9月3日凌晨，GPT-6 Astra正式亮相。OpenAI总裁Greg Brockman在发布会上宣告：”欢迎来到AGI时代。”9月5日，OpenAI全量推送了GPT-6 Astra，让付费用户们及时体验上了新模型。
和前几代大模型相比，GPT-6 Astra在多个关键基准上跑出了”饱和”的成绩。在研究级数学基准FrontierMath Tier 4跑到98分达到”饱和”；在强调陌生环境中学习与抽象推理的ARC-AGI-3上，从上一代GPT-5.6 Sol的7.8%直接跳到99.9%，实现了”从0到100″的突破；漏洞利用测试ExploitBench则直接满分100%。
但”会刷题”算不得什么，能干活才真有用。实际干活时GPT-6 Astra能做到”又快又省”——交付质量更高的同时，单次任务的Token消耗和任务耗时都明显低于上一代。Perplexity在自家AI研究智能体评估框架中测出，Astra的单次任务花销低于Anthropic的Fable 5.1。
在编程场景上，GPT-6 Astra在Terminal-Bench 4.0为57.9%，超过了Fable 5.1的55.8%，而GPT-5.6 Sol只有37.3%。网友们已经能拿它做出媲美真实游戏的作品，包括射击游戏、开放世界冒险游戏等，从建模和实际体验来看已可以算成品级别。
智能体维度上，GPT-6 Astra在OSWorld 2.0（真实桌面环境里看屏幕、点鼠标、敲键盘完成操作）达到72.6%；在跨系统业务流程的AutomationBench上从上一代的18.1%大幅提升至41.4%。完成一个计算机使用任务的平均耗时约40分钟，比上一代Sol的75分钟少了47%。
支撑这一跃迁的是又一次”大力出奇迹”：据外媒报道，GPT-6 Astra的训练动用了10万GPU的集群，是OpenAI迄今最大规模的一次训练。据报道，OpenAI采用了”循环深度”（recurrent depth）的架构技术，通过复用同一组网络层进行多次内部循环计算，中间推理在隐藏状态中完成，不会全部转化为输出文本，让模型”想得多但说得少”，实现又快又省。
不过GPT-6 Astra也有”偏科”表现。在人类终极测试（Humanity’s Last Exam）上成绩为57.2%，反而低于GPT-5.6 Sol与Fable 5.1。按照Artificial Analysis的通用智能指数，Astra为61.2，与Sol的60.9基本持平，被网友戏称”更贵版本的Sol”。