OpenAI宣布推出新一代人工智能模型GPT-6 Astra ，并将其定位为公司迄今智能水平和对齐能力比较高 的模型 。Astra近来 首先向部分机构开放 ，并将在未来数日逐步覆盖ChatGPT Plus 、Pro 、Business和Enterprise用户，同时登陆OpenAI API、微软Azure和亚马逊AWS Bedrock 。
此次升级的重点已不仅是传统问答能力 ，而是进一步强化计算机操作 、软件开发 、科学研究、网络安全以及复杂专业工作。OpenAI公布的多项测试显示，Astra相较上一代GPT-5.6 Sol在计算机操作、编程和科研任务上出现明显提升，并尝试把模型能力进一步转化为可执行的企业级自动化工具 。
从商业化角度看 ，Astra正在把大模型竞争进一步推向“直接完成工作 ”的阶段 。OpenAI称，新模型能够操作软件 、填写在线表单 、维护客户关系管理系统、总结 日程 、进行网络研究 ，也可以直接处理科学数据 、制作图表、开发网站和执行前端质量检查。
计算机操作能力明显提升，单项任务耗时下降近一半
OpenAI此次重点强调了Astra的计算机操作能力。
在模拟真实专业软件环境的Agents‘ Last Exam测试中 ，GPT-6 Astra得分59.3% ，高于GPT-5.6 Sol的53.6%，也高于Claude Opus 5的55.5% 。OpenAI称 ，在比较高 得分配置下 ，Astra使用的输出Token数量比Claude Opus 5少约65% 。
在OSWorld 2.0测试中，Astra得分72.6% ，高于GPT-5.6 Sol的65.7%。与此同时 ，完成单项任务的模拟耗时从Sol的大约75分钟降至40分钟左右，缩短约47% 。
OpenAI还同步升级了Codex的计算机操作体系 。结合Astra本身的效率提升，公司称 ，在Mind2Web测试中 ，新组合的任务完成速度达到近来 GPT-5.6 Sol体验的约1.9倍。
这意味着OpenAI正在把模型竞争从“谁回答得更好 ”，逐步推进到“谁能更快 、更稳定地在真实软件环境中完成整套工作流程” 。
企业级文档 、表格和演示文稿成为重点应用场景
除了计算机操作 ，Astra明显加强了针对专业办公环境的训练 。
OpenAI称 ，新模型能够处理多步骤专业任务，并直接生成文档、电子表格和演示文稿 ，同时更好地遵循企业已有模板 、排版标准和视觉风格。模型还被专门训练为只提取与任务真正相关的信息 ，减少无关内容重复 。
在BenchCAD测试中，Astra借助工具完成三维物体重建时取得95.9%的几何重合度 ，高于GPT-5.6 Sol的83.3%以及Claude Fable 5.1公布的84.3% 。OpenAI称 ，在相关测试配置中，Astra的估算API成本分别低约43%和86%。
这部分升级对于OpenAI的企业业务尤其重要 。随着大模型能力逐渐趋同 ，企业客户越来越关注的已经不是模型能否生成文本 ，而是能否直接嵌入财务 、法律、工程 、数据分析和内容制作流程，并减少人工二次修改 。
编程能力继续提升，Codex强化长期任务处理
OpenAI同时将GPT-6 Astra称为公司迄今最强的软件工程模型。
在Terminal-Bench 4.0测试中 ，Astra得分57.9% ，明显高于GPT-5.6 Sol的37.3%，并略高于Claude Fable 5.1的55.8%。OpenAI称 ，在相应测试配置下 ，其单项任务API成本也低于对比模型 。
Astra还为Codex引入新的长期上下文处理机制 。过去，当一次编程任务持续时间过长 、上下文空间被占满时 ，系统通常会将此前内容压缩成摘要 ，而压缩过程可能丢失失败原因、测试结果或组件行为等细节。
按照OpenAI的介绍，Astra可以在不同上下文之间保存工作记录 ，并重新搜索此前的需求、测试结果以及工具输出 ，从而减少长时间调试和大型代码重构过程中出现的信息损失 。
科学与网络安全能力进一步提升
Astra此次另一项明显升级来自科学研究 。
在Terminal-Bench Science 0.1中，Astra取得64.6%的完成率 ，高于Claude Fable 5.1的52.6%。OpenAI称 ，在该测试配置中，其估算API成本低约31%；在一个成本更低的配置下，Astra得分61.1% ，而GPT-5.6 Sol的比较高 成绩为22.4% 。
在GPQA Diamond研究生级科学推理测试中 ，Astra得分96.0% 。OpenAI还表示，模型能够直接操作专业科研软件 ，对数据进行检查 、分析和可视化。
但更值得关注的是网络安全能力的跃升 。
OpenAI表示 ，Astra已经达到其《Preparedness Framework》中的网络安全“Critical ”级别 。在没有生产环境安全限制的测试中，Astra在ExploitBench取得100%的成绩 ，高于GPT-5.6 Sol的78.5%；在ExploitGym中成功率达到42.4% ，Sol为30.3%。
在针对2026年6月至8月新近漏洞设计的测试中，OpenAI称Astra甚至发现并利用了两个此前未知的零日漏洞 ，公司正在将这些漏洞披露给相关软件维护方 。
正因如此 ，OpenAI此次也同步强化了安全限制 。正式上线版本可以用于安全代码审查和漏洞修复，但会拒绝部分更高级别的攻击性网络安全请求 ，例如直接创建漏洞概念验证攻击代码。
安全对齐成为此次发布的另一条主线
相比此前单纯强调能力提升 ，OpenAI此次对Astra的安全和行为边界给予了更多篇幅。
公司称，在一项测试模型是否会超出授权范围的内部评估中，没有生产安全措施保护的GPT-5.6 Sol有48%的情况会超出预定目标 ，而GPT-6 Astra在该测试中的比例为0% 。
在另一项计算机操作安全压力测试中 ，Astra出现不符合预期结果的比例为2.4%，低于Claude Fable 5.1的9.5%和Claude Opus 5的11.5% 。
不过 ，OpenAI同时披露了一个潜在问题：部分评估显示 ，Astra的书面推理过程比GPT-5.6 Sol更难监控。公司称，这是由于Astra在较简单任务中能够使用更少的显性推理步骤完成问题 ，近来 提升模型行为的可监控性仍是研究重点 。
API定价每百万输入Token 10美元 ，输出50美元
商业化方面，GPT-6 Astra将直接进入OpenAI现有订阅体系 。
Plus 、Pro、Business和Enterprise用户将在未来数日陆续获得访问权限 ，Astra的使用量将计入现有订阅额度 ，用户和企业也可以额外购买使用额度。Pro 、Business和Enterprise用户还将获得GPT-6 Astra Pro版本 。企业管理员需要主动开启Astra，发布初期默认处于关闭状态 。
开发者可以通过OpenAI API调用gpt-6-astra ，微软Azure以及亚马逊Bedrock也将提供该模型。
OpenAI公布的API标准费用 为每百万输入Token 10美元 、每百万输出Token 50美元 ，缓存读写另行计费 。此外，公司还提供Fast模式，处理速度比较高 可以达到标准模式的两倍 ，但费用 也是标准模式的两倍 。
从此次发布可以看出 ，OpenAI对下一阶段大模型商业化的定位正在进一步变化：单纯提升推理基准已经不是唯一重点，计算机操作、软件开发 、企业办公 、科学研究和自动化执行能力正在成为新的竞争核心。
GPT-6 Astra能否进一步扩大OpenAI在企业AI市场的领先优势 ，最终仍取决于这些测试中的能力能否稳定转化为实际生产效率 ，以及企业客户是否愿意为更高等级的自动化执行能力支付额外成本 。
