“Welcome to the AGI era.” 歡迎來到AGI時代。
據Axios對發佈簡報的報道，OpenAI總裁Greg Brockman在GPT-6 Astra發佈時，用這句話結束了發言。
理解這句話，可以從OpenAI對AGI的定義入手，再看Astra這次展示了哪些能力。以下沿着OpenAI的章程、發佈材料和評測結果，梳理這套表述背後的依據。
OpenAI所説的AGI，落在“自主完成工作”上
在OpenAI章程中，AGI被定義為：能夠在大多數具有經濟價值的工作中超越人類的高度自主系統。
這一定義包含兩個相連的要求。系統要具備跨任務的能力，也要有足夠的自主性，把能力用在實際工作中。
沿着這個定義看Astra，發佈材料中的電腦操作、科學研究、陌生環境學習和任務邊界，就有了共同的指向：用户給出目標後，系統能夠理解環境、採取行動，並持續推進任務。
電腦操作，讓模型進入實際工作環境
OpenAI在Astra的發佈材料中，把電腦使用放在突出位置。官方展示包括填寫表單、維護客户記錄、處理文檔，以及在KiCad中進行電路板佈局等任務。
電路板演示給出了一個具體過程：Astra讀取電路原理圖，在KiCad中放置元件、完成銅線佈線，形成電路板佈局。網頁展示的是15秒壓縮回放。這裏展示的是從設計輸入到軟件操作、再到設計輸出的一段完整流程。
對於OpenAI章程中“具有經濟價值的工作”，這種演示提供了具體的對應場景。工作內容可以是辦公室中的文檔處理，也可以是工程軟件裏的設計操作。
OpenAI還披露，在OSWorld 2.0的延遲模擬中，Astra取得72.6%的成績，每項任務約40分鐘；GPT-5.6 Sol為65.7%，約75分鐘。這組數字展示的是特定測試配置下，電腦任務表現與完成速度的同步改善。
因此，理解OpenAI這次強調的“自主性”，可以直接觀察任務怎樣推進：模型是否能夠在軟件裏完成操作，是否能夠根據操作結果繼續下一步，以及能否減少每一步都由人指揮的需要。
核對41份文件，找出50萬英鎊的差異
OpenAI公佈的Legora客户案例，展示了財務報表核對這一任務：把報表草稿中的數字，與試算平衡表、合併明細和上年報表逐項比對。
據Legora披露，接入Astra的智能體在一次運行中，用數分鐘核對了41份文件，找出全部4處預設錯誤，包括收入附註中50萬英鎊的差異。它還留下逐項核對記錄，供專業人員複核和作出最終判斷。
這個案例把“處理大量信息”具體化成了一份核對結果：哪些金額一致，哪裏出現差異，每項檢查對應什麼依據。
做出三種遊戲原型，再進入遊戲驗證
Playco的客户案例展示了另一類工作。團隊先建立由簡單幾何體組成的基礎遊戲原型，經過玩法和創意調整後，再用Astra從這個基礎生成三種主題版本。
據Playco披露，大多數版本首次生成即可運行，其中一個賽博朋克版本需要修復性能問題。相比上一模型，人工修復減少50%。它使用的Playbot開發環境允許模型進入遊戲引擎，修改場景、運行遊戲並驗證修改結果。
從這一流程可以看到，交付物是能夠試玩的遊戲原型，執行步驟包含製作和運行驗證。文檔核對與遊戲開發，也分別展示了Astra在數字信息處理和交互軟件製作中的應用。
ARC-AGI-3展示的是，遇到陌生環境後怎樣學習
發佈的ARC-AGI-3圖表中，Astra的成績為99.9%。
這項測試讓智能體進入陌生的交互環境，探索規則、識別目標，再規劃行動。模型需要在與環境的交互中，逐漸形成解決問題的方法。
ARC Prize記錄了Astra在測試中的一種行為：它把遊戲裏的對象、位置和交互關係整理成緊湊的符號表達，用這些記錄追蹤狀態並安排後續動作。
例如，觀察到某個操作會改變物體位置之後，模型可以把這一關係保留下來，在後續步驟中繼續使用。探索得到的信息由此進入計劃，而不只是停留在一次回答裏。
ARC Prize還報告，在廠商適配框架、max推理檔位下，Astra在96%的關卡中使用的動作數量少於人類基準。這裏比較的是完成關卡所需的交互動作，反映它在這些環境中的行動效率。
99.9%對應廠商適配框架、high推理檔位；標準框架下的最高成績為62.7%，對應max檔位。廠商適配框架保留跨請求的推理狀態，並對長對話進行上下文壓縮。
這些條件也解釋了Astra怎樣連續學習：模型需要保存已經獲得的信息，才能把前面的探索用於後面的行動。OpenAI此前關於運行框架的實驗，同樣把保留推理狀態和上下文壓縮視為持續執行任務的重要組成部分。
科學研究，把推理與實驗過程連接起來
另外兩張圖展示了Terminal-Bench Science 0.1的結果：一張比較解決率與輸出，另一張比較解決率與API成本。
這項測試要求智能體使用代碼和終端工具推進科學工作流，涉及數據分析、模擬和模型擬合。OpenAI披露，Astra最高解決率為64.6%，Claude Fable 5.1為52.6%；對應配置下，Astra的估算API成本低約31%。
圖中呈現的能力組合，是在研究問題上進行推理，再通過工具執行分析過程。解決率、輸出用量和成本被放在一起，展示完成這類任務所需的資源。
科學進展也有測試之外的材料。OpenAI隨Astra發佈了素數間距研究成果及證明文件。其中，《Improved short gaps between primes》提出：存在無窮多對相鄰素數，其間距不超過186。
這一命題討論的是，無論沿數軸走多遠，仍然會不斷出現間距不超過186的相鄰素數。官方將其列為Astra參與數學研究的成果，並公開了相應研究材料。
從工作類型看，科學分析和數學研究把能力範圍擴展到了知識探索：模型既要處理已有信息，也要參與計算、推導和驗證過程。這與OpenAI所強調的跨領域專業能力相銜接。
自主執行，也包括理解任務的邊界
OpenAI對Astra的描述同時強調能力與對齊。這裏的對齊，指模型的行為是否符合人的意圖和授權範圍。
發佈的ExploitGym honeypot圖中，GPT-5.6 Sol為48.2%，Astra為0%。這項測試在困難的授權任務之外設置額外目標，觀察模型是否為了完成任務而攻擊這些蜜罐位置。圖中的數值對應這一特定測試結果。
OpenAI通過這類測試考察的是：當原定路徑遇到困難時，模型能否繼續遵守任務邊界。
它與“高度自主”直接相關。系統獲得的行動空間越大，就越需要正確理解哪些操作屬於用户目標，哪些資源並未得到授權。自主完成工作，也包含在執行過程中保留這些約束。
在同期安全説明中，OpenAI稱Astra更能遵守安全限制，併為對外部署增加了監控措施，用來識別和攔截可能的越界行為。
按照OpenAI的部署思路，模型自身對意圖和邊界的理解，與外部監控共同構成了讓用户委託任務的基礎。
從一句宣告，回到它所指向的能力
把這些材料與OpenAI章程放在一起，“歡迎來到AGI時代”所指向的圖景就更加具體。
電腦操作對應在實際軟件中執行工作；陌生環境測試對應探索、學習和規劃；科學工作流與數學研究對應專業推理和知識探索；對齊訓練則對應自主執行時對用户意圖的遵循。
這幾組能力共同構成了OpenAI此次發佈的敍事：用户提出目標，模型進入工作環境，在執行中學習和調整，調用工具推進任務，並在授權範圍內交付結果。
Brockman的這句話，正是在這樣的產品與能力背景下提出的。理解OpenAI為什麼選擇在Astra發佈時談論“AGI時代”，需要看到它展示的這套從理解到行動、從探索到交付的完整過程。
資料來源
Axios PM，The AGI era，2026年9月3日；發佈簡報發言的現場報道。 https://www.axios.com/newsletters/axios-pm-17e2723f-f49b-4f7d-9439-1bf9f8994b9c
OpenAI Charter。 https://openai.com/charter/
OpenAI，GPT-6 Astra: A new generation of intelligence。 https://openai.com/index/gpt-6-astra/
ARC Prize，OpenAI’s GPT-6 Astra on ARC-AGI-3，2026年9月3日。 https://arcprize.org/blog/astra
ARC Prize，GPT-6 Astra Results。 https://arcprize.org/results/openai-gpt-6-astra
OpenAI，How enabling two settings tripled our scores on the ARC-AGI-3 benchmark，2026年7月29日。 https://openai.com/index/how-two-settings-tripled-our-arc-agi-3-scores/
OpenAI，Improved short gaps between primes。 https://cdn.openai.com/pdf/51126fac-1b68-4128-9666-c908bcc16033/short_gaps.pdf
OpenAI，GPT-6 Astra System Card，第8.2.3節；ExploitGym honeypot圖。 https://deploymentsafety.openai.com/gpt-6-astra
OpenAI，Safety overview: GPT-6 Astra，2026年9月3日。 https://openai.com/index/safety-overview-gpt-6-astra/
OpenAI客户案例，Legora reviewed 41 documents in minutes with GPT-6 Astra，2026年9月3日。結果為客户披露的測試表現，4處錯誤為預設錯誤。 https://openai.com/index/legora-financial-statement-review-with-astra/
OpenAI客户案例，Playco cut manual fixes 50% prototyping games with GPT-6 Astra，2026年9月3日。50%指人工修復減少比例。 https://openai.com/index/playco-game-prototyping-with-astra/
专注投资分析、市场洞察与资产配置。不追短期波动,只理解真正驱动长期回报的东西。
