北京时间9月3日晚，OpenAI正式发布GPT-6 Astra，宣称其为“全球最智能的模型”。该模型在多项高难度基准测试中取得罕见成绩：在网络安全基准ExploitBench上获得100%满分，在ARC-AGI-3抽象推理测试中得分99.9%，在FrontierMath Tier 4数学基准中得分98%。OpenAI称，Astra在测试期间已协助解决了多个长期悬而未决的数学难题。
这些成绩迅速引发一个核心追问：Astra是否正在逼近人工通用智能（AGI）？从能力范围来看，OpenAI表示Astra能够处理高级软件工程、计算机操作、浏览及科研工作，覆盖多个独立且复杂的领域，而非仅为单一任务优化。这与AGI“能够执行人类所能完成的任何智力任务”的特征产生了一定程度的重合。
然而，基准测试的满分并不等同于AGI。研究界普遍认为，基准衡量的是特定任务上的表现，而非将智力视为某种通用的统一属性。随着AI模型在各类基准上接近饱和，研究人员面临的根本挑战在于：设计更严苛的测试，以区分“真正的泛化能力”与“更复杂的任务优化”之间的边界。Astra的表现或许比一次普通升级更具标志性——它可能标志着当前AI系统开始触达传统基准测试的评估上限。
在Astra发布当天，OpenAI、Claude、Grok、Copilot、Cursor以及Gemini等多款主流AI服务出现了不同程度的服务中断，多家公司的官方状态页面显示了相应异常。由于时点巧合，社交媒体上出现了关于Astra部署是否引发连锁故障的猜测，但目前无证据表明两者存在因果关系。
