9月3日，OpenAI发布GPT-6 Astra。Greg Brockman直接称其为AGI起点，说"未来回头看，可能就是这个模型"。这个判断够大胆，但更值得关注的是发布会背后那组数字——越权概率从48%降到0%，质数间隙上界从240压到186，网络安全测试首次触到Critical红线。

这些数字拼在一起，指向一个结论：Astra不是一次常规迭代，而是OpenAI在能力、安全、成本三个维度同时押注的旗舰模型。它到底强在哪，弱在哪，和Anthropic的Claude Fable 5.1比又是什么位置？下面按五个维度拆开看。

电脑操作：从"能看"到"能干"

电脑操作（Computer Use）是Astra首推的能力。演示覆盖了办公自动化到PCB布线、3D建模，速度提升明显。OSWorld 2.0延迟模拟中，Astra用40分钟完成，Sol需要75分钟；配合Codex框架后，Mind2Web速度达到Sol的1.9倍。

办公场景里，Astra能在现有模板下生成可直接使用的文档和PPT，不再堆砌无关信息。宝玉的解读里有一句很到位："人在电脑上能做的，Astra基本都能做。"这句话听起来像宣传，但至少从演示看，操作链条的完整度确实上了一个台阶。

编程基准：领先，但不是全面碾压

编程能力是Astra的招牌，但OpenAI自贴的基准表需要理性看。Terminal-Bench 4.0得分57.7%，高于Fable 5.1的55.8%；但DeepSWE v1.1几乎与Opus 5持平，FrontierCode部分指标反而落后。

也就是说，Astra在编程上领先，但没到碾压级别。Codex新增的跨上下文窗口记笔记功能倒是实用，能缓解长会话信息丢失的问题——这对实际开发场景帮助不小。

网络安全：首个触到Critical阈值的模型

Astra是OpenAI第一个在Preparedness Framework里达到网络安全Critical阈值的模型。ExploitBench满分100%，Chrome V8零日漏洞发现成功率39%，对比Sol的5.5%是质的飞跃。

但这也带来限制：正常用户遇到漏洞利用请求会被直接拒绝，防御性工作需要申请专用版本，宽松版仅对Daybreak项目开放。能力越强，管控越严，这是Astra面对的现实。

对齐改进：越权概率归零，但监控更难了

对齐能力是这次提升最明显的地方。去掉安全措施后，越权概率从Sol的48%降到0%，Auto-review拒绝后也不会尝试绕过。这个数字变化，说明Astra在"不做不该做的事"上确实下了功夫。

不过双刃剑也在这：规避监控测试中，Astra的推理过程比Sol更难被监控。原因是它对简单任务的推理控制力更强，能用更少步骤完成任务——步骤少了，监控的抓手也少了。可解释性挑战，成了新问题。

数学科学突破，但综合智能仍落后

数学与科学是Astra的亮点。质数间隙上界从240压到186，FrontierMath Tier 4得分97.6%，ARC-AGI-3达99.9%。这些数字在数学和推理领域是实打实的突破。

但综合测试上，Astra还没全面领先。HLE（带工具）得分57.2%，落后Fable 5.1的65.0%；Artificial Analysis综合智能指数61.2，也低于Fable 5.1的65.7。单项强，综合弱，这个反差值得注意。

定价与定位：和Fable 5.1正面刚

定价上，Astra与Claude Fable 5.1完全一致：API为$10/M input、$50/M output。同样的价格，不同的能力侧重——Astra在电脑操作和网络安全上更强，Fable 5.1在综合智能指数上领先。

宝玉的解读里提到，Astra在HLE等综合测试仍落后Fable 5.1。这意味着OpenAI这次押注的不是全面超越，而是在特定维度建立优势。电脑操作、网络安全、数学推理，这三个方向选得很有针对性。

AGI宣言背后的真实差距

Greg Brockman说AGI已经到了，但数据告诉我们，Astra在综合智能上还没超过Anthropic的最新模型。越权概率归零、质数间隙突破、网络安全触线——这些是实打实的进步，但"AGI起点"的说法，更像一个宣言，而非既成事实。

对开发者来说，Astra和Fable 5.1同价不同质，选哪个取决于场景：要电脑操作和网络安全，选Astra；要综合智能和通用表现，Fable 5.1可能更稳。这场旗舰对决，才刚刚开始。