GPT-6 Astra突破10万GPU训练规模，OpenAI宣称AGI已到来

OpenAI 发布的 GPT-6 Astra，把两个长期被分开讨论的话题放到了同一张桌子上：一个是单次训练能否稳定调动十万块 GPU，另一个是 AGI 是否已经变成可发布的产品形态。相较上一代模型，Astra 更值得关注的不是单个基准分数，而是它背后的训练组织方式和能力边界变化。

从训练规模看，OpenAI 方面将 Astra 称为迄今规模最大的训练项目之一。模型在美国 Stargate 德州基地使用超过 10 万张 GPU 进行预训练；英伟达 CEO 黄仁勋则进一步提到，训练使用了约 10 万个 NVLink 72 芯片集群。这里的关键不是“卡多”，而是互联单元的变化。NVLink 72 让更多 GPU 在高速互联下形成紧密计算单元，对外更接近一块“巨型 GPU”。分布式训练放大到这一规模后，通信、同步与故障恢复的复杂度都会明显上升，能够完成整次训练，本身就是在模型能力之外的一次工程验证。

训练机制上的另一个变化同样值得注意。OpenAI 称 Astra 是首次在训练过程中大量使用此前模型参与监督的新一代模型。这带来了“AI 参与训练 AI”的想象空间，但需要保持克制：目前公开信息只说明此前模型在监督环节发挥了作用，还不足以证明已经形成完全闭环的自我改进。这个区别会影响外界对 Astra 能力来源的判断——它更可能来自工程规模与监督方式的组合，而不是某种已经成熟的自迭代机制。

从算力规模到能力表现

Astra 的主线变化，是让模型从“给出答案”进一步转向“直接完成任务”。公开信息显示，它能够直接操作计算机和软件，代替用户完成编程、科学研究、金融建模、制作演示文稿和电子表格等复杂任务。对技术专家而言，这意味着评价标准正在从生成质量转向任务完成率、跨工具操作稳定性和错误可恢复性。

安全能力是这次发布中另一个被特别标注的变化。Astra 的网络安全能力达到 Critical 级，能够在基本无人协助的情况下发现加固系统中的未知漏洞，并写出可用利用代码；内部测试中还发现了两个此前未知的 day0 漏洞。因此 OpenAI 暂时不会完全开放最强网络安全能力，这种保留本身就说明模型的部分能力已经越过研究演示边界，进入需要权限管理的阶段。

基准测试也给出了更具体的参照。根据发布会披露的数据，Astra 在 FrontierMath Tier 4 得分为 97.6%，在 ARC-AGI-3 上达到 99.9%，在 ExploitBench 漏洞利用测试中获得满分。分数显示的是单项任务上的表现，但企业评估时更需要把分数放回真实工作流中，观察模型在长周期任务、权限受限环境和失败恢复中的稳定性。

“AGI 已到来”需要被拆开看

OpenAI 对 AGI 给出的定义是“在最具经济价值的工作中超越人类的高度自主系统”。Greg Brockman 表示，几年后回头看，今天就是 AGI 时代的起点；黄仁勋也公开称 AGI 已经到来。但与这些判断并列的是，Sam Altman 最近称 AGI 定义非常模糊、甚至无关紧要，OpenAI 首席科学家也表达了对模型无法控管的担忧，不排除暂缓扩展。

这些声音同时出现，说明产业内部对“AGI 是否已到来”并没有统一结论。与其把这次发布理解为 AGI 的事实确认，不如把它看作 OpenAI 试图用产品和能力边界来重新定义 AGI。定义权本身变成了竞争的一部分，而技术验证、安全约束和商业落地仍然是三个不同的问题。

企业现在可以确定什么

对决策者来说，当前能确定的更多是能力方向，而不是商业化节奏。GPT-6 Astra 会先向少量机构开放，ChatGPT Plus、Pro、Business、Enterprise 和 API 用户将在未来几天可用；价格方面，输入为每百万 token 10 美元，输出为每百万 token 50 美元。定价、开放范围和权限限制说明它仍处在谨慎释放阶段，不宜据此外推为成熟的企业部署时间表。

第一波值得观察的场景，可能在计算机操作和重复性办公流程自动化。让模型跨软件完成填表、整理日程、生成文档演示等任务，理论上能直接作用于企业内部的琐碎工作。但能否真正落地，还要看模型在真实软件环境中的稳定性、权限控制、安全约束和错误恢复能力。尤其在网络安全能力被部分保留的情况下，企业不能只按发布会展示的能力上限做采购判断。

Astra 更长远的意义，是把训练规模、交互模式和安全边界同时推到了新位置。过早套用成熟商业化故事并不合适，接下来更值得持续观察的，是它在受控环境中暴露出的真实稳定性，以及 OpenAI 如何根据安全反馈调整能力开放范围。