朋友们好，这两天 GPT-6 Astra 刚发布，我把 OpenAI 的产品页、开发者文档、ChatGPT 发布说明和安全报告对了一遍。
看完以后，我最在意一个很实际的问题。我们交给 AI 的，到底还能不能只是一句话，还是已经可以是一整件工作？
先把名字理顺。OpenAI 在 2026 年 9 月 3 日发布的模型叫 GPT-6 Astra。网络上常说的“ChatGPT 6”只是习惯叫法。ChatGPT 是产品，GPT-6 Astra 是模型，也是 OpenAI 给 API 开发者使用的模型名称。ChatGPT 的普通聊天界面目前显示 GPT-6 Pro，ChatGPT Work 和 Codex 则开始使用 Astra。
截至 2026 年 9 月 5 日，GPT-6 Pro 正在向符合条件的 Pro、Business 和 Enterprise 用户推送。Plus 用户暂时不能在普通 Chat 中选择 GPT-6 Pro，不过可以在逐步开放的 ChatGPT Work 与 Codex 中用到 Astra。这个范围还在滚动变化，看到别人有入口、自己没有，并不奇怪。
名字和开放范围会继续变。GPT-6 留下的长期变化已经很清楚。AI 正在从回答引擎走向任务执行系统。
一条问题和一件工作的距离
以前用聊天机器人，我们习惯把工作切成很多小问题。
写报告时，先让 AI 列提纲，再找资料，再总结网页，再改语气。做表格时，你要把数据贴进去，解释每一列，再把公式复制回 Excel。写代码也差不多，AI 给出一段建议，你自己打开项目、改文件、跑测试、处理报错。
人负责串起整个流程，AI 只接住其中一句。
GPT-6 Astra 的设计目标向前走了一步。你可以交代一个目标，模型先理解任务，再制定计划，调用浏览器、代码、文件和电脑操作工具，随后生成文档、表格或演示稿。任务进行到一半，你还能补充要求，模型会保留已经完成的工作，调整后面的路线。
同一件事放到日常工作里，差别大致如下。
| 工作 | 对话型 AI 常见做法 | Agent 型 AI 追求的结果 |
|---|---|---|
| 查资料 | 给出搜索词和摘要 | 打开来源、交叉核对、整理引用 |
| 做 Excel | 解释公式 | 读取数据、写入公式、检查异常值并交付文件 |
| 做 PPT | 输出每页文案 | 建立结构、生成页面、统一样式并按反馈修改 |
| 写代码 | 提供代码片段 | 进入项目、修改文件、运行测试并处理失败 |
| 行业研究 | 回答一个问题 | 连续完成检索、分析、写作和资料归档 |
这条变化让“会不会答”变成了“能不能交付”。模型需要记住长流程中的约束，知道什么时候用工具，遇到错误以后还要回头检查。一次漂亮回答很容易让人惊喜，完成十几步工作更考验稳定性。
一件完整工作会在执行、检查和修正之间来回几次。
Benchmark 开始靠近工作现场
发布新模型时，大家总会先看分数。GPT-6 Astra 的成绩确实很高。OpenAI 公布的对比里，它在专业知识工作、软件工程、浏览器任务和电脑操作上都超过 GPT-5.6 Sol。
图中数据来自 OpenAI 2026 年 9 月 3 日发布页。
这些数字值得看，不过它们只能证明模型在规定环境里完成某类任务的能力。真实工作会混进很多评测题里没有的东西。网页可能改版，文件命名很乱，数据口径会打架，老板会在做到一半时换要求，登录页面还可能突然弹出验证码。
所以我更愿意把 Benchmark 当成体检报告。它能告诉我们哪些能力进步了，不能替你保证明天交出去的文件一定正确。
GPT-6 最有说服力的几项提升，恰好都靠近实际操作。BrowserGym 从 GPT-5.6 Sol 的 51.5% 提高到 77.7%，OSWorld 从 61.8% 提高到 73.8%，SWE-Bench Pro 从 57.7% 提高到 61.3%。专业工作评测 GDPval 则从 55.6% 提高到 70.9%。
OpenAI 还给出一个容易被忽略的数据。在 GDPval 任务中，模型完成任务的平均速度约为人类专家的 9 倍，推理成本不到专家收入中位数的 1%。这是一项模拟评测，只算模型推理成本，也没有计入监督、返工、工具订阅和错误代价。它说明自动化的经济吸引力已经很强，离“可以把任何工作放心交出去”还有一段距离。
Agent 化把工具串成流程
Agent 这个词已经被讲得有些玄。放到 GPT-6 上，可以先按工作流程来理解。
聊天机器人等你继续提问。Agent 会根据目标判断下一步，决定该查网页、读文件、写代码，还是先向你确认一项会影响结果的信息。
GPT-6 Astra 支持网页搜索、文件搜索、代码执行、电脑操作、图片生成、MCP 和工具搜索。它还能调用外部函数，让你的应用去查数据库、发起审批或处理业务系统中的记录。模型负责判断和编排，工具负责接触真实世界。
能力列表本身没有多大意思。把它们连起来以后，工作方式才会变化。
例如你让它研究一家公司的新产品。模型可以先找到官网与文档，浏览页面，读取附件，写一个脚本整理数据，再把结论放进表格和演示稿。中间某个数字对不上，它需要返回来源继续核对。你补一句“只保留官方口径”，后面的分析还要跟着收紧。
这类连续动作要求模型在很长时间里守住任务边界。GPT-6 Astra 的 API 上下文窗口达到 105 万 token，最大输出为 12.8 万 token。窗口更大，让它能带着更多资料工作，也会带来更高费用和更复杂的上下文管理。想了解 token 与上下文的基本概念，可以先看站内这篇 AI Token 通俗解释。
中途改要求，协作才像日常工作
过去的长任务有一个很烦的地方。模型一旦开始执行，你往往只能等它结束，再开下一轮修改。前面的工作能否保住，全看产品怎样处理上下文。
GPT-6 Astra 在 Responses API 中加入了 mid-turn steering。模型工作期间，应用可以通过 WebSocket 发来新指令。已经完成的内容会保留，模型根据新要求继续执行。
假设你让它做一份 AI 行业周报。做到一半，你发现读者是普通职场人，于是补充“删掉投资市场部分，多讲两项能在办公室直接用的工具”。接着又补一句“表格保留，PPT 改成十页以内”。
正常的同事会沿着已有材料改。一个可用的 Agent 也应该做到这一点。每次改一个要求都推倒重来，算不上协作，只是重复生成。
另一个变化是推理强度可以在同一段对话中调整。GPT-6 Astra 支持 low、medium、high、xhigh 和 max 五档 reasoning effort。开发者可以让模型在资料去重时用较低强度，碰到口径冲突或复杂代码时再提高强度，后续简单修改又调低，并继续利用已经缓存的上下文。
这里的 reasoning 可以理解为模型愿意为任务分配多少内部计算。它不等于人类的意识，也不能保证高档位一定正确。简单翻译开到 max，只会让等待和成本变多。五年财务数据、跨文件代码修改、长时间研究更可能从额外计算中受益。
用一份 AI 行业周报验收 GPT-6
我没有拿尚未普遍开放的账号编一段“实测经历”。更稳妥的做法，是把官方能力写成一份任何人拿到 Astra 后都能复现的验收任务。
可以把下面这段交给 ChatGPT Work、Codex，或者接入 GPT-6 Astra 的应用。
请制作一份面向普通职场人的 AI 行业周报。
时间范围限定为过去 7 天，只采用公司官网、官方博客和正式文档。
先列出候选信息和来源日期，由我确认选题后再继续。
最终交付一篇 1800 字以内的中文周报、一张信息汇总表和一份 10 页以内的演示稿。
每条事实保留来源链接，数字冲突时不要自行选一个，请列出差异并询问我。
执行期间只读取公开网页，不登录账号，不发送邮件，不发布内容。
这份任务把 GPT-6 的能力放进了一个完整流程。
第一段是搜索和阅读。模型要控制时间范围，打开来源，识别发布日期，排除重复稿和转述稿。它擅长扩大检索面，也容易被网页里的错误日期、隐藏指令和旧内容干扰。来源等级与时间边界需要写清楚。
第二段是判断信息价值。模型可以按读者、影响范围和可操作性给候选选题排序。它不知道你的账号过去发过什么，也未必理解读者对某个话题已经厌倦。站内搜索、选题记录和人的编辑判断仍然要进流程。
第三段是生成文章、表格和演示稿。GPT-6 发布页专门展示了电子表格、文档和幻灯片能力。它在 Investment Banking Spreadsheet Tasks 中得到 87.3%，图形化文档评测也明显超过 GPT-5.6 Sol。数字高，检查步骤依然不能省。公式引用、表格单位、分页、字体和图表轴都值得人工扫一遍。
第四段是中途修改。你可以让它缩短篇幅、调整受众、增加一项对比，同时保留已核验的来源和表格。mid-turn steering 让这件事在技术上更自然，产品端能否完整开放，要看具体套餐和应用界面。
第五段是交付。Agent 最容易在这里让人产生错觉。文件生成出来了，任务看着像结束了。编辑还要检查链接能否打开、日期有没有越界、图表与正文是否一致，随后决定保存、发送还是发布。
AI 在这条流程里承担了大量搜索、整理、计算和排版。人把住选题、事实口径、受众判断与最终发布。分工清楚，GPT-6 才能省时间。把“自行判断一切”写进提示词，省下来的几分钟可能会在返工时加倍还回来。
普通人的工作会先发生哪些变化
职场人最先感受到的变化，多半来自文件。你可以交给 AI 一份原始数据和会议记录，让它整理表格、写报告、做演示稿，再根据领导反馈继续改。人的时间会更多放在确认口径和选择表达方式上。
程序员会逐渐从逐行生成代码转向管理一段开发流程。任务要包含仓库边界、测试要求、不能修改的模块和验收条件。AI 能写得越多，代码审查、权限隔离和回滚准备越重要。
自媒体作者可以让 Agent 搜集来源、建立素材表、整理初稿和图片清单。选题价值、事实核验、作者立场与发布责任仍由人承担。产品经理也会把调研、需求草案、原型说明和数据分析串在一起，随后把时间留给冲突协调和取舍。
学生和研究人员能更快地检索、归类和生成初稿。引用是否准确、实验是否可复现、推论有没有越过证据边界，这些工作不能外包给模型。
未来更稀缺的能力，会落在任务定义上。你要说清目标、材料范围、交付格式、检查标准和禁止动作，还要知道在哪些节点看一眼。会问一句好问题仍然有用，会安排一整件工作更有价值。
能做事以后，权限成为产品核心
只生成文字的 AI 犯错，影响通常停留在对话框。能操作浏览器、文件、代码和业务系统的 Agent 一旦理解错对象，可能改错数据、发错消息，或者把敏感内容交给不该访问的工具。
OpenAI 给 GPT-6 Astra 配套的安全报告也把问题说得很直白。Astra 是 OpenAI 第一款按“网络安全关键能力”部署的通用模型，系统卡同时承认它在部分攻击场景下更会规避监控。OpenAI 因此加入了异步失配监控、权限分层、运行环境隔离和人工停止机制。
这些安全措施不只属于大公司。普通人使用 Agent 时也可以照着做。
目标和最终决定留在人手里，AI 负责执行，控制层限制它能触碰的范围。
先从只读任务开始。需要写入时，把读取和修改拆成两步。发送、删除、付款、公开发布和权限变更保留逐次确认。运行代码时使用沙箱，保留操作记录，并准备回滚方式。
Agent 越能干，权限设计越不能放在最后补。一个任务应该同时写清它要完成什么，以及它不能碰什么。
Prompt 会变成任务说明书
Prompt Engineering 不会消失，它会换一个重心。
过去我们研究怎样把问题问得更清楚。Agent 时代还要描述任务边界，安排工作顺序，定义交付物，并设置人工检查点。开发者常把这些工作称为 Task Engineering、Workflow Design 和 AI Delegation。
名字可以先放一边。实际写任务时，下面几件事最有用。
- 写清目标和读者
- 指定可以使用的资料与时间范围
- 说明交付物的格式和数量
- 给出验收条件
- 标明禁止动作与必须确认的操作
- 规定遇到冲突、缺失和失败时怎样处理
这比堆很多语气词有效。你正在给一位动作很快、知识很多、偶尔会自信出错的同事写任务单。要求越模糊，它越可能在你没有留意的地方替你作决定。
ChatGPT 和 API 面向两种人
普通用户接触 GPT-6，主要通过 ChatGPT Chat、ChatGPT Work 和 Codex。产品会替你准备界面、工具、权限提示与文件环境，能力范围受套餐、地区和管理员设置影响。
开发者通过 API 使用 gpt-6-astra，可以自己连接函数、MCP、数据库和业务系统。自由度更高，权限、日志、失败重试和成本控制也落到开发团队手里。工具调用需要 Responses API，Chat Completions 虽然支持模型本身，却不能用 Astra 的工具调用能力。
GPT-6 Astra 的标准 API 短上下文价格为每百万输入 token 10 美元、每百万输出 token 50 美元。超过 27.2 万输入 token 后，整次请求会按长上下文价格计算。它更适合高价值、长流程任务，日常分类、短摘要和批量简单处理可以交给更便宜的模型。
OpenAI 称 Astra 虽然单 token 更贵，但在多项任务中用更少输出 token 完成工作，单次任务的估算成本可能低于旧模型。这个结论仍需开发者拿自己的数据验证。模型省不省钱，要看任务成功率、返工次数、工具费用和人工审核时间。
我更愿意这样理解 GPT-6
用一句比喻来收住这次升级。
GPT-3 让更多人见识到机器会聊天。GPT-4 把理解复杂内容的能力向前推了一大步。GPT-5 强化了推理和工具使用。GPT-6 Astra 开始把这些能力串进一段持续执行的工作。
这不是严格的技术分代，只是帮助普通读者理解重心怎样移动。
GPT-6 还会犯错，也没有拿走人的责任。网页操作会失败，来源会冲突，表格公式会写错，代码可能通过局部测试却破坏别处。任务越重要，越需要人来定目标、看证据、做取舍并签下最终决定。
AI 会承担更多搜索、计算、分析、执行和整理。人要学会描述目标，设置边界，在关键节点判断方向。
人与 AI 的关系正在离开“我问一句，你答一句”。下一种更常见的对话，大概会是“我说明要完成什么，你把过程跑起来，我在该决定的地方接手”。
这才是 GPT-6 最值得继续观察的变化。
评论区