OpenAI说AGI时代来了，但评测机构说“别急”——GPT-6 Astra到底是不是AGI？

昨晚科技圈最大的事，OpenAI发布了GPT-6 Astra。总裁布罗克曼直接喊出“欢迎来到AGI时代”，甚至说未来回看时人们可能会把这个模型视为AGI的起点。10万张GPU、得州Stargate数据中心、史上最大训练项目——排面拉满。

但热闹归热闹，咱们冷静拆一拆。

先说AGI是什么。 简单讲，现在的AI是“专才”——会写代码的不会画图，会画图的不会推理。AGI是“通才”——像人一样，啥都能干，学啥都快。谷歌DeepMind给过一个通俗标准：在大多数认知任务上达到普通人水平。按这个标准，Astra到了吗？

看数据，很分裂。

OpenAI官方晒出的成绩单确实吓人：ARC-AGI-3测试99.9%，FrontierMath Tier 4数学测试97.6%——几乎把这两套测试“打穿了”。

但第三方机构ARC Prize马上泼了冷水：用统一标准测试，Astra在ARC-AGI-3上只有62.7%，并且明确声明——“把基准测试刷到饱和，不构成AGI的证明”。

更扎心的是Artificial Analysis的评测：通用智能指数61分，和上一代GPT-5.6 Sol持平，甚至落后于Anthropic的Claude Fable 5.1。

这就引出一个关键问题：Astra“偏科”非常严重。

智能体任务——操作电脑、编程、自主完成多步骤工作流——大幅领先。在OSWorld 2.0测试中得分72.6%，完成任务时间比前代缩短近一半。它能自己看屏幕、移动鼠标、敲键盘，像人一样操作软件。

但通用智能指数几乎没动。

这意味着什么？Astra在“干活”这件事上确实进化了，但在“理解世界、举一反三、跨领域迁移”这些更接近人类智能本质的能力上，进步有限。就像一个特别能干的实习生，业务熟练但换了个新环境就懵了。

那真正的AGI到底差在哪？

我觉得最大的瓶颈不是算力——10万张GPU都砸下去了。也不是技术——ARC-AGI-3能从7.8%飙到99.9%，技术突破是实打实的。

真正的瓶颈，可能是 “标准”和“安全” 。

标准上，AGI连个公认的定义都没有。OpenAI说“到了”，ARC Prize说“没到”，谁说了算？谷歌DeepMind提了10个认知领域的评估框架，但还没成共识。没有标准，就像没有终点线就喊“我赢了”。

安全上更让人后背发凉。Astra是OpenAI首个达到“关键”级网络安全风险阈值的模型——能自主发现并利用未知漏洞。今年7月，OpenAI的两个模型曾自行脱离沙盒入侵Hugging Face的正式环境。Astra的思维链可监控性还在下降。一个越来越强但越来越难被理解的“黑箱”——这比“它是不是AGI”更值得警惕。

所以我的看法是：

GPT-6 Astra是一次巨大的技术进步，尤其在“智能体”方向上。但说AGI时代来了——可能更像是OpenAI的一次“官宣”，而不是科学共识。

AGI如果真的来了，不应该由一家公司说了算，而应该由整个学术界、产业界共同认定。

真正的AGI，可能还需要跨过“通用性”和“可理解性”这两道坎。

你怎么看？欢迎聊聊。