞争在一周内榜首四度易主后的白热化。

已确认

  • LMArena 官方公布：GPT-6 Astra (Max) 以 1797 分登顶 Code Arena: WebDev，领先第二名 Claude Fable 5.1 (Max) 35 分，后者为 1762 分；第三名为 Claude 系模型。
  • 评测方式：让模型用工具规划并构建真实 Web 应用，由用户成对比较投票。
  • Qwen 3.8 Flash Next 挤进榜单前十。
  • 转发帖指出这是一周内第四次更换榜首，编程模型竞争激烈。

时间线（09-06 至 09-07）

  • 09-06，用户 py-net 先后发帖，指出 Code Arena 出现新榜首组合 Astra 与 Fable 5.1，与其他模型拉开一档差距，并通过对比 Fable 5 与 Sol 及其分别升级到 Fable 5.1 与 Astra 后的成绩变化，推断 Astra 理应登顶第一。
  • 同日，LMArena 官方及多方转发确认 GPT-6 Astra (Max) 以 1797 分登顶，社区推断得到证实。
  • 09-07，annbordetsky 等转发，强调一周四换榜首的竞争态势。

为什么重要

  • 该榜单基于真实 Web 应用构建与人类成对比较，对实际编码能力的参考意义较强；py-net 认为 Arena 的编程基准这次准确反映了现实世界编程水平。
  • Astra 领先 35 分且重塑 Pareto 前沿，表明 OpenAI 新模型在性价比与性能上同时形成新标杆，或将影响后续模型定价与竞争格局。
  • 榜首一周内多次更迭，显示头部编程模型迭代速度加快，竞争格局仍在快速变化。

第 13 集 · 传闻中的 GPT-6 Astra 基准数据曝光(2026-09-06,2 条)

博主 Baxate 与 Ryan Shrout 先后转发测评机构 Signal65 的 PINNACLE 基准首批结果，称名为 GPT-6 Astra 的模型在最高推理强度下完成 280 个企业 agent 任务中的 279 个，且零编造，表现惊人。但需注意，该模型名称与测试数据均未经 OpenAI 官方证实，真实性存疑，相关信息仍在社区传播发酵中。

第 14 集 · GPT-6 Astra 两小时自主重建玛雅遗址 3D 模型(2026-09-06,3 条)

AI 研究者 Sergey Karayev 实测 GPT-6 Astra，用约 2 小时生成了伯利兹西部玛雅考古遗址 Xunantunich 的 3D 模型，令其直呼难以置信。该任务开启了 /goal 功能，模型自主从互联网检索遗址相关图片并据此完成 3D 重建；他还在图像复刻测试中发现，此前用 Fable 多次尝试质量不达标，而 Astra 一次性生成了质量相当不错的复刻结果。

第 15 集 · 开发者实测称 OpenAI Astra 是唯一能推进超复杂项目的模型(2026-09-06,2 条)

开发者 mrjonnfinger 分享实测体验，称自己长期投入一个复杂度极高的项目，此前各家模型都像「在泥潭中游泳」，难以取得实质进展。而 OpenAI 的 Astra 是第一个让他看到实质性进展的模型，不过他仍不确定项目最终能否成功完成。该反馈被视为新模型在处理超复杂任务上明显更顺手的例证。

第 16 集 · 网传 GPT-6「Astra」自主通关 Portal，真实性待证(2026-09-06,7 条)

网传 OpenAI 代号「Astra」的 GPT-6 已完全自主通关 3D 解谜游戏《Portal》，完整录像已由用户 AcerFur 放出，但为便于观看剪去了模型暂停思考的片段。转发链中另出现该模型打通《Rimworld》、在全部 ARC-AGI 任务上接近满分、以及通关「我不是机器人」游戏全部 48 关等说法。该消息引发热议，但整体真实性尚未得到证实。

已确认

  • 用户 @cozyblazex 于 09-06 发布 GPT-6「Astra」自主通关《Portal》的爆料，其本人亦标注未经证实，并回顾 OpenAI 2016 年「用单个智能体解决多种游戏」的技术目标
  • 用户 AcerFur 于 09-07 放出完整通关录像，思考片段被剪掉，是该模型自主完成这款 3D 解谜游戏的首个完整过程记录

尚未确认

  • GPT-6「Astra」是否真实存在并自主通关《Portal》：爆料未附实现细节，且「Astra」并非 OpenAI 官方公布的产品名
  • 「通关 Rimworld」「ARC-AGI 接近满分」均仅见于转发转述（DanielWhiteson、Chase 补充），无原始证据
  • xiaohu 称「GPT-6 Astra」通关「我不是机器人」游戏全部 48 个关卡并调侃验证码防线失守，该说法未经证实
  • Gary Marcus 指出视频经过剪辑、几乎没有说明实现细节，认为若属实且不依赖大量预录脚本确实惊人，但目前想了解更多，演示真实性存疑

为什么重要

  • scaling01 回顾 OpenAI 2016 年的技术目标之一是「用一个智能体解决多种游戏」，如今传闻若属实，可视为这一目标十年后的落地迹象
  • kalomaze 提议社区真正需要的是把《Portal》多人协作版用作多智能体评测基准
  • 若演示被证实，将标志着前沿模型在 3D 实时导航与长程规划能力上的显著跃升；若被证伪，则再次提醒社区对剪辑演示保持警惕

第 17 集 · GPT-6 Astra 饱和空间推理基准，VLM 视觉获突破(2026-09-06,4 条)

模型 Astra 在视觉空间智能基准 SpatialBench 上表现惊人：有博主称其取得 91.8% 的成绩，远超 80% 的人类基线，认为空间推理这一人类最后优势领域已被反超。博主 spiceylemonade 维护的自建空间推理基准（测试描线、3D 可视化与跨视角推理）此前从未有模型通过，每次新模型发布抽样测试均告失败，此次 Astra 连续全部答对，评测被完全饱和，他直呼「LLM 视觉已解决」。