GPT-6 Astra 现已发布：OpenAI 的前沿新模型，现已登陆 Runable 的 Ultra 模式

Sep 4, 2026•by Eshaan Pawan

Summarize with:

GPT-6 Astra 现已发布：OpenAI 的前沿新模型，现已登陆 Runable 的 Ultra 模式

关键要点

OpenAI 于 2026 年 9 月 3 日发布了 GPT-6 Astra，称其为全球最智能且最符合人类意图的模型。它在计算机操作、软件工程、科学研究及专业知识工作方面处于领先地位。
Astra 在 FrontierMath Tier 4 上达到 98% 的饱和度，在 ARC-AGI-3 上达到 99.9%，在 ExploitBench 上达到 100%，并且在 Terminal-Bench Science 基准测试中击败了 Claude Fable 5.1，同时预计 API 成本降低了约 31%。
你现在即可在 Runable 上使用 GPT-6 Astra：只需在模型选择器中选择 Ultra，Agent 即可在 Astra 的支持下进行规划与构建。
Astra 是 OpenAI 首个达到“关键”网络安全阈值的模型，因此其最先进的网络安全功能通过 Daybreak 项目仅向获批的防御方开放。

在 Anthropic 发布 Claude Fable 5.1 的两天后，OpenAI 给出了回应。2026 年 9 月 3 日，该公司发布了 GPT-6 Astra，将其描述为新一代智能，并用 Greg Brockman 的话说，这是 AGI 时代的开始。抛开大胆的修辞不谈，其基准测试数据真实可信，计算机操作能力的提升幅度是今年所有发布中最大的，而且该模型已经上线 Runable 的 Ultra 模式。

本文将介绍 GPT-6 Astra 的实际情况、其领先领域的表现、受限的访问权限，以及如何从今天起在 Runable 上投入使用。

OpenAI 9 月 3 日的发布内容

GPT-6 Astra 是 GPT-5.6 Sol 的继任者，也是 OpenAI GPT-6 系列的首个模型。它在发布当日向部分精选组织开放，随后几天内推广至所有 ChatGPT Plus、Pro、Business 和 Enterprise 用户，以及 OpenAI API、Microsoft Azure 和 AWS Bedrock 用户。

OpenAI 的核心宣传点在于 Astra 是其迄今为止最智能、最符合人类意图的模型。其智能水平得益于预训练和强化学习的进步。而在一致性方面，其表现比以往的常规声明更有意思：OpenAI 参考 Hugging Face 事件构建了一项新的评估机制，用于测试模型在面对不可能完成的任务时是否会超出授权范围。GPT-5.6 Sol 在缺乏生产环境安全保障的情况下，有 48% 的概率会超出授权目标，而 Astra 在所有测试案例中均为 0%。对于任何将实际工作委派给 Agent 的用户来说，这一指标的重要性不亚于任何能力评分。

API 定价为每百万输入 Token 10 美元，每百万输出 Token 50 美元，缓存输入为每百万 Token 1 美元。这比 Sol 的价格略高，但 OpenAI 通过基准测试成本曲线指出，由于 Astra 所需的 Token 数量更少且重试次数更少，它实际上以更低的成本完成了更多的工作。

基准测试表现

Astra 的评分主要分为两类：已饱和的基准测试和新领域测试。

其饱和度测试表现惊人。Astra 在 FrontierMath Tier 4（基于研究级数学问题构建的基准测试）上获得 98% 的分数，并已助力解决了数学领域的部分公开难题。它在 ARC-AGI-3 上达到 99.9%，ARC Prize Foundation 表示该模型在 96% 的关卡中超过了人类的操作效率基线，实际上达到了人类同等水平。它在 ExploitBench 上则获得了 100% 的满分。

竞争性领域则是与 Anthropic 直接对比的阵地。在测试 Agent 是否能通过代码和终端工具运行真实科学工作流的 Terminal-Bench Science 0.1 上，Astra 达到了 64.6%，而 Claude Fable 5.1 为 52.6%，且 Astra 的预计 API 成本降低了约 31%。在涵盖真实软件中复杂专业任务的 Agents' Last Exam 测试中，Astra 得分为 59.3%，高于 Claude Opus 5 的 55.5% 和 Sol 的 53.6%，且输出 Token 的使用量比 Opus 5 减少了约 65%。在模型通过编写 CAD 代码重建 3D 对象的 BenchCAD 测试中，Astra 达到了 95.9%，而 Fable 5.1 的报告得分为 84.3%。

速度与准确性同步提升。在 OSWorld 2.0 的延迟模拟中，Astra 以每项任务约 40 分钟的耗时获得 72.6% 的分数，而 Sol 完成同类任务耗时约 75 分钟，得分为 65.7%。结合更新后的 Codex 框架，OpenAI 测得其在 Mind2Web 上的任务完成速度比目前的 Sol 体验提升了 1.9 倍。

全球最强的计算机操作模型

此次发布最大的主题是计算机操作。Astra 可以操作真实软件：填写表单、更新 CRM 记录、管理日历、在浏览器中进行研究、起草电子邮件或文档、为你刚构建的网站运行前端质量保证 (QA)，以及对屏幕上看到的问题进行排查。

OpenAI 的演示视频直观地展示了这一点。Astra 可以在 KiCad 中进行印刷电路板布局，将电路图转化为可制造的电路板。它还能参与 Excel 建模、填写 1040 表单、格式化法律文档、构建 Power BI 仪表板以及预约 DMV。这些曾经需要人类手动操作鼠标的繁琐、高摩擦任务，现在都由它代劳。

为了输出专业的成果，OpenAI 专门针对模板合规性对 Astra 进行了训练。它能够遵循你现有的幻灯片模板，匹配你的写作和视觉风格，并仅将关键上下文提取到交付物中。早期客户对此表示赞同：Cognition 在发布当日就将 Astra 集成到 Devin 中，并称其在内部基准测试中取得了领先成果；Higgsfield 也报告称，Astra 执行其最复杂的创意工作流时，所需的 Token 比其他替代方案减少了多达 20%。

安全门控：关键网络安全能力

Astra 是 OpenAI 首个根据公司《准备框架》(Preparedness Framework) 达到“关键”网络安全能力级别的模型。这一认定在发布前就产生了影响：OpenAI 于 8 月 7 日确定 Astra 可能具备关键的网络安全能力，因此对所有推理增加了监控要求，并推迟了部分开发与发布工作。

实际结果是采取了分级访问权限。大众使用的模型在网络安全任务上具备强大的安全防护措施。其最先进的攻击性安全能力则通过 OpenAI 的 Daybreak 项目，仅向获批的网络安全防御方开放。如果你从事的是常规软件工程、研究或业务任务，则不会感受到这一限制。如果你是安全团队，Daybreak 即是你的申请渠道。

如何在 Runable 上使用 GPT-6 Astra

Runable 已将 GPT-6 Astra 添加至模型选择器的顶级 Ultra 模式中，该模式此前已支持本周初发布的 Claude Fable 5.1。使用方法如下：

首先，在 Runable 中开启一项新任务，并在输入栏（人工制品选择器和模式切换器旁）找到模型选择器。选择 Ultra。更高级别的模型在每项任务中消耗的积分更多，但推理能力更强；现在 Ultra 模式将引导你的 Agent 使用包括 Astra 在内的前沿模型。

其次，用自然语言描述任务，就像使用任何 Runable 构建一样：全栈网站、财务模型、研究报告或幻灯片演示。Astra 的优势直接契合 Runable 最常用的输出类型，尤其是涉及漫长多步工作、繁重的文档分析或需要通过自身 QA 测试的代码的任务。

第三，在同一个聊天窗口中进行审阅和优化。工作流的其他部分没有任何改变：无论选择哪种模型等级，计划模式 (Plan Mode)、技能、连接器、记忆、回滚和分支功能均保持一致。

这种搭配之所以合理是有原因的。Astra 是 OpenAI 发布的最强大的计算机操作和 Agent 模型，而 Runable 是一个让模型拥有沙盒、工具和长达数小时自主权的 Agent 平台。仅通过聊天窗口运行 Astra 往往无法发挥其价值，但在专门为委托工作构建的环境中运行，基准测试的提升才能转化为最终产出。Runable 提供免费使用额度，Pro 计划（20 美元/月）是最受欢迎的选择，Max 计划（100 美元/月）则适用于高频使用。

Astra 与 Claude Fable 5.1：该选哪一个？

诚实地说，本周我们迎来了两个出色的模型，且它们都在 Runable 的 Ultra 模式中可用，所以你无需做出二选一的决定。

Astra 的优势在于计算机操作、速度和前沿任务的成本效率：它在 Terminal-Bench Science 和 BenchCAD 上表现更优，完成 OSWorld 任务的时间约为 Sol 的一半。Fable 5.1 的优势（通过其发布初期的市场表现得到印证）在于长时间代码运行中的耐力和对根源问题的定位能力，客户反馈称其在处理数日长的自主任务和罕见 Bug 追踪方面表现卓越。

一个合理的选择建议是：在涉及大量真实软件操作、文档、电子表格和结构化交付物的任务中优先选择 Astra，而在深度的、长周期的代码库工作中选择 Fable 5.1。或者，你也可以利用 Runable 的聊天分支功能 (chat forking) 用两者同时运行同一个提示词，并保留更优的结果。

如果你正在决定日常使用哪些模型，Runable 与 ChatGPT 的对比文章分析了 Agent 平台较标准聊天界面多出的功能。对于特别关注设计和文档工作流的团队，Runable 与 Canva 的对比文章非常值得一读。如果你想更深入了解从工具向 Agent 的转变，为什么 Agent 正在取代工具一文阐述了相关观点。

常见问题解答

什么是 GPT-6 Astra？

GPT-6 Astra 是 OpenAI 于 2026 年 9 月 3 日发布的旗舰模型。OpenAI 称其为全球最智能且最符合人类意图的模型，在计算机操作、软件工程、网络安全、科学研究和专业工作方面表现领先，并在 FrontierMath Tier 4 和 ARC-AGI-3 上获得了饱和评分。

我该如何在 Runable 上访问 Astra？

在发送任务前，在 Runable 输入栏的模型选择器中选择 Ultra。Ultra 是高于 Lite、Pro 和 Max 的等级，现在已包含 GPT-6 Astra。从计划模式到回滚的其余工作流保持完全不变。

GPT-6 Astra 的 API 价格是多少？

OpenAI 将 Astra 定价为每百万输入 Token 10 美元，每百万输出 Token 50 美元，缓存输入为每百万 Token 1 美元。OpenAI 指出，由于 Astra 在每项任务中所需的 Token 数量更少且耗时更短，其单项任务的实际有效成本通常低于旧模型。

为什么 Astra 的部分功能受到限制？

Astra 是 OpenAI 首个根据《准备框架》达到“关键”网络安全阈值的模型。其最先进的攻击性安全功能通过 Daybreak 项目仅向获批的防御方开放，且所有推理均包含额外的安全监控。日常编码和业务使用不受影响。

Astra 比 Claude Fable 5.1 更好吗？

这取决于具体工作内容。Astra 在计算机操作、专业文档和成本效率方面处于领先地位，且在更低成本下击败了 Fable 5.1 在 Terminal-Bench Science 上的表现。Fable 5.1 在长周期的自主编程方面表现优异。两者均可在 Runable 的 Ultra 模式中使用，你可以针对自己的任务进行对比。

在 Runable 的 Ultra 模式下尝试 GPT-6 Astra

感受前沿模型变革的最快方法是给它分配一项真实任务，而不是发送一条聊天信息。打开 Runable，将模型选择器切换到 Ultra，然后让 Astra 完成一件你通常需要预留整个下午时间的工作：一个工作应用、一个建模电子表格或一份研究报告。它支持免费试用，升级仅需一键完成。