> 人类平均 48 分，它考了 99.9。今天凌晨 3 点 33，OpenAI 发了 GPT-6 Astra。

人类平均 48 分，它考了 99.9。今天凌晨 3 点 33，OpenAI 发了 GPT-6 Astra。

跑分很多，只挑三件天天拿 AI 干活的人真正会肉疼的事聊聊。

1️⃣ 它不再需要接口了

做落地最痛的从来不是模型本身，而是对接。

很多老客户的系统都是十几年前写的，没 API、没文档，当年写代码的人坟头草都几米高了。

Astra 的解法极其粗暴：不给接口无所谓，我自己看屏幕点鼠标。

• OSWorld 完成率：65.7 ➔ 72.6（任务耗时从 75 分钟直接砍半到 40 分钟）


• ScreenSpot-Pro（找点击位）：76.9 ➔ 92.7

💡 屏幕，正在变成这个时代最通用的 API。

2️⃣ 悟性 99.9

ARC-AGI-3 今年 3 月刚推出：无说明书、无规则、不透露目标，纯靠自己悟。

各阶段得分对比：

• 3 月最强 AI：0.51


• GPT-5.6 Sol：7.8


• Claude Opus 5：30.2


• 人类平均基准：48.0


• GPT-6 Astra：99.9

3️⃣ 它开始学会“心算”了

英国 AI 安全研究所测试：在不给写思维链（CoT）、强制单次推理直出答案的前提下：

• Sol 能解决人类思考 3.6 分钟 量级的问题


• Astra 直接飙到了 30.9 分钟

伴随而来的现象是：剩下的显式推理内容被高度压缩，甚至夹杂人类难以理解的内部语言。OpenAI 自己的 System Card 也写得很坦白：思维链的可监控性正在显著下降。

最拧巴的矛盾点：

• 越权尝试：48.2% ➔ 0%


• 幻觉率：9.4% ➔ 2.0%

表面看它温顺听话到了极致，但人类靠阅读思考过程来监管它的路径，正在被迅速堵死。

结语

以前总以为 AGI 降临会是一个分界极其分明的“奇点时刻”。

现在看来，它更像是一段渐变的灰色——等某天猛然回头，才发现界线早已跨过。

对做落地工程的人而言，核心拷问已经彻底改变：

过去纠结的是：这活 AI 到底能不能干？

以后要防的是：这个 Root 权限，我到底敢不敢放给它？