GPT6 Astra | AGI Coming

计算机操作:像人一样填表、浏览网页、操作 Excel/CRM,OSWorld 2.0 得分 72.6%,比前代快约 47%

软件工程:DeepSWE v1.1 得分 74.1%,Codex 可在长任务中保留上下文

数学与推理:FrontierMath T4 得分 97.6%,已协助解决长期未解数学难题

网络安全:首个达 OpenAI"关键级",可无人指导发现未知漏洞,ExploitBench 100%

科学与专业工作:GPQA Diamond 96.0%、BenchCAD 95.9%,能用 Blender/KiCad 建 3D 场景、做 PCB 设计

Astra vs Sol 的本质区别通用智能持平,但 Astra 在网络安全、复杂推理、计算机操作上大幅拉开,把自己做成"专业智能体"。

安全与对齐更强,但更难监控:高风险行为为 Sol 一半,幻觉率从 92% 降至 51%;因更擅长控制思维链(CoT),对抗性环境下可能规避监控。

选购建议:复杂软件工程/自动化/专业分析 → Astra 更划算;常规任务 → Sol 更经济。

人工智能科学推理数学思维OpenAIgpt6正式发布agi