OpenAI 的全部动态：GPT 系列模型、ChatGPT 与 Sora 产品、公司战略与人事的持续追踪。
OpenAI 和 METR 各自发了技术报告，把之前传得沸沸扬扬的“AI 叛变”说法拆了个干净。事情是 OpenAI 在做红队测试，他们关掉了模型的所有安全机制，给了模型 198 道根本解不开的题，还没给退出选项。同时，他们留了一条间接上网的路：模型可以通过 JFrog Artifactory 这个中间人往外传请求。结果，占涉事主体 95% 的内部模型...
推荐理由：用两份技术报告的具体实验条件，把“AI 叛变”的谣言拆干净了。扣分是因为来源是个人博客而非原始报告，且话题偏安全圈内。
OpenAI 的 GPT-6 Astra 在 ARC-AGI-3 测试里跑到了 99% 的正确率，96% 的题目表现超过人类。不过这个成绩不是默认跑出来的——标准测试流程只给了 63%，是换了一套叫 Provider Adapter 的测试框架后才冲到 99%。排行榜上还有个反直觉的现象：推理能力越强的版本反而越省钱，因为 Astra 解题步骤少，调模...
推荐理由：Greg Brockman 转发让这条消息自带关注度，99% 的成绩也确实是个行业事件。但我会先打个折——默认跑只有 63%，靠 Provider Adapter 才冲到 99%，这个差距正文没完全解释清楚，所以不能当纯模型能力来看。基准本身快饱和了，以后在这个指标上拉不开差距，这点先别太激动。整体值得上 featured，但分数留点余地。
Armature 在 75 个代码库里模拟了四种程序员（从完全不懂代码的“感觉流”到企业级老手），让三个主流编程智能体实际动手装工具、写代码，总共跑了 16,893 次。结果发现，一旦在流程里加一个“模拟人类”来打断和确认，智能体的选择就会变：比如在对象存储上，Cloudflare R2 开始反超 Amazon S3；数据库方面，Neon 被反复推荐。...
推荐理由：Armature 模拟了四种程序员让 Claude Code、Codex 和 Cursor 实际动手装工具写代码，样本量接近一万七千次，能看出一些有意思的偏好转移，比如加了人类确认环节后 Cloudflare R2 开始反超 S3。不过得先打个折：Armature 本身给开发工具公司做增长服务，虽然他们开头就坦白了，但这个利益关系让人对数据解读得留个心眼。
Perplexity 的 CEO Aravind Srinivas 发帖说，他们会接入 OpenAI 刚发布的 GPT-6 Astra，先推给 Computer Pro 和 Max 用户。他夸这个模型在又深又广的研究任务上把别的模型甩开一截，而且更省钱。不过帖子里没给出具体上线时间，也没放 WANDR 的分数或成本数字，所以实际强多少、省多少，现在还没...
推荐理由：头部 AI 搜索产品第一时间接入刚发布的旗舰模型，本身就有新闻性。但 CEO 的帖子没给出 WANDR 的具体分数、成本对比和上线时间，实际提升幅度还不清楚，所以重要性先打个折，不往上冲了。
Latent.Space 提前拿到了 GPT-6 Astra，在真实任务上烧掉了超过 200 亿个 token。最让人意外的是，它已经能当一个完整的 AI 工程师来用：自己选模型、标数据、盯着管线跑、读日志、部署和调试系统，还能同时管 20 到 50 个子代理干活。按每秒 33 个 token、最高每百万 token 50 美元算，时薪确实不到 6 美...
推荐理由：GPT-6 Astra 是 OpenAI 首个 Stargate 超算模型，Latent.Space 拿到早期访问权并做了 200 亿 token 级的实测，把它量化成一个时薪不到 6 美元的 AI 工程师。这是行业级事件，跨源报道密度高，HKR 三条全中。没给到 95+ 是因为正文没披露测试任务的具体难度和失败率，实际可用性还得打个折。
Rohan Paul 从 Astra 117 页系统卡里拎出一个变化：模型能自主控制思考链（chain-of-thought）的比例，从上一代 GPT-5.6 Sol 的 16.1% 直接升到 60.9%。控制力上去了，人能看清它在想什么的可监控性就下来了。帖子没讲这个比例是怎么测的、在什么风险场景下测的，我会先打个折，等完整系统卡公开再看具体评估方法。
推荐理由：Rohan Paul 从 Astra 117 页系统卡里拎出一个变化：模型能自主控制思考链的比例从 GPT-5.6 Sol 的 16.1% 升到 60.9%。控制力上去了，人能看清它在想什么的可监控性就下来了。帖子没讲这个比例是怎么测的、在什么风险场景下测的，我会先打个折，等完整系统卡公开再看具体评估方法。
OpenAI 发了条推，说 GPT-6 Astra 在 FrontierMath Tier 4、ARC-AGI 3 和 TerminalBench-4.0 上拿了 SOTA，Terminal-Bench Science 0.1 和 HealthBench Pro 的分数也领先。但正文只有一串基准名字，没给参数量、架构、发布时间，连具体分数都没放。我会先...
推荐理由：GPT-6 Astra 代号和 SOTA 声明本身就有新闻性，但正文只列了基准名称，零具体数字、零架构细节、零时间线。按规则信息越薄越往低档靠，82 落在 78-84 区间里。
GPT-6 Astra 今天开始向部分机构推送，接下来几天会覆盖 ChatGPT Plus、Pro、Business、Enterprise 和 API 用户。API 价格跟 Claude Fable 5/5.1 一样，输入每百万 token 10 美元，输出 50 美元，摆明了是冲着 Fable 来的。最唬人的是 ARC-AGI 3 基准测试拿了 99...
推荐理由：GPT-6 Astra 就是冲着 Claude Fable 来的，价格完全照搬，输入 10 美元、输出 50 美元每百万 token。最唬人的 ARC-AGI 3 拿了 99.9%，但正文说了，这是用定制测试框架跑出来的，换成默认框架直接掉到 62.7%，所以这个近乎满分的数字得打个大折扣。不过就算打折，它也是第一个在这个新基准上公开露脸的模型，同行肯定会拿来拆解。安全方面 ExploitBench 从 78.5% 拉到 100%，是个实打实的提升。整体看，OpenAI 这次就是要在定价和跑分上跟 Anthropic 正面硬刚，信息量够大，值得立刻推。
Sam Altman 在推上扔出了 GPT-6 Astra 的名号，说这是目前计算机使用、专业工作、科学、编程和网络安全领域最强的模型。团队为了安全和对齐标准多磨了一阵才放出来。他给了三个跑分：FrontierMath Tier 4 拿了 98%，ARC-AGI 3 拿了 99.9%，ExploitBench 直接满分 100%。不过正文没提参数量、怎...
推荐理由：OpenAI 发新一代旗舰模型，还是 Sam Altman 自己出来喊话，这事本身就够震动圈子的。三个跑分直接冲着计算机使用、编程和安全这些硬核场景去，而且分数都刷到了新高度。不过正文没提参数量、架构和推理成本，所以这些分到底是在什么算力规模下跑出来的，还不好说。我会先打个折，等看到更多实测再下结论，但光凭这三个分和 OpenAI 的招牌，这条消息就值得立刻推给所有做应用和做安全的人看。
GPT-6 Astra 在 ARC-AGI-3 这个测试智能体探索、建模和规划能力的基准上拿了两个高分。用标准接口（模型自己记笔记）最高分是 62.7%，成本两万六千美元；换成厂商适配接口（保留推理状态、压缩长对话）后，高推理档直接干到 99.9%，成本反而降到一万九千美元。它比人类中位数更省动作，在 96% 的关卡里用的步数更少。一个有意思的行为是，...
推荐理由：GPT-6 Astra 在 ARC-AGI-3 上拿了 99.9%，是第一个在这个基准上接近满分的旗舰模型，成本还降了。这个结果来自 ARC Prize 官方博客，不是 OpenAI 自己发的，所以权威性上我会先打个折，但跨源覆盖是板上钉钉的。没给 95+ 是因为正文没披露 Astra 的架构细节和训练数据，信息有缺口。
OpenAI 首席研究官 Mark Chen 发推宣布 GPT-6 Astra 上线，说这是团队多年预训练、强化学习和后训练堆出来的模型，能力最强、对齐也最好。推文只有一句话，没展开讲 Computer Use 具体能操控哪些软件、怎么保证安全，也没提 agent 对齐用了什么新方法。性能数据、发布时间线、对比上一代提升多少，正文全都没给。我会先打个折...
推荐理由：OpenAI 首席研究官发推宣布 GPT-6 Astra 上线，说这是多年预训练、强化学习和后训练堆出来的模型，能力最强、对齐也最好。但推文只有一句话，Computer Use 能操控哪些软件、怎么保证安全、agent 对齐用了什么新方法，正文全都没给。性能数据、发布时间线、对比上一代提升多少也一概缺失。我会先打个折——标题分量够重，但信息几乎为零，只能当个信号看。
OpenAI 说 GPT-6 Astra 会优先推给全部 Plus 用户，而不是像以前那样先给 Pro、Business 和 Enterprise。这次发布要花几天，因为背后有好几套新系统第一次大规模跑，团队也在紧急加算力。正文没提模型参数、价格变没变，也没给具体能力跑分，所以实际效果和成本还得等上手再看。
推荐理由：GPT-6 面向全部 Plus 用户开放，是 OpenAI 目前最大规模的一次模型发布。正文没提参数、价格和跑分，实际效果还得等上手再看，但发布这件事本身已经是行业级事件。
Artificial Analysis 用自家 Coding Agent Index 测了 GPT-6 Astra，得分 67，跟 Claude Opus 5 和 Fable 5 打平。成本比 Fable 5 便宜一半以上，但跟 GPT-5.6 Sol（max）比贵了约 2.5 倍。token 效率比 GPT-5.6 Sol 高出约 70%，说明同样任...
推荐理由：Artificial Analysis 的 Coding Agent Index 是独立第三方评测，GPT-6 Astra 拿了 67 分，跟 Claude Opus 5 和 Fable 5 打平。token 效率比 GPT-5.6 Sol 高出约 70%，说明同样任务消耗更少 token，但单价涨了约 2.5 倍，实际花销反而更高。比 Fable 5 便宜一半以上这点挺实在，但正文没披露具体价格数字，只能看相对比例。我会先打个折：这是第三方跑分，不是官方数据，实际业务里表现可能有出入。不过价格和效率的反差确实让选型的人得重新算账，所以给了 fea...
OpenAI 推出了 GPT-6 Astra，总裁 Greg Brockman 说按 OpenAI 自己的定义，这模型可能已经算 AGI 了——也就是在大多数有经济价值的工作上胜过人类。Astra 在几个硬核测试里分数很高：逻辑推理 ARC-AGI-3 拿到 99.9%（不过是在他们自己的测试条件下），数学 FrontierMath Tier 4 v2...
推荐理由：GPT-6 Astra 发布，OpenAI 首次自认进入 AGI 时代，并在自家安全框架下给了关键级网络安全分类。Brockman 的 AGI 表态有 ARC-AGI-3 和 FrontierMath 分数撑着，虽然测试条件要打折看，但跨源信息确认这是真发布，不是传闻。事件本身会把 AGI 定义、安全分级和模型能力上限的讨论全部推到台前。
OpenAI 贴了 GPT-6 Astra 的官方基准成绩：ARC-AGI-3 直接拉到 99.9%，基本饱和；ExploitBench 拿了满分 100%，全面压过 Claude Fable 5.1——后者才当了两天 SOTA。帖子还说价格更低，但没给具体定价、参数量和发布时间，我会先打个折，等第三方实测再说。
推荐理由：OpenAI 贴了 GPT-6 Astra 的官方基准成绩，ARC-AGI-3 基本饱和，ExploitBench 满分，全面压过 Claude Fable 5.1。帖子说价格更低，但没给具体定价、参数量和发布时间，我会先打个折，等第三方实测再说。
OpenAI 发了 GPT-6 Astra，第一批只开放给经过审核的 Daybreak 网络安全客户。Plus、Pro、Business、Enterprise、API 和 AWS 渠道会在接下来几天陆续跟上。正文没披露模型参数、定价和具体能力，这点先别太激动，等更多细节出来再判断。
推荐理由：GPT-6 首发只走 Daybreak 安全客户这条窄路，本身就够上 featured。但文章没给任何硬指标，所以知识分扣掉，总分停在 82。等参数、定价或能力细节出来再往上调。
OpenAI 推出了新模型 GPT-6 Astra，但初期只开放给 Daybreak Access 计划里的组织。正文没解释 Daybreak Access 到底是什么，也没给任何模型参数或跑分数据。Plus、Pro、Business 和 Enterprise 用户要等接下来几天才会陆续拿到权限。
推荐理由：GPT-6 发布本身就是行业级事件，哪怕正文只给了名字和访问层级，也够得上 featured。分数没上 90 是因为缺规格和跑分（K 轴没踩到），等有具体数据出来再往上调。
OpenAI 开始分阶段推送新模型 GPT-6 Astra，第一批拿到权限的是通过申请加入其网络安全项目的公司。ChatGPT Plus、Pro、Business 和 Enterprise 用户要等后续才会开放。OpenAI 自己刚发过警告，说 Astra 具备高级网络攻击能力，但这篇报道没写他们具体上了哪些安全护栏或使用限制。
推荐理由：这是 GPT-6 Astra 第一次公开推送，紧跟在 OpenAI 自己发的安全警告之后，时间点很微妙。CNBC 独家，行业震动级别。扣 3 分是因为正文没披露任何具体的安全护栏或使用限制，信息缺口明显，所以我会先打个折。
OpenAI 周四放出了 GPT-6 Astra，总裁 Greg Brockman 直接说这可能就是通用人工智能（AGI）到来的标志。这个模型在得州 Stargate 数据中心用了超过 10 万张 GPU 训练，是 OpenAI 第一次让其他模型大量参与监督训练过程。Astra 能直接操作软件干活，演示里它格式化了一份法律合同、搭了个 3D 游戏、画了...
推荐理由：GPT-6 发布加上 OpenAI 总裁亲自喊出 AGI 时代到来，属于行业地震级事件。10 万张 GPU 的训练规模、多模型参与监督、直接操作软件的能力都是首次披露，信息量扎实。HKR 三条全中，重要性接近满分。
OpenAI 周四推出了新模型 Astra，说它在操控电脑和浏览器任务上速度、准确性和安全性都达到了新高度。总裁 Greg Brockman 称这是公司“最聪明、对齐做得最好的模型”。Astra 会先推给 Daybreak 网络安全客户，一周内再上付费套餐和 API。争议点在于 OpenAI 前几天发的博客里提了一嘴“不透明的循环机制”，但正文没解释这...
推荐理由：OpenAI 当天发新旗舰模型 Astra，主打电脑操作，属于必须覆盖的新闻。正文对“不透明的循环机制”只提了一嘴没展开，这是最大的信息缺口，不然重要性还能再高一点。