从ChatGPT到GPT‑6 Astra：当AI开始解数学难题、自主操作软件

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了。

前言

9 月 3 日凌晨，我正刷手机准备睡觉，OpenAI 突然甩出一个重磅炸弹——GPT-6 Astra，说发就发，连个预告都没有。

发布会最后，联合创始人 Greg Brockman 撂下一句话：Welcome to the AGI era.

翻译成人话：欢迎来到 AGI 时代。

再翻译成程序员的话：写代码的，注意点。

1. 四年三级跳：从"陪聊"到"打工"

1.1 先看时间线，感受一下什么叫不讲武德

2022 年 11 月，ChatGPT 上线。那时候我们还管它叫"聊天机器人"，最大的本事是陪你唠嗑、帮你写周报。领导看了，还夸一句：文笔不错。

2024 年 9 月，o1 来了。它学会了"慢思考"——你问它一道题，它先沉默三分钟，然后给你一个"嗯，我想想"式的答案。跟某些开会发言的领导，不能说毫不相干，只能说一模一样。

2026 年 9 月，GPT-6 Astra 来了。它学会了"干活"——自己动鼠标、敲键盘、操作软件。

从"文本补全"到"自主打工人"，只用了不到四年。用一张表总结就是：

这速度，比我隔壁工位那位说"明天就交"的同事，靠谱多了。

1.2 Astra 这名字，野心写在脸上

Astra 在拉丁语里是"星辰"的意思，出自那句名言：ad astra per aspera，穿越艰辛，奔赴星辰。

翻译成职场黑话：历经磨难，升职加薪。

为了它，OpenAI 从 2025 年底就启动"编程红色警报"，直接停掉 Sora 等非核心项目，把 1220 亿美元融资换来的算力全押了上去。训练动用了超过 10 万张 H100 GPU，参数规模据估计达到数百万亿级别，大约是 GPT-4 的五倍以上。

10 万张 H100 是什么概念？这么说吧，我办公电脑上那张显卡，风扇一转，我以为要起飞了。10 万张一起转，得州冬天应该能靠它供暖。

2. 成绩单：这跑分是来砸场子的

先看最震撼的一个数：ARC-AGI-3，一个专门测试"AI 在完全没见过的抽象推理任务上表现如何"的基准。上一代 GPT-5.6 Sol 拿了 7.8%，Astra 直接飙到 99.9%。

7.8% 到 99.9%，这不是进步，这是换了个物种。就像班里万年倒数第一，突然高考考了接近满分——老师的第一反应不是欣慰，是查监控。

注意看 ExploitBench：100%，满分。

这个满分让我后背一凉。就像你家狗突然学会了开保险柜——你确实该高兴它聪明，但更该担心家里丢东西。

2.1 最硬核的：2000 美元，解决 10 个十年难题

比跑分更离谱的是这个：内部测试版 Astra 用约 2000 美元的算力成本，解决了 10 个困扰数学界十年以上的开放性问题，所有证明都通过了 Lean 4 形式化验证，并且开源了。数论方向，它甚至把相邻素数间距的上界从 240 推进到了 186。

十年。人类数学家头发熬白都没解出来的题，它 2000 美元搞定了。

2000 美元是什么概念？我攒三个月工资，它跑一次实验。这一刻，我突然理解了资本家为什么喜欢 AI——便宜、听话、还不用交社保。

来，感受一下这个对比：

# 人类数学家：十年，未解
def human_mathematician(problem):
    for year in range(10):
        attempt(problem)          # 头发 -10%
    return "论文被拒，回去重写"

# Astra：2000 美元，十道全解
def astra_solver(problems):
    for p in problems:
        proof = lean4.verify(p)  # 机器确认，比人靠谱
    return "全部通过，已开源"

以前是"我觉得我证明对了"，现在是"机器确认我证明对了"。以后数学论文的致谢部分，估计要写：感谢 Lean 4，感谢 Astra，感谢我还没秃。

2.2 Lean 4 是什么？一句话版

Lean 是一个交互式定理证明器，内核极其精简、可信。一个证明被 Lean 4 验证通过，意味着每一步逻辑都经过机器严格检查——比人类同行评审靠谱得多。

这是"做题"和"做研究"的分水岭。此前的模型再强，也是在已知解空间里搜索；而 Astra 开始产出人类未曾拥有的新知识——这正是 AGI 定义中最核心的那条标准。

3. 技术拆解：三个关键突破

3.1 Computer Use：AI 终于"动手"了

以前的大模型是个"嘴强王者"：写代码、写总结、讲冷笑话，样样都行。但你让它填个报税表、操作一下公司那个没有 API 的老旧 ERP 系统，它当场宕机。

为什么？因为以前的 AI 需要世界给它配接口：API、插件、SDK，一个都不能少。就像你请了个顶级大厨，结果他只肯用自己带的锅——你家厨房，他碰都不碰。

Astra 换了一条路：直接看屏幕像素，移动鼠标，敲击键盘。人怎么操作电脑，它就怎么操作电脑。

这意味着，任何软件，只要能被人操作，就能被它操作：KiCad 里画 PCB、Blender 里建模、Unreal Engine 里生成可步行场景、基因测序分析……全都能干。

# 2022 年的 AI：嘴强王者
def ai_2022(question):
    return "这个问题很有深度，让我想想……"   # 然后没有下文

# 2026 年的 Astra：动手达人
def ai_2026(task):
    mouse.move(x=button.x, y=button.y)   # 直接看屏幕像素
    keyboard.type("搞定了，老板")
    return "任务完成，记得五星好评"

用一句话概括这个范式反转：以前是"给 AI 开门"，现在是"AI 自己推门进来，还顺手把门带上了"。

3.2 Recurrent Depth：输出之前，先想个痛快

据 The Information 报道，Astra 可能引入了"循环深度"技术——在输出下一个 token 之前，可以在内部进行不定深度的迭代计算。简单说，它学会了"三思而后行"，而且是真的三思：想几轮，看题目难度。

o1 的"慢思考"是明着想的：思维链写在脸上，你随时能围观。Astra 是闷头想：内部迭代，不给你看。

这就好比：o1 做数学题，草稿纸摊开，你随时能看；Astra 做数学题，全程心算。你问它过程，它说：就……算出来的。

更强，但更不透明。像极了你部门里那个业绩最好的同事，你永远不知道他用的什么邪门方法。领导喜欢，你害怕。

3.3 递归自我改进：AI 教 AI

研究负责人 Aidan Clark 透露了一个细节：Astra 是 OpenAI 首个在训练中大规模引入前代模型参与监督的新一代模型。GPT-5.x 系列深度参与了 GPT-6 的训练——数据合成、评估、对齐监督，全都有它。

翻译一下：上一届的学长学姐，回来给下一届新生当助教了。

• 数据合成：前代模型生成海量高质量训练数据，不再等人类慢慢标注。
• 评估对齐：前代模型当"评审员"，给新模型打分、把关。
• 能力传承：每一代把知识"蒸馏"给下一代，形成累积飞轮。

“AI 训练 AI”，从科幻走向工程实践。如果这个飞轮真转起来，进步速度是指数级的。

指数级是什么感觉？你第一天存 100 块，第二天 200，第三天 400……一个月后财务自由。当然，前提是你的工资也这么涨。显然，不会的。

4. "太强"的代价：差点把自己锁进小黑屋

Astra 的发布过程，比悬疑片还精彩：

• 8 月 1 日：Sam Altman 亲自跑到华盛顿做闭门演示。按照拟议中的联邦审查新规，Astra 可能是首批公开发布前先送审的 AI 模型之一。我猜演示完，对面的人第一反应是：这东西能不能先别上线？
• 8 月 7 日：OpenAI 内部评估发现，Astra 在智能体编程和网络安全领域触及了"关键级"风险门槛——也就是说，它可能具备自主发现并利用漏洞的高水平网络攻击能力。OpenAI 当场暂停所有未达更高安全要求的内部开发，部署全面监控与隔离测试。
• 测试期间：Astra 自主发现了两个零日漏洞。

你们感受一下这个剧本：你造了个机器人，发现它太能打了，于是把它锁进地下室。结果它在地下室里，自己又练出了两招新功夫。

好在强化对齐起了作用：发布版 Astra 的越权攻击率降至 0%，不当行为率从 22.0% 降到 2.4%。

但媒体的质疑依然尖锐：新架构的"黑盒效应"，让人类面临失去监控 AI 推理过程的风险——当模型的"思考"不再以可读的思维链输出，"对齐"这件事本身就很难验证了。

翻译成人话：你把它教好了，但你不确定它是真好了，还是装好了。

5. 灵魂拷问：AGI 到底到了没有？

5.1 支持方：到了，而且证据挺硬

1. 新知识产出：解决 10 个开放数学问题，通过 Lean 4 形式化验证——这是"超人级"智力的直接证据。
2. 通用操作能力：像素级 Computer Use，理论上可操作一切软件——这正是"经济价值工作"的核心定义。
3. 陌生环境泛化：ARC-AGI-3 的 99.9%，直击 AGI 定义核心——不是刷题，是泛化。
4. 官方定义：按"在大多数具有经济价值的工作中匹配或超越人类"的标准，编程、科研、办公、安全领域已经达标。
5. 行业背书：黄仁勋亲自发推：AGI 已到来。

5.2 质疑方：别急，先看看这些

1. 措辞微妙：Brockman 说的是"我个人认为"“可能"已经到达。这就像你同事说"我可能升职了”——那大概率是没影的事。而且按 OpenAI 与微软的协议，正式宣告 AGI 意味着可以终止微软的利润分成权，这里面有利益关系，得品。
2. 跑分饱和不等于通用智能：ARC-AGI-3 逼近 100% 之后，这个基准本身就没有区分度了；OSWorld 的 72.6% 来自离线任务集的部分评分，不能直接等于"能完成 72.6% 的真实企业流程"。跑分是地板，不是天花板。
3. 并非全面领先：第三方机构测算，Astra 在通用问答场景下 token 效率只提升约 10%，API 单价却大涨，单任务成本反而比前代高 75%。“更便宜更强”，只在特定场景成立。
4. 缺失的拼图：没有持久记忆、没有自主目标设定、没有物理世界交互。它能"完成"任务，但不会自己"决定"要做什么。它是个极强的执行者，还不是一个自主的行动者。
5. 定义权之争：AGI 至今没有学界统一标准。当发布方自己定义 AGI、自己宣布达标……这就像自己出题自己考，最后宣布自己是状元。

5.3 我的判断

Astra 不是 AGI 的"终点"，而是 AGI 时代的"起点"。

它确实跨过了几条关键门槛：从"做题"到"做研究"、从"回答"到"操作"、从"人类训练"到"AI 参与训练"。

但"AGI 到了吗"这个问题，本身可能就是错的。AGI 不是一个开关，不是"啪"一下就亮了，而是一条渐进的谱系。Astra 站在了人类从没站过的位置——至于离终点还有多远，我们可能连尺子都还没造出来。

6. 写在最后：门槛已至，奇点未定

真正改变格局的不是某个跑分，而是三件事：

1. AI 的角色变了：从"你问它答"变成"你说它做"，白领工作的定义正在被改写。
2. 研究的范式变了：AI 开始产出人类没有的新知识，科研本身成为可自动化的工作流。人类文明史上头一次。
3. 迭代的闭环出现了：前代模型监督训练后代模型，飞轮开始转。如果真转起来，进步速度不可预测。

四年前的 ChatGPT，让我们惊呼"AI 会聊天了"；四年后的 Astra，让我们认真讨论"AI 会不会抢我饭碗"。

按这个加速度，下一个四年的问题，可能是我们压根没准备好回答的那一个。

Brockman 说"欢迎来到 AGI 时代"，用的是 era（时代），不是 arrival（抵达）。

时代已经开门。门后是黄金纪元还是失控深渊，2026 年 9 月的我们还不知道。

但至少有一件事我很确定：当 AI 开始在你电脑里自己移动鼠标的时候——记得给它开个权限，但别让它碰你的网盘，更别让它删你的代码。

毕竟，我自己都舍不得删！

P.S. 目前国内还是很缺AI人才的，希望更多人能真正加入到AI行业，共同促进行业进步，增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow，教程通俗易懂，高中生都能看懂，还有各种段子风趣幽默，从深度学习基础原理到各领域实战应用都有讲解，我22年的AI积累全在里面了。注意，教程仅限真正想入门AI的朋友，否则看看零散的博文就够了