AI 评测 · 刀哥聊AI
OpenAI发布新模型Astra，
5项能力反超Fable 5.1，
半只脚迈进AGI时代
9月3日，OpenAI突然放出 GPT-6 Astra。
“Welcome to the AGI era.”
昨晚，全球AI大宕机，大家都不工作了，跑到院子里乘凉聊闲，等着等着，OpenAI放出了 GPT-6 Astra，而且这次的宣传口气非常大：“Welcome to the AGI era.”
OpenAI直接把 Astra 称为目前最强的模型，并重点强调了 Computer Use、浏览器操作、软件工程、网络安全、科学研究和专业工作能力。
Astra 目前先向 Trusted Access Program 的企业组织开放，接下来几天陆续进入 ChatGPT Plus、Pro、Business、Enterprise 和 API。
问题来了！就在两天前，Anthropic 刚刚发布 Claude Fable 5.1（美国豆包发布的gemini 3.8无人问津，咱也不写了）。所以现在有趣的问题是 Astra 到底有没有超过 Fable 5.1？
看看宣传视频感受下：
口喷游戏、PPT、写文档、点外卖、购物、3D打印，看到这里，你是不是也想问：这就是AGI？国产AI不早就能点外卖了？
真正的区别，其实在于能不能自主完成一整件复杂的事。Astra这次真正想秀的，是从浏览器、代码到专业软件的连续操作，以及任务做到一半还能自己调整。
我看了一圈数据，综合智力，Astra 没有全面赢。但在一些最关键的 Agent能力上，它确实把 Fable 5.1 甩开了一截。而这，可能才是这次发布真正值得关注的地方。
⚡ 划重点
① Astra 综合智力 61分，Fable 5.1 65分，综合智力 Astra 反而输了
② 但在 5 项关键 Agent 能力上，Astra 全面反超 Fable 5.1
③ 竞争正从"谁更聪明"变成"谁能把聪明变成行动"
Astra换赛道了
如果只看 Artificial Analysis 的独立 Intelligence Index，Astra 目前是 61分，而 Claude Fable 5.1 是 66分。
也就是说，综合智力这一项，Astra 反而输了。而且 Humanity's Last Exam 这类知识和研究型测试，Fable 5.1 目前也是 65.0%，Astra 是 57.2%。所以如果有人告诉你"GPT-6 Astra全面碾压Claude Fable 5.1"，这句话并不严谨。
真正有意思的是另一张成绩单。Astra 在下面这 5项能力，都拿到了比 Fable 5.1 更高的成绩。这些不是一个简单的知识问答测试，它们越来越接近"给AI一个目标，它能不能自己把事情做完？"这就是 Astra 真正想抢的战场。
数学
先看最硬的一项。FrontierMath Tier 4 v2。这是目前非常难的一类数学测试。Astra：97.6%，Fable 5.1：87.8%。
不过FrontierMath 的测试设计、题目版本、私有题比例以及模型运行方式，都需要注意横向比较条件。尤其值得注意的是，Epoch AI公开说明，FrontierMath 的部分内容存在 OpenAI 资助和独家访问安排。
所以这个97.6%，更适合理解为Astra在高难数学推理上出现了非常明显的跃迁，而不是直接宣布AI已经解决了数学。真正值得期待的，是这类能力能不能继续向科学研究迁移。
科学研究
这个测试更加有意思。Terminal-Bench Science 。它不是简单地问模型"什么是量子力学？"而是给 Agent 一整套命令行科研任务，让它自己完成环境操作、文件处理、程序执行以及研究流程。Astra：58.2%，Fable 5.1：57.9%。
而 Fable 5.1 发布时，Anthropic其实已经把这个测试当成重点成绩，因为 Fable 5.1 相比 Fable 5 从24.7%直接提升到了52.6%。结果两天后，Astra又把它超过去了。
这个变化说明：AI竞争正在从 谁更会回答科研问题 变成 谁更会执行科研工作流。
真正的科研是：找数据 、写程序、 跑实验 、看结果 、 出问题、 改方案 、 再跑。如果 Agent 能自己跑这个循环，才开始真正触碰 科研助手 的边界。
Coding
这可能是普通用户最关心的一项。毕竟过去几年，Coding Agent几乎就是Anthropic的主场。尤其是 Claude Code。现在 Astra 开始直接冲这个战场。
在 DeepSWE v1.1 上，Astra和Fable 5都到了74%，Fable 5.1还没有提交结果。
Astra要想解决的是：从需求 、 写代码 、 跑程序 、 看报错 、 修 Bug 、 再测试 、 最终交付。这其实就是我们已经很熟悉的 Claude Code 工作方式。
Astra 并没有重新发明 Agent。真正的竞争是：谁能把这个 Agent Loop 跑得更远、更稳、更省 token。Astra token消耗只有Fable的一半
Computer Use
这次 Astra 最值得关注的，它开始越来越像一个真的坐在电脑前工作的人。以前的AI是告诉你怎么操作Excel，现在的Agent是自己打开Excel然后操作。
Computer Use 的基本逻辑其实并不神秘：模型看屏幕 ， 判断下一步 ， 点击/输入 ， 获得新画面 ，再推理。它本身没有一只实体的手，是通过 Computer Use 工具控制外部浏览器、桌面环境或隔离计算环境。
OpenAI已经把 Browser、Computer Use、Shell、文件和 MCP 等能力放进 Astra 的工具体系。
|
|
云端Browser和Computer Use示意
所以未来的AI，不再只是 LLM + Chat，开始变成 LLM + Tools + Computer + Agent Runtime。从会说，变成会干。而这才是数字员工真正的技术基础。
Astra的异步工具调用
Astra它开始解决一个以前非常麻烦的问题：Agent为什么总是干到一半就崩？现实任务的工作流很复杂：输入 ， 思考 ， 工具A执行 ， 等待 ， 工具B执行 ， 发现错误 ， 重新规划 ， 工具C执行 ，用户突然改需求 ， 继续执行 ，检查结果 ，交付。
Astra增加的 Async Tool Calling，就是在解决这个问题。以前是调用工具 ，模型等着。现在是工具跑着，模型可以继续处理其他独立工作。
再加上 Mid-turn Steering，任务做到一半，用户突然说"别做这个方案了，换另外一个。"模型可以继续利用前面的工作，而不是整条任务链重新开始。这看起来像是一个小功能，其实非常重要。因为真正的Agent，不应该像一个只会执行Prompt的机器人。它应该像一个真正的员工，老板随时会改需求。
Async Tool Calling 示意：
Agent 不再是：思考 ，阻塞 ， 思考 ， 阻塞。
开始变成：思考 ， 并发调度 ， 持续推理 ，收集结果 ，合并状态
这其实已经非常接近一个操作系统式的 Agent Runtime。
Astra 把“工具执行期间模型还能继续做什么”直接变成了模型/API 的原生能力。
AutomationBench，AI开始碰真正的办公室
如果说 Computer Use 是让AI会操作电脑，那么 AutomationBench 测的就是AI能不能把办公室里的事情做完。OpenAI提供的数据里，Astra：41.4%，Fable 5.1：31.4%。这个差距非常值得关注。
真正商业化之后，没有人天天问AI"请给我解释一下什么是Transformer"。大家真正愿意付钱的是："把这41份文件看完。""把这批客户资料整理好。""把这份财务数据检查一遍。""把报告做出来。""把网站部署上线。"
这就是为什么 Agent 对AI行业的意义越来越大。模型智商高10分，不一定值多少钱。但如果一个AI能替你干完半天工作，那就是实打实的钱。
那Astra到底是不是AGI？
OpenAI这次直接喊 Welcome to the AGI era. OpenAI总裁Greg Brockman也表示，未来回头看，人们可能会把 Astra 看成 AGI 时代的一个起点。
但我认为Astra ≠ AGI。至少现在没有足够证据支持这个结论。AGI真正难的地方，是给它一个陌生目标，它能不能自己解决？
那它为什么看起来比Fable 5.1更像AGI？
Fable 5.1 搭上 Claude Code，照样能搜能写能调用工具，Astra 能干的活它基本也都能干。
以前这些本事得靠外部框架（Agent Harness）硬拼出来，Astra 干的活是直接把这些能力塞进模型和 API 底层。一个是“大脑外挂一套操作系统”，另一个是“大脑自己长出了手脚”。
Astra它更像一个能自己闷头把事干完的独立个体。OpenAI要让大模型本身变成能跑 Agent 的核心引擎。这才是它看起来更接近 AGI 的真正原因。
价格？
价格表看上去，甚至有点"打平"。Astra：输入 $10 / 百万tokens，输出 $50 / 百万tokens。Fable 5.1：输入 $10 / 百万tokens，输出 $50 / 百万tokens。所以单纯看API标价，Astra一点都不便宜。
Fable 5.1 的缓存读取价格只有 $0.25 / 百万tokens，而 Astra 是 $1 / 百万tokens。也就是说，如果你做的是大量重复上下文、长时间Agent任务，Fable 5.1 的缓存机制反而更便宜。
但是Astra有另外一个优势：token效率。Artificial Analysis 的测试发现，Astra在 Coding Agent 工作中，完成类似任务需要的 token 明显更少。他们甚至给出了一个非常有意思的结论：Astra与Fable 5级别的Coding Agent性能相当，但单位任务成本不到一半。
这件事情非常重要，因为 Agent时代真正应该看的不是"一百万token多少钱？"而是"把同一件事干完，到底花多少钱？"一个模型单价很贵，但它10万token能把活干完。另一个模型看起来便宜，结果调用了80万token还没干完。最后谁便宜？根本不是看token单价就能决定的。
最后：我为什么说它半只脚迈进AGI时代？
AGI真正的门槛，是AI能不能稳定地独立完成真实世界任务。
Astra现在已经开始把几个关键能力串起来：理解、 推理 、 视觉 、 浏览器 、电脑操作 、 代码执行 、 工具调用 、错误纠正 、长期任务 和 最终交付。这条链一旦真正跑通，AI的角色就会发生变化。过去AI是工具，现在是助手，下一步是Agent，再下一步是数字员工。
而当一个AI可以独立完成大量具有经济价值的复杂工作时，我们距离真正意义上的AGI，才真的不远了。
所以刀哥对 Astra 的最终评价是：它干了一件非常重要的事：把"模型有多聪明"，进一步推进到了"模型能独立干多少活"。这可能才是AGI真正该有的样子。
以前我们每天比谁的模型IQ更高，接下来真正应该比的，是谁能替你上班。
不上班，除了娱乐，我们应该做点什么有价值的事儿？
这是另一个大课题了。
💬
你觉得 Astra 算半只脚迈进AGI吗？