OpenAI 发布 GPT-6 Astra：1.05M 上下文的计算机操作模型，因触及 Critical 网络安全阈值而 · AIHOT 内容 精选 全部 AI 动态 热点榜 AI 日报 主题 收藏 模型 模型榜 更多 Agent 接入 关于 更新日志 反馈 京ICP备2026012723号-2 返回 原文 返回 精选 AI 评分 81/100 打开原文 （在新标签页打开） 导出 Markdown OpenAI 发布 GPT-6 Astra：1.05M 上下文的计算机操作模型，因触及 Critical 网络安全阈值而限制访问 MarkTechPost（RSS） · 2026-09-04 05:16 · 37分钟前 · Asif Razzaq AI 导读 OpenAI 发布 GPT-6 Astra，定位为计算机操作模型，提供 1,050,000 token 上下文窗口、128,000 最大输出 token，2026 年 4 月 30 日知识截止，OSWorld V2-Offline 得分 72.6%（GPT-5.6 Sol 为 65.7%），平均任务时间从约 75 分钟降至 40 分钟。 推荐理由 原文汇总了模型规格、多组基准对比和访问限制细节，并指出 ARC-AGI-3 与编码成绩的解读前提。
本文目录 真正的新变化是什么 基准测试概览 网络能力驱动访问模式 定价 关键要点 标签 智能体 OpenAI 推理 模型发布 部署/工程 MarkTechPost（RSS） 精选 81 AI 编辑部评分，满分 100 OpenAI 发布 GPT-6 Astra：1.05M 上下文的计算机操作模型，因触及 Critical 网络安全阈值而限制访问 2026-09-04 05:16 · 37分钟前 · Asif Razzaq AI 导读 OpenAI 发布 GPT-6 Astra，定位为计算机操作模型，提供 1,050,000 token 上下文窗口、128,000 最大输出 token，2026 年 4 月 30 日知识截止，OSWorld V2-Offline 得分 72.6%（GPT-5.6 Sol 为 65.7%），平均任务时间从约 75 分钟降至 40 分钟。 推荐理由 原文汇总了模型规格、多组基准对比和访问限制细节，并指出 ARC-AGI-3 与编码成绩的解读前提。 正文 · AI 翻译 中文 原文 今天，OpenAI 发布了 GPT-6 Astra。该公司称这是其最智能、对齐程度最高的模型，并将其定位为以计算机操作为核心的系统，而非聊天模型。其卖点在于，Astra 能像人一样操作软件，横跨浏览器、电子表格、桌面应用和终端，直接完成多步骤任务，而不是描述该怎么做。
它能否部署？部分可以，但不能部署在你自己的硬件上。Astra 是一个封闭的托管模型，未开放权重，因此无法自托管。目前它仅对 OpenAI Trusted Access 和 Daybreak 项目中的组织开放。 真正的新变化是什么 对开发者而言，主要变化在于上下文处理。Codex 此前采用压缩机制，在上下文占满后对较早的对话轮次进行摘要。这一过程会丢弃智能体后续需要的细节：某个修复为何失败、运行了哪些测试、早期添加了哪项需求。Astra 则会在上下文窗口之间保留笔记，并回溯搜索更早的消息和工具输出。该功能以实验性形式随 config.toml 设置推出，并将在未来几周内成为 Codex 的默认行为。 Astra 还可以在继续执行不依赖答案的工作的同时向用户提问。这消除了智能体常见的一种失败模式——一个悬而未决的决策导致整个任务停滞。 在模型页面，Astra 列出了 1,050,000 token 的上下文窗口、128,000 的最大输出 token，以及 2026 年 4 月 30 日的知识截止日期。输入支持文本和图像，输出仅支持文本。reasoning.effort 在 high 之上新增了两个级别：xhigh 和 max。工具支持涵盖计算机使用、托管 shell、应用补丁、技能、MCP 和工具搜索。不支持微调。
基准测试概览 OpenAI 报告在 OSWorld V2-Offline 上取得 72.6% 的成绩，而 GPT-5.6 Sol 为 65.7%，平均任务耗时从约 75 分钟降至 40 分钟。Anthropic 报告 Claude Fable 5.1 取得 77.9% 的成绩，但表示其使用了不同的 OSWorld 版本，不应直接进行比较。 Astra 在 ARC-AGI-3 上得分 98.6%。该数字是通过 Responses API 测试框架得出的，该框架在轮次之间保留推理过程，并对长上下文使用压缩处理，而 OpenAI 此前已表明，这些设置可以在不改变模型的情况下显著影响 ARC-AGI-3 的得分。因此，该结果衡量的是模型加智能体系统的整体表现。 其他已报告的数据：FrontierMath Tier 4 得分 97.6%，BenchCAD Vision2Code 得分 95.9%（Fable 5.1 为 84.3%），Terminal-Bench Science 得分 64.6%（Anthropic 报告为 52.6%）。Epoch AI 指出，OpenAI 资助了 FrontierMath，并对其部分内容拥有独家访问权。
编程是这套叙事中的薄弱环节。Astra 在 DeepSWE v1.1 上得分 74.1%，而 Sol 为 70.8%。Meta 报告 Muse Spark 1.3 在最大推理强度下得分 75.4%，公开排行榜显示 Gemini 3.8 Flash 和 Claude Opus 5 接近 74%。在 113 项任务的基准测试中，这些差距仅为一到两个任务的差别。 网络能力驱动访问模式 Astra 是 OpenAI 在其 Preparedness Framework 中首个被认定为达到“关键网络安全”门槛的模型。在测试中，它成功开发出针对加固浏览器和操作系统的漏洞利用，并发现了两个此前未知的 V8 漏洞，OpenAI 表示将向维护方披露这些漏洞。 其影响是实际性的。标准访问权限会拒绝高级网络安全工作，包括漏洞发现。对于 API 开发者而言，网络安全安全检查会直接终止任务，而不是暂停等待批准。OpenAI 的 Mia Glaese 警告称，未加入可信访问计划的用户可能会遇到速度下降、暂停或阻断，有时甚至发生在无关工作中。 OpenAI 报告 Astra 在 ExploitBench 上达到 100%，这是一个综合能力覆盖率分数而非通过率；在 ExploitGym 上达到 42.4%，而 Sol 为 30.3%，两者均移除了通常的六小时时间限制。
定价 Astra 的价格为每百万输入 token 10 美元，每百万输出 token 50 美元，缓存输入为 1.00 美元。输入超过 272K token 的请求，将对整个请求按输入 2 倍、输出 1.5 倍计费。Batch 和 Flex 模式按 50% 计费，Fast 模式按 2 倍计费。Pro、Business 和 Enterprise 用户还可获得 Astra Pro。 关键要点 Astra 首先是一款计算机使用模型：OSWorld V2-Offline 得分 72.6%，任务时间从约 75 分钟降至约 40 分钟。 笔记取代了 Codex 中的压缩机制，因此长时间运行的智能体不再丢失失败细节。 编码能力提升幅度有限：74.1% 的 DeepSWE v1.1 成绩处于排行榜中游水平。
首个达到 OpenAI“关键”网络威胁门槛的模型；标准访问权限拒绝漏洞利用相关工作。 不开放权重，每百万 token 收费 10/50 美元，上下文窗口 1.05M，API 与 AWS 即将在未来数日内上线。 欢迎查看 OpenAI 官方公告、OpenAI 在 X 平台上的动态以及 GPT-6 Astra 模型页面。此外，欢迎在 Twitter 上关注我们，别忘了加入我们拥有 15 万+成员的 ML SubReddit，并订阅我们的 Newsletter。等等！你在用 Telegram 吗？现在你也可以在 Telegram 上找到我们了。 Today, OpenAI released GPT-6 Astra .
The company calls it its most intelligent and aligned model, and positions it primarily as a computer-use system rather than a chat model. The pitch is that Astra operates software the way a person does, across browsers, spreadsheets, desktop applications and terminals, and finishes multi-step jobs instead of describing how to do them. Is it deployable? Partly, and not on your own hardware.
Astra is a closed, hosted model with no released weights, so self-hosting is not an option. It is live today only for organizations in OpenAI’s Trusted Access and Daybreak programs. What is actually new The main change for devs is context handling. Codex previously used compaction, summarizing earlier turns once context filled up.
That process discards the detail an agent later needs: why a fix failed, which tests ran, which requirement was added early. Astra instead keeps notes across context windows and searches back into earlier messages and tool output. The feature ships experimental behind a config.toml setting and becomes the Codex default in the coming weeks. Astra can also ask the user a question while continuing work that does not depend on the answer.
That removes a common agent failure where one unresolved decision stalls an entire job. On the model page , Astra lists a 1,050,000-token context window, 128,000 max output tokens and an April 30, 2026 knowledge cutoff. Input is text and image, output is text only. reasoning.effort adds two new levels above high : xhigh and max .
Tool support covers computer use , hosted shell, apply patch, skills, MCP and tool search. Fine-tuning is not supported. The benchmark picture OpenAI reports 72.6% on OSWorld V2-Offline against 65.7% for GPT-5.6 Sol, with average task time falling from roughly 75 minutes to 40. Anthropic reports 77.9% for Claude Fable 5.1 but says it used a different OSWorld release and should not be compared directly.
Astra scores 98.6% on ARC-AGI-3. That number was produced with a Responses API harness that retains reasoning between turns and uses compaction for long contexts, and OpenAI has previously shown those settings move ARC-AGI-3 scores substantially without changing the model. The result measures the model plus the agent system. Other reported figures: 97.6% on FrontierMath Tier 4 , 95.9% on BenchCAD Vision2Code against 84.3% for Fable 5.1, and 64.6% on Terminal-Bench Science against Anthropic’s reported 52.6%.
Epoch AI notes OpenAI funded FrontierMath and has exclusive access to part of it. Coding is the weak spot in the story. Astra scores 74.1% on DeepSWE v1.1 versus 70.8% for Sol. Meta reported 75.4% for Muse Spark 1.3 at maximum reasoning, and the public leaderboard puts Gemini 3.8 Flash and Claude Opus 5 near 74%.
On a 113-task benchmark, those gaps are one or two tasks. Cyber capability drives the access model Astra is the first model OpenAI has designated as reaching the Critical cybersecurity threshold in its Preparedness Framework. In testing it developed exploits for hardened browsers and operating systems, and found two previously unknown V8 vulnerabilities that OpenAI says it is disclosing to maintainers. The consequences are practical.
Standard access refuses advanced cybersecurity work including exploit discovery. For API developers, a cybersecurity safety check stops a task outright rather than pausing for approval. OpenAI’s Mia Glaese warned that users outside trusted-access programs may hit slowdowns, pauses or blocks, sometimes during unrelated work. OpenAI reports 100% on ExploitBench , an aggregate capability-coverage score rather than a pass rate, and 42.4% on ExploitGym against 30.3% for Sol, with the usual six-hour time limit removed for both.
Pricing Astra costs $10 per million input tokens and $50 per million output, with cached input at $1.00. Requests above 272K input tokens bill at 2x input and 1.5x output for the full request. Batch and Flex run at 50%, Fast mode at 2x. Pro, Business and Enterprise users also get Astra Pro.
Key Takeaways Astra is a computer-use model first: 72.6% OSWorld V2-Offline, task time down from ~75 to ~40 minutes. Notes replace compaction in Codex, so long agent runs stop losing failure detail. Coding gains are marginal: 74.1% DeepSWE v1.1 sits inside the leaderboard pack. First model at OpenAI’s Critical cyber threshold; standard access refuses exploit work.
No open weights, $10/$50 per million tokens, 1.05M context, API and AWS in coming days. Check out the OpenAI announcement , OpenAI on X and GPT-6 Astra model page . Also, feel free to follow us on Twitter and don’t forget to join our 150k+ML SubReddit and Subscribe to our Newsletter . Wait!
are you on telegram? now you can join us on telegram as well. 来源： MarkTechPost（RSS） · marktechpost.com 智能体 OpenAI 推理 模型发布 部署/工程 导出 Markdown 反馈