【大模型/评测】近期大模型发布与评测要点如下：

GPT-6 Astra 来了，Greg 说“欢迎来到 AGI 时代” OpenAI 今天（9 月 3 日）发布 GPT-6 Astra，自称“世界上最聪明、对齐最好的模型”。 总裁 Greg Brockman 在发布前的媒体沟通会上说得：他个人认为 OpenAI 已经做到了 AGI，“未来回头看，可能就是这个模型”。 先说大家最关心的问题：什么时候能用、多少钱。 首批只开放给 OpenAI 网络安全项目 Daybreak 的少数机构，未来几天陆续推送到 ChatGPT Plus、Pro、Business、Enterprise 用户，以及 API 和 AWS Bedrock。 用量包含在现有订阅额度里，用完可以买额外积分。 企业版默认关闭，需要管理员手动打开。 API 模型名 gpt-6-astra，每百万输入 Token 10 美元，输出 50 美元，和 Anthropic 的 Claude Fable 5.1 定价完全一样，是 GPT-5.6 Sol 促销价的 2.5 倍。 另有 Fast 模式，速度最高 2.5 倍，价格翻倍。 【1】主打的是替你操作电脑 Astra 这次最强调的能力是电脑操作（computer use），也就是模型自己控制屏幕、点鼠标、填表单、在真实软件里干活。Brockman 的原话是“人在电脑上能做的，Astra 基本都能做”。 OpenAI 给的场景很具体：填网页表单、更新 CRM 客户记录、整理日历、在邮件或文档编辑器里写研究摘要、分析科学数据并画图、建网站并跑前端测试、安装软件并排查屏幕上出现的报错。演示视频里还有它在 KiCad 里做 PCB 电路板布线，在 Blender 里建房子模型再导入虚幻引擎 5 变成可行走场景。 速度是另一个重点。在 OSWorld 2.0 的延迟模拟里，Astra 完成一个任务约 40 分钟，得分 72.6%，GPT-5.6 Sol 要 75 分钟，得分 65.7%。配合更新后的 Codex 框架，Mind2Web 上的任务完成速度是 Sol 的 1.9 倍。 办公场景上，OpenAI 说 Astra 是它目前最擅长"按模板做 PPT"的模型，能沿用公司现有模板的排版和语气，做出来的文档、表格、幻灯片直接能用，而且学会了只把相关信息放进产出物，不再把无关内容一股脑塞进去。 【2】编程：多数基准领先，但不是全面碾压 OpenAI 称 Astra 是“迄今为止最好的软件工程模型”。Terminal-Bench 4.0 得分 57.7%，Claude Fable 5.1 是 55.8%，GPT-5.6 Sol 只有 37.3%。OpenAI 还强调单任务 API 成本比 Fable 5.1 低约 63%。 但看 OpenAI 自己贴的完整表格，情况没那么一边倒。 DeepSWE v1.1 上 Astra 74.1%，Claude Opus 5 是 73.7%，几乎持平； FrontierCode 1.1 两项，Claude Fable 5 都略高于 Astra； Artificial Analysis 的编程智能体指数，Astra 67.0 反而低于 Opus 5 的 68.1。 Jane Street 的 John Crepezzi 给了背书，说 Astra 生成的代码需要更少迭代就能达到上线质量，沟通方式也更容易让开发者跟上。 对开发者比较实用的一个变化在 Codex：以前长会话上下文（context）满了，模型只能把过程压缩成一份摘要，压几次之后很多细节就丢了，比如某个修复为什么失败…

GPT6正式发布GPT6打破孪生素数猜想最新记录 就在刚刚，GPT-6打破孪生素数猜想新纪录。 OpenAI宣布：GPT-6把孪生素数问题的最好上界推进到186！ 摘要末尾直接写明：证明归功于 GPT-6 Astra 这条线的起点，是2013年张益唐证明的 7000万，此后 Maynard 压到 600，再由陶哲轩锁定到246。 今年 8 月 31 日，牛津数学家 Julia Stadlmann 把它推到 240。9 月 3 日早晨， Axiom Math 把纪录压缩至212。就在仅仅几个小时后，OpenAI宣布：GPT-6给出的最新纪录是186！ 陶哲轩守了十二年的纪录，一周内被破三次，奇点真的来了。 OpenAI研究者、北大07级数学系校友苏炜杰称，这是「见证一个新智能时代诞生」！ 参与内测的苏炜杰难掩激动之情：「我9岁时第一次听说孪生素数猜想。今晚，我亲眼见证我们的模型把246一路推到186……」 毫无疑问，这又是一个菲奖级成就。 这一夜，全球的数学家们，彻夜未眠。 2026