99.9%——这是 GPT-6 Astra 在 ARC-AGI-3 上拿到的分数，一个专门用来测量「AI 离通用人工智能还差多远」的基准。OpenAI 自己的说法很直接：这是「代际跃迁」。而就在两天前，Meta 刚用 Muse Spark 1.3 声称编码反超 Opus 5；三天前，Anthropic 发布了 Fable 5.1。72 小时内三家头部同时出牌，AI 军备竞赛进入了白热化的九月。
OpenAI 连夜发布 GPT-6 Astra：不是预告，直接开用
北京时间 9 月 3 日晚，OpenAI 正式发布 GPT-6 Astra（内部代号 Mewfour，此前流传代号 Doug）。根据官方公告与 The Verge 报道，Astra 首先向 Daybreak 计划客户开放，未来几天陆续覆盖全部 ChatGPT Plus、Pro、Business、Enterprise 用户，并同步上线 OpenAI API 与 AWS。
定价直接对标 Anthropic：输入 $10/百万 token、输出 $50/百万 token——与 Claude Fable 5/5.1 完全同价，火药味十足。这是 GPT-5.6 Sol 之后 OpenAI 的旗舰换代，Sam Altman 团队给出的关键词是「generational leap」（代际跃迁），联合创始人 Greg Brockman 亲自下场转发。
此前 8 月的多次代号泄露（数学突破 + 网络安全 Critical 级、参数规模传闻 10 万亿）终于落地——本站 8 月 19 日曾专门写过那次泄露。
真正的爆炸点：ARC-AGI-3 拿下 99.9%，但争议随之而来
ARC-AGI-3 是 ARC Prize（François Chollet 创办）今年 3 月上线的第三代智能体基准：AI 要在没有说明书的陌生抽象环境里探索、推断目标、建立世界模型并规划行动。它的设计初衷就是测量「AI 与人之间残余的智能差距」——人类可以 100% 通关。
ARC Prize 官方博客 9 月 3 日公布的结果（Greg Kamradt 执笔）：
- 标准 harness（公平同接口）：Astra max 档 62.7%，花费 2.6 万美元
- Provider Adapter harness（OpenAI 自定义上下文管理）：Astra high 档 99.9%，花费 1.9 万美元
- 对比：Claude Opus 5 标准档 30.2%，GPT-5.6 Sol 仅 7.8%
99.9% 接近满分，但前提是换上 OpenAI 自己设计的 harness——它允许模型跨请求保留「不透明的推理状态」并用 compaction 压缩长对话，等于让模型把之前的工作记在私有草稿本上。标准 harness 下 Astra 只有 62.7%，虽然仍是 SOTA，但远非「碾压」。
ARC Prize 的态度很明确：两种 harness 回答两个不同的问题，今后排行榜会同时标注两种结果。而社区（Hacker News、Reddit）已经吵翻——有人指出 GPT-5.6 Sol 的 7.8% 是因为 ARC 默认 harness 在轮次间丢掉了推理 token，「这是很糟的 harness 设计」。
除了基准分，Astra 真正可怕的是三件事
ARC Prize 团队回放 Astra 的解题过程后发现三个超出分数本身的信号：
第一，行动效率超过人类。 Astra（max）在 96% 的关卡里动作数少于人类测试者中位数，平均少用 51.7% 的动作。ARC Prize 原本假设「行动效率」会长期是人与 AI 的分水岭——人类看一眼就懂，AI 要反复试探。Astra 打破了这个假设：一旦理解机制，它执行起来比人还利落。
第二，自己发明符号语言。 面对陌生游戏，Astra 会把场景压缩成紧凑的类代码符号模型——自创坐标、规则、状态跟踪的速记法（例如「extend8 to3; retract10 to2」这样的多步计划）。这不是人类教的，是它在解题现场生成的领域专用语言。
第三，按需写工具。 在 PRO-LONG harness 下，Astra 会为每个游戏现场编写小工具库：棋盘解析器、寻路算法、规划器、巡逻模型——一个带守卫的迷宫关卡，它先后写出了 maze_solver.py、combat_solver.py、patrol_solver.py、sync_state.py。
结合 OpenAI 此前公布的专项成绩：ExploitBench（网络安全漏洞利用）100%（GPT-5.6 Sol 78.5%）、SRE-Bench 二进制逆向四轮内 99.2%、长上下文 512K–1M token 区间 96.3%——Astra 是个能打的安全与编码全能选手。
冷静一下：它没有全赢
别急着喊 AGI。几个关键限制：
- Artificial Analysis 智能指数：Astra 得分 61，与 GPT-5.6 Sol 持平，比 Claude Fable 5.1（max）低 5 分，也低于 Meta 的 Muse Spark 1.3
- ARC Prize 官方声明：饱和 ARC-AGI-3「不代表实现 AGI」——基准有边界、机制封闭，真实世界要复杂得多
- 99.9% 依赖自家 harness：标准公平接口下是 62.7%，两种数字要一起看，任何只报 99.9% 的说法都是断章取义
- 价格战逻辑没变：与 Fable 5 同价，意味着 OpenAI 认为 Astra 在综合能力上足以正面叫板，而不是靠低价抢量
这恰恰是当前格局的真实写照：OpenAI 的 Astra、Anthropic 的 Fable 5.1、Meta 的 Muse Spark 1.3 三强各有所长——没有一家能全维度碾压，每一家都在自己最有利的基准上做文章。GPT-5.6 Sol 反而成了新一代的「计量单位」。
判断：九月的牌桌，每 24 小时洗一次
过去 72 小时，Anthropic、Meta、OpenAI 相继亮牌。规律很清楚：发布节奏从「按季度」压缩到「按天」，基准从「论文评测」转向「实战智能体」，竞争焦点从「谁聪明」变成「谁在特定任务上更高效、更便宜、更安全」。
对开发者：Astra 通过 API 和 AWS 开放后，与 Fable 5.1、Muse Spark 1.3 的选型对比将是未来几周最值得做的事——同样的任务，三家跑一遍，成本、速度、工具调用稳定性立见高下。对普通用户：ChatGPT Plus/Pro 用户几天内就能直接用上 Astra，「代际跃迁」是真是假，自己问几个难题便知。
ARC Prize 已经在琢磨下一代基准：递归自我改进、开放式创新——专门等着 Astra 们去撞墙。这场竞赛，恐怕才刚刚开始。
关注 AI商业快讯，每天一篇 AI 热点深度解读。
相关阅读：