Astra發佈前幾個小時，AI圈先亂成了一團。
9月3日晚間，ChatGPT、Claude和Grok幾乎同時出現大範圍服務異常，大量使用者不是打不開模型，就是請求失敗。
恰在此時，ChatGPT官方帳號在仰望星空：“The stars are almost aligned.”（群星即將就位）
很快有人開起玩笑：Astra是不是在部署的時候，順手把Anthropic和xAI都駭了一遍，最後連自己也沒放過？
當然，這只是網友造的一個梗，目前沒有證據表明這場故障與Astra有關。
但這個玩笑出現得恰逢其時——就在兩天前，OpenAI剛剛宣佈，這款尚未正式發佈的新模型已經成為公司第一個跨過Preparedness Framework“Critical”網路安全能力閾值的模型。
然後，群星真的“就位”了。
台北時間9月4日凌晨，OpenAI正式發佈GPT-6 Astra。
但並沒有全量上線。目前Astra只向少量Trusted Access/Daybreak體系中的機構和經過稽核的網路安全使用者開放——Plus、Pro、Business、Enterprise和API使用者還要再“仰望”幾天。
01. Astra來了，但是如來
9月4日，OpenAI“對內”發佈了GPT-6 Astra。
目前，Astra只向Trusted Access / Daybreak體系中的少量機構開放。OpenAI表示，Plus、Pro、Business、Enterprise訂閱使用者以及API，將在未來幾天陸續獲得存取權。
至於這個“幾天”究竟是多少天，暫時沒有更具體的時間表。
在發佈前的閉門媒體簡報會上，OpenAI總裁Greg Brockman給了Astra一個相當誇張的註腳：“Welcome to the AGI era.”
歡迎來到AGI時代。
OpenAI研究副總裁Aidan Clark則從另一個角度解釋了Astra為什麼特殊：“這是第一次在德州Stargate站點用超過10萬張GPU做預訓練，從資料中心網路到推理核心再到模型本身的形態，全部圍繞這個訓練規模從零設計”。
Aidan同時表示，Astra也是OpenAI第一款讓舊代際模型深度參與訓練過程的產品。
簡單來說，訓練下一代AI的人裡，已經開始出現上一代AI。
雖然它還遠遠算不上“AI自己訓練自己”，但模型已經進入了下一代模型的研發流程。
在前天Anthropic稱Fable/Mythos 5.1是“目前世界上最先進的編碼和知識工作模型”之後，今天，OpenAI也把稱Astra是“世界上最強、最對齊的模型”。
基準測試方面，最嚇人的數字，來自ARC-AGI-3。
這是一個專門測試模型能否進入從未見過的2D環境，通過不斷試錯發現規則、完成目標的Agent基準。它不像傳統考試那樣考記住多少知識，而更接近於把AI丟進一個陌生遊戲裡，看它能不能自己摸清楚“這個世界怎麼運轉”。
Astra在OpenAI自己的Provider Adapter配置下，最高拿到了99.9%。
但這個數字需要拆開看。ARC Prize還使用了一套所有廠商都可以統一比較的Standard harness。在這裡，Astra最高只有62.7%。
兩者最大的區別並不是換了題目。OpenAI之前發現，Sol之所以分低，不是因為模型笨，而是harness在持續格式化它的記憶。所以OpenAI的做法，是把ARC-AGI-3的harness換成自家Responses API的生產配置，然後還特地為ARC-AGI-3準備兩個特殊設定，分別為保留推理（retained reasoning）和壓縮（compaction）。前者讓模型在動作之間記住自己剛才的思路，後者則用摘要代替粗暴截斷。
接上這套生產系統之後，Astra從62.7%跳到了99.9%，而且在雙方都成功完成的任務中，Provider Adapter整體運行速度約快3.66倍，token消耗還減少了49%。
某種意義上，挺像開外掛的。
在高難度數學方面，FrontierMath Tier 4為97.6%。FrontierMath所處的Epoch AI表示，OpenAI資助了該基準的開發，並對其部分題目擁有獨佔訪問權。
值得關注的分數還有：
DeepSWE v1.1 74.1%
BenchCAD 95.9%
Terminal-Bench科學任務 64.6%。
但OpenAI這次顯然沒有只想靠一排Benchmark介紹Astra。
打開官網，案例幾乎是一個接一個往下放。
KiCad、Excel、Blender、Power BI、瀏覽器填表、網站QA；再到找房、找醫生、預約DMV、做稅表、做PPT、開發遊戲、分析科研資料。
過去幾代GPT發佈，OpenAI主要在告訴使用者這個模型能回答什麼；到了Astra，它的重心似乎轉了個向，變成了：你到底還有多少事情，可以直接交給AI去做。
OpenAI甚至直接稱Astra為“世界上最好的computer use模型”。
模型在“用電腦”這件事上的進步，可能比分數更重要。在Codex裡，Astra帶來了一套新的上下文機制：上下文窗口填滿時不再只靠壓縮摘要，而是可以跨窗口保留筆記、回搜更早的消息和工具輸出。
Astra還可以在某個問題懸而未決時，先繼續做不依賴答案的部分，避免單個未決問題卡死整個任務。
當然，能力也直接寫進了價格里。
GPT-6 Astra的API標準價格是：每百萬輸入token 10美元，快取輸入1美元，輸出50美元。
相比GPT-5.6 Sol目前的4美元輸入、0.4美元快取和20美元輸出，Astra整檔價格直接提高到了2.5倍。OpenAI給它的定位也很明確：如果不知道該選什麼旗艦模型，可以選Astra；如果更在意成本，則繼續使用GPT-5.6 Terra或者Luna。
它仍然提供105萬token上下文和最高12.8萬token輸出。但長上下文也有額外成本：和GPT-5.6系列一樣，當單次輸入超過272K token後，整次請求的輸入費用會按2倍計算，輸出則按1.5倍計算。
所以，OpenAI其實給Astra獨劃出了一個更昂貴的智能檔位。
如果只是問一個問題、改幾段文案，花2.5倍價格未必值得。
但如果模型真能自己坐在電腦前，連續工作幾十分鐘甚至幾個小時，把過去需要人來回切軟體、查資料、填表格、改檔案的一整件事情做完，那麼真正該比較的，就不再只是每百萬token多少錢了。
02. 幾個技術點，值得注意
Astra還有幾個技術點，或許比Benchmark本身更值得注意。
第一個是逆向工程。
OpenAI在這次發佈中引用了SRE-Bench。這是Columbia DAPLab等團隊今年推出的一套逆向工程基準：不給模型原始碼，只給編譯後的二進製程序，看它能不能重新理解程序邏輯、找到關鍵行為。
Astra一次嘗試的成功率達到88.0%，最多四次嘗試可以達到99.2%。
同一套規則下，GPT-5.6 Sol分別只有55.9%和68.7%。
換成人話說，就是AI面對一個已經被編譯、幾乎看不到人類可讀程式碼的程序，也開始能夠從機器指令裡一點點把它“拆回來”。
這對惡意軟體分析、韌體研究、漏洞挖掘和數字取證都有直接意義。
第二個變化，是Astra在超長任務裡“不容易找丟東西了”。
在MRCR v2八針檢索測試中，Astra面對256K至512K上下文時精準率達到100%；到了512K至1M token，仍然有96.3%。而GPT-5.6 Sol在這兩個區間分別只有91.5%和73.8%。
過去很多模型號稱支援百萬上下文，但如果把一條重要資訊埋在幾十萬token之外，模型到了後半程已經可能忘得差不多了。
Astra則開始把“上下文窗口有多大”，推進到了另一個更實際的問題：一個Agent到底能記住多長時間以前發生的事情。
對於需要連續工作幾十分鐘甚至幾個小時的Agent來說，這可能比再增加幾十萬token窗口更重要。
除此之外，Astra身上還有一個比較反常的變化。
它變得更對齊了，卻也變得更難監控了。
OpenAI公佈的一組內部電腦使用安全測試中，Astra的違規率從Sol的22.0%下降到了2.4%；在專門觀察模型是否會為了完成任務繞過限制的測試裡，Astra為0%。內部幻覺測試也從Sol的9.4%下降到Astra的2.0%。
至少按照OpenAI自己的測試，Astra明顯更少“亂來”。但OpenAI首席科學家Jakub Pachocki同時提醒：“智能的進步，並不保證對齊的進步。”
原因之一，在於Astra開始越來越少把自己的完整思考過程寫出來。
過去一種很重要的AI安全辦法，是監控模型的思維鏈（Chain of Thought）：如果模型準備越權、攻擊某個系統或者偷偷改變目標，可以提前從它的推理裡看到蛛絲馬跡。
但OpenAI發現，Astra對於自己的書面推理擁有更強的控制能力。一些過去必須寫很多步才能解決的問題，它現在可以用更少的顯式推理完成；如果模型知道自己的思考過程正在被監控，還會明顯改變或者縮短這些內容。
因此，OpenAI現在已經不能只盯思維鏈了。
為了盯住Astra，不讓它做出此前在Sol上出現的攻擊行為，OpenAI在生產環境裡裝上了“失對齊監控”（misalignment monitoring）。它會同時觀察模型的推理、實際動作、工具呼叫以及整條任務軌跡。
如果系統判斷模型可能正在嚴重偏離使用者原始意圖，可以暫停甚至直接終止任務。
在API裡，被攔截的任務可能直接結束；在ChatGPT或Codex裡，一些情況下則會先讓使用者重新確認：
“這真的是你想讓我做的嗎？”
產品層面，Astra的API模型名直接是gpt-6-astra，同時進入Amazon Bedrock。
OpenAI還推出了Fast模式：價格翻倍，最高換來約2.5倍執行速度。
對於普通聊天，這可能沒什麼吸引力。但如果一個Agent原本要在瀏覽器和軟體裡跑40分鐘，把時間縮到十幾二十分鐘，速度本身就會變成產品能力的一部分。
訂閱側，Astra會包含在現有訂閱額度裡；Pro、Business和Enterprise還會獲得能力更強的Astra Pro。Enterprise默認不會直接開啟，需要管理員手動打開。
雖然，現在暫時都還打不開……
03. 前史複雜，限量開放
Astra可能是OpenAI迄今“前史”最多的一次模型發佈。
很多模型都是先發佈，再慢慢暴露問題，而Astra反了過來——當然，不排除有部分行銷手段。但在正式上線以前，OpenAI已經花了將近一個月，不斷解釋它為什麼需要被更謹慎地訓練、測試和開放。
8月7日，OpenAI第一次公開表示，最新內部評估讓公司已經無法排除Astra達到Preparedness Framework下“Critical”網路安全能力閾值的可能。
到了9月1日，這個“可能”變成了正式結論：Astra成為了OpenAI第一個被評定為Critical網路安全能力的模型。
按照OpenAI自己的標準，這意味著在擁有合適工具和存取權的情況下，Astra已經能夠在很多經過加固的現實系統中，不需要人類逐步指導，自主發現此前未知的漏洞並開發可用的利用方式；或者只給它一個高層目標，就能自己設計並執行一套針對加固目標的端到端攻擊策略。
這已經不只是“會寫攻擊程式碼”的水平了，在ExploitBench上，Astra直接拿到了100%。
為了避免模型只是記住了公開漏洞，OpenAI又另外準備了一套內部測試，放入20個2026年6月至8月才披露的V8高危漏洞。Astra不僅比GPT-5.6 Sol用了更少的輸出token，還獲得了明顯更高的任意程式碼執行成功率。
測試過程中，它甚至自己發現並利用了兩個此前未知的zero-day，並把它們串進了一條漏洞利用鏈。OpenAI稱，目前正在向維護者披露這兩個漏洞。
專家測試則更接近現實攻擊。面對經過強化的瀏覽器，Astra找到未知漏洞後，可以一路做到逃出沙盒，並在宿主機執行命令；在加固作業系統上，它又把多個漏洞串成一條本地提權鏈，從普通使用者拿到root權限。
也正是在這個過程中，OpenAI第一次發現，模型的危險能力已經開始影響模型本身應該怎麼被訓練。
8月18日，OpenAI公開承認，公司一度暫緩擴大訓練規模，其中包括暫停兩周擬用於部署的最新模型強化學習訓練。
與此同時，大量涉及Astra的訓練和評估任務，也因為還沒有遷移到新的安全環境而繼續暫停。
過去討論AI安全，更多是在問模型訓練完以後，能不能安全地交給使用者；但在Astra這裡，問題已經提前到了訓練階段。
OpenAI因此重新加固了整個研究環境。執行模型生成程式碼的任務需要更嚴格的沙盒；高風險工作負載需要更強的網路隔離；Astra checkpoint增加加密和存取控制；所有帶工具的Astra推理都要接受額外監控。
這套監控本身甚至不便宜，OpenAI估算，僅監控系統帶來的計算開銷，就大約相當於被監控推理算力的20%。
換句話說，Astra的成本不只“訓練一個更大的模型”，OpenAI還要額外花掉相當一部分算力，去盯著這個模型到底在做什麼。
這也解釋了為什麼，Astra正式發佈以後，最先進的網路安全能力並沒有直接完全放給所有人。
OpenAI明確表示，Astra默認生產版本仍會對高風險網路攻擊請求設定限制；更高級的網路安全工作流，最初只向一小群Alpha測試者開放，再通過Daybreak Blue逐步擴大到經過稽核的防禦性使用者。
普通使用者未來幾天雖然也會拿到Astra，但並不意味著每個人拿到的能力邊界完全一樣。
這種限制甚至可能產生誤傷。OpenAI提前警告，額外的安全檢查有可能讓正常任務變慢、暫停甚至直接停止，連一些看起來與網路安全無關的長時間Agent任務，也可能被錯誤標記。
如果ChatGPT或Codex裡的任務被不對齊監控暫停，使用者可能需要回來確認操作後才能繼續；API裡的任務則可能直接終止。
這部分變化，很容易在Astra發佈以後被“AGI”的風頭蓋過去。
模型越有能力，人能直接獲得多少能力，開始越來越取決於平台願意給你多少權限。
然後，在這樣一連串“Critical、暫停訓練、隔離、監控、分級開放”之後，Greg Brockman在發佈Astra的媒體簡報會上說：“Welcome to the AGI era.”
他甚至表示，如果讓他個人判斷，他認為“我們已經實現了”。
但被追問“那OpenAI是否正式宣佈實現AGI”時，Brockman又承認，AGI已經變成一個“gray, fuzzy thing”，更像一種“mission concept”或者“spiritual concept”，而不是一個能夠精確劃線的技術標準。
更早之前，在《Sources Podcast》裡，Altman已經不太願意認真討論“我們什麼時候實現AGI”這個問題了，他認為AGI這個詞“往好了說，也是一個定義非常模糊的概念”，甚至差點把它稱作一個“無關緊要的行銷術語”。
原因不是OpenAI離AGI更遠了。恰恰相反，是因為在Altman的判斷裡，AGI可能已經沒有那麼重要。
他真正開始擔心的是下一個詞：Superintelligence，超級智能。
Altman說，一年前，他還不認為OpenAI正處在通往超級智能的短期軌跡上。現在，他認為這件事“可能會發生”。
不過還是想吐槽一下，難道ASI就不是“無關緊要的行銷術語”了嗎？ (字母AI)