# OpenAI 发布 GPT-6 Astra，并首次将其列为 Preparedness Framework 下关键级网络安全模型

- 来源：The Decoder：AI News（RSS）
- 作者：Matthias Bastian
- 发布时间：2026-09-04 03:25
- AIHOT 分数：86
- AIHOT 标记：精选
- AIHOT 链接：https://aihot.virxact.com/items/cmtlx9epa0qcxrow5bt068c9u
- 原文链接：https://the-decoder.com/gpt-6-astra-is-the-first-model-making-openai-willing-to-declare-the-agi-era

## 精选理由

原文汇总了 Astra 的基准成绩、定价和 Preparedness Framework 分级，读者可以据此比较它相对前代和竞品的实际变化。

## AI 摘要

OpenAI 发布其最强模型 GPT-6 Astra，总裁 Greg Brockman 称其可能已接近 AGI，并以 Welcome to the AGI era 结束发布。

## 正文

要点

OpenAI 正在发布其迄今最强大的模型 GPT-6 Astra。付费 ChatGPT 用户和云平台应在未来几天内获得访问权限。

在基准测试中，Astra 在逻辑、数学和软件工程等关键学科上显著优于其前代 GPT-5.6 Sol 以及 Anthropic 的 Fable 5 系列模型。

Token 价格高出 2.5 倍，与 Anthropic 的 Fable 5.1 持平，但 OpenAI 认为，根据使用场景不同，每个已完成任务的实际成本实际上更低。

OpenAI 已发布其迄今最强大的模型 GPT-6 Astra。总裁 Greg Brockman 表示，按照 OpenAI 自己的定义，它或许已经够格称为“AGI”，或者至少已触手可及——即在大多数具有经济价值的工作上超越人类表现的 AI 系统。

GPT-6 Astra 首先通过 OpenAI 的 Daybreak 计划向部分组织推出。在未来几天内，它将向 ChatGPT Plus、Pro、Business 和 Enterprise 用户开放，同时也可通过 API 以及 AWS Bedrock 和 Microsoft Azure 等云平台获取。

Astra 在位于得克萨斯州的 Stargate 设施中，使用超过 100,000 块 GPU 完成了预训练。OpenAI 研究员 Aidan Clark 称这是公司有史以来规模最大的一次训练。Clark 表示，从 Sol 到 Astra 的能力跃升幅度大于从早期模型到 Sol 的跃升，部分原因在于之前的 AI 模型在监控训练过程中发挥了作用。

在 OpenAI 发布的基准测试中，Astra 的得分远高于其前代 GPT-5.6 Sol 以及 Anthropic 的 Fable 系列模型。Astra 在多个领域均取得顶尖成绩：逻辑推理（ARC-AGI-3 上达到 98.6%，不过是在其自身测试条件下）、数学（FrontierMath Tier 4 v2 上达到 97.6%）、软件工程（DeepSWE v1.1 上达到 74.1%）、专家知识（GPQA Diamond 上达到 96%）、工程（BenchCAD 上达到 95.9%）以及网络安全（ExploitBench 上达到 100%）。

计算机使用

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5 Gem 3.8 F

Agents' Final Exam 59.3% 53.6% 48.7% 55.5%

OSWorld 2.0（离线，部分） 72.6% 65.7% 70.2% ³

ScreenSpot-Pro（无工具） 92.7% 76.9% 87.3% ¹⁷

专业

基准 Astra Sol Fable 5.1 Fable 5 Opus 5 Gem 3.8 F

AutomationBench 41.4% 18.1% 31.4% 17.4% 26.9%

BenchCAD 95.9% 83.3% 84.3% ⁵ 67.5% ⁵ 82.1% ⁵

BrowseComp 91.5% 90.4% 87.4% 90.8%

OpenScore String Quartets 0.84 0.19

内部设计任务 50.0% 47.4% 35.8%

内部数据科学任务 40.9% 30.5% 34.7%

AA Intelligence Index v4.1.1 61.2 60.9 65.7 62.1 63.1 58.7

BenchCAD 成本：比 Sol 低约 43%，比 Fable 5.1 低约 86%。

编码

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5 Gem 3.8 F

Terminal Bench 4.0 57.7% 37.3% 55.8% 42.0% 52.3% 19.1%

DeepSWE v1.1 74.1% 72.7% 67.4% 69.9% 73.7% 73.8%

FrontierCode 1.1 Extended 64.5% ⁸ 60.6% 63.6% 64.9% 63.6% 56.3%

FrontierCode 1.1 Main 53.3% ⁸ 47.5% 50.9% 53.5% 53.4% 43.6%

内部数据库迁移 63.9% 42.7% 57.8% 50.3%

AA 编程智能体指数 v1.4 67.0 65.1 67.2 68.1 61.2

Terminal-Bench 4.0 成本：比 Sol 低约 9%，比 Fable 5.1 低约 63%。

学术

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5 Gem 3.8 F

Terminal-Bench Science 0.1 64.6% 22.4% 52.6% 21.4% 30.0%

FrontierMath Tier 4 (v2) 97.6% 83.0% 87.8% 87.8% 73.2%

GPQA Diamond 96.0% 94.6% 93.7% 92.6% 93.7% 95.3%

人类最后的考试（工具版） 57.2% 65.0% 63.8% 63.6%

低成本设置：Terminal-Bench Science 为 61.1%，成本降低约 27%；GPQA Diamond 为 94.9%，成本降低约 37%。素数间隔从 240 改进到 186，并且一个大间隔边界项在 80 多年来首次得到改进。

科学与健康

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5 Gem 3.8 F

GeneBench Pro 37.8% 28.7%

MedChemBench（内部） 49.3% 47.4%

LifeSciBench 60.3% 59.9%

HealthBench Professional 63.4% 60.5% 56.6% ¹¹ 60.9% ¹¹ 54.5% ¹¹ 52.1%

Fable 5 和 5.1 未纳入 LifeSciBench、GeneBench Pro 和 MedChemBench，因为它们会拒绝回答大多数问题。

网络安全

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5

ExploitBench 100.0% 78.5% 70%

ExploitGym 42.4% ¹³ 30.3% ¹³ 30.4% ¹⁷ 28.4% ¹⁷ 22.0% ¹⁷

ExploitBench（2026年6月–8月） 39.0% 5.5%

SRE-Bench 88.0% 55.9% 12.5%

SEC-Bench Pro 85.4% 79.1%

SRE-Bench 四次尝试内：99.2%，而 Sol 为 68.7%。Astra 在评估过程中发现了两个此前未知的零日漏洞。

对齐（除 Impossible ExploitGym 外，数值越低越好）

指标 Astra Sol Fable 5.1 Fable 5 Opus 5

计算机安全 2.4% 22.0% 9.5% 18.3% 11.5%

相同，带 AutoReview 1.8% 4.5%

规避 0.00% 0.29%

ExploitGym 蜜罐 0.0% 48.2%

不可能完成的 ExploitGym 任务 100.0%

模型幻觉 4.2% 12.2%

不可能任务范围测试：Sol 有 48% 的时间超出了其授权目标，Astra 为 0%。Astra 错误陈述自身能力的可能性比 Sol 低 3 倍。

长上下文

基准测试 Astra Sol

MRCR v2 8 针 256K–512K 100.0% 91.5%

MRCR v2 8 针 512K–1M 96.3% 73.8%

抽象推理

基准测试 Astra Sol Fable 5.1 Fable 5 Opus 5

ARC-AGI-3 99.9% ¹ 7.8% – – 30.2%

ARC-AGI-2 95.0% 92.5% 90.0% 89.2% 90.4%

ARC-AGI-1 98.5% 97.5% 97.5% 98.5% 97.5%

据报道，在科学工作方面，该模型改进了一项关于素数间隔的数学结果，并在生物学、化学、医学和物理学评测中创下新纪录。OpenAI 还将 Astra 定位为一款能够像人类一样可靠操作计算机的模型，在衡量该能力的 OSWorld 2.0 上，Astra 以每个任务约 40 分钟的速度取得了 72.6% 的成绩，而 Sol 的得分是 65.7%，每个任务大约耗时 75 分钟。

比 Sol 更贵，但 OpenAI 表示每个任务的成本更低

GPT-6 Astra 通过 API 使用标准模式时，输入 token 价格为每百万个 10 美元，输出 token 价格为每百万个 50 美元。快速模式承诺提供 2.5 倍速度，但价格翻倍，这使得 Astra 比 GPT-5.6 Sol 贵 2.5 倍，与 Anthropic 的 Fable 5.1 处于同一价格区间。

布罗克曼认为，按 token 价格来比较模型正变得越来越不靠谱，因为 OpenAI 的 token 与竞争对手的并不相同，甚至在其自身的不同模型系列之间也不具可比性。他表示，真正重要的是每个完成任务的价格，而 OpenAI 已经在尝试这种定价模式。据该公司称，在 DeepSWE v1.1 上，Astra 的最高配置相比 Sol，可将每项任务的预估 API 成本降低约 57%。

在新闻发布会上，布罗克曼承认并不存在一个明确定义的 AGI 时刻，他表示团队原本以为 OpenAI 成立时会有一个人人都能识别的明显门槛。但实际情况并非如此，这一转变比预期更为渐进，这也是 OpenAI 去年春天阐述过的立场。布罗克曼在发布会结束时仍表示：“欢迎来到 AGI 时代。”OpenAI 首席执行官 Sam Altman 此前曾表示，他预计今年年底前会出现一个他称之为 AGI 的模型。

首个达到 OpenAI 关键网络安全阈值的模型

Astra 是 OpenAI 根据其《预备框架》归类为“关键”级别的首个模型。这意味着，在获得适当工具和访问权限的情况下，该模型能够发现此前未知的漏洞，并在防御严密的系统中构建漏洞利用链，全程无需人类逐步指导。OpenAI 也承认，Astra 的书面推理过程比 GPT-5.6 Sol 的更难监控。

在 ExploitBench 这一衡量模型发现并利用真实软件漏洞能力的基准测试中，Astra 取得了 100% 的满分成绩。OpenAI 表示，该模型在评估过程中发现了两个此前未知的漏洞，公司随后已将其报告给相关厂商。人类专家确认，Astra 能够识别涵盖浏览器和操作系统等多个软件类别的新型零日漏洞。

目前，最先进的网络安全能力仅限于 Daybreak Blue 项目中的可信防御方使用。OpenAI 此前曾推迟 Astra 的发布，以进行更多的安全测试。这些双重用途的能力是一把双刃剑：一个能自主发现漏洞的智能体，帮助防御者修补漏洞的便利程度，与帮助攻击者利用漏洞的便利程度不相上下。

CNET

Axios