GPT-6 Astra发布，OpenAI总裁说AGI来了：AI开始替你干活了

9月3日，OpenAI正式发布新一代旗舰模型GPT-6 Astra。发布会后，总裁格雷格·布罗克曼说了一句很少见的话：我个人认为，我们可能已经到达AGI了。

他没有用官方口径，用的是第一人称，还特意加了"可能"。但这句话的分量，比任何官方公告都重。

它到底强在哪

先看一个让人不太敢信的数字：在公认最难的ARC-AGI-3测试上，Astra拿了98.6%。上一代旗舰GPT-5.6 Sol只有7.8%，Anthropic的Claude Opus 5是30%。

这不是从80分到90分的进步，是量级上的跨越。其他关键基准也很能打：顶级数学研究FrontierMath Tier 4拿到97.6%，研究生级问答GPQA Diamond 96%，真实软件工程DeepSWE 74.1%。

但Astra真正让人意外的，是它开始替你干活了。

会操控电脑的AI

过去AI操作电脑，走的是调API的路子，软件厂商先写好接口，AI再通过接口操作。这就意味着每一款软件都得专门适配AI。

Astra换了条路：它像人一样，直接看屏幕上的像素，然后移动鼠标、敲键盘。OpenAI给它的口号很直白，你在电脑上能做的任何事，Astra都能替你做。

演示里，它在KiCad里完成了一块PCB的布局走线，用时2分54秒；在Blender里搭了一栋房子，再导进虚幻引擎生成可漫游场景；甚至对着一句话，完成了eBay商品上架的整个流程。

这意味着，那些不会为AI写API的软件，企业内部用了十年的老系统、专业设计软件，它都能用了。像一个新入职的员工，不懂代码，但看得懂界面。

AGI了吗？先别急着下结论

Astra强，但不是全面碾压。在"人类最后的考试"HLE上，它拿了57.2%，两天前Anthropic发布的Claude Fable 5.1是65%。创意写作、综合知识这些维度，它也没拉开差距。

还有个细节要留意：ARC-AGI-3那个98.6%，依赖OpenAI的"有状态测试框架"，允许模型多轮尝试积累上下文。在普通API调用下，分数会明显缩水。横向比较时，这个前提不能忽略。

成本也摆在那。Astra的API定价是上一代的2.5倍，输入每百万token 10美元。训练用了得州Stargate数据中心超过10万张GPU。

真正该关注的变化

比起"AGI来了"这个判断本身，我更在意另一个信号：大模型的竞争，正在从"谁回答得更聪明"，转向"谁能把事情做完"。

这一周内，Anthropic发了Claude Fable 5.1，谷歌发了Gemini 3.8 Flash，Meta发了Muse Spark 1.3。大家不约而同，把力气都花在了编码、Agent和复杂任务执行上。

AI从聊天窗口走进软件界面，这件事的影响，可能比任何一个基准测试的分数都大。因为会聊天的AI是玩具，会干活的AI才是工具。

硅基世界，万物皆码。当代码开始替人跑腿，我们确实该认真想一想，接下来会发生什么。