OpenAI 发布 GPT-6 Astra：零售数智化进入“对话即操作”新时代
北京时间 9 月 4 日凌晨，OpenAI 正式发布新一代旗舰模型 GPT-6 Astra。距离上一代重要更新仅过去两个月，这款新模型标志着 AI 从“辅助对话”向“自主执行”的跨越。
Astra 的发布被视为 AGI 时代的重要坐标。OpenAI 总裁格雷格・布罗克曼表示，未来回望时，人们或许会将此时刻视为分界线。
真正的变革在于：AI 开始接管“执行”，人类则转向“派活”与“验收”。这即是所谓"AGI 大分工”的核心含义。
THE NUMBERS
榜单被刷新，能力出现新分化
在衡量抽象推理与学习能力的 ARC-AGI-3 测试中，Astra 得分高达 99.9%，而上代模型仅为 7.8%，差距超过十倍。这套长期被视为通用智能核心指标的测试，如今已被近乎“做穿”。
99.9%
ARC-AGI-3（上代 7.8%）
97.6%
FrontierMath Tier 4
100%
ExploitBench 漏洞利用
在被称为“最难数学基准之一”的 FrontierMath Tier 4 (v2) 中，Astra 得分为 97.6%，显著领先竞品。OpenAI 透露，该模型已协助解决了数学领域长期悬而未决的开放问题，包括素数间隔研究中的两个新理论结果。
网络安全能力跃升尤为显著。在 ExploitBench 测试中，Astra 获得满分；在基于 2026 年 6 至 8 月新漏洞构建的测试中，其成功率达 39%，远超上代的 5.5%。内部测试还发现两个未知零日漏洞并已披露。
“这不是一次小幅升级，而是一次能力形态的位移——模型从‘答得更好’变成了‘做得更久’。”
THE SHIFT
真正的分水岭：从“会说话”到“会干活”
Astra 无需依赖复杂的 API 开发或插件配置，它能直接通过屏幕识别，使用鼠标、键盘和浏览器像人一样操作软件完成任务。
效率提升是关键。在 OSWorld 2.0 测试中，Astra 完成单项任务的平均时间从上代的约 75 分钟压缩至 40 分钟，效率提升近 47%。这意味着“交给 AI 代劳”首次在体感上具备经济价值。
1.9×
Codex 下任务完成速度（Mind2Web）
在考察业务流程自动化的 AutomationBench 中，Astra 得分 41.4%，较上代翻倍有余。官方演示显示，它能独立填报税表、更新 CRM、整理日程、搭建网站甚至设计 PCB 电路板，用户只需给出最终目标。
最惊艳的演示之一：Astra 在 KiCad 中将电子原理图转化为可制造的 PCB，整个过程仅需 15 秒。此外，它还能以约为人类冠军选手四倍的速度完成金融建模挑战。
随着执行成本的大幅降低，人机分工关系正在重塑。与此同时，OpenAI CEO 山姆·奥特曼首次明确表示公司将研发人形机器人，并将开发面向数据中心等场景的其他形态机器人。
Astra 让 AI 学会了操作电脑，而机器人则将让 AI 走进物理世界。“执行”的能力正从屏幕内向现实空间溢出。
THE DIVISION
大分工：你的新岗位是“管 Agent"
Google Cloud 报告指出，每位员工都将转型为智能体的监督者。新职责包括：下放机械事务、确立目标、制定方略及验收成果。
其中，“验收”环节尤为重要。一旦“派活—执行—验收”链路跑通，组织的管理颗粒度将被重新定义。Gartner 预判，到 2026 年底，40% 的企业应用将内置专属任务智能体。
一个真实信号：有开发者让 Astra 在虚幻引擎中构建世界并驱动多个代理，次日发现这些代理已开始彼此交流。这预示着自主协作的萌芽。
THE RETAIL
零售现场：51% 已经上桌了
技术圈热议 benchmark 之时，零售行业已悄然行动一年。Google Cloud 调研显示，51% 的零售和 CPG 组织已在生产环境部署 AI 智能体，37% 的高管表示公司已上线超过 10 个智能体。
落地最集中的三个场景
质量控制（39%）、供应链与物流（38%）、防范数字欺诈（32%）。另有 47% 的已部署组织将其用于改善客户服务与体验。
奢侈品牌已进入生产环境
Salesforce 的 agentic 系统 Callimacus 于 2026 年 7 月底在意大利奢侈品牌 Brunello Cucinelli 正式上线，运行自主多步零售流程。同期，Lululemon 也在将 AI 铺进电商全栈。
回本周期压至 6 到 12 个月
Fractal 分析发现，成功跑出 ROI 的企业具备三个共同点：智能体由业务线拥有、决策边界与升级机制预先定好、治理层从第一天建立。
更具颠覆性的场景是“智能体电商”。Google 的 AP2 协议允许智能体在人类监督下发起支付。届时，品牌的竞争对手将不再是隔壁货架，而是消费者手中 Agent 的决策逻辑。
踩坑提示
Virgin Voyages 先搭建统一调度中台，再按业务板块配置垂直智能体，实现了营销文案耗时减少 40%、销售额同比增长 28%。零散采购单点 AI 工具只会制造新的数据孤岛。
THE MATH
它更贵了，但也可能更便宜
Astra 的 API 定价为每百万输入 Token 10 美元、输出 50 美元，是上代模型的 2.5 倍。上下文窗口达 105 万 Token，最大输出 12.8 万。
OpenAI 认为，随着模型更像代理，单 Token 价格难以反映真实成本。便宜的模型若需反复试错，单任务成本反而更高。数据显示，在特定基准测试中，Astra 的任务成本比竞品低 31% 至 86%。
然而，第三方机构 Artificial Analysis 给出了不同视角。在部分维度上，Astra 并未全面碾压：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
按第三方测算，由于涨价 2.5 倍，Astra 的单任务成本反而比上代高出约 75%。厂商与第三方口径的差异提醒企业：这笔账需用自己的任务集亲自跑一遍。
THE BOUNDARY
能操作电脑，也就意味着能闯祸
Astra 是 OpenAI 首个达到内部“关键”网络安全能力门槛的模型。鉴于其能在较少干预下发现并利用未知漏洞，最先进的网络安全能力将逐步开放。
在对齐方面，无生产护栏的上代模型越权率为 48%，而 Astra 为 0%。内部计算机使用安全基准中，不当行为率从 22.0% 降至 2.4%，幻觉率从 12.2% 降至 4.2%。
但新问题随之而来：模型能用更少的推理 Token 解决复杂问题，导致人类更难通过文字判断其行为。为此，Astra 部署了未对齐监控，但这可能导致合法任务被误暂停。
“当 AI 拿到了电脑权限，企业要管的就从‘它会不会答错’，变成了‘它能操作什么、能访问什么、以及什么时候必须停下来’。”
THE END
留给零售人的三个问题
头部厂商密集出牌，竞争正向精细化、场景化深化。这对行业是好消息：不必押注单一模型，但要押注一套能灵活切换模型的架构。
奥特曼关于人形机器人的表态，意味着数字世界的分工尚未理顺，物理世界的分工已开始排队。
你的组织里，哪些流程是“规则明确 + 步骤连续”的？这类流程最该先交给 Agent，也最容易被同行抢先自动化。
谁拥有这个 Agent？如果答案是 IT 或数据团队，大概率会卡在试点。跑出 ROI 的公司，都是业务线自己拥有、自己担责。
你的 Agent 什么时候必须停下来？决策边界、升级机制、审计留痕，这三条不是合规作业，而是能否规模化的前提。
Astra 在拉丁语中意为“星辰”。星星确实排好了，但真正的问题是——站在地上的人，准备好接活了吗？
END