本文為 OpenAI 官方公告 GPT-6 Astra: A new generation of intelligence 之繁體中文翻譯整理，原文版權歸 OpenAI 所有。
我們正式推出 GPT‑6 Astra——全球最高智慧且最對齊（aligned）的模型。
GPT‑6 Astra 凝聚了多年來在預訓練、強化學習以及對齊領域的深入研究與重大投入。Astra 在電腦操作（computer use）、網頁瀏覽、軟體工程、網路安全、科學研究以及專業工作等領域皆達到頂尖（SOTA）水準。Astra 在 FrontierMath Tier 4 評測中取得 98% 的近乎滿分成績，並已協助解決數學領域長期存在的未解難題。Astra 亦在 ARC-AGI-3 獲得 99.9% 的超高分，在 ExploitBench 取得 100% 滿分。它同時在電腦與瀏覽器操作方面樹立了全新標竿，能以無與倫比的速度、精準度與判斷力處理最繁重複雜的專業工作。
GPT‑6 Astra 今日起向部分限定組織逐步推出，並將在未來數日內開放給所有 ChatGPT Plus、Pro、Business 與 Enterprise 使用者，同時也可透過 OpenAI API 與 AWS 進行存取。
Astra 是我們迄今最對齊的模型，在理解使用者意圖與模型行為方面皆有顯著提升——讓你能更有信心地將任務委託給 Astra 的判斷力。為了對此進行測試，我們參考了 Hugging Face 事件設計了一項全新評測，用以評估模型在面對困難或不可能完成的任務時，是否會超出其預定權限範圍。相比之下，在未啟用生產環境防護措施的情況下，GPT‑5.6 Sol 有 48% 的機率會超出授權目標，而 GPT‑6 Astra 則達到 0% 超出授權的完美表現。
GPT‑6 Astra 標誌著電腦操作在速度、精準度與安全性上的全新突破。它能代勞繁瑣的日常任務，例如填寫線上表單、在 CRM 中更新客戶紀錄以及整理行事曆；它能進行線上研究，並在你的電子郵件或文件編輯器中撰寫摘要草稿；它還能分析科學資料、繪製圖表、建立網站，並執行前端品質保證（QA）測試以確保網站所有功能正常運作；它更能協助你自主安裝與測試軟體，並排查螢幕上顯示的各類問題。這些進步也充分體現在我們領先業界的各項評測結果中。
這些改進亦在實際的知識工作任務中帶來了顯著的效率提升。在 OSWorld 2.0 的延遲模擬測試中，Astra 展現出更高的電腦操作效能，且每項任務所花費的時間比 GPT‑5.6 Sol 減少約 47%：Astra 取得 72.6% 的得分，平均每項任務僅需約 40 分鐘，而 GPT‑5.6 Sol 得分為 65.7%，耗時約 75 分鐘。
GPT‑6 Astra 的電腦操作能力已在跨領域的成果中展現，包括遊戲開發、電機工程以及日常知識工作：
除了 Astra 之外，我們也正在更新 Codex harness，以大幅提升電腦操作的速度。結合 Astra 自身的效率，在 Mind2Web 基準測試中，這帶來了比目前 GPT‑5.6 Sol 體驗快 1.9 倍的任務完成速度。模型在速度上的大幅進化，意味著它能比你更快地接手並完成許多耗時的生活與工作事務。
GPT‑6 Astra: 2 分 54 秒
GPT‑6 Astra 將先進的電腦操作能力與針對專業環境的特定訓練相結合，以協助應對複雜的工作任務。它兼具解決複雜難題所需的智慧，以及執行多步驟工作流程、製作精美文件、試算表與簡報的能力。
GPT‑6 Astra 是我們在遵循既有範本方面表現最佳的模型，能製作出排版優雅、敘事結構清晰且能精煉傳達核心要點的投影片。它能依循你的範本並契合你的寫作風格與視覺偏好，產出結構嚴謹、條理分明的文件、簡報、試算表與分析報告。Astra 經過專門訓練，僅將真正關鍵的上下文納入輸出，而非重複與眼前任務無關的冗餘資訊。這代表它產出的成果物能直接投入使用，並完全符合你的業務情境與標準規範。
GPT‑6 Astra 僅使用 OpenAI 簡報範本中的數張投影片，便製作出一份關於虛構模型「GPT‑Gaia」的投影片組，全程精準掌握語氣與版面配置。這表示你能獲得完全符合商務標準格式的簡報成品。
GPT‑6 Astra 在建置網站、遊戲、應用程式及渲染圖時，也帶來了更強大的視覺判斷力。透過 ChatGPT 中的 Sites(opens in a new window) 功能，Astra 僅需一則提示詞即可直接建立、託管並分享網站、Web 應用程式與遊戲。
當指令存在詮釋空間時，GPT‑6 Astra 比過往模型更擅長做出正確的抉擇。它能運用上下文補足常規細節，並在答案可能影響成果走向時提出針對性的關鍵問題。在 Codex 中，它可以非同步向你提問，同時繼續推進不依賴該回覆的其他工作。如果你未及時回應，它會在適當情況下依據合理假設繼續進行，但在面臨重大決策時則會耐心等待你的指示。
以下範例展示了 Astra 如何在資訊缺失可能實質改變結果的日常任務中與使用者展開協作。
隨著任務演進，Astra 也能更好地維持整體方向感。早期的模型有時會將引導訊息誤當作全新目標，進而遺忘原本的要求或先前的限制條件。Astra 能順暢融入新需求、依指示調整方向，並在回答旁支問題的同時，依然緊扣主要任務不脫軌。
程式開發（Coding）
GPT‑6 Astra 是迄今為止在軟體工程領域最強大的模型。
伴隨 Astra 的推出，我們在 Codex 中引入了一種全新的機制，用於在上下文視窗（context window）已滿時保存與檢索上下文。歷來模型在長時間工作階段中（例如除錯複雜問題或進行大型重構時）通常採用壓縮（compaction）來摘要工作內容。然而，每次壓縮都可能遺失關於「修復為何失敗」或「組件如何運作」的關鍵細節。在 Codex 中，Astra 能夠跨上下文視窗做筆記，在無須反覆壓縮成單一摘要的情況下保留累積的細節。先前的上下文視窗依然可被搜尋，因此即便某些資訊未記錄在筆記中，Astra 仍可從先前的訊息與工具輸出中找回需求或測試結果。你可以在 Codex (opens in a new window)config.toml(opens in a new window) 中啟用此實驗性功能，該功能將在未來幾週內成為 Astra 的預設設定。
GPT‑6 Astra 在科學發現、數學與健康醫療領域實現了重大突破。今天，我們進一步分享了兩項關於質數間隙（prime gaps）的最新研究成果。
Astra 亦在一系列數學與科學評測中創下了全新紀錄。
Astra 能為科學發現背後的實務工作提供強大助力。透過結合科學推理與電腦操作能力，它可以直接在專業軟體中操作以檢視資料並探索分析結果，協助研究人員評估證據並決定下一步的研究方向。
誠如我們在安全更新報告中所述，Astra 在網路安全能力上實現了重大躍進，並達到我們防備架構（Preparedness Framework）中定義的關鍵門檻(opens in a new window)（Critical threshold）。其識別與開發零日漏洞（zero-day exploits）攻擊程式的能力，既能協助防禦者及早發現並修補漏洞，但同時也凸顯了建立更嚴密防護機制的必要性。為了深入了解這些能力的實際邊界，我們在內部及第三方專家評測中對 Astra 進行了嚴格測試。
我們首先在未啟用生產環境安全防護的狀態下，於 ExploitBench 與 ExploitGym 上對模型進行測試，這兩項評測旨在檢驗模型能否將已知的軟體漏洞轉化為可運行的攻擊程式（exploit）。在 ExploitBench 上，Astra 取得了 100% 的滿分成績（相比之下，我們上一代具備尖端網安能力的模型 GPT‑5.6 Sol 為 78.5%）；在 ExploitGym 上，Astra 達到了 42.4% 的成功率（GPT‑5.6 Sol 為 30.3%），且所消耗的輸出 token 顯著更少。
考慮到模型可能因接觸過往歷史漏洞資料而影響基準測試結果，我們亦在兩項全新評測上對 Astra 進行了驗證。其中之一是我們內部構建的「ExploitBench（2026年6月至8月）」評測，專門測試針對過去三個月內新出現漏洞的攻擊開發能力。在此資料集上，Astra 達成了遠高於 GPT‑5.6 Sol 的任意程式碼執行率，且使用的輸出 token 大幅減少。在評測過程中，Astra 甚至自主發現並利用了兩個先前未知的零日漏洞。我們目前已將這兩個漏洞通報給相應的專案維護者。
我們亦在 SRE-Bench 上測試了 Astra，該評測衡量模型在無法接觸原始程式碼的情況下，能否對軟體二進位檔案進行逆向工程以理解其核心邏輯。Astra 在單次嘗試中成功解決了 88.0% 的任務，在四次嘗試內達成 99.2% 的成功率；相比之下，GPT‑5.6 Sol 的成績分別為 55.9% 與 68.7%。
除基準測試外，專家主導的評估亦發現，在未施加生產環境安全防護的情況下，Astra 能利用先前未知的漏洞在強化過的瀏覽器中實現任意程式碼執行，並為強化過的操作系統製作權限提升（privilege-escalation）攻擊程式。
如我們在《防禦者之窗》（The Defender’s Window）中所探討的，前沿的網路安全能力固然能協助防禦者更快找到弱點，但同時也讓這些弱點更容易被利用，進而加劇了防禦方迅速應對的緊迫性。透過今日推出的 Astra 版本，防禦者可運用其來完成安全程式碼審查（code review）與修補程式開發等任務。
然而，Astra 會拒絕執行較進階的網路安全任務，例如為漏洞建立概念驗證（PoC, proof-of-concept）攻擊程式。透過 OpenAI Daybreak 計畫，我們預計在未來數週內擴大存取權限並推出限制較為寬鬆的安全措施。這將解鎖更多防禦型工作流程，包括漏洞與 PoC 驗證、惡意軟體分析以及偵測工程（detection engineering）。
在 GPT‑5.6 Sol 防護架構的基礎上，我們進一步強化了防止網路濫用的各項防護機制。這包括提升模型強健性以更有效抵禦潛在的越獄（jailbreak）攻擊，並為監控系統提供更豐富的上下文資訊。我們持續進行嚴格的內部與外部測試，包括利用我們的內部紅隊攻擊系統進行自動化評測。關於網路安全防護與測試的更多詳情，請參閱 Astra 系統卡(opens in a new window) 及我們的部落格文章。
負責任地對齊與部署 GPT‑6 Astra
Astra 是我們迄今最對齊的模型。Astra 擅長審慎行事、嚴格恪守任務邊界，並保持透明的溝通。這是我們長期研究專案的最新成果，該專案致力於訓練自始至終都能與人類意圖保持高度對齊的模型。
在敏感環境中，Astra 會採取與風險程度相符的審慎態度。在一項專為誘發不當行為而設計的對抗性電腦操作評測中，Astra 更成功地避免了非預期的後果。而在預設啟用的附加安全措施下運行時，更展現出卓越的防護表現。
Astra 也更有可能在使用者所設定及環境所隱含的邊界內運作。在一項內部評測中，Astra 從未試圖規避 Codex Auto-Review 的拒絕判定。即使 Auto-review 被刻意設定為可被規避，且該任務在不規避的情況下無法完成，Astra 依然嚴守邊界。這種對環境限制的尊重，與我們在本文開頭所分享的不可能網路安全任務評測結果，以及 系統卡(opens in a new window) 中記錄的其他發現完全一致。
Astra 還在透明的使用者溝通方面樹立了新標竿。在一項評測中，Astra 對自身能力與支援功能做出不準確陳述的機率，比 GPT‑5.6 Sol 低了三倍。
在明確要求模型規避監控的測試中，我們的評測發現 Astra 的書面推理過程比 GPT‑5.6 Sol 更難被監控。我們將此歸因於 Astra 在較簡單任務上對書面推理具有更強的掌控力，以及能以更少的書面步驟解決問題。雖然 Astra 在複雜任務中仍難以隱藏其推理過程，但我們仍嚴肅看待監控難度上升的現象。提升可監控性依然是我們的核心研究重點，隨附的 系統卡(opens in a new window) 詳細說明了我們的發現與後續研究進展。
對齊訓練是我們模型部署策略的核心。作為額外的防禦層，我們亦構建了系統級安全防護機制（如 Codex Auto-review(opens in a new window)），並對 Agent 的推理過程與操作行為進行監控，以協助偵測與遏止不安全行為。如我們在安全更新報告中所述，我們也在生產環境中針對 Astra 級別的模型部署了未對齊（misalignment）監控系統，以便即時掌握模型行為偏差並防範最嚴重的失控情況。這些防護措施類似於我們內部部署的監控架構，包含一套分類器系統，可檢查模型的推理與動作是否存在未授權行為，並自動中止任何潛在的未授權操作。
鑑於 Astra 在網路安全能力上的大幅躍升，我們在部署過程中格外謹慎，以確保其安全無虞。額外的安全檢查有時可能會減緩、暫停甚至中止合法的作業流程（包括防禦性網路安全任務）。若任務在 ChatGPT 或 Codex 中被暫停，系統可能會要求你在繼續之前先審查該動作；在 API 中，該任務則會直接停止。這些檢查有時確實會干擾到正常工作，我們正持續優化此系統以減少不必要的干擾。未對齊監控無法取代根本的對齊：我們的終極目標是打造能可靠恪守授權範圍的模型，使這些防護機制無需介入干預。
GPT‑6 Astra 今日起向部分限定組織逐步推出，並將在未來數日內陸續開放給所有 ChatGPT Plus、Pro、Business 與 Enterprise 使用者，同時也可透過 OpenAI API 與 AWS 進行存取。Astra 的使用額度已包含在既有的訂閱方案內——使用者與企業亦可購買額外額度以供增量使用。Pro、Business 和 Enterprise 方案的使用者還將獲得 GPT‑6 Astra Pro 的使用權限。Enterprise 管理員可為其工作區啟用 Astra；在發布初期此存取權限預設為關閉。
Astra 為符合資格的 API 客戶提供「零資料保留」（Zero Data Retention, ZDR）支援；誠如我們上個月所分享，我們目前正在測試 私密安全處理機制（Private Safety Processing），在確保安全監控的同時維護客戶的資料隱私。
對開發者而言，GPT‑6 Astra 已在 OpenAI API 中以 gpt-6-astra 模型名稱提供，亦可在 Amazon Bedrock 上使用。OpenAI API 標準定價為每百萬輸入 token $10 美元、每百萬輸出 token $50 美元；快取讀取與寫入另適用相應費率。GPT‑6 Astra 在 API 中亦提供 Fast 模式，能以標準價格 2 倍的費率提供高達標準處理 2 倍的速度。
電腦操作（Computer Use）
專業工作（Professional）
程式開發（Coding）
學術能力（Academic）
科學與健康醫療（Science and Health）
網路安全（Cybersecurity）
模型對齊（Alignment）
長上下文（Long Context）
抽象推理（Abstract Reasoning）
評測分數皆為各項設定下的最高得分。GPT 評測是在我們的研究環境中或透過 API 進行的，由於系統提示詞、可用工具等差異，所得輸出可能與生產環境中的 ChatGPT 略有不同。