> ## Content Index
> Fetch the complete content index at: https://lucent.blog/llms.txt
> Use this file to discover other available public pages before exploring further.

# GPT-6正式发布，人类进入AGI时代？
- URL: https://lucent.blog/gpt-6-news/
- Published: 2026-09-04T02:31:41.000Z
- Updated: 2026-09-04T02:35:37.000Z
- Author: Lucent

万众期待的 **GPT-6 Astra** 和 **GPT-6 Astra Pro** ，正式发布！

GPT-6 发布会的最后，总裁 Greg Brockman 更是毫不掩饰地宣布：

> Welcome to the AGI era.（欢迎来到AGI时代）

![](https://obj.lemonc.cc/files/2026/09/04/101151/hJnYBb.png)

这一次发布，应该是 OpenAI 近年来规模最大的一次模型升级。

所以，OpenAI 这次确实完全没低调，训练规模、能力升级全部拉满，光预训练动用的GPU就超过**10万块**。

GPT-6的价格也正式公布，API定价为：

- 输入：10美元／百万token；
- 输出：50美元／百万token

相当于**GPT-5.6 Sol的2.5倍，跟刚刚发布的Fable 5.1持平**，好刀法！

### 一、能力升级

咱们先不看纸面数据，先看看有哪些惊艳的 case。

#### 1、硬件设计

> 这是一段经过压缩的 15 秒演示，展示了 GPT-6 Astra 如何在 KiCad 中完成印刷电路板（PCB）

AI 编程，大家已经逐渐习惯、适应之后，OpenAI 的大手终于还是伸向了硬件开发。

#### 2、金融挑战赛

> GPT-6 Astra 可以通过计算机操作完成 Financial Modeling World Cup（金融建模世界杯）的挑战任务，其速度约为获胜人类选手的 ***4 倍***。这能够帮助分析师减少花在搭建模型上的时间，把更多精力投入到解读结果和制定决策上。

#### 3、3D 建模

> GPT-6 Astra 使用 Unity，将现有素材组装成一座城市的 3D 场景，让用户能够轻松创建一个符合自己设想、可供沉浸式探索的三维环境。

![](https://obj.lemonc.cc/files/2026/09/04/102311/BWT0gq.png)

还可以沉浸式体验：

#### 4、报税

> GPT-6 Astra 可以读取 W-2 工资和税务表，并直接在浏览器中填写 Form 1040（美国个人所得税申报表），从而减少重复的数据录入工作，并生成一份可供审核的报税申报草稿。

这件事的价值并不只是“自动填表”。

美国个人报税本身就是一个相当繁琐的流程：纳税人往往需要收集 W-2、1099 等多种收入证明，再根据投资收益、房贷利息、医疗支出、子女、教育、兼职收入、抵扣和税收优惠等情况填写不同表格。

很多人还需要同时处理联邦税和州税，规则复杂、表格众多，而且填错可能带来补税、罚款或后续沟通成本。

复杂到什么程度？美国围绕“帮人报税”早就形成了一门成熟的生意。

大量个人会付费请注册会计师、税务代理或专业报税机构代办，提供软件和服务。换句话说，这原本就是一项很多人愿意花钱外包的专业工作。

而现在，这门生意，GPT-6 Astra 也能做了。

### 二、纸面数据

接着，我们看下纸面数据，看看 GP-6 有那些质的飞跃。

首先是 GPQA Diamond，研究生水平的物理化学生物题。

Astra拿了96%。上一代GPT-5.6 Sol是94.6%，Claude Fable 5.1是93.7%，Gemini 3.8 Flash是95.3%。

看到这我心想，行吧，大家都在95附近挤着，差不太多。

![](https://obj.lemonc.cc/files/2026/09/04/102601/CDFtp9.png)

Terminal-Bench 4.0，考验在终端里干活的能力，得分57.9%。

Fable 5.1是55.8%，还是那句话，有点意思，但也就两个点。

![](https://obj.lemonc.cc/files/2026/09/04/102625/Fp1Lyk.png)

AutomationBench，考验办公流程自动化能力，Astra 得分 41.4%，上一代Sol是18.1%，Fable 5.1是31.4%。

从18.1%到41.4%，这个提升还是很明显的。

![](https://obj.lemonc.cc/files/2026/09/04/102656/pDzUju.png)

为什么说，欢迎来到 AGI 呢？很大程度就是因为这个 ARC-AGI-3 能力测评。

ARC-AGI-3 是一项专门考验大模型适应陌生环境能力的测试，不给规则说明，直接把模型扔进从未见过的二维游戏里，让它边玩边摸索通关方法。

这个分数意味着，**面对从未见过、也没有现成解法的问题，Astra已经表现出很强的自主探索和规则学习能力。**

![](https://obj.lemonc.cc/files/2026/09/04/102732/ZUjhX2.png)

当然 GPT-6 Astra 也不是全赢。

发布稿正文里放的那些图，你仔细看，全是它赢的项目。

这很正常，谁家发布稿不这么干。

但你把页面拉到最底下，那张大表要老实得多。

Artificial Analysis 的综合智能指数，Astra 61.2，Fable 5.1是 65.7，落后。

DeepSWE、FrontierCode这几个纯编程的榜，Astra跟Opus 5、跟Fable 5，来来回回就是零点几个点的差距，有的还略微落后。

![](https://obj.lemonc.cc/files/2026/09/04/102757/tDTkKf.png)

所以我看有的人写「全方位无死角碾压Claude」，我是不太同意的。

不是说 Astra 不行，而是说它真正拉开差距的地方非常集中，就是 Terminal-Bench Science、AutomationBench、Agents' Last Exam、OSWorld 这类需要它自己操作电脑、自己跑完整流程的项目。

这些项目它是真的遥遥领先，而纯答题的项目，它跟第一梯队基本打平，个别还落后。

### 三、写在最后

最后小感慨两句，昨天觉得不可思议的能力，三个月后变成理所当然； 

去年还需要专门演示的功能，今年已经成了输入框旁边一个不起眼的按钮。

技术进步最奇怪的地方就在这里。

当变化足够快，人反而会失去对变化的感觉。

就像那只独角兽。

2023 年，我们盯着几根歪歪扭扭的 TikZ 线条，试图从里面辨认出智能的「火花」。

后来，它的腿越来越像腿，角越来越像角，身体有了光影，背景有了空间，直到有一天，我们甚至忘记了自己为什么还要盯着那只独角兽。

因为模型早已经不只是会画独角兽了。

它开始写程序，做研究，操作电脑，理解视频，调用工具，完成一个过去需要人类工作几个小时、几天，甚至几个星期的任务。

而我们对它的评价，依然可能只是：

“嗯，这一版确实比上一版好用不少。”

这可能就是 AGI 最反直觉的地方。

我们曾经想象它会像核爆一样出现:一个巨大的、不可忽视的历史时刻。

但它真正到来的方式，也许更像潮水。

海水每次只上涨一点点。

站在岸边的人几乎察觉不到。

直到你回头，才发现原来站着的那片沙滩，已经消失了。

所以，我越来越觉得，讨论 AGI 究竟在哪一天到来，也许没有那么重要。

真正重要的问题是：

**当我们终于意识到它已经来了的时候，它究竟已经来了多久？**

也许那条分界线并不在未来。

也许我们已经跨过去了。

只是跨过去的时候，没有人听见声音。