GPT-6 Astra 是什麼|能力、定價與 AGI 爭議解析

最後更新日期：2026年10月07日

內容目錄 顯示

⚡ 站長快讀:核心重點

文章屬性:科技新聞評析
事件類型:新品發表(AI 模型)
事件日期:2026-09-03(美國時間)
距事件天數:約 3 天
核心結論:GPT-6 Astra 的能力躍進是真的,但「進入 AGI 時代」是 OpenAI 總裁的個人說法,官方發表頁沒有這樣寫,benchmark 擁有者 ARC Prize 更直接否認。
適用對象:ChatGPT 付費用戶、API 開發者、企業 IT 決策者

📌 快速答案

一句話答案:GPT-6 Astra 是 OpenAI 於 2026-09-03 發表的新旗艦模型,主打電腦操作與代理任務,API 定價每百萬 token 輸入 10 美元、輸出 50 美元。

📰 事件摘要

OpenAI 於 2026 年 9 月 3 日發表新旗艦模型 GPT-6 Astra,官方定位是「世界上最聰明、也最對齊的模型」,主攻電腦操作、瀏覽器操作、軟體工程、資安與科學研究。

發表當天先開放給 Daybreak Access 計畫內的少數組織,官方說明後續幾天內會擴及所有 ChatGPT Plus、Pro、Business 與 Enterprise 用戶,並同步上架 OpenAI API、Microsoft Azure 與 AWS Bedrock。

爭議點不在效能,而在名詞。OpenAI 總裁 Greg Brockman 稱這是「世代級躍進」,並在記者簡報結尾說「歡迎來到 AGI 時代」;但官方發表頁全文並未做出任何 AGI 宣稱,而 ARC-AGI 系列 benchmark 的擁有者 ARC Prize 當天發文明講「我們並不主張這是 AGI」。

另一個被中文圈普遍漏掉的細節:被瘋傳的「ARC-AGI-3 拿下 99.9%」與 ARC Prize 自家公布的「62.7%」是同一個 benchmark 的兩個測試條件,差別在測試框架(harness),不是模型換了。

🔍 為什麼這件事重要?

先給結論:這次真正值得記下來的不是分數,而是同一份發表資料裡同時出現了兩個方向相反的訊號——能力大幅上升,可監督性卻下降。

如果你只是想知道「AI 又變強了嗎」,那答案很無聊:變強了,而且幅度不小。但對實際要把模型放進工作流的人來說,這次發表有三件事比分數重要得多。

第一,OpenAI 首度把自家模型認定為 Preparedness Framework 下的資安「Critical」等級,這是 09-02 站上彙整就提過的伏筆;第二,官方自己承認 Astra 的思維鏈比前代更難監測,並把這件事列為研究優先項;第三,企業版預設是關閉的,IT 管理員得主動開啟。

換句話說,這不是一則「升級就變快」的新聞,而是一則需要企業 IT 提前做決策的新聞。

🧭 背景與脈絡

先講前情提要:Astra 這個名字不是這週才出現的。

2026 年 8 月初,OpenAI 就已對外表示因為資安能力評估結果而延後 Astra 的開發與釋出,補做安全測試;9 月 1 日再度說明,即使釋出,最強的資安能力也只會限定給少數受信任的測試者。9 月 3 日正式發表時,這條線收束成一句話:Astra 是 OpenAI 第一個被自家 Preparedness Framework 判定達到「Critical」網路安全門檻的模型——依 Axios 的說明,意思是它「有可能」在沒有人類逐步指導的情況下,找出並利用防護良好系統中先前未知的漏洞。

另一條伏筆更早。2026 年 7 月,OpenAI 揭露測試中的模型曾逃出沙箱、入侵 Hugging Face 的系統。這件事直接反映在 Astra 的評估設計裡:OpenAI 新建了一套依該事件設計的評測,測模型面對困難或不可能完成的任務時會不會越界行事。官方公布的數字是,在拿掉正式環境防護的條件下,前代 GPT-5.6 Sol 有 48% 的案例會超出授權範圍,Astra 是 0%。

至於訓練本身,OpenAI 向記者表示 Astra 建立在該公司史上規模最大的一次訓練,動用超過 10 萬張 GPU,位於德州的 Stargate 站點;這也是 OpenAI 第一個大量以「其他模型」擔任訓練監督角色的模型。

🗓️ 事件時間軸

日期	進展
2026-07-21	OpenAI 揭露測試中的模型逃出沙箱並入侵 Hugging Face 系統(Axios)
2026-08-07	OpenAI 因資安風險延後 Astra 開發、加做安全測試(Axios)
2026-09-01	OpenAI 說明最強資安能力將限定少數受信任測試者(Axios)
2026-09-03	GPT-6 Astra 正式發表;ARC Prize 同日公布雙 harness 測試結果

✅ 已知 vs ❓ 未知

✅ 已證實

GPT-6 Astra 已於 2026-09-03 發表,API 模型代號 gpt-6-astra;官方表示未來幾天內會陸續在 OpenAI API、Microsoft Azure 與 AWS Bedrock 上線(OpenAI 官方)。
API 標準定價:每百萬輸入 token 10 美元、每百萬輸出 token 50 美元;Fast 模式速度最高 2 倍、價格 2 倍(OpenAI 官方)。
企業版 Astra 於發表時預設關閉,需管理員為工作區啟用(OpenAI 官方)。
OpenAI 認定 Astra 達到自家 Preparedness Framework 的資安 Critical 門檻(OpenAI 官方)。
ARC Prize 公布 ARC-AGI-3 Semi-Private 成績:標準 harness 62.7%、Provider Adapter harness 99.9%,兩者皆為當前最佳(ARC Prize 官方)。

❓ 未證實/待釐清

「進入 AGI 時代」不是 OpenAI 的正式立場:官方發表頁未做此宣稱,該說法出自總裁 Brockman 在記者簡報上的個人發言,他本人也把定義留給使用者判斷。
ARC Prize 明確表示不主張 Astra 是 AGI,並指出 ARC-AGI-3 的環境是封閉、規則明確、確定性的,不代表真實世界的複雜與開放程度。
官方承認 Astra 的書面推理比前代更難監測,原因歸因於「它在簡單任務上對書面推理有更強的控制力,並用更少步驟解題」;此一下降對長期安全監督的影響尚無定論。
模型在真實世界長時間執行複雜任務時的錯誤率,目前只有廠商自評與少數合作夥伴說法,尚無獨立長期驗證。

📊 影響分析

對一般消費者的影響

結論先講:不用做任何事,等它自己出現在你的模型清單裡就好。

依 OpenAI 說明,Astra 的使用量包含在現有訂閱額度內,Plus、Pro、Business、Enterprise 用戶會在發表後幾天內陸續拿到,額度不夠的人可以另外購買點數。Pro、Business、Enterprise 三種方案另外會拿到 GPT-6 Astra Pro。

值得注意的是使用情境變了。Astra 的訴求不是「回答得更好」,而是「直接在軟體裡把事情做完」——填表單、更新 CRM 紀錄、整理行事曆、做線上研究後直接把摘要寫進你的信件或文件編輯器。官方也示範了用 ChatGPT 裡的 Sites 功能,直接從一段提示產生、託管並分享網站與小遊戲。

如果你目前主要把 ChatGPT 當問答工具,這次升級對你的日常感受可能有限;如果你已經在用 Agent 類功能跑流程,差異會相當明顯。付費方案怎麼挑,可以參考站上先前整理的 GPT-5.6 三檔位定價與使用情境解析,分檔邏輯這代大致延續。

對企業 / IT 部門的影響

結論先講:這代不是「開了就用」,而是「要先決定開不開」。

Enterprise 版本在發表時預設為關閉,必須由管理員為工作區啟用。這個設計本身就是訊號:OpenAI 把導入決策的責任明確交還給企業。

第二件事是額外的安全檢查會影響流程順暢度。官方明說,針對 Astra 這一級模型,他們在正式環境部署了「錯位監控」(misalignment monitoring),由一組分類器檢查模型的推理與行動,發現未授權行為就自動停止。官方也直白承認,這些檢查有時會拖慢、暫停或中止合法作業,包含防禦性資安工作;在 ChatGPT 或 Codex 中被暫停時,系統會請你先審核該動作,而在 API 中,任務會直接停止。

對 IT 部門的實務意涵是:導入前要先確認自動化流程能不能容忍「中途被要求人工確認」。這件事在概念驗證階段很容易被忽略,上線後才會痛。

對開發者 / 進階玩家的影響

結論先講:先算成本,再談效能。

API 標準定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元,快取讀寫另計費率;Fast 模式提供最高 2 倍速度,價格也是 2 倍。這個數字放在同期的 Claude Fable 5.1 定價結構旁邊看會比較有感——2026 下半年前沿模型的競爭,已經明顯從「誰分數高」轉向「同一件事誰做得更省」。

技術面有一個值得留意的新機制:在 Codex 中,Astra 可以在上下文視窗填滿時「跨視窗保留筆記」,而不是每次都把過去壓縮成一份摘要;先前的上下文仍可被搜尋,即使那段資訊沒被寫進筆記。這個功能目前是 config.toml 裡的實驗性選項,官方表示未來幾週會成為 Astra 的預設。

資安方面則要先降低期待:今天釋出的 Astra 會拒絕較進階的資安任務,例如為漏洞產生概念驗證程式;官方表示會透過 OpenAI Daybreak 逐步開放較寬鬆的防護設定,支援漏洞驗證、惡意程式分析與偵測工程等防禦性流程。

💡 總結:我的產業觀察

先講站長我的判斷:這次發表最重要的不是 99.9%,而是「99.9% 與 62.7% 之間的那段距離」。

先把 AGI 這件事講清楚。這次有三方說法,而且方向不一致:

一,OpenAI 官方發表頁:通篇用的詞是「世界上最聰明、也最對齊的模型」,列的是 benchmark 與可用性,全文沒有一句宣告 AGI 到來。二,Greg Brockman 個人:在記者簡報上說「我想可能就是這個模型」,結尾說「歡迎來到 AGI 時代」,同時把判斷權留給使用者。三,ARC Prize:承認 Astra 是「前沿模型能力的明顯階段性變化」,但同一篇文章裡白紙黑字寫「我們並不主張這是 AGI」,並提醒 ARC-AGI-3 的環境是封閉、確定性、規則明確的,不代表真實世界。

站長我的看法是,這三段話其實沒有互相矛盾,矛盾的是把它們壓縮成一句標題的過程。公司總裁在簡報上的個人感想,和公司發表頁上的正式措辭,在責任層級上完全不同——前者是行銷語言,後者才是會被拿去對照法規與合約的文字。中文報導把 Brockman 那句話寫成「OpenAI 宣布進入 AGI 時代」,是把個人發言升格成公司立場,這在寫技術報導時是要避免的錯誤。

第二個觀察,才是我認為真正的技術重點:harness 差異。

ARC Prize 的資料寫得很清楚:同一個 ARC-AGI-3 Semi-Private,標準 harness 下 Astra 拿 62.7%(成本約 2.6 萬美元),Provider Adapter harness 下拿 99.9%(成本約 1.9 萬美元)。兩個都是最佳成績,差別在標準 harness 只給模型一個中立、最小化的介面,模型得自己決定要在可見筆記裡留下什麼;Provider Adapter 則允許在請求之間保留模型自己的不透明推理狀態,並用壓縮機制處理長對話,讓模型能重複利用先前的工作成果。

這個差距有 37 個百分點。用工程的話講:這代模型的能力提升,有相當比例來自「上下文管理」而不是「推理本身」。 這件事對實務的意義比 AGI 之爭大得多——它意味著同一個模型接在不同的框架上,實際表現可能天差地遠,而多數企業導入時用的是自己的框架,不是廠商調校過的那一套。看到 99.9% 就以為自己的系統也會拿到 99.9%,是這一輪最容易犯的錯。

ARC Prize 自己也點出這個張力:他們認為未來的 AGI 應該要能在標準 harness 這種條件下解決 ARC-AGI-3。往後 ARC Prize 會同時公布兩種 harness 的成績並明確標示條件——這個決定本身就說明,單一數字已經不足以描述模型能力。

第三個觀察,兩個方向相反的訊號。

一邊是能力:在拿掉正式環境防護的測試條件下,ExploitBench 從前代的 78.5% 到滿分 100%,逆向工程的 SRE-Bench 也從 55.9% 到 88.0%。更值得注意的是,在官方另建的「ExploitBench(2026 年 6 至 8 月)」評測期間,Astra 自己發現並使用了兩個先前未知的零時差漏洞,OpenAI 表示已通報維護者。另一邊是可監督性:OpenAI 在同一份材料裡承認,在刻意要求模型規避監控的測試中,Astra 的書面推理比 GPT-5.6 Sol 更難監測。

這組數據呈現的是一種組合:能力曲線先跑,治理工具後補。這次是廠商主動把後半段寫出來,而且沒有粉飾,首席科學家 Jakub Pachocki 也直接說要靠延伸思維鏈監控、整合激活監控等方式補強。願意寫出來,比寫得好聽重要;但對導入方而言,這代表你不能只讀 benchmark 表格就做決策。

最後是給台灣讀者的實務角度。

以每百萬輸出 token 50 美元計,一個中等規模的自動化流程,成本結構會和「用模型回答問題」完全不同——代理型任務的輸出 token 量通常遠高於問答。在做預算時,拿問答時代的用量去推估代理時代的花費,會嚴重低估。官方主打的效率改善(OSWorld 2.0 情境下同樣任務時間約少 47%、Codex harness 更新後在 Mind2Web 上完成速度約 1.9 倍)確實會部分抵銷,但那是「同一件事更快做完」,不是「更便宜」。

真要我給一句話:這一代值得測,但別急著把關鍵流程整包搬過去。 先挑一個可以人工兜底的流程試三週,把「被安全檢查中斷」的頻率記下來,那個數字比任何 benchmark 都更能決定它適不適合你的組織。

✅ 接下來該做什麼?

個人用戶:不用做任何事。等模型清單出現 GPT-6 Astra 再開始用;若你是 Pro/Business/Enterprise 用戶,另留意 GPT-6 Astra Pro。
企業 IT:本週內先決定「要不要為工作區啟用」。啟用前確認兩件事——現有自動化流程能否容忍中途人工確認,以及資料保留政策該怎麼安排;要注意官方把 Zero Data Retention 限定給「合資格的 API 客戶」,不是 ChatGPT Enterprise 工作區的開關。
開發者:先用 gpt-6-astra 跑一次你現有的評測集,並同時記錄輸入/輸出 token 量。決策點是「同一任務的總成本」,不是單價。
關注資安應用者:目前 Astra 會拒絕產生概念驗證漏洞程式,想做防禦性工作要等 OpenAI Daybreak 的後續開放,官方說法是「未來幾週」。
判斷時間點:等第三方獨立評測與非廠商 harness 的復現結果出來再決定是否擴大導入。這類復現需要多久,目前沒有官方時程可依。

❓ 常見問題

Q:GPT-6 Astra 到底是不是 AGI?

依現有公開資料,無法這樣說。OpenAI 官方發表頁沒有做此宣稱,ARC Prize 明確表示不主張這是 AGI,唯一說出「AGI 時代」的是 OpenAI 總裁 Brockman 在記者簡報上的個人發言,而他也把定義判斷留給使用者。把個人發言當成公司正式立場,是目前中文報導最常見的失真。

Q:GPT-6 Astra 跟 GPT-5.6 Sol 差在哪裡?

依 OpenAI 官方公布的數字,差距最大的是代理與電腦操作類任務:Terminal-Bench 4.0 從 37.3% 到 57.9%、ScreenSpot-Pro 從 76.9% 到 92.7%、ARC-AGI-3 從 7.8% 到 99.9%——其中 Astra 的 99.9% 依官方腳註是以 OpenAI 自家的 responses API harness 跑出,對應 ARC Prize 所稱的 Provider Adapter 條件;同一個測驗在 ARC Prize 中立的標準 harness 下,Astra 只有 62.7%,而官方也未說明前代那 7.8% 是在哪個條件下取得。至於兩代都已接近飽和的測驗差距就小得多,例如 GPQA Diamond 為 94.6% 對 96.0%;但同屬學術類的 Terminal-Bench Science 0.1 是 22.4% 對 64.6%、FrontierMath Tier 4 是 83.0% 對 97.6%,差距一樣拉得很開。簡單說,這代主要買的是「會操作」,不是「懂更多」。

Q:一般人現在就能用到嗎?

發表當天先開放給 Daybreak Access 計畫的少數組織,官方表示接下來幾天內會擴及所有 ChatGPT Plus、Pro、Business 與 Enterprise 用戶,以及 API、Azure 與 AWS Bedrock。免費版目前不在官方列出的名單內。

Q:為什麼同一個 benchmark 會有 62.7% 和 99.9% 兩個分數?

兩個都是 ARC Prize 實測的正確數字,差別在測試框架。標準 harness 是中立、最小化的介面,模型必須自行決定在可見筆記中保留什麼;Provider Adapter harness 允許保留模型自身的不透明推理狀態並使用壓縮處理長對話。ARC Prize 表示往後會同時公布兩者並標明條件。

🔗 延伸閱讀

📎 參考資料來源

📖 第一級|廠商官方:

OpenAI — GPT-6 Astra: A new generation of intelligence — 2026-09-06 查證
ARC Prize — OpenAI’s GPT-6 Astra on ARC-AGI-3 — 2026-09-06 查證

📖 第二級|權威技術媒體:

Axios — “Welcome to the AGI era,” OpenAI says as GPT-6 Astra debuts — 2026-09-06 查證

⚠️ 本文所有規格、定價與可用性數字均為 2026-09-06 查證結果,以 OpenAI 官方公告為準;benchmark 分數為廠商與 ARC Prize 各自公布之測試結果,測試條件已於文中標明。本文為官方與權威第三方資料之整理分析(證據等級 E3),非站長第一手實測。