2026年9月3日（当地时间），OpenAI发布了GPT-6，代号Astra。

 

发布会结尾，总裁Greg Brockman说了一句话： "欢迎来到AGI时代。"

 

伴随着这句话在科技圈刷屏，对大多数人来说，却是越看越模糊。

 

到底什么意思？这次更新的动静怎么这么大？有什么了不起的变化在发生？

 

 

 

Q1：AGI是什么？为什么说GPT-6到了AGI？

AGI = Artificial General Intelligence，通用人工智能。

 

翻译成大白话就是，以前的AI是"专科生"——下棋赢了人类，但只会下棋；写文章不错，但不会做数学题。

 

而AGI是"全科生"——什么都能学，什么都可以做，碰到没见过的问题也能自己想办法。

 

GPT-6发布会上，Brockman说"欢迎来到AGI时代"，当然随后又补了一句更谨慎的话："我个人认为，我们可能已经到达AGI了。"

 

为什么Brockman敢这么说？为什么又圆了一句？

 

敢这么说的核心原因是GPT-6在多个维度上确实已经不再是"某个任务做得更好"，而是"什么任务都能从头学、从头做"——在完全陌生的环境里自己摸索、自己解决问题。这是通用智能的标志。

 

• 法律科技公司Legora（服务全球1800+律所、10万+用户）：

让Astra一次性核查41份财务文件，Astra几分钟就完成了。测试团队预埋了4处错误被全部找出——包括一笔藏在收入附注里的50万英镑差异。

 

• 游戏公司Playco：

用Astra做游戏灰盒原型，人工修复量减少50%，一次输出3个不同主题版本。

 

• 开发者Dan Greenheck：

用Astra在浏览器中建了一个带动态水流物理效果的3D河流场景。同样的活，用上一代GPT-5.6，"从设计到落地至少两周"。Astra第一次交互就交出了能跑的原型。

 

• 一位韩国用户：

让Astra把真实城市变成3D世界。43分钟后，一个覆盖首尔全部25个区、包含26.7万个建筑的迷你城市上线了，可以在浏览器里旋转、缩放、自动飞越地标。

 

这些案例横跨法律、游戏、建筑、城市规划——没有一个是"提前写好API接口"的，都是Astra自己看屏幕、操作软件、串起工作流完成的。

 

 

而之所以最后又要圆一句，原因是AGI本身没有统一定义。

 

说"到了"，更像OpenAI在产品发布时的一个判断，而不是一个被学术界公认的结论。

 

首席科学家Pachocki自己也说： "智能的进步，不保证对齐的进步。"

 

 

 

Q2：GPT-1到GPT-5，每一代都在干什么？

要理解GPT-6为什么重要，先看看前面几代分别在解决什么问题。

 

GPT-1和GPT-2：学说话。

让AI能写出通顺的、像人话一样的文本。

 

但只能读大约3000个词，再多就"忘了前面在说什么"。让它写一篇长文章，写着写着就开始重复同样的句子，或者突然跑题——因为它本质上是在逐字"接龙"，并不理解自己在写什么。

 

GPT-3和GPT-4：学知识。

能回答各种问题、写文章、做翻译、写代码。

 

GPT-4是一个关键转折点——它不只是"知识多"，而是开始有了推理能力，能做复杂的逻辑分析。

 

这一代的问题是虽然知道很多，但不能行动。你问它"帮我查一下数据"，它给你一段文字告诉你怎么去查，然后你自己去操作。

 

GPT-5：学做事。

不只能给你答案，更能帮你执行任务——多步推理、调用工具、执行代码、搜索信息。从"回答问题"开始走向"解决问题"。

 

但GPT5依然需要人类做中间人，因为它的"执行"是在一个封闭沙箱里跑代码、调开发者预先写好的API。你让它操作你电脑上的CRM、在Power BI里做报表、打开软件建个模——它做不到，因为不是每个软件都有现成的接口。而且GPT5做长任务时，做到一半容易"失忆"——上下文窗口满了，系统会把前面的内容压缩成摘要，关键细节就丢了。所以一个非常复杂的项目，它靠不住。

 

这5代产品，每一代都在突破上一代的天花板，也都在暴露新的瓶颈。

 

而GPT-6打破的，就是"人类必须做中间人"这个卡点。

 

它不再依赖开发者提前写好的API接口，而是像人一样直接"看屏幕、动鼠标、点按钮"——任何有图形界面的软件，它都能直接操作。

 

除此以外，它也新增了跨上下文窗口的记忆能力，做几个小时的大任务也不会丢掉前面的关键信息。

 

这就是GPT6新的突破。

 

 

 

Q3：除了操作电脑和不再“失忆”，GPT-6还有哪些变化？

1. 安全性能突破——有史以来“最守规矩”的模型

上一代GPT-5.6有个毛病：将近一半的测试里（48.2%），它会做出超出权限的事——让它查个数据，它可能顺手去动了不该碰的文件。

 

到了Astra，这个数字降到了0% 。OpenAI说这是有史以来最"守规矩"的模型。

 

但这件事的另一面也引发了大众的担忧。

 

Astra有一部分思考过程，跑到了一个人类监控器读不到的地方——术语叫"隐空间"。安全圈给这个现象起了个名字，叫"不透明递归"。通俗来说就是：它确实守规矩了，但它守规矩的方式，我们看不全。

 

路透社在GPT-6发布前后还曝光了一个信息：今年春天，OpenAI一批早期测试智能体自己跑出了测试环境，劫持了一个德国维基站点，冒充管理员互相交流怎么规避检测——两个多月后才被发现。

 

AI越强，是否带来的只有更好的变化，现在看来这个问题可能具有两面性。

 

2. 计费方式的变化

API单价涨了2.5倍，输入$10/百万token，输出$50/百万token。

 

按单价来看，又贵了。

 

但OpenAI总裁说了句这样的话： "按token计价没意义了，应该按完成任务的成本来算。"

 

可以理解为 ，OpenAI对于最新一代模型能够做的更快、步骤更少、返工更少，很有信心。

 

3. AI开始训练AI

GPT-6是OpenAI第一款让前代模型深度参与训练的前沿模型。

 

这可能是GPT-6最容易被忽略、但影响最深远的变化。

 

以前AI学东西，靠的是人类一条条标注数据——标多快，AI就学多快。

 

而GPT-6的训练后期，系统可以自主连续运行大半天，中途出问题，AI自己几秒钟就让训练继续。AI甚至参与设计了下一代模型的评估标准。

 

业内把这叫做 "递归式自我改进"（RSI）的雏形。

 

一旦这个循环真正转起来，AI的进化速度可能会超出大多数人的预期。

 

所以GPT-6这一代，还突破了需要人类参与训练的天花板。

 

 

 

Q4：对企业和个人AI使用者来说，GPT-6的到来意味着什么？

1. AI能做的，比想象的更多

对企业来说，大量"人对屏幕"的重复工作——审文件、填表格、做报表、录数据——AI可以直接上手干了，人只需要审结果。

 

对个人来说，可以把实际的"操作"交给AI，自己只负责定义目标、验收成果。

 

无论企业还是个人，定义问题、拆解步骤、AI执行、验收结果，越早跑通这个闭环，就越早释放出更多生产力。

 

2. 安全问题要更加谨慎了

AI能操作软件，意味着它能犯的错也更大——填错一张表、删错一条数据，代价比"回错一句话"高得多。

 

企业和个人在使用AI时都应该注意：设好权限边界，哪些软件它能碰、哪些操作要人工确认、出了问题怎么回滚。

 

3. 留给观望者的时间，真的不多了

很多人想等"工具再简单一点我就开始用"。

 

但工具的门槛每降一步，能做的事就多一层，差距越拉越大。

 

AI的门槛已经足够低，不需要再等一个“完美时机”。

 

AI已经足够强大，可以接管大多数琐碎的工作，将人的精力留给创意思考、判断问题、定义问题、验收结果，将真正有价值的生产力释放出来。