OpenAI 让 agent 学会「按公司规矩办事」：Ironclad 把平均分拉高 32%，每次耗时降 48%

十月六日，OpenAI 公布了一个叫 Ironclad 的训练方向：让模型不只是「会用电脑」，而是能读懂一家公司的业务规则、按规则执行多步流程，并在交付前自己核对是否满足最初的要求。GPT-6 Astra 是第一个在 Ironclad 任务上训练的前沿模型。在官方内部评测的 11 项任务里，Astra 用 Max 推理档拿到平均 55.0% 的得分，对比 GPT-5.6 Sol 用 High 档的 41.6%；每次尝试的估计耗时从 37.0 分钟降到 19.2 分钟。官方口径是平均分高 32%、估计耗时低 48%，两个百分比来自不同口径，不能互相推算。他们还提到一款用于研发的内部模型在这批任务上做到 63.7%，说明这条路线还没到头。