刚刚,GPT-6 Astra登顶了!

OpenAI的GPT-6 Astra登顶MazeBench等多项AI基准测试,以14%的成绩拿下3D空间推理第一,并在视频设计零件、3D分子交互模拟、频谱图识别声音等实际任务中展现出逼近AGI的全面能力,获得英伟达CEO黄仁勋认证为全球首个拿下AGI的团队。
AGI的战火还未散,下一场竞赛已开启了!
GPT-6 Astra一露面,直接把各大榜单全线刷爆,无模能敌。
就在今天,最新的3D空间推理基准MazeBench放榜,Astra跑了60多个小时拿下14%,又是第一。

毕竟,老黄亲自站台,认证OpenAI是全球首个拿下AGI的团队。
如今,所有人还未从GPT-6 Astra的震撼中缓过神,一大波新案例正在涌现——
构建细胞模型、看一段视频设计零件、从频谱图识别声音......
这还只是10万张GPU训出的「怪兽」,要是40万张GPU砸下去,真不敢想下一代GPT逆天到什么程度。

GPT-6屠榜空间推理
刷出14%最高分
MazeBench这项测试,是Jonathan Pappas和David Pappas在7月底做的一个3D世界。

MazeBench的世界俯瞰,黄色小人是智能体
它总共有200多个房间,藏着100颗宝石,一颗1分,满分100。
房间里全是推箱子式的谜题,外加电梯砖、可开关的墙、会打滑的冰面。掉进深渊了,只能撤销、重置,或者传送回去过的房间。

绿色是玩家,蓝色是箱子
比如这一关,把蓝色箱子推进黑色深渊,填出一座桥,才能走过去。

相机可以上下左右转,从20个角度看同一个场景。

左:3D视角;右:模型实际看到的文本
宝石就藏在这种地方。

模型通过MCP只拿到11个动作,4个移动、4个转相机,加上撤销、重置,以及传送。
难点在于,一道题往往要规划100步以上。而且它是真3D,同一面墙从上往下看和从侧面看是两回事。
结果就是,7月底刚发布那会儿,最好的智能体都走不出前几关。
当时,开着Python的GPT-5.6 Sol拿了13%,Fable 5 11%,Opus 5 9%。不开Python的话,全都到不了1%。
然后Astra来了。不开Python,直接拿下14%。

可以说,在3D空间推理上,GPT-6 Astra和之前所有Agent已经不在一个段位。
下图是它和Fable 5.1的探索热力图。Fable 5.1在角落里转了一小圈就停了,Astra几乎把整张地图翻了一遍。

为了省Token,测试团队让GPT-6改成了「批量出招」,不再是走一步回一次。
结果它每次都能往前多看10到20步,直接把原本要烧掉的30亿Token砍到了3.5亿。
在华容道测试里,这种批量模式让Astra成本便宜了三分之二,不过代价就是思考时间拉长了六成。

不过话说回来,Astra想要真正啃下MazeBench的硬骨头,前面的路很长。
ARC-AGI 3已经被它打到99.9%,但在MazeBench上,最强的AI也只捡到14颗宝石。
因为,Astra在3D空间理解上,存在偏科现象。
它更倾向于用俯视视角来看关卡,结果那些只有在3D视角下才能看见的墙,直接被它当成了空气墙。
新手教学关它倒是能通关,可一旦碰到方块叠超过三层高的3D谜题,它当场就抓瞎了。

刷题之外,全网开发者们已经把实际任务交到了GPT-6 Astra手中,玩出了一大波新花样。
Astra全新「打开方式」
夯爆了
就在今早,OpenAI总裁Greg一口气连转GPT-6 Astra的多个惊艳demo。
每一条都不是炫技,是「Astra用来解决现实问题」。
淋浴地漏的头发,它解决了
一位大佬Daniel Griesser直言,「昨天,我真切地感受到了什么叫AGI」!
他让GPT-6 Astra做的事,其实特接地气。
Daniel录了一段4分钟的视频,吐槽浴室地漏老被头发堵住,掏起来太恶心了。
他在镜头前拿着数显卡尺把零件量了一圈,然后反手把视频甩给Astra Ultra:帮我想个招。
Astra接下来这套操作简直绝了,它把视频拆解开来,一边听他的语音描述,一边把每一帧量尺寸的动作严丝合缝地对上。
最后不仅给出了一个能轻松清理毛发的设计方案,还先甩出来一张交互式草图让Daniel确认。

确认完草图,Daniel直接指挥Astra用「计算机使用」 接管电脑,打开Fusion 360自己画。
他人就坐在旁边干看着,眼瞅着AI把零件一步步建出来,而且是全参数化建模。
顺便,还偷师了几个Fusion的隐藏小技巧。
建完模,他随口说了句「加个倒角」,接着丢进3D打印机。打出来往地漏上一扣,第一次装,就严丝合缝!
对此,Daniel表示,「这虽谈不上什么高精尖,但确实解决了个大麻烦」。
最关键的是,比自己上手画快太多了。




上下滑动查看
3D分子交互,一键模拟
开发者Andrew Aiginin同样上手后直呼,「GPT-6 Astra强大得离谱」。
前一天,他刚让Astra建了一个细胞模型,第二天让它解释Ozempic(司美格鲁肽)是怎么起作用的。
1小时后,Astra交出一个交互式分子旅程:11个章节,从GLP-1受体结合、cAMP信号放大,一路走到胰岛素登场。

视频里,右边是能随意旋转缩放的3D分子模型,左边还能实时显示受体激活数,交互体验绝了。

一张频谱图,识别声音
更神的是,GPT-6 Astra居然还能「看图猜音」。
网友Max做了一个极为调转的测试,甩给Astra一张梅尔频谱图,不给音频,直接拷问——
试着「听」一下,这是什么声音?


Astra看了一眼就判定,最可能是狗在反复吠叫,甚至带点粗糙的低吼。
更绝的是,它连叫声的节奏都给脑补出来了——woof-woof, woof… woof, woof-woof。
而且,它还解释得头头是道,每一段爆发都有很强的低频主体、相似的共振带和一个带噪的高频边缘,重复的共振模式更像吠叫而不是人说话。

零样本,而且只开了轻量推理

换了另一张图谱,Astra猜得更神了,直接给出一串画面感:光剑点火、低频嗡鸣、最后关剑熄灭。
对此,Max忍不住感慨,我们现在挖出来的,恐怕连这个模型能力的皮毛都算不上。

48关验证码,一把过
看图猜音之外,Astra还把人类给机器设的门直接踹开了
neal.fun上有个游戏叫「I'm Not a Robot」。48关验证码,一关比一关刁钻,选吉娃娃还是松饼、给消防栓排序、在嵌套网格里数格,很多人自己都过不去。
Sharif Shameem让Astra去打,结果一把全过了。


这战绩,不仅让围观的网友高呼「验证码已死」。


还把游戏原作者Neal Agarwal本人,给炸了出来。
而他只能无奈留下一句:「行吧,我尽力了。祝大家好运。」

除了这些,还有人玩得更野——
让Astra用Blender复刻了迈克尔·杰克逊的经典舞步。

刷完这波demo,真的会忍不住感慨一句:我们对Astra的打开方式,还真的是太保守了。
AGI已来
剩下的赛道唯有一条ASI
GPT-6 Astra这波横空出世,让老黄都忍不住直呼「AGI已来」!
但说真的,现在再去争论Astra到底算不算「真·AGI」,已经没有太大意义了。
且看眼下的牌局:AI亲自写代码、训练下一代AI,AI研究实习生正式入职,OpenAI下一代Bel、Anthropic神秘Model2也在酝酿之中....
整个AI竞赛的坐标轴,正在发生翻天覆地的变化——
大家拼的重点,从「谁先抵达AGI」,逐渐转向「谁能让智能自我加速」。

AGI这场竞逐已然提前收官。长夜尽头,剩下的赛道唯有一条ASI。
而人类亲手锻造的尺子,正在被新物种一把接一把地悉数崩断。
面对旧体系的坍塌,我们在新智元官网aiera.com.cn亮出了自己的「ASI坐标」。

今日看板,聚焦近7日内发布的最新模型,每日清晨定时全量刷新。
最新一期排名已揭晓:GPT-6 Astra以90.3高分领跑,Fable 5.1取得84.0分,Gemini 3.8 Flash为73.8分。
周总榜,则为模型沉淀了海量数据。
第一名Claude Opus 5守在89.2,第二名GPT-5.6 Sol Xhigh咬定89.0,第三名Claude Fable 5居于86.2。

Astra尚未完成周榜的结算,待到周三矩阵重构之日,它必将篡夺新的王座。
这也是新智元「ASI坐标系」真正要测量的东西——AGI是一条能力线,RSI是一条加速度曲线。
旧有的标尺,已无法丈量新纪元的巨兽,那便重铸一把。
AGI的视界已然越过。ASI,我们在最终的城池内,等你。
文章来自于微信公众号 “新智元”,作者 “新智元”
Related topics
After reading
Join the AINRK community
Read how to join the community and connect with people working in AI.




