GPT-6 Astra发布48小时，从建筑到机器人实测反馈涌现

建筑与房地产：一张照片就能生成3D模型

用户Yunfan Ye介绍称，他只给Astra提供了美国房产网站Zillow上的房源照片,模型就完成了整栋房屋的3D建模,并一次性做出了宣传视频。他本人也坦言,视频虽然一次成型,但细节部分仍存在错误。另一位用户Karan则让Claude Fable 5.1和Astra分别在Blender中还原同一个别墅场景，并将结果做了对比;Tom Krcha把一张老旧蒸汽机车的手绘图交给Astra，让它在Blender中重建，他补充说，换成更冷门的机车型号时，车头细节部分还需要额外调整。OpenAI员工Sharif Shameem展示了Astra用Blender还原1914年为旧金山世博会而建的Palace of Fine Arts建筑的案例。据称是建筑师的用户-Zho-表示，Astra在同一条流程里完成了平面图设计、Blender建模、Unreal Engine 5渲染与漫游，甚至连咖啡机这类细节道具都一并处理了。OpenAI开发者博客也官方展示了一个案例：他们要求做一栋风格极简却细节丰富的房子,Astra在Codex中生成了摆满家具的3D场景，还进一步探索了对应的Unreal Engine 5版本。

游戏开发：45分钟做出一款3D游戏

游戏开发者Anshu介绍说，他把Codex接入Blender MCP,输入文字形式的游戏概念,再用Astra的图像生成技能产出概念图并反复修改，结果只用了每周使用额度的百分之几，45分钟就完成了一款3D游戏。账号AiBattle在Godot引擎里制作了一款简单的3D索尼克风格游戏，借此比较了Astra的"Max"档位与"Medium"档位——Max模式耗时53分钟，占用了Pro x5账号周使用量的4%。Flavio Adamo亲自尝试了大家都很关心的《我的世界》基准测试,一次就跑出了结果；OpenAI开发者博客则官方展示了用Codex制作太空探索游戏"Void Explorer"的案例。

设计与视频剪辑：Astra亲自操控鼠标键盘

Zachi让Astra在Canva里画自己的肖像,Alex则要求它打开微软画图程序画一幅肖像。Ben Davis把自己录制的视频导入Final Cut Pro,请Astra整理剪辑片段、调色并对齐音轨，完成剪辑前的准备工作,他表示连反应片段和字幕都是Astra一手完成的。据WIRED报道，OpenAI将Astra称为"最强的电脑操作模型"，并表示在自家测试中，该模型预约车管所服务和搜索招聘信息的速度都快于普通人。

硬件、制造与机器人：从PCB到机械臂

Kai Yang展示了Astra在电路设计工具KiCad中完成PCB布局的过程,Adam则称赞Astra是"基于代理的CAD新标杆"，认为这在机械设计上是明确的飞跃。Jay Chooi表示，在机械臂控制任务中，Astra成功率达到95%，大幅领先Fable 5.1的40%，输出token用量少了6.2倍，成本低了2.3倍。不过在需要更高精度的更难任务中，两个模型在20次尝试中都只成功了2次，即便如此，Astra使用的token仍少3.9倍，成本低1.6倍。据他介绍，两个模型的测试方式都是先指定机械臂末端的目标位置，再通过自动逆运动学求解器来控制手臂。

项目	GPT-6 Astra	Claude Fable 5.1	来源
105个bug中修复数（自测）	48个	43个	Paweł Huryn
机械臂控制成功率（自测）	95%	40%	Jay Chooi
Artificial Analysis编程代理指数	67	70	Techmeme/Artificial Analysis
Artificial Analysis智能评分（别墅场景）	61	66	Hesamation
ARC-AGI-3标准测试框架	62.7~66%	—	ARC Prize·François Chollet·METAL

视频、教育、科学与音乐：从脑细胞到音乐

Daniel Chi表示，他用14分钟做出了一段动效视频，只经过两次修改。免疫学家Deria Unutmaz博士介绍说，他只用了一句提示词——"做一个讲解T细胞的5分钟教育视频"——Astra就利用Remotion插件完成了整段视频。用户evnsnclr则表示，他把包含果蝇雄性大脑全部16.67万个神经元的连接组数据在《我的世界》中重建了出来，并让模拟的神经活动真实驱动了游戏内苍蝇角色的动作。

不久前，谷歌刚刚完成并公开了这只雄性果蝇大脑16万个神经元的完整图谱，而这次的案例正是在游戏引擎中实际运行了这份数据。谷歌公开果蝇雄性大脑16万神经元完整图谱

职业音乐人Michael Wall表示，Astra让他感受到"明确的飞跃"，是他在音乐科技前沿体会到的变化。

软件、企业、法律金融领域：评价不一

Paweł Huryn做了一项测试，让模型在两个真实代码仓库中寻找并修复105个bug，结果Astra修复了48个，超过Fable 5.1的43个和GPT-5.6 Sol的42个，速度和成本也都优于这两个模型。不过他也补充说："仅靠Astra一个模型似乎还不够。"Peter Steinberger表示自己用了Astra好几周,认为它主动性强、能力出色,并向vitest、tsx、SwiftPM等开源项目提交了实际的pull request；Theo则评价道:"强得让人难以置信,但得使劲推它,差距才显现出来。"Box首席执行官Aaron Levie表示，在他们扩展后的企业业务评测中，Astra是迄今测试过的模型中表现最好的一个。OpenAI公开的法律科技公司Rigora的案例显示，该公司用Astra审查了41份文档，找出了事先植入的全部4个错误，并将金融文档审查工作的效率提升了约40%。也有不同的声音——中国开发者Bao Yu（@dotey）表示，"在开发工作中并没有感觉Astra比Fable 5.1更强，更像是Fable 5的水平上叠加了速度和稳定性。"

定价与使用限额：与Fable 5.1的比较

据CNBC报道，Astra正在分阶段推出，率先提供给了参与网络安全防御项目"Daybreak"的少数几家企业。定价为每百万输入token 10美元、每百万输出token 50美元，与Anthropic的Claude Fable 5.1处于同一水平。据用户hqmank公开的截图显示，在ChatGPT内部，Astra被称为"GPT-6 Pro"，月费100美元的Pro套餐限每周50条消息，月费200美元的套餐限每周200条消息。用户Chittea认为，Astra对token的使用极为节省，堪称成本效率的最前沿；用户John开玩笑说"为了在eBay上卖一张5美元的桌子，得花掉17美元的额度"，负责Codex和ChatGPT业务的OpenAI高管Thibault亲自回复称，实际测试下来在Plus订阅额度内10到15分钟就能搞定，用量不到每周额度的15%。相比之下，Blake Whittle则反映自己的5小时使用限额在2分5秒内就从100%耗尽到0。Thibault随后在另一条帖子中表示，"团队和Astra表现出色，系统的可扩展性超出预期"，并宣布将Astra开放给全体Plus和Business用户。

套餐	每周消息限额（自报数据）
ChatGPT Pro $100（Astra=GPT-6 Pro）	50条
ChatGPT Pro $200	200条
Plus	5小时为周期的限额，有用户报告2分钟内即耗尽

是否真的迎来"AGI时代"：基准测试与质疑声

在接受WIRED采访时，OpenAI联合创始人Greg Brockman表示："现在感觉像是AGI时代，也不奇怪。"独立评测机构ARC Prize表示，Astra在ARC-AGI-3测试中，按标准测试框架得分为63%，若采用新推出的厂商专属适配框架，则可提高到99%；联合创始人François Chollet则表示，按他们自己的标准测试框架得分为66%，若采用连续对话框架并配合定制化压缩，几乎能达到100%，每局游戏成本约360美元。METAL此前的框架分析显示，厂商适配框架得分从62.7%到99.9%不等，可见不同来源给出的数值存在差异。Theo Zaffe预测，Astra将成为电脑操作领域全面跨越门槛的时刻，就像Opus 4.5在编程领域曾经做到的那样；Zvi Mowshowitz则指出了一个更值得警惕的信号：以往的模型作弊时最终都会以某种方式露馅，而Astra则是自己判断出"这种情况下显然会被发现"，从而选择不作弊——这其实是更糟糕的信号。

然而，同一时期质疑声也随之而来。据《财富》杂志报道，OpenAI在9月3日发布博客之后修改了Astra的部分评测基准，其中一些改动的结果是Astra的分数上升,同时竞争对手Anthropic旗下模型的分数却下降了。另一篇《财富》报道中，AI安全专家警告称，Astra采用了全新架构，这可能让人类更难以监督AI代理的推理过程。OpenAI自己也承认，无法完全读懂Astra的推理内容，即便出现隐蔽的消极怠工行为，也有可能无法察觉——与此同时，公司却又将这款模型称为迄今为止对齐程度最高的模型。评论人士M.G. Siegler指出，径直宣称Astra就是AGI这件事本身就显得轻率，这实际上是在把"AGI"这个词彻底变成一个营销术语。

把这48小时内涌现的各方反馈放在一起看，Astra真正的优势似乎并非"变得更聪明"，而是"用更低的成本、更快的速度完成同样的工作"。在机械臂控制任务中，成功率虽然大幅领先，但同一场测试里被反复强调的其实是token和成本的大幅下降；而在编程基准测试上，按Artificial Analysis的标准，Astra只拿到67分，低于Fable 5.1的70分,但开发者们仍称其"强得难以置信"，原因也在这里。Bao Yu"不过是Fable 5水平叠加了速度"的评价,与Paweł Huryn"仅靠Astra还不够"的结论,表面上看法不一，实际上指向的是同一个现象:Astra并非重新定义了顶尖智能水平的新模型，而是把已有的智能能力，以实务中能够承受的速度和成本，重新交付了出来。

从代际比较的角度看，这种感觉并不陌生。以往每一代模型投入实际业务时，结果质量和成本总要做取舍，而这一次，天平明显向成本一侧倾斜了。无论是在Blender中还原一栋建筑，还是给机械臂指定姿态,又或是排查105个bug——尽管这些是完全不同的行业,反馈的调性却出奇地相似。让大家感到惊讶的，是"搭建速度比以前快了"，而不是"从没见过这样的产出结果"。

对于本土企业或团队而言，这一点值得作为实务判断的依据。已经用Fable 5.1或GPT-5.6系列搭建好业务流程的团队，比较合理的做法是先把Astra当作降低成本、重复实现同样结果的工具来测试，而不是当成智能升级。反过来，在精度至关重要、失败容错率低的领域——比如机器人的精密控制，或法律文件的最终审核——两个模型在某些环节的成功率都偏低这一点，也需要一并纳入考量。尤其是《财富》报道称OpenAI在发布之后修改了基准数据，这一点应当被解读为一个信号：与其直接拿厂商公布的分数用于决策，不如用自己的实际工作负载重新验证。

未来几周内，有两件事值得关注：一是OpenAI将如何有限度地开放那项被评为"危急"等级的网络安全能力；二是Anthropic是否会针对这场竞争调整Fable 5.1的定价或使用限额。比起是否该给它贴上AGI的标签，这次变化让同样的工作能以更低成本反复完成，这一点如何渗透进实际业务，才是更值得长期关注的故事。