OpenAI 正式发布了新一代旗舰模型 GPT-6 Astra，并上线了专门的产品演示页面。由于官方算力紧张，新模型采用分批灰度放量的方式推送，甚至向订阅用户承诺每晚放量一天就补偿一次额度重置。在等待账号放量的同时，我把官方技术展示、基准跑分、API 定价以及海外社区的第一批实测案例梳理了一遍。
这次发布最核心的信号非常明确：GPT-6 Astra 把重心放在了完整的桌面级电脑控制（Computer Use）上。官方宣传页面打出了一句很直接的口号——只要是你在电脑上能做的事，Astra 都能替你快速完成。
官方演示：直接接管桌面专业软件
在官方发布的实机演示视频里，用户全程通过语音与 GPT-6 Astra 对话，模型则直接在桌面上接管鼠标和键盘，跨多个软件完成连续任务：
- 画布绘图与 3D 建模：面对画布上的一个简单黄色圆圈，模型直接控制画笔把它细化成带宇航员视角的火箭舷窗；接着打开 Blender 从零搭建出完整的 3D 火箭模型，并直接导出可用于 3D 打印的
.stl文件。 - 3D 游戏制作与试玩：把刚刚建好的火箭模型放进 3D 场景，加上背景音乐、方向键躲避障碍和空格键加速逻辑，直接跑起一个可交互的太空飞行小游戏。
- 演示文稿界面操作：打开幻灯片软件制作一套面向零售商的高端彩色雨衣提案。注意画面最外层包含了完整的浏览器与系统窗口，模型并不是在后台生成代码再导入，而是像真人一样移动鼠标点击顶栏菜单、调整排版并填入图文。
- 日常事务处理：连续完成律所授权协议模板起草、按上周的口味点一份牛肉饭外卖，以及预约下午 5 点的球场。
为什么从 Browser Use 跨到 Computer Use 很难
在这之前，各家模型在“操作电脑”这件事上普遍存在一道明显的分水岭：网页自动化（Browser Use）已经相当可用，但桌面级自动化（Computer Use）一直很不稳定。
我平时在 Codex 里配合浏览器自动化工具时，上一代 GPT-5.6 Sol 的表现就已经比 Claude 系列更稳、更快。但浏览器自动化只能停留在网页 DOM 里。一旦离开浏览器，涉及到 Blender、CAD、专业剪辑软件或本地 Office 套件，很多软件既没有提供给 Agent 调用的接口（API）或命令行工具（CLI），界面里还充斥着自由画布、多轨时间线、三维视图、拖拽手势和复杂的组合快捷键。
早期的桌面操作方案之所以面对这类软件束手无策，是因为仅靠实时截屏识别界面元素远远不够。模型如果在预训练和后训练阶段没有见过大量特定软件的专业术语、菜单层级和交互习惯，就算能看清屏幕上的按钮，也不知道下一步该点哪里、该按什么快捷键。从这次的演示来看，OpenAI 显然针对各类桌面专业软件的操作轨迹做了大规模的专项训练。
AutomationBench 跑分与 API 定价拆解
这种针对性训练的效果直接反映在了自动化基准测试 AutomationBench 上。该测试的纵轴代表任务准确率，横轴代表单次任务的平均 API 成本（越靠左上角代表既准又省钱）。
从图表数据可以看到明显的代际差距：
- 准确率大幅跃升：上一代 GPT-5.6 Sol 在该测试中的准确率还不到 20%，而 GPT-6 Astra 在 High 推理强度下直接拉升到了 37.1%，明显领先于 Claude Fable 5.1（约 31%）、Claude Fable 5（约 27%）以及 Claude Opus 5（约 17%）。
- 单次任务总成本更低：GPT-6 Astra 完成任务的平均成本约为 1.46 美元，比右侧花掉 1.6 至 1.9 美元的几个 Claude 模型还要便宜。
如果去 OpenRouter 查看 GPT-6 Astra 的具体计费标准，会发现一个很有意思的现象：它的上下文窗口为 1M，输入价格为 10 美元/百万 Token，输出价格高达 50 美元/百万 Token。这个单价和 Claude 旗舰模型处于同一档位，比上一代 GPT-5.6 Sol（原价输出 25 美元、后续打折到 10 美元）贵了不少。
为什么 Token 单价这么高，在 AutomationBench 里跑完整个任务的总花费反而更低？这和以前用 Claude 时的体验是一致的：聪明的模型虽然单价贵，但单位 Token 的执行效率高，往往一两轮操作就能一步到位；而便宜的模型容易在原地打转、反复试错，拉长到四五轮下来，消耗的总 Token 费反而更贵。
社区早期实测与待验证的边界
目前海外已经拿到权限的开发者放出了一批实测案例。比如有用户在 X 上晒出，给 GPT-6 Astra 一张老旧的蒸汽火车图纸，模型在几分钟内就在 Blender 里还原出了包含 3295 个可编辑对象的精细三维模型；还有人让它对照一张人像照片，直接在 Canva 画布上一笔一划地点绘出人物肖像。
不过在看社区演示时也需要保持一定的审慎。例如生成式视频平台 Higgsfield 第一时间发了一条用 GPT-6 Astra 制作马里奥赛车风格 3D 游戏的炫酷视频，但由于这家公司一贯有重度营销和包装演示的习惯，这类高复杂度案例到底有几分是模型自动完成的，还需要等亲自上手后再做验证。
等我的账号放量后，我最想测试的是它在复杂桌面软件里的真实操作上限——比如以往我让 AI 剪视频，都是写脚本去解析和修改工程文件；如果 GPT-6 Astra 真的能看懂多轨时间线并直接用鼠标拖拽剪辑，那很多缺乏外部接口的传统桌面软件就都能接入自动化工作流了。