账号统筹管理
任务派发追踪
运营效果评估
积分激励兑换
内容合规管控
AI问答/创作/分析
看趋势，了解品牌声量
听声音，洞察用户偏好
管声誉，发现品牌正负面舆情
做对比，明确竞争优势
留存投放资产
复盘投放效果
优化投放策略
扩宽行业视角
GEO场景速查及打点追踪
用户真实问题挖掘
创作优化/引用率倒查/信源穿刺
已支持豆包/元宝/DeepSeek/Kimi等6大AI平台
作者 | 懒人
编辑 | 张洁
GPT-6 Astra又给AI圈添了一把火。
北京时间9月7日，黄仁勋在X上祝贺OpenAI团队，直接写道：“AGI已经到来。”AGI（通用人工智能）通常指在广泛认知任务上达到人类水平的人工智能。他说的，正是最近发布的GPT-6 Astra。
Astra这个名字也有点意味，它在拉丁语里意为“群星”，官网则用点点星光拼出了数字6。
OpenAI的官宣帖，浏览量更是超过了1.3亿，官方的介绍简单且毫不谦虚，“凡是你在电脑上能做的，Astra都能帮你做。而且很快。”
再看看官方展示的能力维度图，上一代还是“人上人”的GPT-5.6 Sol，愣是被衬托成了NPC。
尤其是需要动手做研究的任务。在Terminal-Bench Science0.1（检验AI使用代码和软件完成科学研究任务的测试）中，Astra最高得分64.6%，上一代Sol为22.4%，Claude Fable5.1为52.6%。OpenAI还公布了一组电脑操作测试结果：在OSWorld2.0（检验AI操作电脑完成任务能力的测试）的延迟模拟中，Astra得分更高，平均每项任务的模拟耗时也由Sol的约75分钟降至约40分钟，确实是更快了。
而在社交平台X上，网友们人均“建模大佬”，发布的很多demo都超过百万次浏览。把人体拆解成2234个部件的交互网站，把果蝇的神经连接数据接进《我的世界》，还有人造了一个虚拟世界，让里面的小人组队求生，demo帖更是获得超过1100万次浏览。
拆人体、建城市、养果蝇，
网友已然是“人均建模大佬”
GPT-6 Astra此次突出能力之一是Computer Use（操控电脑），可以模拟人在电脑前的操作，使用各类APP。这让此前上手难度较高的Blender（一款3D建模工具）成了Astra的跑马场。
网友“Thomas Ricouard”做的房屋演示，更是把几道工序接了起来：让Astra在Blender里搭房子、出效果图，自己写导出流程，把场景送进虚幻引擎（一款制作游戏和实时三维场景的软件），做成可以走进去逛的应用。最终的成品里，房屋里的柜门可以打开，桌子上的咖啡机甚至都可以使用，细节恐怖如斯。
随后，事情就发展成了把整座城市搬进网页。X平台网友“rionaifantasy”在一次会话里，配合Blender和Three.js还原了整座悉尼城，可以缩放、环绕、切换光影。另一位网友“NFT_Chen”花了24分钟，用Three.js把杭州完整还原：西湖、雷峰塔、钱江新城、奥体大莲花、龙井茶山，地标一个没落下，拖动旋转、点击飞过去，还能切换白天、日落、夜景。网友“Yokohara_h”给了一张街景照片，让Astra在Blender里自动建出3D场景，感慨“不用人手来做3D的时代开始了”。
开发者“ashe”用Astra制作了一个3D网站，把一辆特斯拉Model X拆成334个建模部件，汽车内部的结构被展开，原来藏在外壳下面的东西可以分开来看。这个玩法火了之后，作者又把对象换成了人体。这个男性人体模型包含2234个部件，展开后是一大片器官、骨骼和肌肉结构，选中具体部位还能查看名称和说明。
抽象赛道从不缺少同伴。另一位用户“Emanuel AOF”也想到了类似玩法，据他介绍，骨科医生几周前已经明确了他的损伤部位。他把影像报告交给Astra，得到了一份交互式脚踝图谱，里面有骨骼、韧带和肌腱，通过滑块调整脚踝下压、向内翻转等动作，还能查看不同韧带的变化。模型对应到了医生指出的同一条韧带，最有帮助的是图谱把运动和疼痛的关系讲清楚了，健身党一秒收藏。
不仅如此，还有人把神经科学的研究成果直接搬进了游戏。谷歌此前发布的一份成年雄性果蝇完整神经系统图谱，重建了超过16.6万个神经元。网友“evnsnclr”借助Astra，把这份图谱接进了《我的世界》：Astra负责读懂连接组数据、写出让神经活动驱动游戏角色的逻辑，模拟出来的果蝇运动因为过于逼真，作者随后还专门发帖澄清，没有上传活体大脑进游戏。
建房子、建城市、拆人体，让不少人甚至误以为GPT-6 Astra是专门做3D（三维）建模的模型。但事实上，这只是Astra操控电脑的其中一种玩法。
建模之外，
GPT-6 Astra在游戏、UI设计圈也杀疯了
游戏卡得没法玩，GPT-6 Astra能解决？
网友“Marc Ibrahim”想在搭载苹果自研芯片的Mac上玩3A游戏，他原先用CrossOver（一款让Mac运行Windows软件的工具），结果只有约8FPS（每秒显示的画面数），经常卡死。Astra介入后，游戏跑到了70～150FPS，开最高画质、打大规模战斗、在线对战都能稳定运行，游戏本身的画质还没降。
评论区的“Juan D.”忍不住说：“这才是我真正感兴趣的用法。”作者也笑了：本来只想在Mac上玩个游戏，结果折腾成了一场实验。
在审美这件事上，Astra让专业设计师们有些不淡定了。
设计师“issui.txt”表示，以前用AI做设计，没觉得自己会在质量上输给模型。这回，Astra在Figma（一款界面和协作设计工具）里做出的品牌视觉和页面，是真的感觉“一切被彻底颠覆了”。
网友“Marvin Schwaibold”展示了一组UI（用户界面）设计，引起了120万次围观，邮件列表、音乐播放器这样的小组件，做得精巧又干净。他评价道：“GPT-6Astra真的很擅长生成UI。”
网友“Angel”则让Astra把作品集装进了一台网页里的复古掌机。灰白色外壳、十字方向键、两颗紫红色按钮，连展示内容的小屏幕都做成了任天堂经典掌上游戏机的感觉。评论区也感叹：这下设计师能写代码，程序员也能做设计了。
专业软件里还有新玩法，除了Blender，Astra做游戏和视频也不在话下。
开发者“Matt Shumer”给自己的游戏世界安排了一群虚拟居民。他让Astra在虚幻引擎里创建世界，放进由Astra驱动的智能体（能够根据环境作出判断、执行行动的AI程序），要求它们共同合作、生存下去。按他描述，次日他在卧室里听见客厅传来人声，还以为公寓进了人。出去一看，是游戏里的智能体开始互相交谈。
而网友“Clément”让Astra操作After Effects（Adobe的动态设计和视频合成软件，常简称AE），做出了一段动态视觉。他在帖子里兴奋地形容，Astra加AE这个组合太猛了。
按他的说法，1条提示词加3个问题，就得到了一个特效视频。其他人在评论区追问，是不是Astra全程通过操作电脑完成的，作者也给了肯定回答。
用上GPT-6 Astra的人先享受世界？
得问问钱包答不答应
第一批用上GPT-6 Astra的人，已经先享受上了。
Reddit（海外社区论坛）用户“keaton_au”经营着多个YouTube频道。他发帖叙述自己用Astra的经历——那天，他正坐在电脑前，跟Codex讨论制作流程，妻子临时叫他出门帮忙。他索性拿起手机，戴上耳机，远程跟AI接着聊。
按他的描述，他办完事又回家洗衣服、收拾碗碟，等重新坐回电脑前才反应过来：AI一直没闲着，边聊边在后台分派任务、查资料、报进度。家务做完了，工作也跟着往前走了。他在帖子里感叹，这下终于能腾出时间去干点喜欢的事了。
但同样是看AI干活，“Street-Ad3815”越看越焦虑。
他做视频剪辑和办公室行政，以前用GPT-5，还没觉得饭碗有多悬。Astra出来后，他自己用，也看别人用，没想到AI这么快就把软件操作练熟了。他开始担心，自己的工作可能再过一两年就会被替代。
评论区里，自称数据分析师的“Adam88Analyst”也在算另一笔账：效率翻三四倍，老板未必会给自己三四倍的工作，也可能觉得不需要那么多人了。
另一边，还有人体验后给AGI泼冷水。
“Legitimate-Room-1905”让Astra做一段猎豹奔跑动画，要求对标高预算游戏、好莱坞大片，拿到成片后直接怒而发帖：“GPT-6 Astra绝对不是AGI。”
视频中的猎豹动作奇怪，离作者预期差距较大，评论区也争起来了。有人建议让模型检查结果、多改几轮，还有人认为，确实效果不完美，但相当令人印象深刻。甚至有人放出了牛来的图片，评论说“技术还有很长的路要走”。
除此之外，Astra目前最大的“差评”来自于使用成本。
GPT-6 Astra必须是ChatGPT Plus及以上的会员可用，还分了轻度、中、高、极高、ultra五个等级，等级越高，模型性能越好，消耗越快。
AI博主“数字生命卡兹克”让Astra搭建一座完整的北京的天坛祈年殿，直接花掉200美元Pro会员将近一半的额度。如果订阅的是比Pro低一档的Plus会员，在周额度之外，还有5小时额度的限制。
Reddit网友“Random_Arabic”是ChatGPT Plus付费订阅用户，他说，自己交代了一个详细任务，模型第一条回复还没出来，光是思考就耗尽了本轮5小时用量周期的额度。
还有网友发文称，自己在轻度等级下，发了一句hello，模型开始Thinking。大约7秒后，5小时额度直接清零了。
不确定是不是段子，不过我们在实际体验中确实发现，Plus会员经常一个任务没跑完，额度就耗尽了。虽然Codex最近常放出免费重置次数，重置后额度会恢复100%，但也难顶消耗之快。
不少评论也在吐槽，Astra消耗起来简直像Token榨汁机。
谷歌、Meta也在加码Agent，
大厂都想更早接到你的任务
总结Astra的热门玩法，我们发现，它干的活不只是生成，更多在操作软件、调用工具、自己拆解步骤。这件事背后，是几家海外大厂都在押注同一个方向。
9月2日，谷歌发布Gemini3.8Flash，强调长任务和连续调用工具；同日，Meta发布Muse Spark1.3，强调补齐计划、跟上用户中途改动；OpenAI则把电脑操作与专业交付放到了Astra的核心位置。大家加强的，似乎是同一件事：让模型更早接到任务，从执行层走向决策层。
这背后的意图不难读，谁先接到用户的目标，谁就有机会参与决定后面的工作怎么做。用户还没想好要查什么资料、用哪些工具，就先把目标交给模型，AI连拆解任务、安排步骤的活也一起接了过去。
这种用法能不能普及，还得看实际表现。软件操作还是会翻车、长任务一开就耗尽额度，网友对猎豹动画的不满、一句Hello就清零5小时额度的经历，都会让人犹豫能不能把整件事托付出去。
但如果真的普及了，改变的不只是谁来建模、谁来设计，以后决定用什么工具、怎么做这件事的，可能也是Agent了。
欢迎分享、点赞、推荐
一起研究AI
欢迎分享、点赞、推荐 一起研究AI
