GPT-6 Astra 三项基准打满，99.9% 那条得打折看

这条消息在过去两天里其实已经露过两次头：先是安全评估报告里 Astra 跨过网络安全「关键」阈值，接着是 gpt-6-astra 这个模型名出现在 OpenAI API 的路由表里。现在正式发布，把前面两次的伏笔都兑上了——它既是 OpenAI 自称迄今最智能、最对齐的模型，也是第一个因为能力太强而被单独上锁的模型。

三个满分，只有一个是干净的

官方给出的成绩单是 FrontierMath Tier 4 得 98%、ARC-AGI-3 得 99.9%、ExploitBench 得 100%。三个数字并排放在一起很唬人，但它们的测量条件并不对等。

• FrontierMath Tier 4 ≈ 98%（第三方汇总记为 97.6%）。这一档是该题库里最难的一层，此前长期卡在个位数到二十几个百分点，接近打满意味着这套题基本失去了区分度，需要换更难的尺子。
• ARC-AGI-3 = 99.9%。ARC Prize 官方博客给这个数字加了一句要紧的限定：它依赖一套有状态、且相当昂贵的评测框架（Provider Adapter harness），单次跑完的成本约 1.9 万美元；如果改成无状态的普通 API 调用，分数会低得多。
• ExploitBench = 100%。这一项不是纸面难度问题，而是它测的东西本身就危险——下一节说。

另有两个更贴近日常使用的数字：上下文窗口 105 万 token，OSWorld 2.0 的计算机操作项得 72.6%，每个任务耗时比上一代 GPT-5.6 Sol 少约 47%。后者对做自动化的人来说，比数学榜单实在得多。OpenAI 还称该模型帮助把某类素数间隔的上界推进到 186，这一条目前只有官方口径，没有独立同行验证。

10 美元进、50 美元出，快速模式价格翻倍

API 标准定价为每百万输入 token 10 美元、每百万输出 token 50 美元，缓存读取与写入另行计费。API 里同时提供一个快速模式，吞吐最高可达标准模式的 2.5 倍，代价是单价翻一倍。

把这个价位放到本周的另一条行情旁边看会更有意思：同等能力档位的 token 价格指数刚刚跌到历史新低，中低端模型的推理成本几乎是按月往下掉的。旗舰型号反其道而行、维持高单价，说明 OpenAI 并不打算让 Astra 去接那些拼价格的批量活儿，它想守住的是「别的模型做不了、贵也得用」的那一小块。真正会为 50 美元输出价买单的，是能把一次调用换算成工时节省的企业客户，而不是聊天窗口里的普通提问。

「Critical」是一道闸，不是一句形容词

Astra 是 OpenAI 准备度框架下第一个被判定达到网络安全「关键」级的模型。这个级别的定义是：模型能独立地在防护良好的系统里发现并利用零日漏洞。评估过程中它确实做到了——测试里发现了两个此前未知的零日，并把它们串成了一条完整的利用链，据报道目标是 Google 的 V8 引擎。

OpenAI 的处理办法是把能力和放行拆开：模型本体照常发布，涉及漏洞利用的那部分能力被关进 Daybreak Blue 计划，只对经过审核的一小批测试方开放。同时它把网安类越狱的拒答率从 GPT-5.6 Sol 的 59% 提到了 91.5%。这个提升幅度不小，但反过来读也成立：仍有接近一成的绕过尝试是有效的，而这次绕过成功的收益，比以往任何一代都高。

谁先拿到，什么时候轮到你

放行顺序本身就是一份优先级声明：9 月 3 日当天先开给 Trusted Access Program 里的机构客户，随后几天扩到 ChatGPT Plus、Pro、Business、Enterprise 以及 API 和 AWS，网络安全能力单开一条 Daybreak 通道。个人订阅用户排在机构后面，这已经是近几代模型的常态。

轮到自己那天，能不能第一时间用上，往往不取决于订阅等级，而取决于账号那一刻在 OpenAI 眼里是什么状态——新模型开放的头几天，风控和排队叠在一起，登录环节出问题的概率明显高于平时，这种时候先确认自己的出口 IP 在 OpenAI 侧是否干净，比反复刷新模型选择器管用。

至于「这是不是 AGI」这个被反复追问的问题，眼下有件事比它更早需要答案：当一个模型的成绩单要靠 1.9 万美元的测试框架才能复现、其中一项能力必须锁在门禁后面才敢发布，真正被压到的是评测体系和发布流程本身。