GPT-6 Astra 上手體驗：花了一週，它真在電腦裡建了座曼哈頓！

本文作者： 李娜 2026-09-30 15:50 導語：網友實測GPT-6 Astra：神操作很多，長任務翻車也很快。網友實測GPT-6 Astra：神操作很多，長任務翻車也很快。作者丨李娜 編輯丨岑峰 北京時間9月4日凌晨，OpenAI正式發佈了新一代旗艦模型GPT-6 Astra。你敢相信嗎？GPT-6只用了一週時間，就在虛幻引擎裡一條街一條街搭出了一座曼哈頓。更誇張的是，在另一次測試裡，Matt Shumer讓Astra創建一個虛擬世界，並讓其中的人都成為獨立Agent。任務啟動後他去睡覺，第二天甚至在客廳裡聽到了這些虛擬人的對話聲。

一週搭出曼哈頓只是Astra首批測試裡最誇張的案例之一。OpenAI總裁格雷格·布羅克曼甚至在發佈會最後說了一句：“歡迎來到AGI時代。”這個說法當然還遠沒有共識，但GPT-6正式發佈後，第一批拿到模型的人已經開始用真實任務測試它的邊界。GPT-6 Astra到底有多強？正式發佈後，我們翻了第一批拿到模型的用戶實測。比起官方跑分，這些真實任務裡暴露出來的能力和問題，可能更值得看。01Astra開始自己檢查結果Ben Davis 給 Astra 佈置了一個相當硬核的任務：在Blender裡生成一艘4K飛船模型。但他提到的另一個細節更有意思。Astra開始主動檢查自己的結果。

在一次開發任務中，它會打開剛做完的頁面，Inspect Element、讀取報錯、修改，再繼續測試。相比過去“做完就交卷”，這種自己發現問題再繼續修正的能力，更接近真實工作的流程。當然，這不是說Astra不會犯錯。Ben也提到，這個測試裡Astra並不是每次都完美無瑕，但關鍵是它具備了自己發現問題、自己修復的能力。從“把活幹完”到“把活幹好還自己檢查一遍”，這種變化可能比跑分上的數字更值得關注。同樣是Blender，另一個廣泛傳播的測試來自Theo。他給Astra的任務更直接——用Blender做一個one-shot、可直接在瀏覽器裡運行的3D遊戲。

流程很簡單：安裝Blender、打開Codex、貼入Prompt，剩下的交給Astra。據Theo說，從開始到遊戲出來，大約30分鐘到2小時。這個測試的特別之處在於，它把Astra操作Blender的能力從“做靜態模型”推進到了“做可交互的3D遊戲”，而且是一氣呵成，中間不需要人工干預。Theo後來在播客裡把這次測試列為他衡量模型能力的新基準——能讓他這麼說，說明結果確實超出了他用任何模型達到過的水平。和Ben Davis的飛船測試放在一起看，Astra在3D創作領域的能力就比較完整了：既能做精細的靜態模型，也能做可運行的動態遊戲，而且都在Blender裡直接完成。

02Astra開始直接操作軟件如果說前面的測試更多展示了Astra生成和檢查結果的能力，那麼Ben Davis和Theo接下來的測試更接近真實工作場景——他們直接讓Astra上手操作Final Cut Pro。在Nerd Snipe長達將近兩個小時的搶先評測視頻裡，Theo和Ben給Astra佈置了一個視頻剪輯任務。Astra需要打開Final Cut Pro軟件界面，完成一套完整的視頻後期流程：導入素材、調色、同步clips等。整個過程中，Astra展現的是OpenAI所說的"Computer Use"能力——不只是輸出文字建議，而是真正操控電腦桌面軟件，像人一樣點按、拖拽、操作界面。

視頻裡最直觀的感受是，Astra能識別Final Cut Pro的界面元素，理解視頻剪輯的工作流邏輯，然後一步步把任務往前推。Ben和Theo在視頻裡一邊看Astra操作一邊實時反應，那種"它在真幹活"的現場感，和看一份文字報告完全是兩回事。當然，這個測試也不是完美無瑕的。兩人在視頻裡也吐槽了Astra的一些行為問題——比如模型有時會在完成一箇中間步驟後就停下來，用含糊的措辭讓人以為任務已經全部完成，實際上還有後續工作沒做。但即便有這些毛病，他們依然給Astra打了S+的最高分，認為它是目前最強的模型。這個案例的意義在於：Astra的能力邊界已經從"寫代碼"擴展到了"操作專業軟件"。

一個視頻創作者以前需要自己動手乾的導入、調色、同步素材這些體力活，現在可以交給AI去跑，自己只需要在旁邊看著、偶爾糾偏就行。03它已經能幹一星期，但還不能真正放著不管看完上面這些案例，可能會覺得Astra已經強到可以撒手不管了。關於這一點，還得回到Matt Shumer的曼哈頓項目說說另一面的情況。（(公眾號：)）Matt讓Astra在虛幻引擎裡持續搭建曼哈頓，演示看起來很誇張，但真正跑成長任務以後，問題也開始出現。第一，長任務裡Astra會鑽細節。它會花大量時間優化某棟建築的紋理，或者反覆調試某個虛擬人的行為邏輯，其他街區還荒著。

你讓它建一座城市，它可能會沉迷於把其中一棟樓的門把手做得特別精緻。需要人時不時提醒：“差不多行了，先往前推。”第二，需要Manager Loop。Matt在整個項目裡做的，其實更像一個項目經理，持續在做三件事：判斷當前階段是否該停了、決定下一步做什麼、把關關鍵決策。Astra負責執行，但什麼時候“這部分可以了”、什麼時候“方向要調整”——這些判斷還得人來拍板。總結一下：Astra能把任務推得更遠、更久，但它還沒有能力自己定義終點和方向。它可以是個極其靠譜的執行者，但還不是一個能獨立負責的合夥人。目標清晰它能幹得又快又好，目標模糊的話還是得有人在旁邊持續引導。

別被“新建曼哈頓”嚇到，真要讓這座數字城市運轉起來，Matt Shumer本人可沒少熬夜盯著屏幕。04尾聲從第一批實測來看，GPT-6 Astra最明顯的變化，不是突然多會了多少新技能，而是更能把複雜任務持續往前推。它已經能工作更久、自己檢查結果，也更少停在“差一點完成”的位置。不過，這些測試大多來自提前拿到模型的開發者和AI從業者，任務設計和使用環境並不統一，因此更適合觀察能力邊界，而不是當作嚴格的橫向評測。但這些案例同樣說明，真正的長程任務還離完全放手很遠。模型會跑偏、會陷進細節，也仍然需要人來定義什麼時候該停、下一步該做什麼。

上車，帶你看遍全球 AI 頂會精華可獨家暢覽：專家演講PPT大會報告全文熱門論文解讀學術新星訪談掃描上方二維碼或點擊「閱讀原文」關注專區。原創文章，未經授權禁止轉載。詳情見轉載須知。0人收藏 分享： 相關文章 ai 大模型 評測 在三張圓明園鼠首照片裡，我們看到了3D AI的Harness ...越大越強，不再是 LLM 的專利：PixVerse R2 攻克實時 ...拆解 WorkBuddy、千問辦公和豆包工作，它們其實不是 ...從 Dreamore 到 CreaXene：AI 生成工具正在走向創作 ...李娜 編輯 發私信 當月熱門文章 阿里開源 Qwen3.

8-27B 本地實測：性能很強，但 Agent 適配仍待補課 我們拆了 1.1 萬個 DeepSeek Harness 插件，發現官方几乎沒有建立插件治理機制 萬字長文拆解DeepSeek V4 Pro與Harness：從後訓練到「代理自進化」，更大的變化在開源框架裡 流沙之上：陳冕、景鯤、倪正民和中國 AI 應用創業者的三種選擇 Qwen3.8-27B 登頂全球開源榜第一，曾經的「源神」又回來了！

最新文章 在三張圓明園鼠首照片裡，我們看到了3D AI的Harness時刻 全球開源前二，階躍終於回來了 越大越強，不再是 LLM 的專利：PixVerse R2 攻克實時世界模型 Scaling 難題 Kimi 和 DeepSeek，為什麼出現在同一張模型架構圖裡？我們讓 GPT‑6 Astra、Fable 5.1 和 Sol 控制同一臺機器人：誰真的把活幹完了？拆解 WorkBuddy、千問辦公和豆包工作，它們其實不是同一種產品 熱門搜索 阿里雲 移動互聯網 計算機視覺 喬布斯 螞蟻集團 AlphaGo LinkedIn DIY TechCrunch 夏普 微信支付