GPT-6 Astra 实测：3D 重建封神，写作却退步了 80 分TL;DR 速览
能力分裂：空间理解/3D/Agent 任务最强，写作却明显退步 能动手：直接操控电脑完成桌面任务，成功率 72.6% 贵了：每百万 token 输入 $10、输出 $50，是上代 2.5 倍 看清选型：它不是万能，是「某几个领域的天花板」
9 月 3 日 OpenAI 发布 GPT-6 Astra，拿到早期访问权的开发者 48 小时内把它变成一场公开压力测试。结果沿一条清晰分界线呈现：Astra 在空间理解、3D 建模、自主任务上最强，但多名同一批测试者认为它写作不如前任 GPT-5.6 Sol。
OpenAI 总裁称「AGI 时代已到来」，但实测却是「冰火两重天」。
最强的一面：3D 重建、游戏、操控电脑Astra 最惊艳的是视觉理解和空间感知，多个案例相互印证：
曼哈顿复刻——投资人让 Astra 在虚幻引擎里工作一周，逐街还原出曼哈顿。更狠的是，他让 Astra 构建生存世界、用模型副本驱动每个角色，隔夜跑完发现——这些角色开始自发对话了。
杭州 24 分钟进城——一位开发者让 Astra 用 24 分钟在浏览器重建杭州和周边城镇，西湖、雷峰塔、茶园、湿地全在，支持点地标、切昼夜，是可交互的「微缩杭州」。
一天造出联机射击游戏——前 Coinbase 开发者用一天做出浏览器射击游戏，支持 12 人房间、手柄、语音，评价是「对 Claude Opus 5 的巨大跃升」。
直接操控电脑——Astra 的招牌能力是「计算机使用」：亲自驱动鼠标键盘操作真实桌面。在 OSWorld 2.0 基准上完成率 72.6%，远高于前任的 65.7%。有个测试特别直观：插画师把手绘线稿交给它，Astra 自己建图层、缩放视图、选画笔、填色，全程插画师只是在旁边看。
音乐：一个意外之喜Astra 是语言模型不是音乐模型，但音乐表现超出预期。它创作巴赫风格四声部合唱创下某基准最高分，零声部错误；还被人要求在约 11 分钟内构建了包含巴赫六首勃兰登堡协奏曲的可演奏虚拟钢琴。当然客观说，这些对文本模型很出色，但和 Suno 等音乐专用 AI 比还有差距。
最弱的一面：写作明显退步，AI 味重写作是 Astra 最被批评的领域。独立评测机构测得它在经济价值任务基准上下滑约 80 个 Elo 分；一个编辑风格匹配基准上，Astra 排 11 位，前任排 6 位，被评价「出人意料地令人失望」。
实测更扎心：投资人让它写投资组合新见解，得到「显而易见与夸大其词的混合」，文风一眼是机器生成；AI 检测机构说它「缺乏个性，建议回避创意写作」；还有人让它模仿个人风格写作，没通过 AI 检测工具。
当然有反例——有人觉得它让测试报告更清晰，媒体员工用它起草评测初稿甚至骗过了 CEO。但大部分测试者对「AI 味」的口径很一致。
贵了 2.5 倍，赢在「能干活」Astra 定价是每百万输入 token $10、输出 $50，是前代的 2.5 倍。但综合智能分几乎持平——Astra 61.2 分，前任 60.9，还差一点被更便宜的对手甩开。
这个数据说明了关键一件事：Astra 不是靠「更聪明」取胜，而是靠「能干」取胜。它把答案进化成行动，从「会问会答」到「能动手干活」，这是范式转变，也是为什么有人喊 AGI、有人批评是「企业式接管」。
给你实用的选型建议如果侧重创意、写作、内容生产——别优先上 Astra。写作 Elo 退步、AI 味重、单次生成还是上代 1.8 倍成本，这个赛道你手上的工具可能更划算。
如果侧重空间建模、3D、游戏开发、自主 Agent、桌面自动化——Astra 是当前最强选择，没有之一。24 分钟重建一座城、45 分钟出一款 3D 游戏、72.6% 桌面任务完成率，是实打实的生产力。
如果在意成本——它是前任的 2.5 倍价格，一次上色任务就吃掉 21% 配额。那些「低成本高回报」的用例，才是真正适合企业上车的场景。
一句话：Astra 不是万金油，它是某几个领域的天花板。别被「AGI 到来」的宣传带偏，也别因「写作退步」就全盘否定——按任务类型选型，而不是按模型名气。