GPT-6 Astra 使用体验：已具备 AGI 特征

内容｜Max

编辑｜Max

这个月，我基本是在高强度地用 GPT-6 Astra。

我让它操作软件、写东西、跑长任务，也专门接上 Hyper3D，丢给它一个我自己完全不会做的 3D 项目，看它能不能从一句很模糊的需求开始，自己找工具、做模型、拆部件、写网页，最后把东西真正交出来。

测到后面，我越来越有一个很强烈的感觉：

如果我们过去说的 AGI，是一种能够理解目标、调用工具，并且越来越独立地把工作做完的通用智能，那 GPT-6 可能已经踩进去了。

而我第一次产生这个感觉，其实是因为前两天刷到的一个帖子。

一个叫 Viper 的 Blender 艺术家，转发了 Duncan Trussell 用 GPT-6 Astra 做的一段演示。

Duncan 让 Astra 直接操作 Blender，做了一个完整的 Backrooms 场景。

里面不只是搭几个方块。

建模、灯光、VHS 质感，甚至声音都做了。

Duncan 自己说，整个过程大概用了 5 个 prompt，制作花了 30 分钟左右，最后又用了 20 分钟导出。

然后 Viper 看到了。

他原本一直觉得，自己这些年积累下来的 Blender 技能和艺术感觉，是机器很难替代的一层东西。

结果现在，他看着 Astra 在自己最熟悉的软件里，做出了一个自己可能要花几天完成的场景。

他的第一反应不是兴奋，而是愤怒。

他直接破防了，表示：这他妈像个恶作剧。

我其实很能理解这种感觉。

这几年大家已经看过太多 AI Demo 了。

生成图片、视频、代码，隔一阵就会出现一个看起来很吓人的新东西。

看多了以后，人其实会慢慢脱敏。

但这个 Demo 有一点不一样。

Astra 没有在聊天框里告诉一个 Blender 艺术家你应该怎么做，也不是生成一张看起来像 3D 的图片。

它真的打开了 Blender，进入那个艺术家每天工作的环境，然后开始干活。

看到这里，我第一次有一种很具体的感觉：

AI 已经不再只是坐在 Blender 艺术家旁边回答问题。

它开始坐到他的工位上了。

后来我又去找了很多 GPT-6 的案例。

越看越觉得，Blender 可能只是因为视觉效果最好，所以最容易在社交网络上传播。真正发生的事情，要比 AI 会做 3D 大得多。

比如 OpenAI 拿 Astra 跑过 2023 Microsoft Excel World Championship 的任务。

它不是在聊天框里告诉你 DCF 应该怎么算，也不是生成一段 Python 代码让你自己复制进去。Astra 直接进入 Excel，在人类平时工作的那个界面里完成金融建模。

官方给出的结果是，它完成这些任务的速度大约是当时人类冠军的 4 倍。

这件事听起来没有 Blender 那么震撼，甚至有点枯燥。

但仔细想想，很多工作本来就是这样。

分析数据、调整模型、核对数字、找报表之间的差异，没有任何科幻感，却是很多人每天坐在办公室里花几个小时完成的事情。

GPT-6 开始进入的，恰恰是这些最普通的工作。

再比如音乐。

音乐人 Auggie 只给 GPT-6 Astra 一个要求，让它使用 LilyPond 完成一首巴赫风格的作品。

没有一步一步告诉它旋律怎么写，也没有替它设计后面的结构。

Astra 在 Extra High 模式下持续工作，最后交出来的不是几小节旋律，而是一份完整、可以继续使用的乐谱文件。

真正困难的地方不只是生成几个听起来像巴赫的音符，而是要在更长的过程中保持前后的结构，把主题、声部和和声组织起来，最后交出一个可以真正播放的作品。

这和过去在 ChatGPT 里说一句帮我写首歌，已经不太是一回事了。

模型开始接住的，不只是一个问题，而是一段完整的创作过程。

再往硬件那边看，就更具体了。

一个叫 GoFly 的用户，直接把一块 FPV 无人机飞控板交给了 GPT-6 Astra。

它在 KiCad 里从原理图开始，一路做到六层 PCB，自己完成元器件摆放、布线，再跑 ERC 和 DRC 检查。

最后，它还导出了 Gerber、BOM、贴装坐标这些真正会交给工厂的生产文件。

整个过程跑了三个多小时。

更有意思的是，这个东西没有停留在一张看起来像电路板的图片上。

后来这块板真的通过了嘉立创审核并成功下单。

当然，最终能不能正常点亮还要等实物验证，但它至少已经走到了实际制造流程这一步。

把这三个案例放在一起看，事情就开始变得有点不一样了。

Excel、音乐、PCB，看起来横跨三个完全没有关系的行业，但 GPT-6 做的事情其实很相似：

它不再只是站在一个专业人士旁边告诉他应该怎么做，而是开始进入那些人真正工作的环境，把其中一段工作接过去。

看到这里，我也很想自己试一次。

但我不太想再测一遍 GPT-6 会不会操作 Blender。我更好奇的是另一个问题：

如果一个任务走到某一步，碰到了 GPT-6 自己并不具备的专业能力，它会怎么办？

毕竟一个真正的通用智能，也不可能自己掌握世界上所有专业技能。它会停在那里，还是知道应该去找一个更专业的工具，把任务继续做下去？

我决定挑一个自己也几乎完全不会的领域试试。

我最后选了 3D。

原因很简单，我基本不会。

对 3D 软件的全部印象，大概还停留在高中微机课上摸过几次 C4D，后来基本没再碰过。

现在让我自己从头建一个模型，和零基础没什么区别。

之前我倒是用过 Hyper3D Rodin 做过几个模型，甚至拿生成出来的东西去做过 3D 打印，所以至少知道最后应该得到一个什么样的东西。

这反而很适合拿来做实验。

我不需要判断 GPT-6 的建模手法专不专业，也不打算一步一步教它应该怎么做。

我只想给它一个最后的目标，看看它能不能自己把中间缺的能力补起来。

所以这次我干脆把要求压到最简单，像一个真的什么都不懂的小白一样，只告诉 GPT-6 我最后想要什么。

我给它的原话是：

帮我做一个可以拆开维修的火星探测车 3D 网页吧。
我不懂 3D，具体怎么设计、怎么拆、网页怎么玩你自己想，3D 模型用 Hyper3D MCP 来做，最后给我一个真的能玩的成品。

开始之前只需要做一件事，就是把 Hyper3D 接进 Codex。

这个过程比我想象得简单，在 Hyper3D 官网点开 MCP，把官方给的一段配置提示词直接丢给 Codex，它会自己完成配置，然后拉起浏览器做一次 OAuth 授权。

接好以后，我就基本不管了。

这也是这次测试里我刻意保留的部分。

我没有告诉它火星车应该长什么样，没有规定要拆成几个零件，也没有设计什么维修玩法。

甚至连网页最后应该做成什么样，我都没给参考。

这些东西全让它自己补。

GPT-6 接到任务以后，先判断自己需要一套真正能放进网页里的 3D 资产，于是调用 Hyper3D Rodin 开始生成火星探测车。

整车模型出来以后，它又继续通过 Hyper3D 做拆件，把原本完整的探测车处理成可以独立操作的模块。

最后它自己整理出了控制与通信舱、太阳能板、四个驱动轮等 7 个模块。

中间它只停下来找了我一次。

因为下一步要把 Hyper3D 生成的真实模型下载下来，真正嵌进网页，工具要求我明确确认下载授权。

GPT-6 自己停下来问了一句，我点了允许，它就继续往下跑了。

真正让我觉得有意思的是后面。

我原本只说了一句做一个可以拆开维修的火星探测车网页，最后它自己把整件事设计成了一个叫 ARES 火星维修站 的小游戏。

背景是探测车刚经历了一场沙尘暴。

进入页面以后，右边直接列出了三项需要处理的任务：恢复通信链路、清理太阳能板、紧固驱动轮。

中间则是 Hyper3D 生成的探测车，可以自由旋转，也可以直接检查不同部件。

它也没有把拆件做成一个单纯好看的爆炸视图。

比如点击右前驱动轮以后，系统会先诊断出轮毂固定件松脱，对应的轮子会被高亮出来，然后要求你真的把这个部件从探测车上拆下来。

拆下来以后，还会进入一个单独的维修台。

GPT-6 自己设计了三种维修工具：除尘刷、力矩扳手和校准仪。

不同的问题要选不同的工具，驱动轮松动要重新紧固，通信异常要做信号校准，太阳能板积灰则要一点点清理。

修好之后，再把零件装回探测车，系统重新检查状态。

三个问题全部处理完以后，任务才算结束。

我把最后这个可以直接玩的网页链接也放到评论区了。

大家可以自己进去拆一遍、修一遍、再装回去，实际玩一下会比只看截图直观很多。

做到这里，我才意识到，这个实验真正有意思的地方，根本不是 GPT-6 会不会做 3D。

因为从头到尾，我自己既不会建这辆探测车，也不知道一个火星探测车维修游戏正常应该怎么设计。

我真正提供的东西，其实只有一个非常模糊的终点。

而 GPT-6 自己把这句话拆成了一个完整产品：需要一台探测车，需要真正的 3D 资产，需要可以独立操作的模块，需要故障系统，需要维修工具，需要重新安装，也需要最后的验收。

其中专业 3D 这一块，它没有自己硬做，而是调用 Hyper3D Rodin，把模型和拆分后的部件拿回来，再继续用于后面的网页和玩法。

这也是我这次真正想测的东西。

GPT-6 不需要自己成为一个 3D 建模师，它需要做的是知道什么时候需要专业能力，然后把 Hyper3D 这样的模型组织进自己的任务里。

做到这里，我突然开始重新想 AGI 这件事。

以前大家聊 AGI，总容易把它想得特别玄乎。

好像它得先把人类几十年没解决的数学题做出来，benchmark 全部刷满，聪明到一个普通人已经完全理解不了，才配得上这三个字。

GPT-6 其实已经离这种想象很近了。

FrontierMath Tier 4 98%，ARC-AGI-3 99.9%，OpenAI 也说它已经参与解决一些长期没解决的数学问题。

这些成绩当然很夸张。

但说实话，真正让我觉得这东西可能已经有点像 AGI 了的，反而不是这些分数。

是前面那个火星车。

因为做到一半的时候，我突然发现一个很简单的事情：

GPT-6 根本没必要什么都会。

它不需要自己变成一个顶级 3D 建模师。

我只告诉它，我想要一个可以拆开维修的火星车网页。到了需要 3D 模型的时候，它就去调用 Hyper3D；模型回来以后，它接着写网页，做交互，设计维修流程。

它自己不会的那一块，并没有把整个任务卡死。

反而很像我们平时做事。

一个产品经理不会自己训练模型，一个导演不会自己造摄影机，一个建筑师也不会自己生产水泥。

人厉害的地方，本来就不是什么都会。

而是碰到一个自己没做过的事情，知道先搞清楚要什么，再去找合适的人、工具和方法，最后把事情做出来。

所以我后来越来越觉得，我们可能一直把 AGI 想得太像一个超级天才了。

它不一定要先证明自己比爱因斯坦聪明多少。

更现实的问题其实是：

你给它一件事，它到底能不能自己往下做，遇到不会的地方知道去哪补，最后把结果交回来。

再回头看 OpenAI 自己以前对 AGI 的定义，其实挺有意思。

他们写的是：

这里面最重要的，不是最聪明。

而是两个很朴素的词：

autonomous, work. 

这也是为什么，我越来越觉得需要把 Intelligence 和另外一件事分开来看。

Intelligence 决定一个模型能理解多复杂的问题，能推理多深，能做多长的规划。

但 Agency，或者更简单一点说 Execution，决定的是这些聪明最后能不能变成一个结果。

它能不能打开软件，调用工具，检查中间结果，出错以后继续修改，最后把一个任务交出去。

过去几年的大模型其实一直处在一个很奇怪的状态。

我们造出了一个越来越聪明的大脑，却长期把它关在聊天框里。

它可以告诉你 PPT 应该怎么做，但 PowerPoint 还是你打开；

可以告诉你 Excel 公式，但表格还是你填；

可以教你 Blender 应该怎么建模，然后你按照教程自己再干三个晚上。

所以 Computer Use 的意义，我觉得远不只是模型现在会点鼠标了。

它解决的是一个更基础的问题：

怎么让智能真正进入人原本工作的环境。

现实里的大量工作，并没有整整齐齐地躺在 API 后面。

它们藏在 Excel、浏览器、设计软件、ERP，以及各种用了很多年的企业系统里。

API 是机器熟悉的世界，但 GUI 才是大量人类真正上班的地方。

当一个模型可以进入这些环境，再加上 MCP、API 和各种专业模型，它的能力边界就开始发生变化。

这也是我觉得 OpenAI 最近的路线很值得看的地方。

这当然不意味着它不再追求更高的 Intelligence。

更准确地说，Intelligence 正在逐渐变成整个系统的一项基础能力，而产品真正开始反复优化的是另一件事：

这个系统到底能完成多少端到端的工作。

GPT-6 Astra 的官方介绍里，有一句话我印象很深：

built for the hardest end-to-end work. 

如果以前评价一个模型，我们首先看 Intelligence，那么评价一个真正干活的 Agent，可能要同时看：

Intelligence × Agency × Reliability × Speed. 

任何一项太弱，最后都很难真正交付。

一个模型可以非常聪明，但如果每做一步都需要人确认，操作一次鼠标要等十分钟，或者跑半小时就得把你叫回来救场，那它依然很难真正接走一份工作。

这也是为什么速度到了 Agent 时代，不再只是一个后台工程指标。

Astra 在 OSWorld 2.0 上，完成率从 GPT-5.6 Sol 的 65.7% 提升到了 72.6%；同时，平均任务耗时从大约 75 分钟降到 40 分钟左右。

OpenAI 更新 Codex Harness 后，Mind2Web 上的任务速度也提升到了此前的大约 1.9 倍。

单看这些数字都不算特别性感。

但放到真实工作里，它们代表的是另外一些问题：

这个活能不能做对，要多久做完，需要人盯多久，中间出了问题能不能自己回来。

这些东西最后决定的，不是一个模型聪不聪明，而是你敢不敢把工作真的交给它。

再回头看开头那个 Blender 艺术家的反应，就很好理解了。

Viper 真正受到冲击的，并不是 GPT-6 又在某个 benchmark 上多拿了几分。

他看到的是，一台机器打开了自己每天使用的软件，把原本属于自己的那部分工作做了出来。

Blender、Excel、PCB 让我看到 GPT-6 已经开始进入越来越多人的工作环境。

而 Hyper3D 那次实测让我意识到另一件事：

它的能力边界，也开始不再完全等于模型本身的能力边界。

它可以把一个外部的专业模型，变成自己完成任务的一部分。

所以写到这里，我越来越觉得，我们可能永远等不到一个像科幻电影一样清晰的 AGI 时刻。

GPT-6 当然还不会世界上的每一种技能。

但如果我们曾经等待的 AGI，是一个能够理解陌生目标、找到合适的工具，并独立完成越来越多工作的通用系统，那么它可能已经不再只是一个未来概念。

它没有伴随着烟花，也没有因为某一道百年数学难题被解开而宣布降临。

只是某一天，你打开电脑，发现它已经坐在工位上了。