未来真正被改变的可能不只是哪个模型最强，还有我们用了几十年的那套数字世界秩序：人提出需求，软件提供能力，界面负责连接二者。

现在，AI正在插进中间，并一点点把“连接”这件事拿走。

关于GPT-6 Astra，「甲子光年」有三条判断：

【GUI没有死：只要模型足够强，就没有GUI和CLI之争；】GUI Agent最核心的一组矛盾：GUI很通用，却不够高效；CLI很高效，却不够通用。

如果一个软件原生提供API、CLI，甚至MCP，Agent当然没有必要模拟人类去移动鼠标、识别按钮。让AI先截图，再理解页面，再计算点击坐标，本质上确实是在绕路。但现实世界的软件，并没有为Agent重新写过一遍。

大量ERP、银行后台、医院信息系统、工业软件、EDA工具和企业内部系统，依然建立在人类过去几十年熟悉的GUI之上。它们可能没有完整API，没有CLI，也谈不上所谓Agent Native。

这也就解释了一个看起来有些矛盾的现象：为什么行业一边说CLI才代表未来，OpenAI却又在GPT-6 Astra上如此强调GUI？

因为两者解决的根本不是同一个问题。CLI讨论的是，未来的软件应该怎样为Agent设计；GUI解决的是，今天的Agent怎样进入一个尚未为它准备好的数字世界。换句话说，CLI是在改造软件，GUI是在改造AI。

前一种路线要求整个软件生态迁移，后一种路线则要求模型足够强，强到可以理解人类过去几十年留下来的全部交互界面。所以Astra强调GUI，并不代表OpenAI认为GUI比CLI先进，它更像是一种现实主义选择。

真正成熟的Agent最终不会忠于某一种接口。能走API，就直接走API；CLI效率更高，就敲命令；没有任何机器接口，再进入GUI。对于Agent来说，GUI、CLI、API和MCP更像不同的通道，真正需要优化的是任务成功率、执行速度和成本。

【App在后退：Astra不一定能实现AGI，但会开始“吞噬”App；】“AI吞噬App”，并不等于App马上消失。Astra真正开始吞掉的，是App最重要的一部分价值：入口。

银行还需要核心账户系统，航空公司还需要票务系统，Salesforce还需要CRM，Adobe还需要图像处理能力，KiCad还需要EDA能力。只是这些软件可能越来越多地退到Agent身后，成为能力提供者。

过去一个App同时负责两件事：提供能力，以及组织人与能力之间的交互。Agent出现以后，这两层开始分离。软件负责“能做什么”，Agent负责理解“用户想做什么”。

这甚至可能重新定义什么叫好软件。

对软件公司来说，最值得警惕的并不是“ChatGPT会不会把我的产品做掉”，还有一个更现实的问题：我的软件可能依然在被大量使用，但用户还属于我吗？

这其实比“App消失”更加棘手。

过去网站依然承载内容，但用户关系逐渐掌握在Google、Facebook和TikTok手里；未来很多软件也可能继续承担真实任务，但用户需求的入口已经上移到了Agent。

Astra未必已经实现了AGI，但它确实让另一个问题变得越来越现实：当AI越来越会使用软件，人还需要亲自使用那么多软件吗？

【Benchmark失去解释力：模型竞争的单位，从答案变成任务。】我们过去用来评价大模型的Benchmark，正在越来越难完整描述Agent。

传统Benchmark的逻辑很简单。给模型一道题，看它答得对不对。它评价的本质上是某一个时刻、某一项能力的上限。

但真实世界里的Agent不是这样工作的。用户不会问：“你的GPQA是多少？”用户真正关心的是：我把这件事交给你，你最后能不能做完？

这两个问题的差别非常大。

Astra强调的已经不再只是某一个单点能力，而是任务闭环。

这意味着AI产品的最小单位正在发生变化。过去，模型的最小单位是一次回答；到了Agent阶段，越来越接近一项任务。

一旦评价单位发生变化，真正重要的指标也会随之改变：模型能不能正确规划几十步任务，中间出错以后能不能自己恢复，能不能根据情况选择GUI、CLI或者API，能不能保持几十分钟甚至几小时的上下文，会不会越权，最终完成率是多少，以及完成一件任务到底花了多少钱。

这些指标很难通过传统的单轮Benchmark完整体现，也就是说：传统单轮、单能力Benchmark作为模型总体能力代理指标的解释力在下降。

OpenAI这次尤其强调Astra在OSWorld上的耗时，正是一个信号。

在OSWorld 2.0延迟模拟中，Astra完成每项任务所需的时间比GPT‑5.6 Sol少约47%，同时实现了更高的Computer Use性能：Astra以每项任务约40分钟的耗时获得72.6%的得分，而GPT‑5.6 Sol以每项任务约75分钟的耗时获得65.7%的得分。

这已经不只是准确率的竞争，它越来越接近真实工作里的效率指标。