OpenAI 近期發布了新一代模型 GPT-6 Astra，這不僅是參數規模的提升，更是從單純的對話模型轉向具備高度自主能力的智能體（Agent）。Astra 整合了預訓練、強化學習與對齊技術的多年研究成果，旨在解決複雜的專業工作環境中，實現對電腦與瀏覽器的精準操作，並在數學、科學與網路安全等尖端領域展現出超越前代的推理能力。
背景與核心突破
過去的 AI 模型雖然能生成程式碼或提供操作建議，但在實際執行任務時，往往受限於無法直接與作業系統互動，或在多步驟工作流中容易迷失目標。GPT-6 Astra 的核心突破在於其強大的電腦使用能力（Computer Use），使其能像人類一樣操作瀏覽器、填寫表單、更新 CRM 客戶記錄、分析科學數據並生成圖表，甚至能自主安裝軟體並排除螢幕上出現的故障。
在性能指標上，Astra 在多項極端困難的基準測試中達到近乎飽和的表現。例如，在衡量通用智能的 ARC-AGI-3 測試中獲得 99.9% 的高分，在 FrontierMath Tier 4 數學測試中達到 98%，並在 ExploitBench 網路安全測試中取得 100% 的滿分。這些數據顯示 Astra 在處理陌生環境、解決新穎問題以及執行高難度邏輯推理方面，已達到或超越人類基準。
電腦操作與專業工作流的實踐
Astra 在實務應用上將重點放在提升執行速度與準確度。透過更新 Codex 框架（OpenAI 的程式碼執行環境），Astra 在 Mind2Web 基準測試中的任務完成速度比前代 GPT-5.6 Sol 快了 1.9 倍。在 OSWorld 2.0 的模擬中，Astra 不僅將性能提升至 72.6%，且單次任務的處理時間縮短了約 47%，大幅降低了延遲。
針對專業辦公場景，Astra 強化了對企業模板的遵循能力，能產出格式精良且敘事結構清晰的簡報、試算表與文件。它具備更強的視覺判斷力，可直接透過提示詞創建、託管並分享網站或網頁應用程式。此外，Astra 在處理模糊指令時表現更成熟，它會利用上下文填補常規空白，而在關鍵決策點則會主動提出精確問題，甚至能在等待使用者回覆時，先異步處理不相依的次要任務。
軟體工程與記憶管理機制
在軟體工程領域，Astra 被定位為目前最強的編碼模型。它能提供更易於開發者理解的溝通方式，並產出更接近生產環境品質的程式碼，減少反覆修改的次數。針對長對話中容易出現的上下文遺忘問題，Astra 引入了一種新的記憶保存與檢索機制。
傳統模型在上下文視窗（Context Window，模型一次能處理的資訊量）填滿時，通常採取壓縮總結（Compaction）的方式，這容易導致關鍵細節丟失。Astra 則改為在上下文視窗之間保留筆記，讓之前的資訊保持可搜尋狀態，而不需要將所有內容強行壓縮成單一摘要，這讓處理大型代碼重構或複雜除錯任務時更加可靠。
網路安全能力與對齊限制
Astra 在網路安全方面展現了極高的危險性與潛力。它能識別並開發零日漏洞（Zero-day exploits，指尚未被廠商知曉且未修補的漏洞），在 SRE-Bench 逆向工程測試中，單次嘗試的成功率達 88%。雖然這種能力能幫助防禦者快速修補漏洞，但也增加了被濫用的風險。
為了平衡能力與安全，OpenAI 實施了嚴格的對齊（Alignment，使模型行為符合人類意圖與倫理）訓練。在針對不可能完成任務的壓力測試中，Astra 表現出極強的邊界意識，不會嘗試越權操作。與前代相比，Astra 產生能力幻覺（Capability Hallucination，指模型誇大或誤報自身功能）的機率降低了三倍。儘管如此，研究發現 Astra 在簡單任務中能更有效地控制書面推理過程，這使得監控其內部思考路徑變得更困難，這將是未來研究的重點。
實務意義與部署限制
GPT-6 Astra 的推出標誌著 AI 從助手演進為執行者。它能處理繁瑣的行政工作、加速科學發現（例如在素數間隙研究中協助突破 80 年未變的界限），並大幅提升專業知識工作的產出效率。
然而，高強度的安全監控可能會帶來副作用。為了防止模型被用於惡意攻擊，OpenAI 在生產環境中部署了對齊監控與自動審查機制，這可能會導致某些合法的防禦性網路安全任務被暫停或攔截。目前 Astra 已向部分組織開放，並將逐步推廣至 ChatGPT Plus、Pro、Business 與 Enterprise 用戶，以及透過 API 與雲端平台（Azure、AWS Bedrock）提供服務。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。