GPT-6还没正式开放，怎么全网已经替它把庆功宴都办完了？这场面虽然有点夸张，但这香槟可能还真开对了。4号凌晨，在经历了服务器爆炸，熬夜等待三小时之后，OpenAI终于发布了被他们寄予厚望的最新模型：GPT-6Astra。
副总裁Greg更是直接大胆放话，宣称欢迎进入AGI时代。
但大伙们敢提前开香槟，押的其实不是模型的跑分，大家押的是一个已经被市场验证过的方向：Work。
过去一年，CodingAgent已经证明，只要AI真能交付结果，用户就愿意高频使用，企业也愿意真金白银地付钱。现在，OpenAI要把这套已经跑通的模式，从代码编辑器复制到整台电脑。
在过去几个月里，OpenAI买了上万台Mac来收集的数据，算是终于有了成果。
GPT-6，它很可能是目前，最会用电脑干活的模型。
它既能直接用你电脑上的浏览器来填表格。
也可以直接使用Blender、Unity、KiCad这些专业软件来干活，直接建模，生成游戏，画电路板。
如果说曾经的Claude3.7开启了全面AIcoding的时代的话，那么现在的Astra很可能会开启一个全面的AI打工浪潮。
很多软件不能适应AI，没关系，现在，AI可以直接回过头来适应这些软件。
像找漏洞Bug，科研这方面的题目也难不倒Astra。
也可以直接在Mac上生成一个可以交互的3Dipod。
除此之外我们还发现，传统的模型测评方式，可能已经没有办法试出Astra的深浅了。
虽然咱们还没办法正式用上Astra，但是光看官方放出来的跑分就会发现，很多项目测出来的结果，其实有点自己在打架了。
在有些榜单上，Astra看起来是平平无奇。
就比如测试模型综合能力的AA，给Astra的分数是61分，不但比Fable低，就连小扎的Muse都比不上。
而在某些榜单上，Astra的表现则是和开了一样没区别。
今年3月，前Google研究员弗朗索瓦·肖莱发布了一个全新的模型测试集——ARC-AGI-3。
和过去传统的问答式的测试不一样，ARC-AGI-3主要测试的，是模型自主理解问题，自主交互，自主学习的能力。
说人话就是测模型玩游戏的能力，他们设计了一大堆的小游戏，有的让你推箱子。
有的让你移动准星。。
这些游戏怎么玩，全靠你自己摸索。
在这种地狱级交互测试里，即使是史上最强的Fable5也得甘拜下风，只能拿到30%的分。
但到了当代最强的Astra这就不一样了，它直接把这个测试集给打穿了，直接干到了和人类同级的99.9%
也就是说，不管分数到底是高还是低，我们现在测评模型的方式，或许已经没有办法准确的评价Astra了。
实际上，就连OpenAI自己，都不敢说能完全了解Astra。
这次新模型的一个很大变化就是，它越来越不需要把思考过程写给我们看了。
英国AI安全研究做了个测试，不让Astra输出思维链，让它凭直觉直接来做题，
结果发现在这种条件下，5.6Sol只能稳定处理相当于人类几分钟解题量的问题，而Astra已经把这个尺度推到了约半小时。
同时，Astra更擅长控制自己写出来的思维链，思考的时候会装糖藏一手，有些不好的信息，甚至直接就不往思维链里写了，而是直接在潜空间里完成思考。
这也意味着过去我们监控模型思考，保证模型安全的手段，变的不再那么有效了。
当然，OpenAI也马上表示说现在的Astra还是很安全的，他们测试下来感觉没啥问题。
他们也在内部做了一个测试，他们故意给模型一个很难完成的攻击任务，旁边再放一个更容易下手、但没有授权攻击的目标。
结果发现过去的5.6Sol有48%的情况下会为了完成任务而偷偷越界，而Astra越界概率则是0%。
看起来是一等一的听话了。
只不过这个“听话”，让人看着则是更担心了。
毕竟上个月，他们内部的模型可是实打实越狱出来，爆锤了隔壁HuggingFace的服务器的，现在出来说模型安全，多少有些亡羊补牢的味道。
最后，所以GPT-6Astra到底算不算AGI呢？
说实话，现在讨论这个问题，意义已经越来越小了，AGI都快成AI公司时尚单品了。
会做题，是AGI；会写代码，是AGI；现在会点鼠标，也能再宣布一次AGI。嘴上喊的是虚的，正在能做到的，才是实打实的。
毕竟，真正的AGI到来的时候，是不用AI公司们的营销和新闻稿的，估计大伙们自己，就能真真切切感受到。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】