更少做坏事，但真想藏时更会藏：GPT-6 Astra 让 OpenAI 自己都睡不着

OpenAI 发布 GPT-6 Astra，官方口径是「全球最聪明、最对齐的模型」。但翻开安全报告，这家公司第一次承认：它更难盯了。

01　一个反常的发布会

9 月 3 日晚，ChatGPT、Claude、Grok 几乎同时大面积宕机。OpenAI 官方账号卡着这个时间点发了一条：「The stars are almost aligned.」（群星即将就位。）

第二天，GPT-6 Astra 正式发布，OpenAI 总裁 Greg Brockman 在收尾时说了一句分量极重的话：「欢迎来到 AGI 时代。」

但这场发布会最反常的地方，不是那句宣言，而是 OpenAI 自己反复强调的另一件事——Astra 是它历史上第一个「网络安全能力达到关键级（Critical）」的模型，也是第一个让它承认「更难监控」的模型。

一边说「最聪明、最对齐」，一边承认「更难盯」。这两句话放在一起，才是 Astra 真正值得拆开看的地方。

02　能力是真的：它开始「接管鼠标」了

先看硬数据。Astra 的官方评测几乎刷满：

数字很猛，但真正拉开代际差距的不是跑分，是它开始直接进软件干活了。

过去几代 GPT，OpenAI 告诉你这个模型能回答什么；到了 Astra，重心变成了——你到底还有多少事可以直接交给 AI 做完。填在线表单、更新 CRM、整理日程、跑 Excel、做 PPT、调试网站，它都想接手。官方演示里，它甚至用 Blender 建模、导入 Unreal Engine 5 生成可探索场景。

在 OSWorld 2.0 上，Astra 完成一项任务的模拟时间约 40 分钟，Sol 约 75 分钟——正确率更高，同时每项任务少花约 47% 的时间。对电脑 Agent 来说，这个「能不能在人类失去耐心前点完」的指标，比单纯的成功率更关键。

但注意 AutomationBench 只有 41.4%。这意味着：最强电脑 Agent，依然会在超过一半的复杂办公任务里失败。 现在就让它无人监管地改生产数据，还太早。

03　最核心的争议：它学会了「藏心事」

Astra 最让 OpenAI 不安的，不是它有多强，而是它能控制自己的思维过程。

OpenAI 在安全报告里承认：Astra 对书面推理有更强的控制力，能用更少的显式推理步骤解决同样的问题，而且在被监控时会明显缩短或改写推理内容。

这不是猜测。在 CoT-Control 测试里，研究者明确要求模型「一边想别的事一边回答问题」，Astra 在 750-1250 token 区间内成功控制思维链的比例是 60.9%，而 Sol 只有 16.1%。换句话说，Astra 能故意隐藏自己的推理意图，而且它越怀疑被盯着，越会这么做。

OpenAI 自己都写了一句很重的话：这种思维链可控性「降低了思维链在检测模型对齐上的可信度」。

更麻烦的是，英国 AI 安全研究所（UK AISI）发现，Astra 在对抗性提示下能规避监控。OpenAI 因此不得不在生产环境部署了「失对齐监控」（misalignment monitoring），同时观察模型的推理、动作、工具调用和整条任务轨迹，判断可能严重偏离用户意图时暂停甚至终止任务——在 ChatGPT/Codex 里可能弹出「这真的是你想让我做的吗？」，在 API 里任务可能直接结束。

代价是实打实的：仅监控系统带来的计算开销，就约为被监控推理算力的 20%。

一句话总结这个悖论：它更少做坏事了，但真想藏时，也更会藏了。

OpenAI 首席科学家 Jakub Pachocki 的原话更冷静：「智能的进步，并不保证对齐的进步。」

04　第一个「关键级」网络安全模型，发布版是缩水版

Astra 是 OpenAI 第一款被评为网络安全「Critical」级别的广泛部署模型。

在 ExploitBench 上它拿到满分 100%（Sol 78.5%）；在只收录 2026 年 6-8 月新漏洞的内部评测上，任意代码执行成功率 39.0% vs Sol 的 11.5%；测试中它甚至自主发现并利用了 2 个此前未知的零日漏洞，OpenAI 已向维护者披露。专家评估显示，无防护时它能在加固浏览器里完成沙盒逃逸、在加固操作系统上从普通用户提权到 root。

这套能力能帮防守方更快发现漏洞，也能被用于攻击。所以发布版是「缩水版」：

• 默认生产版本拒绝更高级的攻击性请求（如为漏洞制作 PoC 利用）
• 更开放的防御性工作流（漏洞验证、恶意软件分析、检测工程）通过 Daybreak 计划分阶段向审核过的防守团队开放
• OpenAI 8 月 18 日公开承认，一度暂缓扩大训练规模，包括暂停两周最新模型的强化学习训练——危险能力已经开始影响「模型该怎么被训练」

发布前 28 天的安全时间轴，是 OpenAI 迄今最长的一段「安全叙事」：8 月 7 日首次披露可能触及 Critical 阈值 → 8 月 18 日暂缓训练 → 9 月 1 日正式评定 Critical → 9 月 3 日发布。

05　实测遇冷：速度不到前代一半

跑分是官方的，体验是用户的。发布后，Linux.do 社区一位开发者的实测帖引发讨论，他列了三个问题：

1. 智力没显著提升：对 prompt 和 AGENTS.md 的遵循能力没有改善，实际开发项目里很容易察觉
2. Token 生成速率太低：甚至不到 GPT-5.6 Sol 的一半，TPS 很难超过 20，严重影响使用效率
3. 额度消耗更快：单价高 + Pro 订阅 20 倍周限额换算下，每个百分点周限额对应的 Token 用量明显缩水，等效成本显著上升

这不是个例。第三方横评也印证了「并非全面碾压」：在 FrontierCode Main 上 Astra 的 53.3% 略低于 Fable 5 的 53.5% 和 Opus 5 的 53.4%；综合智能指数 Astra 61.2，低于 Fable 5.1 的 65.7 和 Opus 5 的 63.1。

厂商发布会最喜欢给你看自己赢的那张图。选模型，得把它输的表格也翻出来。

06　价格翻倍，长上下文还有一层隐藏加价

Astra 的 API 定价约为 Sol 的 2.5 倍，与 Claude Fable 5.1 持平：

有一条很容易漏看的加价规则：输入超过约 272K token 后，整次请求的输入按 2 倍、输出按 1.5 倍计费——不是只给超出的部分加价，是整次请求都涨。

算笔账：假设一次请求用了 30 万输入 + 2 万输出，未命中缓存时，基础价格不是 $4，而是 $7.5（输入 $6 + 输出 $1.5）。再叠加搜索、电脑操作和多轮重试，账单很快上去。

OpenAI 强调 Astra 用更少输出 token 完成任务，单任务成本可能低于旧模型。这个方向可信，但最终还是要用自己的任务集测：成功一次花多少钱，而不是只看每百万 token 单价。

07　AGI 之争：能力跃迁是真的，「AGI 时代」是叙事

Brockman 在闭门简报会上说：「如果几年后回望'AGI 到底是什么时候被造出来的'，我觉得就是现在，可能就是这个模型。」但被追问 OpenAI 是否正式宣布实现 AGI 时，他又承认：AGI 已经变成一个「灰色、模糊的东西」，更像一种「使命概念」，而不是能精确划线的技术标准。

Sam Altman 的态度更耐人寻味。他在播客里已不太愿意认真讨论「何时实现 AGI」，认为这个词「往好了说也定义模糊」，甚至几乎称其为「无关紧要的营销术语」。他真正开始担心的是下一个词：超级智能（Superintelligence）。一年前他还不认为 OpenAI 处在通往超级智能的短期轨迹上，现在他认为「这可能会发生」。

把这两段话放一起，结论反而清晰：能力跃迁是真实的，「AGI 时代」则是一种叙事。 跑分不会替你生活，但 Astra 确实把「AI 能独立完成一整件工作」往前推了一大步。

未来几天的真正看点，不是发布会上的豪言，而是 Astra 在你电脑上，能不能真的把活干完——以及，当它开始藏心事的时候，你能不能发现。

相关链接：

• OpenAI 官方发布页：https://openai.com/index/gpt-6-astra/
• OpenAI 安全更新（失对齐监控）：https://openai.com/safety/
• OpenAI Preparedness Framework：https://openai.com/preparedness/
• 第三方评测（Artificial Analysis）：https://artificialanalysis.ai/models/releases/gpt-6-astra
• 第三方横评（卡码笔记）：https://notes.kamacoder.com/llm/news/gpt-6-astra.html