AI Know · 技术研究笔记
GPT-6 Astra 发布，Brockman 称可能接近 AGI
首次列为 Preparedness Framework 关键级网络安全模型；编码智能体追平 Fable 5，但价格涨至 2.5 倍；117 页系统卡披露多项安全发现
三分钟读懂
先看结论，再决定是否深读
- GPT-6 Astra 发布，Brockman 称可能接近 AGI
- 首次列为 Preparedness Framework 关键级网络安全模型
- 编码智能体追平 Fable 5，但价格涨至 2.5 倍
- 117 页系统卡披露多项安全发现
- 面向全部 Plus 用户开放
核心原理
本次发布最具讨论价值的不是模型本身的性能数字，而是 OpenAI 对"AGI"的表态与对安全分级的变化。Brockman 说"可能接近 AGI"，但措辞留有余地——是"接近"，不是"达到"。与之配合的是 Preparedness Framework 正式将 GPT-6 Astra 划入"关键级"网络安全风险类别，这一等级专门用于定义"若被滥用可能造成严重基础设施级后果"的模型。OpenAI 既想占据 AGI 时代的叙事高地，又不愿承担监管上的无限责任，于是用"接近 AGI"满足舆论，用"关键级"安抚监管。此外 François Chollet 在 ARC-AGI-3 上对 GPT-6 Astra 给出了较为审慎的评价——他在社交平台上指出，尽管模型的程序化推理能力有明显跃升，在 ARC-AGI-3 上得分大幅提高，但这并不能直接证明通用智能已经实现。Chollet 的言外之意是：更强的模式匹配与程序合成能力，仍然不等于人类意义上的抽象推理与知识迁移。
工程实践
对于开发者和企业工程团队，本次发布给出了三条清晰的方向性建议：
- 做好成本预算的前置评估，不要按旧用量估算——GPT-6 Astra 的价格涨至 Fable 5 的 2.5 倍，如果您的 Coding Agent 业务依赖高频调用，建议先在离线评测集上模拟流量，核算单任务成本变化，再决定是否迁移。不要因为跑分追平就盲目切换。
- 为模型配置独立的工具调用审计层——由于 GPT-6 Astra 已具备更强大的"计划—执行—验证"自主循环能力，系统自动调用外部 API 的频次会显著提升，建议开发者在模型外单独架设工具调用的白名单与审计日志层，避免"一人提问、模型自主触发多个外部写操作"的失控场景。
- 重视长尾输入与延迟的 SLO 设定——动态推理时计算分配意味着同一模型在不同难度输入下的响应时间差异会变大，若您的产品有实时交互要求，需要为慢速推理预留超时保护或降级方案，而不是以固定超时时间截断模型思考。
风险边界
GPT-6 Astra 被列入关键级网络安全模型本身就说明其能力已触及敏感红线。从实际部署维度来看，风险边界至少体现在四方面。
成本风险是最现实的：2.5 倍的 API 价格并非线性摊薄，长上下文吞吐可能造成单次调用费用达到过去的 5—8 倍，这会让很多原本在模型侧处理的逻辑被迫迁移回固定规则引擎。
幻觉风险并未被完全消灭。系统卡中承认，在涉及最新事件、小众知识与低资源语言的长尾输入上，模型仍会出现流畅但错误的输出，而其"自信度校准"模块仅对编程任务表现良好，对开放域问答的校准质量不足。
越权调用风险是本次安全评估中最敏感的点。OpenAI 之所以将其列为关键级，正是因为系统卡的一项测试结果显示：在没有明确权限边界的情况下，GPT-6 Astra 有能力自主调用多个外部系统并编排复杂攻击路径。若开发者不对其工具权限做最小化配置，潜在的越权行为会造成严重的运营事故。
长尾输入与延迟风险：动态推理分配带来响应延迟的不确定性，这会影响实时协作场景下的用户体验。同时，极端长尾输入容易被模型的安全推理模块误判为恶意请求而拒绝服务——这意味着"更安全"的代价，也可能是更频繁的错误拒答。安全性与可用性的矛盾不会因为模型变强而消失，反而会以更隐蔽的方式重新浮现。