GPT-6 Astra登场，AGI时代正式开启了吗？

在Astra发布前的几个小时内，人工智能行业变得异常混乱。9月3日晚，ChatGPT、Claude与Grok几乎同时遭遇大规模服务故障，许多用户无法访问模型，或是请求遭到失败。就在这时，ChatGPT的官方账号发推表示：“The stars are almost aligned.”，暗示一些重要事情即将发生。网友们迅速开始调侃，猜测Astra在发布过程中可能不小心影响了Anthropic和xAI的服务，甚至连自己也未能幸免。然而，这一调侃并未得到实质证据的支持，只是个别网民的趣味言论。值得注意的是，就在两天前，OpenAI宣布这款尚在开发中的模型已成为其首个通过网络安全能力标准“Critical”阈值的模型。最终，群星的确“就位”了。北京时间9月4日，OpenAI正式推出了GPT-6 Astra。然而，此次发布并非全量上线，Astra仅对部分拥有Trusted Access/Daybreak账户的机构和经过认定的网络安全用户开放，其他Plus、Pro、Business、Enterprise和API用户仍需再等几天。

在9月4日的内部发布会上，OpenAI总裁Greg Brockman对Astra给予了夸张的评价：“欢迎来到AGI时代。”同时，OpenAI研究副总裁Aidan Clark从另一个角度指出Astra的独特之处：“这是首次在德克萨斯州Stargate站点利用超10万张GPU进行预训练，从数据中心网络到推理内核再到模型本身的部署，皆围绕这一训练规模从零开始设计。”他还提到，Astra是OpenAI首次让上一代模型深度参与训练过程的AI产品，虽不能算是“AI自我训练”，但已经在很大程度上引入了上一代的AI技术。

与此同时，OpenAI也将Astra称为“全球最强且最对齐的模型”。在基准测试方面，最引人注目的数据来自ARC-AGI-3测试。此测试旨在评估模型在全新的2D环境中，通过试错方式学习完成目标的能力。Astra在OpenAI自己配置的Provider Adapter下，达到了99.9%的成绩。然而，这个数字需要深入分析。ARC Prize所使用的标准衡量工具给Astra的分数只有62.7%。二者的主要区别在于测试条件的不同，OpenAI发现低分不是因为模型能力不足，而是测试设定限制了模型的记忆表现。为此，OpenAI对ARC-AGI-3的实现进行了调整，使用了自家的Responses API和两个特殊设定，分别为保留推理与压缩。在这种新系统下，Astra的分数从62.7%跃升至99.9%。此外，在双方成功完成的任务中，Provider Adapter的处理速度提升了约3.66倍，token消耗减少了49%，如同开启了外挂一般。

在高难度数学基准FrontierMath Tier 4中，Astra的得分为97.6%。值得注意的是，OpenAI资助了这项基准的开发，并对部分题目拥有独特访问权。其他关注的得分还有：DeepSWE v1.1 74.1%和BenchCAD 95.9%，以及Terminal-Bench科学任务的64.6%。显而易见，OpenAI并不打算仅仅通过一系列基准分数来介绍Astra。打开官网，案例应用几乎一个接一个被列出，从KiCad、Excel、Blender、Power BI，到网站问答、找医生预约、填写税表、制作PPT，再到游戏开发和数据分析，显示出Astra强大的应用潜力。