OpenAI 发布 GPT-6 Astra，面向专业工作场景

事件核心：发生了什么

OpenAI 上周正式发布 GPT-6 Astra，定位为迄今“最智能且对齐”的模型，面向企业级和专业工作场景。与传统的 API 调用式交互不同，Astra 的核心能力是“计算机使用”——它可以直接操作各类日常软件和网页应用，即使这些应用没有开放 API，也能完成写代码、查数据、做表格、生成文档等工作链条。

目前该模型已在三处落地：ChatGPT Work、Codex 以及标准 API。OpenAI 公布的价格为每百万输入 token 10 美元、每百万输出 token 50 美元。官方强调，Astra 经过训练后大幅减少了完成任务所需的 token 数量和重试次数，宣称在专业工作和编程评测（如 Terminal Bench 4.0）上占据了多数“性价比前沿”位置。

在发布前后，OpenAI 内部已先行使用 Astra 数周。据官方披露，其工程团队利用 Astra 解决了一个导致 Codex 会话缓慢的内存分配瓶颈，切换分配器后实现了约 25 倍的响应延迟下降；市场和开发者团队则用它把三个小时的多机位视频素材直接剪辑成一支产品演示短片，发布 4 天即获得超过 55 万次播放。

为什么重要

GPT-6 Astra 的关键意义不在于单纯的参数规模或跑分，而在于它把大模型从“对话工具”推向“执行终端”。过去企业用 AI 前需要清洗数据、改造流程、搭建 API 接口，Astra 的出现意味着这类前置工程工作可能被大幅压缩——模型直接通过屏幕操作来完成任务。这对企业级软件（SaaS）的商业模式构成了潜在挑战：如果 AI 能直接操作现有界面，软件厂商将更难用“数据壁垒”锁定用户，AI 的价值会从“辅助分析”转向“直接产出结果”。

从竞争格局看，OpenAI 在“推理成本效率”上主动发力，对外强调“更多有用工作/每美元”，同时已有多家生态伙伴（Databricks、Box、Figma、Thomson Reuters Labs、Hebbia、Cognition）公布了基于 Astra 的内部评测结果，试图在 Agent 赛道中建立“性能 + 成本”的双重标尺，以应对 Anthropic、Google 等厂商在计算机使用能力上的持续追赶。

对用户/开发者/创作者的影响

对企业用户：Astra 最大的变化在于降低了部署门槛。即使内部系统没有 API，模型也可以模拟人的操作在现有软件中完成报表核对、数据标记和文档生成，最直观的价值是减少了企业在“数据整理 + 系统集成”上的前期投入。但需要留意的是，这类“视觉操作”模式在复杂、定制化业务系统上的稳定性和安全性目前尚无大规模公开验证。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对开发者：API 价格位于每百万 token 10/50 美元档位，属于偏高定价，但官方强调的是“完成单任务的总成本”更低——因为 retry 次数和 token 消耗减少。对开发 Agent 产品的团队来说，Astra 可能在长任务、多步骤场景下比上一代具有更优的经济性，具体仍需通过自己的业务实测来评估，不宜直接根据宣传数据做决策。

对创作者与普通办公用户：Astra 在品牌风格模仿、模板遵循和设计规范贴合上做了针对性训练，官方素材显示其生成 decks（演示文稿）的忠实度比次优模型高 17%，且错误断言率降低 10% 以上。对需要高频产出对外材料、汇报文件、财务分析的工作者来说，实际体验较上一代会有可见提升——但“可直接交付客户”的说法来自合作方评测，仍需结合内部审阅流程谨慎判断。

值得关注的后续

1. “计算机使用”能力何时向普通用户规模开放：目前 Astra 仅在 ChatGPT Work、Codex 及 API 中提供，常规 ChatGPT 订阅用户能否使用、使用频次和时长限制如何，是影响其普及速度的直接变量。

2. 成本曲线的真实表现：虽然官方给出了“更低成本/每任务”的数据，但实际调用中视觉操作会产生大量输出 token，开发者和企业需关注长期持续使用后的真实账单，而非单次演示环境中的数值。

3. 竞品与生态反应：Anthropic、Google DeepMind 均在推进自己的 Agent 能力和同类型操作模型，Astra 的“操作稳定性 + 性价比”能否形成持续护城河，将取决于后续 Terminal Bench 等独立评测和真实企业落地案例的披露情况。

来源：OpenAI News