開放人工智能（OpenAI）推出 GPT-6 Astra：新一代智能模型引領人工通用智能（AGI）時代
OpenAI 最近發佈了最新的大型語言模型 GPT-6 Astra。該模型在多項嚴格基準測試中取得高分，包括終端基準科學（Terminal‑Bench Science）、代理最後考試（Agents' Last Exam）、前沿數學等級四（Frontier Math Tier 4）以及 ARC‑AGI‑3。
在 ARC‑AGI‑3 測試中，Astra 獲得 99.9% 的成績，顯示其在「自主學習與解決陌生問題」方面取得突破。模型能自主規劃、使用工具、操作電腦，並在多步驟流程中自我修正。
前沿數學等級四測試的正確率約為 98%。此測試由 Epoch AI 與數十位頂尖數學家（包括菲爾茲獎得主陶哲軒）共同設計，涵蓋代數幾何、範疇論、數論等研究級難題。人類專家通常需要數小時甚至數天才能解出一題。
與 OpenAI 同時發表了 Astra 生成的數學論文《Improved Short Gaps Between Primes》，宣布將「孿生素數猜想」的有界素數間距從 246 縮小至 186。
孿生素數猜想的核心是證明存在無窮多對差值為 2 的素數。2013 年，華裔數學家張益唐首次證明存在無窮多對間距小於 7,000 萬的素數；2014 年，陶哲軒發起全球線上協作計畫 Polymath8b，結合 James Maynard 的篩法，將上界鎖定在 246。此後 12 年未再縮小，直至 Astra 以形式化驗證工具 Lean（Lean）將上界降至 186，確保邏輯正確性。
基於上述成果，OpenAI 表示 Astra 已符合人工通用智能（AGI）的標準。
多項指標領先同儕
Astra 在電腦使用、瀏覽、軟件工程、網絡安全、科學研究與專業工作等領域均表現突出。與 Anthropic 推出的 Claude Opus 5.1 相比，Astra 在代理最後考試測試中使用的輸出 token 約少 65%，顯示同等任務下更具效率。
在電腦使用方面，Astra 能自動生成文件、電子表格與簡報，並根據需求靈活調整。BenchCAD（BenchCAD）測試中，Astra 獲得 95.9% 的得分，遠高於 GPT‑5.6 Sol 的 83.3%。過往的 AI 雖擅長文字與二維（2D）圖像生成，但在需要嚴密數學邏輯、精確尺寸和空間架構的三維（3D）領域常出現「幻覺」或結構扭曲。Astra 證明具備三維空間推理能力，能完整理解複雜物體的幾何拓撲，並轉化為嚴格的工程代碼。
在網絡安全方面，OpenAI 指出 Astra 是首個達到關鍵安全能力閾值的模型。配合適當工具與訪問權限，模型能自行發現未知漏洞並開發針對系統加固的利用程式，無需人工逐步指導。
科學研究能力同樣突出。終端基準科學 0.1 測試（Terminal Benchmark Science 0.1）中，Astra 取得 64.6% 的得分，超過 Claude Fable 5.1 的 52.6%。Astra 具備強大的長程推理與容錯能力，在數十步甚至數百步的複雜科學實驗鏈條中仍能保持嚴密邏輯，實驗失敗時能自行檢討並找出錯誤。GPQA Diamond（GPQA Diamond）測試（評估研究生級別的科學推理）中，Astra 獲得 96.0%。
任務完成速度亦有顯著提升。OSWorld 2.0（OSWorld 2.0）測試顯示，Astra 完成任務的速度比 GPT‑5.6 Sol 快約 47%。GPQA Diamond 題目由化學、物理、生物等領域專家設計，刻意避開網絡上直接可得的答案，每道題均包含高難度多步驟推理、複雜數學計算與陷阱選項。
自主運作的規劃能力
Astra 的設計目標是提升工作流程的效率與自主性，能在多種應用場景中自動執行複雜任務，從編寫程式碼到進行科學研究皆可勝任。模型透過海量數據學習與先進演算法，實現在各類任務中的高效表現。
OpenAI 在推出 Astra 宣傳片，展示從「編寫一個 2D 的火箭遊戲」到「直接生成高精度的 3D 立體火箭工程模型」的無縫跨越，不僅是呈現視覺特效，而是代表 AI 在跨模態整合與高維空間建模上的突破，包括跨維度空間對齊（2D Space to 3D Physics）、多工具鏈的「端到端」代理工作流（Agentic Workflow）以及多模態記憶與意圖的「不失真傳遞」。AI 從簡單的遊戲概念演進至符合工程標準的三維模型，直接輸出工業級 STL/STEP 檔案，可用於 3D 列印、CNC 數值控制加工或自動化大規模生產，具備直接參與實體製造、硬件設計與建築規劃的能力。
與競爭對手的比較
| 測試 | GPT‑6 Astra | Claude Opus 5.1 | GPT‑5.6 Sol |
|---|---|---|---|
| Terminal‑Bench Science 0.1 | 64.6% | 52.6% | 55.8% |
| Agents' Last Exam | 59.3% | 55.5% | 53.6% |
| OSWorld 2.0 | 72.6% | N/A | 65.7% |
| GPQA Diamond | 96.0% | N/A | N/A |
歡迎來到 AGI
儘管 Astra 在多項測試中表現優異，仍有改進空間。例如在 OSWorld 2.0 測試中僅取得 72.6% 的得分，說明仍有約四分之一的任務未能成功完成。模型仍會產生幻覺，雖較 GPT‑5.6 Sol 減少約三分之一，但尚未完全根除。總體而言，GPT‑6 Astra 標誌著人工智慧領域的重要突破。隨著技術持續演進，未來模型有望在智能與效率上取得更大進步。
OpenAI 總裁 Greg Brockman 簡短一句：「歡迎來到 AGI 時代」，說明了 Astra 的核心定位。