GPT-6 Astra 的 AGI 成绩之争：ARC-AGI-3 从 99.9% 到 62.7%，OpenAI 内部口径也不一致

同一模型，两份成绩单

当地时间 9 月 3 日，OpenAI 发布新一代旗舰模型 GPT-6 Astra。公司称它在考察“AI 面对陌生环境自行理解规则并解决问题”能力的 ARC-AGI-3 测试中最高取得 99.9%，且 96% 的测试关卡中行动次数少于受测人类的中位数；同场对比中，上一代 GPT-5.6 Sol 只有 7.8%。联合创始人兼总裁布罗克曼随即表示：欢迎来到 AGI 时代。

每日经济新闻 9 月 5 日的报道指出关键细节：99.9% 的成绩来自 OpenAI 自带的 Provider Adapter 框架，该模式允许模型在连续操作间保留内部推理状态、压缩超长对话；而在所有模型统一使用的中立 Standard Harness 环境中，GPT-6 Astra 得分降至 62.7%。ARC Prize Foundation 表示，未来真正的 AGI 应该在统一测试环境下解决 ARC-AGI-3。

高管口径与商业背景

与布罗克曼的高调不同，CEO 奥尔特曼在发布前两天公开称 AGI 是“定义得非常糟糕的术语”“充其量只是一个无关紧要的营销术语”；2026 年 4 月 OpenAI 与微软重订协议后，已不存在合同意义上的 AGI 触发条款。纽约大学荣休教授加里·马库斯等评论者认为，单一基准高分不足以证明通用智能，需要警惕营销话术的误导。

报道将这场争论放在商业竞争背景下：Menlo Ventures 调查显示企业大模型支出份额上 Anthropic 已反超 OpenAI，Anthropic 年化收入超过 650 亿美元、OpenAI 接近 600 亿美元；GPT-6 Astra 也被外界视为 OpenAI 在 Pre-IPO 阶段重树技术形象的一步棋。

99.9% 与 62.7% 之间的差距，不在模型本身，而在“在什么条件下考”。