OpenAI 发布 GPT-6 Astra：1.05M 上下文的计算机操作模型，受“严重”网络安全门槛约束

OpenAI 今日发布 GPT-6 Astra，称其为迄今最智能、对齐度最高的模型，但强调它首先是一套“计算机使用系统”而不是聊天模型。它的目标是以人类操作软件的方式，在浏览器、电子表格、桌面应用和终端中直接完成多步骤任务，而不是只告诉用户该怎么做。Astra 是闭源托管模型，未公开权重，无法自托管；发布当天只有加入 OpenAI Trusted Access 和 Daybreak 计划的机构可以使用。

对开发者而言，最重要的变化是上下文处理方式。此前 Codex 使用压缩机制，当上下文占满时会把较早轮次总结成摘要，容易丢失智能体后续需要的关键细节，例如某次修复失败的原因、已经运行过哪些测试、早期加入的需求是什么。Astra 改为在多个上下文窗口间保留笔记，并能回搜早期消息和工具输出。该功能目前以实验形式提供，需要修改 config.toml 开启，未来几周会成为 Codex 的默认行为。Astra 还能在向用户提问的同时继续处理与该问题无关的工作，避免一个未决策事项卡住整个任务。

模型参数方面，Astra 提供 105 万 token 的上下文窗口、最大 12.8 万输出 token，知识截止到 2026 年 4 月 30 日；输入支持文本和图像，输出仅文本。reasoning.effort 在 high 之上新增 xhigh 与 max。工具支持包括计算机使用、托管 shell、apply patch、skills、MCP 和工具搜索，但不支持微调。

基准测试方面，OpenAI 报告 Astra 在 OSWorld V2-Offline 上取得 72.6%，高于 GPT-5.6 Sol 的 65.7%，平均任务耗时也从约 75 分钟降到约 40 分钟。Anthropic 称其 Claude Fable 5.1 达到 77.9%，但同时说明使用的 OSWorld 版本不同，不能直接比较。Astra 在 ARC-AGI-3 上为 98.6%；OpenAI 使用的 Responses API harness 会在轮次之间保留推理，并对长上下文做压缩，所以该数字反映的是模型加智能体的组合表现。其他已公布数据包括：FrontierMath Tier 4 为 97.6%，BenchCAD Vision2Code 为 95.9%（Fable 5.1 为 84.3%），Terminal-Bench Science 为 64.6%（Anthropic 报告 52.6%）。Epoch AI 指出 FrontierMath 由 OpenAI 资助，且其中一部分只有 OpenAI 能访问。

编程能力是相对弱项：Astra 在 DeepSWE v1.1 上为 74.1%，Sol 是 70.8%；Meta 报告 Muse Spark 1.3 在最大推理量下为 75.4%，公开榜单中 Gemini 3.8 Flash 和 Claude Opus 5 也接近 74%。在 113 个任务的测评中，这些差距只相当于一两个任务。

网络安全能力直接决定访问模式。Astra 是 OpenAI Preparedness Framework 中首个达到 Critical 网络安全门槛的模型。测试中它能针对加固后的浏览器和操作系统开发漏洞利用，并发现两个此前未知的 V8 漏洞；OpenAI 表示会向维护者披露。实际限制包括：标准访问渠道会拒绝漏洞利用发现等高级网络安全工作；API 的安全检查会直接终止任务，而不是暂停等待批准。OpenAI 的 Mia Glaese 提醒，非 Trusted Access 用户可能遇到速度变慢、暂停甚至被拦截，有时发生在无关任务中。OpenAI 报告 Astra 在 ExploitBench 上为 100%，这是一项能力覆盖综合指标而非通过率；在 ExploitGym 上为 42.4%，高于 Sol 的 30.3%，两项均去掉了通常的六小时时限。

定价方面，Astra 每百万输入 token 10 美元、每百万输出 token 50 美元，缓存输入每百万 1 美元；超过 27.2 万输入 token 的请求会按整个请求的 2 倍输入、1.5 倍输出计费。Batch 和 Flex 打五折，Fast 模式为 2 倍价格；Pro、Business 和 Enterprise 用户还可使用 Astra Pro。OpenAI 表示 API 与 AWS 将在未来几天上线。