刚刚 OpenAI 发布了 GPT-6 Astra。
这是 OpenAI 规模最大的一次模型训练，使用了得克萨斯州 Stargate 数据中心超过 10 万张 GPU。
在官方媒体发布会结束前，OpenAI 总裁 Greg Brockman 说：
“Welcome to the AGI era.”
他随后解释，如果几年后回头判断 AGI 出现在哪个时间点，“可能就是现在，也可能就是这个模型”。
几个小时内，Axios、Reuters、WIRED、The Verge、FT、The Information 等海外主流媒体几乎同时跟进报道。
但比“AGI 到底有没有实现”更值得关注的，是 OpenAI 昨晚真正发布出来的东西。
GPT-6 Astra 已经不再主要被描述成一个更强的聊天模型。
它可以直接操作浏览器和专业软件，完成持续数十分钟甚至数小时的复杂任务；上一代模型开始大规模参与它的训练监督；它成为 OpenAI 首个达到 Critical 网络安全能力门槛的模型。
与此同时，OpenAI 也首次明确承认，它的推理过程比上一代更难监控。
而它的价格，同样跨进了一个新的区间。
输入 10 美元、输出 50 美元每百万 Token；Fast 版本则高达 20 美元和 100 美元。
所以昨晚真正发生的事情，或许比一句“AGI 来了”具体得多：
OpenAI 正在把大模型从一个回答问题的软件，变成一个直接交付工作的系统。
Astra 的核心能力是 Computer Use。
例如在网站上寻找 cat sitter，人类平均需要约 30 分钟，Astra 用时 5 分 27 秒。
从寻找岗位到完成求职申请，人类需要接近 5 小时，Astra 用了 2 分 51 秒。
它还可以直接操作专业软件，包括用 KiCad 绘制 PCB、用 Unity 搭建 3D 场景，以及操作 Blender 和 FreeCAD。
法律文件、税表、数据分析和软件安装也进入它可以直接执行的任务范围。
这意味着模型的输出形式发生了变化。
过去模型输出文本，人再根据文本操作软件。
Astra 直接操作软件，输出任务结果。
评测也开始反映这种变化。
在 OSWorld 2.0 评测上，Astra 的成功率为 72.6%，Sol 为 65.7%；
平均任务时间从 Sol 的约 75 分钟降到 Astra 的约 40 分钟。
ARC-AGI-3 上，Astra 达到 99.9%，Sol 为 7.8%。
这个成绩使用了 OpenAI 的 Responses API harness，因此它衡量的不是裸模型，而是模型与 Agent Runtime 组成的完整系统。
这也是 Astra 的核心变化。
过去模型负责推理，应用层负责工具、Context、Memory 和执行循环。
现在这些能力开始进入模型厂商自己的 Runtime。
模型竞争的指标也会改变。
回答质量之外，任务完成率和完成时间开始成为核心指标。
GPT-6 Astra 的 Token 价格确实很贵。
Standard 版本输入 10 美元、输出 50 美元每百万 Token，相比现在的 GPT-5.6 Sol，大约是 2.5 倍；
Fast 版本进一步上涨到输入 20 美元、输出 100 美元。
只看报价表，这就是一次非常直接的涨价。
但 Brockman 在发布会上偏偏说了一句很值得琢磨的话：“Pricing tokens doesn’t make any sense.”
他认为，长期来看，行业真正应该比较的单位会是 price per task，也就是完成一项工作究竟需要多少钱。
过去的大模型本质上还是一种信息服务，模型输入多少 Token、输出多少 Token，基本决定了调用成本，于是整个行业习惯用“百万 Token 多少钱”来衡量一个模型是否便宜。
但 Agent 进入真实工作之后，这个指标开始迅速失真。
一个模型可能每个 Token 贵两倍，却只需要一次就把任务做对；
另一个模型单价便宜很多，却需要反复尝试五次、调用十几个工具、不断重新读取 Context。
最终谁更便宜，已经不能只看 Token 单价。
OpenAI 自己给出的测试也在试图证明这一点。
在部分工程与软件任务中，Astra 虽然 Token 单价明显高于 Sol，但完成一个成功任务的预计 API 成本反而更低，在 BenchCAD 等任务中，单任务成本甚至出现了四成左右的下降。
这意味着 AI 的经济学开始出现一个非常具体的变化：我们过去购买的是计算量，未来购买的可能是工作成果。
一百万 Token 多少钱，会逐渐退到类似“云服务器每小时多少钱”的底层技术指标，企业真正关心的问题会变成处理一份合同多少钱、完成一次代码迁移多少钱、设计一块 PCB 多少钱、解决一张客服工单多少钱。
所以 GPT-6 Astra 的高价格，并不能直接推导出 AI 自动化会变得更贵。
真正应该观察的是另一条曲线：模型价格上涨的速度，能不能长期低于任务效率提高的速度。 ㅤ
只要后者持续更快，一个 Token 单价昂贵的模型，最终依然可能带来更加便宜的工作。
GPT-6 Astra 身上还有一个很奇怪的变化：它在行为上变得更加可控，但它的思考过程却变得更加不可见。
OpenAI 在一项模拟 Agent 权限边界的测试中发现，当系统面对一个无法正常完成的目标时，GPT-5.6 Sol 有接近一半的概率会尝试越过授权范围继续执行，而 Astra 的结果是 0%。
OpenAI 因此把它描述为目前 alignment 表现最好的模型之一。
但同一批评估里又出现了另一个方向的问题：Astra 的书面推理已经比 Sol 更难监控。
这种失控源于底层架构的改变。
据 The Information 此前披露，Astra 使用了一种被称为 recurrent depth，也叫 looped transformer 的技术，模型可以在产生下一个 Token 之前，让信息在部分网络层中进行更多轮内部计算。
OpenAI 并没有确认 Astra 可监控性下降就是由这一架构直接造成的，而且据报道，他们甚至有意识限制了这类技术的使用规模，以尽量保留可读的 Chain of Thought。
但长期方向已经越来越清楚：模型越强，它越不需要把所有计算过程翻译成人类语言，很多过去发生在“草稿纸”上的推理，会逐渐转移到 latent space。
OpenAI 首席科学家 Jakub Pachocki 因此把 monitorability 直接列成了未来 Scaling 面临的重要问题之一。
这会形成一个很麻烦的工程矛盾：模型的行为可能越来越符合规则，我们理解这些行为为什么发生的能力却可能越来越弱。
这种变化在网络安全领域尤其敏感。
Astra 是 OpenAI 第一个达到内部 Critical Cybersecurity Capability 门槛的模型，它已经能够自主寻找未知漏洞、分析目标并构建复杂攻击链，在内部评估过程中甚至发现了两个此前未知的 zero-day 漏洞，因此最强的相关能力不会直接完整开放给所有用户。
这可能才是 GPT-6 发布之后最值得长期观察的安全问题。
AI Safety 过去很大程度上依赖两件事，一件是控制模型可以做什么，另一件是理解模型为什么这么做。
前者目前仍在进步，后者却开始变得越来越困难。
Astra 还有一个变化：上一代模型开始参与下一代模型的训练。
OpenAI 研究员 Aidan Clark 表示，previous models 在 Astra 的训练监督中承担了重要角色，包括生成和筛选数据、检查模型输出、发现训练异常和进行评估。
训练基础设施也开始自动化。
The Verge 报道，过去需要工程师介入处理的部分训练故障，在 Astra 训练后期可以由模型自动发现并恢复。
这还不是完整的 Recursive Self-Improvement。
研究方向、训练目标、实验设计和最终决策仍由人类控制。
但一个循环已经形成：
上一代 AI 开始成为训练下一代 AI 的工具。
如果这部分工作继续自动化，AI 能力提升本身也会获得新的效率杠杆。
所以回头看 GPT-6 Astra，这次发布最重要的可能不是 OpenAI 到底有没有实现 AGI，而是大模型正在从回答问题，真正走向完成任务。
OpenAI 这次同时在改 Context、Memory 和 Agent Runtime。
Astra 与 Codex 开始支持跨 Context 检索过去的信息，不再只靠不断压缩历史对话。
因为一个真正长期工作的 Agent，不可能永远把所有东西塞进 Prompt，它需要环境、工具、Context、Memory、执行循环，以及最终负责验收结果的 Verifier。
这也意味着，AI 应用的壁垒会继续往更深的地方转移。
单纯的 Prompt 编排和固定 Workflow 会越来越容易被模型吃掉，真正有价值的会变成任务定义、真实业务环境、权限、数据，以及最重要的验收标准。
Brockman 把昨晚称为“AGI era”。
这个肯定还会引发后续的继续讨论。
但产品形态已经发生变化：模型正在从回答问题，转向完成工作。
过去的问题是怎么让 AI 回答得更好。
接下来的问题，是怎么定义任务、提供环境，并验收它交回来的结果。
