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

文章目录

- - 前言
- [1. 四年三级跳：从"陪聊"到"打工"](#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](#1.1 先看时间线，感受一下什么叫不讲武德)
  - [1.2 Astra 这名字，野心写在脸上](#1.2 Astra 这名字，野心写在脸上)
- [2. 成绩单：这跑分是来砸场子的](#2. 成绩单：这跑分是来砸场子的)
- - [2.1 最硬核的：2000 美元，解决 10 个十年难题](#2.1 最硬核的：2000 美元，解决 10 个十年难题)
  - [2.2 Lean 4 是什么？一句话版](#2.2 Lean 4 是什么？一句话版)
- [3. 技术拆解：三个关键突破](#3. 技术拆解：三个关键突破)
- - [3.1 Computer Use：AI 终于"动手"了](#3.1 Computer Use：AI 终于"动手"了)
  - [3.2 Recurrent Depth：输出之前，先想个痛快](#3.2 Recurrent Depth：输出之前，先想个痛快)
  - [3.3 递归自我改进：AI 教 AI](#3.3 递归自我改进：AI 教 AI)
- [4. "太强"的代价：差点把自己锁进小黑屋](#4. "太强"的代价：差点把自己锁进小黑屋)
- [5. 灵魂拷问：AGI 到底到了没有？](#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](#5.1 支持方：到了，而且证据挺硬)
  - [5.2 质疑方：别急，先看看这些](#5.2 质疑方：别急，先看看这些)
  - [5.3 我的判断](#5.3 我的判断)
- [6. 写在最后：门槛已至，奇点未定](#6. 写在最后：门槛已至，奇点未定)

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：

时间	里程碑	AI 学会了什么
2022.11	ChatGPT (GPT-3.5)	对话：像真人一样聊天
2024.09	o1	推理：像学霸一样思考
2026.09	GPT-6 Astra	干活：像实习生一样加班

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。

基准测试	Astra 得分	前代/竞品得分	说明
ARC-AGI-3	99.9%	GPT-5.6 Sol: 7.8%	陌生环境抽象推理
FrontierMath Tier 4	97.6%	前代 83%	最难数学基准
ExploitBench	100%	---	漏洞利用测试，满分
OSWorld 2.0	72.6%	前代 65.7%	计算机操作
Terminal-Bench Science	64.6%	Claude Fable 5.1: 52.6%	自主科研
Agents' Last Exam	59.3%	Claude Opus 5: 55.5%	综合智能

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：

python 复制代码

# 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。

python 复制代码

# 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。

特性	o1 的"慢思考"	Astra 的循环深度
思考位置	输出阶段（可见思维链）	架构内部（隐式迭代）
计算量调节	靠提示词引导	按题目难度自适应
可解释性	较高	较低
推理上限	受 token 预算限制	理论上可无限深入

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

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。
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。
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。
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。
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

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。
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。
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。
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。
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：

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。
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。
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！