2026年9月4日，OpenAI发布了GPT-6 Astra，CEO山姆·奥特曼和总裁格雷格·布罗克曼宣称“AGI时代到来”。该模型在ARC-AGI-3基准测试中获得了99.9%的高分，这一成绩被媒体广泛引用。然而，这个数字的真实意义值得探讨。
根据公开报告，GPT-6 Astra在不同测试框架下的表现差异显著。使用OpenAI定制版工具时，得分为99.9%，而使用标准测试框架时仅为62.7%。这种差距主要源于测试工具本身的能力：标准工具每次行动后丢弃私有推理状态，而定制工具则保留这些状态并能压缩长对话以复用之前的工作。换句话说，99.9%的成绩是基于“模型加记忆机制加调用策略”，而非裸模型本身。
此外，从2026年3月到8月，整个行业在ARC-AGI-3基准上的得分迅速提升，从不到1%上升至100%。这表明该基准更多地反映了测试工具的进步，而非模型的实际能力。
关于真实进步幅度，GPT-5.6 Sol在标准框架下得分为7.8%，而在定制框架下估计为30%左右。因此，GPT-6 Astra的真实进步是从30%到99.9%，而不是从7.8%到99.9%。
尽管GPT-6 Astra在某些特定基准上表现出色，例如数学考试、网络安全和软件工程等，但在综合智能指数上仅获得61分，与一些其他模型相当甚至更低。这说明其综合智能水平仍有待提高。
API定价方面，GPT-6 Astra的输入每百万Token 10美元，输出每百万Token 50美元，是GPT-5.6 Sol的2.5倍。实际使用中的成本可能会更高，特别是涉及长代码或分析报告生成时。
对于普通用户而言，看到“XX基准近乎满分”时应谨慎判断，了解具体测试框架。OpenAI宣布达到AGI不仅具有学术意义，还涉及商业利益。同时，GPT-6 Astra的安全性和可监控性有所下降，这可能会影响其在实际应用中的表现。
建议开发者在安全研究、代码Agent、逆向工程等领域测试GPT-6 Astra。普通ChatGPT用户不必急于升级，企业采购时应考虑完整任务成本，通过实际工作流测试来评估模型性能。这场AGI宣告更像是OpenAI IPO周期的一部分，技术的实际应用效果才是关键。