GPT-6 Astra发布，各项评分指标领先
　　GPT-6 Astra发布，在多个测试集上实现评分领先。2026年9月4日，OpenAI正式发布GPT-6 Astra新一代旗舰模型。GPT-6 Astra汇集了OpenAI多年的研究成果和在预训练、强化学习和对齐领域的重大投入。Astra在计算机使用、浏览、软件工程、网络安全、科学和专业工作方面处于最先进水平。Astra以98%的分数接近FrontierMath Tier 4测试集的饱和能力水平，已经帮助解决了一些数学中长期存在的未解问题。Astra还在ARC-AGI-3测试集中拿到99.9%的得分，在ExploitBench漏洞利用测试中拿下100%满分。它还为AI对电脑和浏览器的使用开辟了新领域，以无与伦比的速度、准确性和判断力处理最具挑战性的专业工作。
　　数理和逻辑推理能力方面，ARC-AGI-3测试AI在解决不熟悉的交互任务时的学习能力。GPT-6 Astra在评估中表现突出，得分高达99.9%，平均人类测试员得分为48%。数学上，Astra在FrontierMathTier4 v2测试集上达到97.6%（接近98%饱和分），Claude Fable 5的分数为90.2%。这是当前最难的数学测试集，被公认为人类顶尖数学家的难题高地。
　　编程能力方面，Terminal-Bench 4.0测试AI在复杂的终端任务上的能力，包括软件工程、系统配置和数据分析。GPT-6 Astra得分57.9%创下新高，而GPT-5.6 Sol为37.3%，Claude Fable 5.1为55.8%，同时分别比这两个模型的每个任务预估API成本低约9%和63%。DeepSWE v1.1测试了在真实代码库中进行复杂的软件工程任务。GPT-6 Astra得分为74.1%，而GPT-5.6 Sol为72.7%，Claude Fable5.1为67.4%。
　　GPT-6 Astra在Agent和Computer Use方面能力突出
　　计算机使用方面，GPT-6 Astra在计算机使用速度、准确性和安全性方面领先。它可以处理繁琐的任务，比如填写在线表格、在CRM中更新客户记录以及整理日历。它可以在线进行研究，并在电子邮件或文档编辑器中草拟摘要。它可以分析科学数据，生成图表，创建网站，并进行前端质量保证检查，确保网站上的所有功能都能正常运行。它可以帮助你自主安装和测试软件，并排查屏幕上看到的问题。
　　从测试集评分来看，Agent’s Last Exam测试Agent在真实软件中完成复杂专业任务的能力，从财务建模到工程和媒体制作。在测试比较中，GPT-6 Astra达到了新的高点，得分为59.3%，而Claude Opus5为55.5%，GPT-5.6 Sol为53.6%。OSWorld 2.0测试模型是否能通过运行计算机应用程序完成任务。Astra在输出token量远少于GPT-5.6 Sol的情况下，任务评分更高。
　　风险提示：技术迭代不及预期；市场需求不及预期等。