卡尔的AI沃茨· 卡尔的AI沃茨·发布于 2026-09-04 09:51· 2026-09-04精选AI 评分78

GPT-6 Astar 发布：osworld 提升 6.9%，越界操作概率降为 0%

好消息GPT-6 Astar发布了，坏消息是还用不上，价格还涨到跟claude fable5一样了，缓存读取还要更贵一点。 好消息不同于claude只让fable5用50%的额度，所有用户都可以把100%的额度用在gpt6上，同样的任务token消耗只有opus5的1/5，所以最后到底省不省，等下周上线了我们来一个超级大横测。 还有个好消息是义父tibo发力了，一天用不上Astar发一天重置卡，我双手双脚站起来蹬。毕竟昨晚gpt、claude、grok全崩了。我设置的定时任务也全跑不动。 也算是好消息吧。。。我测出来了用的五个中转站里的唯一用的是真claude模型的了。 还还还有个好消息，三个模型崩盘把隔壁智谱炸出来了，今天到20号之前在zcode上免费蹬，天才程序员回归，我要把goodcase里200+个ui case全跑一遍。 那来看看gpt6的纸面实力吧！ UI追上来了，从他们技术文档放出来的ppt来看能做出蓝红白三色混合页面。做3D渲染的时候，还可以在Blender中根据静帧图建模，用UE5来渲染出来变成完整场景。 操作电脑这个codex本来就很牛的能力还得到了史诗级加强。有段时间tibo发重置卡发少了我尝试用过claude做电脑自动化，结果给我拉了坨大的，那三天我基本都是古法手动上传的。从osworld指标上看，6比5.6提升了6.9%，完成时间还缩短了47%。所以我直接把mac mini m4升级成了mac studio。 gpt6尽情燃烧额度发挥想象力吧！ 剩下的提升我觉得真的更适合让gpt6长时间挂在一台独立电脑上运行的。现在如果我们给gpt的信息不够但属于合理推断的范围的话，gpt6会自己补充完整，不会说做ppt的时候用的啥字体字号缩进都要一次次问。 对AI还保留怀疑🤨的我又翻了翻报告，就好奇gpt6还有啥提升能让我相信它能准确判断哪些是低风险的操作，还能做合理推断的。 答案是安全能力。 在没有安全措施的情况下，5.6有48.2%的概率会去碰授权范围外的目标。但gpt6是0%，我觉得这个数据但凡有点水分应该会写4%5%不至于写个0，不然百分百挨骂。 但是！ 那么多的能力提升也给gpt6带来了一个新版本弱点，就是它会压缩自己的思考过程，比方说5.6 sol的思考过程是“步骤ABCDE得到最终解”，gpt6就是写一个解字然后直接写答案，但思考时间还涨

本文当前提供导读和图片预览，完整图文请查看原文。

来源：卡尔的AI沃茨 · mp.weixin.qq.com