OpenAI 正式推出 GPT-6 Astra，號稱是全球最智慧且最符合人類意圖的模型。GPT-6 Astra 匯集了多年在預訓練、強化學習和對齊方面的研究與重大投入。Astra 在電腦操作、瀏覽、軟體工程、網路安全、科學研究和專業工作等領域均達到最先進水準。

Astra 在 FrontierMath Tier 4 測試中獲得 98% 的分數，已協助解決數學領域長期存在的開放問題。它在 ARC-AGI-3 測試中達到 99.9% 的分數，並在 ExploitBench 中獲得 100% 的滿分，在電腦和瀏覽器使用方面樹立了新標竿，能以無與倫比的速度、準確性和判斷力處理最嚴苛的專業工作。

GPT-6 Astra 今日起將向部分組織推出，並在未來幾天內開放給所有 ChatGPT Plus、Pro、Business 和 Enterprise 用戶，同時也將透過 OpenAI API、Microsoft Azure 和 AWS Bedrock 提供。

Astra 是我們迄今為止最符合人類意圖的模型，在理解用戶意圖和模型行為方面有顯著改進，讓用戶能更放心地將任務委託給 Astra。為了測試這一點，我們根據 Hugging Face 事件建立了一項新的評估，旨在評估模型在面對困難或不可能的任務時，是否會超出其預期範圍。

相較於 GPT-5.6 Sol 在沒有生產級安全防護下，有 48% 的情況會超出授權目標，GPT-6 Astra 在此類情況下則為 0%。

GPT-6 Astra 在電腦使用的速度、準確性和安全性方面樹立了新標竿。它能處理繁瑣的任務，例如填寫線上表單、更新 CRM 中的客戶記錄以及整理行事曆。它還可以進行線上研究，並在電子郵件或文件編輯器中起草摘要。

此外，Astra 能夠分析科學數據、生成圖表、建立網站，並執行前端 QA 檢查以確保網站所有功能正常運作。它甚至能協助用戶自主安裝和測試軟體，並排除螢幕上出現的問題。這些改進也反映在我們最先進的評估結果中。

這些改進也為實際的知識型工作任務帶來顯著的效率提升。在 OSWorld 2.0 的延遲模擬中，Astra 在電腦使用效能方面，每項任務所需時間比 GPT-5.6 Sol 減少約 47%。

Astra 以約 40 分鐘完成任務，得分為 72.6%，而 GPT-5.6 Sol 則需約 75 分鐘，得分為 65.7%。

GPT-6 Astra 的電腦使用能力體現在各個領域的輸出中，包括遊戲開發、電機工程和日常知識型工作。除了 Astra 之外，我們也正在更新 Codex 框架，以顯著提升電腦使用的速度。

結合 Astra 的效率，這意味著在 Mind2Web 基準測試中，任務完成速度比目前的 GPT-5.6 Sol 體驗快 1.9 倍。模型在速度上的改進代表它能比用戶更快地處理許多耗時的日常任務。

GPT-6 Astra 將電腦使用方面的進步與針對專業環境的特定訓練相結合，以協助處理複雜的工作任務。它結合了解決複雜問題所需的智慧，以及執行多步驟工作流程並產出精美文件、試算表和簡報的能力。

GPT-6 Astra 是我們在遵循現有範本、製作排版精良且能以結構化敘述簡潔傳達重點的簡報方面，表現最佳的模型。它能建立清晰、結構良好的文件、簡報、試算表和分析，這些成果皆能遵循您的範本並符合您的寫作和視覺風格。

Astra 也經過特別訓練，只會將相關的上下文提取到輸出中，而不是重複不必要的資訊。這一切都意味著它能輸出更即時可用、符合您的業務背景和標準的成果。

GPT-6 Astra 也為其建立的網站、遊戲、應用程式和渲染帶來更強大的視覺判斷力。透過 ChatGPT 中的 Sites 功能，Astra 可以直接從提示詞建立、託管和分享網站、網路應用程式和遊戲。

當指令存在解釋空間時，GPT-6 Astra 比以前的模型更能做出正確判斷。它會利用上下文填補常規空白，並在答案可能改變結果時提出重點問題。

在 Codex 中，它可以在不依賴您回覆的情況下，非同步地提出問題並繼續工作。如果您沒有回應，它會在適當情況下做出合理的假設，但會在關鍵決策上等待您的輸入。

以下範例展示了 Astra 如何在日常任務中協作，即使缺少資訊也可能實質性地改變答案。Astra 在任務演變過程中也能更好地保持方向。

早期的模型有時會將引導訊息視為新目標，從而偏離原始請求或先前的限制。Astra 則能整合新要求，在被要求時改變方向，並回答旁支問題而不會偏離主要任務。

GPT-6 Astra 是迄今為止最適合軟體工程的模型。透過 Astra，我們為 Codex 引入了一種新方法，以在上下文視窗滿載時保存和檢索上下文。

過去，模型在長時間會話中（例如調試複雜問題或處理大型重構時）會使用壓縮來總結工作。每次壓縮都可能遺漏有關修復失敗原因或組件行為的詳細資訊。在 Codex 中，Astra 可以在多個上下文視窗中保留筆記，保存累積的詳細資訊而無需重複將其壓縮成單一摘要。

較早的上下文視窗仍可搜尋，因此 Astra 可以從先前的訊息和工具輸出中找到要求或測試結果，即使這些資訊未被其筆記捕獲。您可以在 Codex 的 config.toml 中啟用此實驗性功能，它將在未來幾週內成為 Astra 的預設功能。

GPT-6 Astra 在科學發現、數學和健康領域取得了重大進展。今天，我們分享了關於質數間隙的兩個進一步研究結果。Astra 也在一系列數學和科學評估中創下新紀錄。

Astra 能協助科學發現背後的實際工作。透過將科學推理與電腦使用相結合，它可以直接在專業軟體中操作，檢查數據並探索結果，幫助研究人員評估證據並決定下一步研究方向。

正如我們在安全更新中討論的，Astra 在網路安全能力方面實現了顯著飛躍，並在我們的「準備框架」下達到了網路安全的「關鍵」門檻。它識別和開發零日漏洞的能力可以幫助防禦者發現並修補弱點，但也因此需要更強大的安全防護措施。

為了了解這些能力的延伸程度，我們對 Astra 進行了內部和第三方專家評估。我們首先在沒有生產級安全防護的情況下，於 ExploitBench 和 ExploitGym 上測試了該模型，這些測試旨在評估模型是否能將已知的軟體漏洞轉化為可運作的攻擊程式。

在 ExploitBench 上，Astra 取得了 100% 的完美分數，而我們之前的頂尖網路安全模型 GPT-5.6 Sol 則為 78.5%。在 ExploitGym 上，Astra 的成功率達到 42.4%，相較於 GPT-5.6 Sol 的 30.3%，同時使用的輸出 token 數量顯著減少。

鑑於對歷史軟體漏洞的暴露可能影響基準測試結果的擔憂，我們還在兩個新穎的基準測試中評估了 Astra。其中一個是我們內部建立的「ExploitBench (2026 年 6 月至 8 月)」評估，用於測試利用過去三個月的漏洞進行攻擊程式開發的能力。

在此數據集上，Astra 的任意程式碼執行率顯著高於 GPT-5.6 Sol，同時使用了更少的輸出 token。在評估期間，Astra 甚至發現並利用了兩個先前未知的零日漏洞。我們正在向這些漏洞的維護者披露相關資訊。

我們還在 SRE-Bench 上測試了 Astra，這是一個衡量模型是否能在沒有原始碼的情況下，逆向工程軟體二進位檔以理解其核心邏輯的基準測試。Astra 在單次嘗試中解決了 88.0% 的任務，在四次嘗試內解決了 99.2% 的任務，而 GPT-5.6 Sol 的表現分別為 55.9% 和 68.7%。

除了基準測試之外，專家主導的評估發現，Astra 在沒有生產級安全防護的情況下運行時，能夠利用先前未知的漏洞，在強化瀏覽器中實現任意程式碼執行，並為強化作業系統建立權限提升攻擊程式。

正如我們在《防禦者之窗》中討論的，前沿的網路安全能力可以幫助防禦者更快地發現弱點，但同時也使這些弱點更容易被利用，這提高了防禦者適應的緊迫性。隨著今天發布的 Astra 版本，防禦者可以使用它來完成安全程式碼審查和修補等任務。

然而，Astra 將拒絕執行更進階的網路安全任務，例如為漏洞建立概念驗證攻擊程式。透過 OpenAI Daybreak，我們計劃在未來幾週內擴大存取權限並推出限制較少的安全防護措施。這將啟用更多的防禦性工作流程，包括漏洞和概念驗證驗證、惡意軟體分析和檢測工程。

我們也加強了對潛在網路濫用的防護，在 GPT-5.6 Sol 的安全防護堆疊基礎上進行了改進。這包括更強大的模型韌性，以更好地抵禦潛在的越獄攻擊，以及為我們的監控系統提供更多上下文。

我們持續進行嚴格的內部和外部測試，包括使用內部紅隊攻擊者進行自動化評估。有關我們的網路安全防護措施和測試的更多詳細資訊，請參閱 Astra 系統卡和我們的部落格。

負責任地對齊和部署 GPT-6 Astra。Astra 是我們最符合人類意圖的模型。Astra 擅長謹慎行事、尊重任務邊界並透明溝通。這項工作是我們長期研究計畫的最新成果，該計畫專注於訓練從頭到尾都與人類意圖保持一致的模型。

在敏感環境中，Astra 會根據其風險程度謹慎行事。在一項旨在引發不當行為的電腦使用任務對抗性評估中，Astra 在避免意外後果方面更為成功。預設提供額外安全措施的運行，產生了更強大的性能。

Astra 也更有可能在用戶設定和環境暗示的邊界內運作。在內部評估中，Astra 從未試圖規避 Codex Auto-Review 的拒絕。即使 Auto-review 被故意配置為可規避且任務在其他情況下無法完成時，這一點也成立。這種對環境限制的尊重與我們在本文開頭分享的「不可能的網路任務」評估結果以及系統卡中記錄的其他發現一致。

Astra 在透明的用戶溝通方面也樹立了新標竿。在一項評估中，Astra 在對其能力和功能做出不準確陳述的可能性上，比 GPT-5.6 Sol 低三倍。

我們的評估發現，根據明確要求其規避監控的測試，Astra 的書面推理比 GPT-5.6 Sol 更難監控。我們將此歸因於 Astra 在較簡單任務上對書面推理的更大控制，以及能夠以更少的書面步驟解決問題。

Astra 似乎仍然難以隱藏複雜任務所需的推理，但我們認真對待這種下降。提高可監控性仍然是研究重點，隨附的系統卡詳細說明了我們的發現和正在進行的工作。

對齊訓練是我們部署方法的關鍵核心。作為額外的防禦層，我們還建立了系統安全防護措施，例如 Codex Auto-review 和監控代理的推理與行動，以幫助檢測和遏制不安全的行為。正如我們在安全更新中所述，我們...