计算机行业研究：GPT-6 ASTRA发布，不只是Coding

GPT-6 Astra发布，多维度能力实现大幅升级

模型分阶段灰度上线，多渠道逐步开放调用权限

2026年9月4日OpenAI正式发布GPT-6 Astra，采取分阶段的灰度开放策略：优先定向向部分机构客户开放，后续数日逐步覆盖ChatGPT Plus、Pro、Business、Enterprise全量付费用户，同时支持OpenAIAPI、Microsoft Azure、AWS Bedrock三大对外调用渠道。Pro、Business以及Enterprise企业用户还可额外获取更高规格的GPT-6 AstraPro版本。企业侧工作空间默认关闭Astra访问权限，需要管理员手动开启后才可使用，体现出对高能力模型企业部署的安全管控思路。

计算机自主操作能力显著增强，任务耗时大幅缩减

模型可独立完成大量真实电脑端业务流程：填写线上表单、更新CRM客户档案、整理日历日程、开展网络调研、邮件与文档摘要起草；同时覆盖科学数据分析、图表生成、网站搭建、前端质量校验、软件安装测试、屏幕故障排查等复杂实操任务。OSWorld 2.0延迟模拟测试中，GPT-6 Astra得分72.6%，单任务平均耗时约40分钟；前代GPT-5.6 Sol得分65.7%，单任务平均耗时75分钟，单任务完成时间直接降低约47%。AI不再局限于输出文本、代码，而是可以直接操作软件完成完整业务链路，向自主智能体迈出关键一步，为企业端大量重复性办公流程自动化打开空间。

专业工作流能力强化，模板遵循与多步骤协作能力提升

Astra将电脑操作能力与面向专业环境的训练结合，用于多步骤工作流程，并生成文档、电子表格与演示文稿。发布文将遵循已有模板、匹配写作与视觉风格，以及筛选与任务相关的上下文，列为专业工作能力的具体改进方向。官方展示案例包括：在KiCad中进行印刷电路板布局，将电子原理图转化为可制造的PCB；利用OpenAI演示文稿模板中的少量参考页，制作关于虚构模型GPT-Gaia的幻灯片；在Blender中建模住宅，并将其转化为Unreal Engine 5中的可漫游场景。在人机协作方面，Astra能够利用上下文补全常规信息缺口，并在答案可能影响结果时提出针对性问题。对于重要决定则等待用户输入。Astra能够将新增要求纳入原任务，减少因中途调整而丢失原有目标和约束的情况。

编程能力持续迭代，新增长任务上下文记忆实验性功能

编程依旧是Astra重点优化赛道，多项权威评测指标实现明显提升。Terminal-Bench 4.0评测中Astra得分57.9%，GPT-5.6 Sol仅37.3%；DeepSWE v1.1评测Astra得分74.1%，对比前代小幅提升。针对长时间调试、大规模代码重构这类超长任务，OpenAI为Codex配套全新实验功能：跨上下文窗口保存笔记，同时支持检索历史窗口全部信息。模型可以回溯过往消息、工具输出中的需求、测试结果，不完全依赖笔记压缩摘要保存信息。该功能现阶段处于可配置开启的实验阶段，官方计划数周后将其设置为Astra默认能力，缓解超长任务下上下文丢失、信息压缩失真的行业痛点。

数学与科研能力提升，网络安全能力同步增强

科研数学能力上，FrontierMath Tier4（v2）评测Astra得分97.6%，GPT-5.6 Sol为83.0%；GPQA Diamond评测Astra得分96.0%，前代模型94.6%。官方演示案例显示模型可直接调用专业科研软件完成测序质量校验、遗传变异可视化，真正介入科研实操环节，而不只是输出理论文本。网络安全领域，Astra达到OpenAI Preparedness Framework安全框架的Critical关键能力阈值。关闭生产防护的测试环境中，ExploitBench评测拿到100%满分，GPT-5.6 Sol仅78.5%。面向普通用户的正式发布版本，支持安全代码审查、漏洞修补等防御性工作，但会拒绝生成漏洞利用POC等高风险任务，能力做分级管控，评测高分不等于向普通用户完全放开全部能力。

ARC Prize肯定ASTRA交互推理进展

ARC Prize第三方评测结果显示，在ARC-AGI-3半私有测试集，标准运行框架下Astra（max）得分62.7%；切换至支持跨请求推理状态保存、长对话压缩的Provider Adapter框架后，Astra（high）得分高达99.9%。Provider Adapter框架下，96.0%的关卡Astra操作次数少于人类参与者中位数，平均每关操作次数降低51.7%。ARC Prize机构特别提示：基准测试接近满分，并不等同于实现AGI，封闭测试环境无法完全复刻现实世界复杂多变的真实业务场景，跑分仅作为参考，不能直接等同于真实业务落地效果。不同运行框架带来巨大分数差异，也提示我们，模型实际产出效果，是模型本身能力+运行调度框架共同决定。

来自产业专业用户的真实反馈，复杂业务场景实用性得到验证

OpenAI引用多家产业机构的实测反馈，印证Astra在真实专业任务中的表现。法律服务商Harvey应用研究负责人Niko Grupen反馈，Astra处理复杂法律任务时，可以区分原始文件与既定业务记录，识别材料中缺少论据支撑的假设，并且把信息缺口转化为可落地的法律起草立场。AI开发公司Cognition研究高级副总裁Silas Alberti表示，电脑操作、文本写作、代码库理解能力的升级，直接优化Devin产品内部测试效果，输出视频可读性更强，业务报告更加简洁清晰。来自产业端的反馈，说明模型能力已经可以对下游产品形成实际赋能，而不只是停留在演示案例层面。

市场核心担忧：商业化是否高度依赖编码赛道，非代码场景落地进度存疑

现阶段大模型商业化收入很大一部分来自代码生成、代码辅助类Coding场景。编码需求付费意愿强、价值容易量化，是海内外模型厂商ARR增长的核心支柱。但市场同时存在顾虑：除编码之外，办公、法律、科研、硬件设计、工业流程等大量非编码专业场景，当前模型大多仅能完成信息摘抄、初稿辅助，很难交付可以直接落地的完整成品，端到端闭环能力不足。市场担忧非编码领域商业化落地节奏会显著慢于编码赛道，大模型长期商业化天花板会被约束。若B端付费长期集中在软件开发赛道，整个大模型行业市场空间将受到压制，会影响市场对大模型企业长期价值的判断。

GPT‑6 Astra发布的核心信号：不只是编码变强，非编码专业场景能力迎来实质性跃迁

本次迭代中，编码能力固然继续提升，但更大的亮点恰恰集中在编码之外的各类专业工作交付能力：自主操作电脑完成表单填写、CRM维护、日历管理；直接输出符合企业模板规范的PPT、表格、正式文档；完成PCB硬件设计、3D建模引擎联动、法律材料梳理、科研数据分析等大量非代码专业任务。这意味着，除软件研发之外，企业内部通用办公、法务、科研、硬件研发等岗位，都打开了AI降本增效以及商业付费的想象空间，大模型商业化并非只有Coding单一主线。现阶段优先看好结果易核验、出错易修正的普通办公自动化场景；法律文书、科研结论、网络安全等高风险业务，模型输出必须经过专业人员审核，不能直接采信模型输出。官方演示案例不能直接等同于全行业规模化生产力提升。但产业趋势层面，Astra证明非编码场景模型能力迎来拐点，办公、专业服务赛道商业化落地节奏有望加速，拓宽大模型整体商业化空间。

未来大模型竞争不局限于代码能力比拼，面向真实B端岗位的任务交付能力将成为拉开商业化差距的关键

国内厂商除打磨编码能力外，也需要在通用办公、多行业专业工作流、计算机操作智能体方向持续投入，挖掘更广阔的商业化空间。