OpenAI 突然向全球发布了最新 AI 模型 GPT-6 Astra，并将其称为“迄今为止全球最智能的 AI 模型”。按照 OpenAI 的介绍，GPT-6 Astra 不仅仅是在聊天、写作和代码方面进行升级，而是开始真正进入计算机操作、网页浏览、软件工程、游戏、3D 设计以及科学研究等复杂现实任务。

换句话说：

以前 AI 是帮我们完成工作，现在 AI 开始自己完成整个工作流程。而这可能才是 GPT-6 Astra 最值得关注的地方。

GPT-6 Astra 到底有多强？

从目前公布的信息来看，GPT-6 Astra 最大的变化并不是单纯的“回答问题更聪明”。

它真正恐怖的地方在于：

它开始能够直接操作软件，并自主完成复杂任务。

比如，你给它一张设计草图。

以前我们需要：

1. 人工分析设计图
2. 打开 Blender
3. 创建模型
4. 调整尺寸
5. 添加材质
6. 修改灯光
7. 导入游戏引擎
8. 最终渲染

整个流程可能需要设计师花费数天甚至数周。

而 GPT-6 Astra 展示出来的能力，是直接理解你的目标，然后自己打开对应的软件，完成后续操作。

这意味着 AI 不再只是一个“聊天机器人”。

它开始变成了一个真正能够操作计算机的智能 Agent。

3D 建模可能真的要变天了

这次 GPT-6 Astra 最让我震撼的能力之一，就是它在 3D 建模和虚拟世界生成方面展现出来的能力。

比如，它使用虚幻引擎构建了一个完整的曼哈顿城市环境。

不是简单生成一个城市效果图，而是对城市中的街道、建筑以及大量环境细节进行处理。

甚至连 Apple Park 这样的复杂建筑场景，也可以进行高度还原。

如果这些工作全部交给传统设计团队完成，涉及建模、贴图、材质、灯光、场景搭建以及后期优化，工作量非常巨大。

但现在 AI 可以在很短的时间里完成其中大量工作。

更加夸张的是：

你甚至不需要先学习 Blender。

只需要给 GPT-6 Astra 一张简单的设计草图，它就可以自己打开 Blender，根据草图搭建房屋模型。

完成以后，再把模型导入虚幻引擎。

于是，一张原本静态的设计图，就变成了一个可以进入、观察和交互的 3D 世界。

这其实已经不是传统意义上的“AI 绘图”了。

而是：

从想法 → 设计 → 建模 → 引擎 → 可交互世界

整个流程都可以由 AI 参与甚至自主完成。

GPT-6 Astra VS Claude Fable 5.1

为了看看 GPT-6 Astra 的实际能力到底怎么样，我们也可以把相同的设计任务交给 Claude 最新的 Fable 5.1 进行对比。

在相同提示词下，两边最终生成的效果存在非常明显的差异。

左侧的 Fable 5.1 更像是一个经过结构化处理的模型结果，而 GPT-6 Astra 生成的场景，则更加接近真实世界中的完整环境。

当然，这并不意味着单张图片就能够完全证明两个模型谁更强。

真正值得关注的是：

GPT-6 Astra 展示的是从视觉理解到软件操作，再到最终结果生成的完整工作流。

这才是它和传统 AI 图片生成工具之间最大的区别。

给它一张电路图，它甚至可以设计 PCB

如果说 3D 建模还只是让设计师感到震撼，那么下面这个演示就更加夸张。

给 GPT-6 Astra 一张电路图。

它可以自己打开 KiCad，然后识别：

• 电路元器件
• 元器件之间的连接关系
• 电路结构
• PCB 布局

最终生成一份已经具备制造条件的 PCB 设计。

而关键问题是：

没有人一步一步告诉它应该怎么做。

不是：

“打开 KiCad。”

“点击这里。”

“放一个电阻。”

“连接这条线路。”

而是 AI 自己理解最终目标，然后决定下一步应该做什么。

这才是 Agent 最可怕的地方。

AI 正在从“回答问题”变成“接管任务”

过去我们使用 ChatGPT，基本都是：

人 → 提出问题 → AI → 给出答案

现在则逐渐变成：

人 → 提出目标 → AI → 自己执行任务 → 输出最终结果

这个变化看起来只是少了几个步骤，但实际上是 AI 能力的一次巨大跨越。

比如以前你想开发一个小游戏，可能需要学习：

• 编程
• 游戏引擎
• 3D 建模
• UI 设计
• 音效
• 动画
• 物理系统

而现在，你甚至可以直接告诉 AI：

“帮我做一个类似跑跑卡丁车的赛车游戏。”

剩下的事情交给 AI。

这也意味着：

未来真正重要的可能不再是“你会不会操作软件”，而是“你能不能准确描述自己想要什么”。

AI 会不会让程序员和设计师失业？

看到这里，相信很多人都会产生一个问题：

以后还需要学习编程吗？

还需要学习设计吗？

这个问题其实比“GPT-6 Astra 有多强”更加值得讨论。

如果 AI 可以自己写代码、自己建模、自己操作软件、自己设计 PCB，那么传统意义上的很多“执行型工作”确实会受到巨大冲击。

但我并不认为这意味着：

程序员、设计师马上就没有用了。

真正可能被改变的是工作方式。

过去：

人负责执行，AI负责辅助。

未来：

人负责提出目标、判断结果和做最终决策，AI负责执行。

所以真正危险的可能并不是“会不会写代码”，而是：

只会机械执行代码的人。

同样，设计行业也一样。

AI 可以帮你建模，但它未必知道：

这个产品为什么要这样设计？

用户真正需要什么？

商业目标是什么？

最终应该选择哪个方案？

这些依然需要人的判断。

更恐怖的是：AI 开始训练下一代 AI

除了实际能力之外，GPT-6 Astra 还有一个非常值得关注的地方。

按照 OpenAI 公布的信息，为了训练 Astra，OpenAI 使用了超过 10 万块 GPU 进行预训练。

但更加重要的是：

GPT-6 Astra 的训练过程中，大量涉及此前 AI 模型。

也就是说，AI 开始越来越多地参与 AI 的开发过程。

过去是：

人类 → 训练 AI

而未来可能逐渐变成：

人类 + AI → 训练下一代 AI

甚至进一步发展成：

AI → 帮助研究 AI → 训练下一代 AI

如果这个循环持续下去，那么 AI 的进化速度可能会越来越快。

人类需要提供的，可能越来越多只是：

算力、电力、数据以及最终目标。

GPT-6 Astra 基准测试成绩

从目前公布的测试结果来看，GPT-6 Astra 在多个高难度基准测试中都拿到了非常夸张的成绩。

例如：

其中 ARC-AGI 更是达到了接近满分的成绩。

如果这些测试结果最终能够在独立测试中得到验证，那么 GPT-6 Astra 的综合推理和复杂任务执行能力确实已经达到了一个非常高的水平。

而这也是为什么很多人开始重新讨论一个问题：

AGI 真的来了？

过去几年，每当 AI 模型升级，我们都会听到“AGI 快来了”。

但 GPT-6 Astra 这种模型最值得关注的地方，并不是它能不能在聊天测试中拿到更高分。

而是它开始具备：

理解 → 推理 → 规划 → 操作软件 → 执行任务 → 检查结果 → 修改方案

这一整套闭环能力。

如果 AI 最终可以在绝大多数电脑任务上达到甚至超过人类专家水平，那么我们距离真正意义上的 AGI，可能确实已经越来越近。

GPT-6 Astra 现在就可以体验

目前 GPT-6 Astra 已经向 ChatGPT Plus、Pro 等高级会员开放使用，同时也可以通过 API 调用。

这意味着大家不用只是看演示。

你可以自己去测试。

我也测试了几个由 GPT-6 Astra 生成的小游戏，包括赛车、射击以及篮球游戏。

下面就简单看看实际效果。

GPT-6 Astra 生成的游戏：

沙漠 CS 射击： https://dust-ii-map.yelin8130.chatgpt.site/

在线试玩：https://06wj.github.io/kaze-skyward-journey/

无限庭院： https://infinite-garden.yelin8130.chatgpt.site/

超级马里奥： https://mushroom-arcade-0905.jumaomaomaoju.chatgpt.site/

NBA2k: https://huhuhu.page.gd/COURTSIDE26.html

Web 三国游戏： https://sanguo-wind-cloud.amery2010.workers.dev/

植物大战僵尸： https://seth-xh.github.io/pvz/

瓜体实验室： https://melon-game.jack-514.chatgpt.site/

小丑牌： https://balatro-v1-1.longyh2333521818.chatgpt.site/

mosswing-quiet-flight： https://mosswing-quiet-flight.jack-514.chatgpt.site/

候鸟： https://houniao-model-battle-20260721.netlify.app/

RB19 交互仿真： https://rb19-engineering-lab.moraxc.chatgpt.site/

实测一：赛车游戏

首先是一个类似《跑跑卡丁车》的赛车游戏。

进入游戏之后，可以直接控制赛车在赛道上行驶。

最明显的感觉就是：

非常丝滑。

而且以前 AI 生成这类游戏的时候，经常会出现一个问题：

赛车跑着跑着就直接冲出赛道。

但这次明显好了很多。

赛车可以正常加速、转弯、碰撞，而且还有其他 AI 车辆参与比赛。

甚至还能出现车辆碰撞等效果。

虽然它距离真正商业级游戏还有明显差距，但最夸张的地方是：

这整个游戏并不是传统游戏开发团队花几个月制作出来的，而是 AI 根据需求直接生成的。

实测二：射击游戏

第二个是一个第一人称射击游戏。

进入游戏以后，可以看到大量敌人。

游戏链接：https://dust-ii-map.yelin8130.chatgpt.site

玩家可以：

• 开枪
• 换弹
• 切换武器
• 移动
• 与敌人战斗

虽然从专业游戏开发的角度来看，仍然存在不少可以优化的地方。

但作为一个 AI 自动生成的游戏，这个完成度已经相当夸张。

更重要的是：

你可以继续告诉 AI 哪里不好，然后让它自己修改。

这其实才是未来 AI 游戏开发最有想象力的地方。

实测三：篮球游戏

最后再测试一个篮球游戏。

游戏链接：https://huhuhu.page.gd/COURTSIDE26.html

进入比赛以后，可以控制角色移动、传球和投篮。

当然，这个游戏目前也存在一些明显的问题。

例如人物动作还不够自然，有些时候甚至会出现比较奇怪的移动效果。

所以它距离真正商业级的 NBA 游戏还有非常遥远的距离。

但问题是：

我们现在讨论的不是一家游戏公司花了几年时间开发出来的产品。

而是：

一个 AI 根据自然语言指令，直接生成出来的游戏。

这个区别非常重要。

AI 的下一站：现实世界

如果把这些能力放在一起看，你会发现 GPT-6 Astra 真正改变的可能并不是某一个行业。

它可能改变的是：

人与计算机之间的关系。

以前：

人学习软件。

现在：

AI 学会软件。

以前：

人学习编程。

现在：

AI 可以直接写程序。

以前：

人学习建模。

现在：

AI 可以直接生成 3D 世界。

以前：

人设计电路。

现在：

AI 可以直接操作专业工具完成 PCB 设计。

最终可能变成：

你只需要告诉 AI 你想要什么。

剩下的事情，由 AI 自己完成。

这时候，虚拟世界和现实世界之间的边界，也会越来越模糊。

写在最后

GPT-6 Astra 最让我震撼的，并不是它又一次刷新了某个 benchmark。

而是它开始表现出一种完全不同的工作方式：

AI 不再只是回答你的问题，而是开始真正替你完成事情。

如果这个方向继续发展下去，那么未来我们学习软件、编程、建模和设计的方式一定会发生巨大变化。

但这并不意味着人类什么都不用学了。

恰恰相反。

未来真正重要的能力，可能从“如何操作工具”，逐渐转向：

如何提出问题、如何定义目标、如何判断结果，以及如何让 AI 为自己工作。

而 GPT-6 Astra，或许只是这个新时代的一个开始。

AGI 时代，真的来了？

答案可能还需要时间验证。

但有一点已经越来越明显：

AI 正在从一个工具，逐渐变成一个能够独立完成工作的“智能执行者”。