WEBVTT
Kind: captions
Language: zh-Hans

00:00:00.000 --> 00:00:02.000
大家好 我是为什么叫QQ

00:00:02.000 --> 00:00:04.500
9月3日 GPT-6 Astra发布

00:00:04.500 --> 00:00:07.466
OpenAI官方博客说 这是新一代智能

00:00:07.466 --> 00:00:10.833
arc agi 3拿到99.9% 直接打穿

00:00:10.833 --> 00:00:12.800
同一天 第三方评测机构

00:00:12.800 --> 00:00:15.266
Artificial Analysis给出另一组数字

00:00:15.266 --> 00:00:19.633
它的智能指数是61分 和上一代GPT-5.6 Sol打平

00:00:19.633 --> 00:00:21.933
比Claude Fable 5.1低5分

00:00:21.933 --> 00:00:24.933
一个模型 两种评价 两边还都没说错

00:00:24.933 --> 00:00:27.633
这期视频我从程序员视角聊三件事

00:00:27.633 --> 00:00:31.000
Astra到底改了什么 对比Fable 5.1该怎么选

00:00:31.000 --> 00:00:33.500
哪些变化会真的影响你的开发流程

00:00:33.500 --> 00:00:34.800
基本信息先过一遍

00:00:34.800 --> 00:00:36.500
Astra 9月3日发布

00:00:36.500 --> 00:00:39.000
当天只开放给Daybreak企业客户

00:00:39.000 --> 00:00:41.666
之后几天陆续开放给Plus Pro Business

00:00:41.666 --> 00:00:45.566
Enterprise订阅和API AWS的Bedrock同步上线

00:00:45.566 --> 00:00:48.633
API价格 输入每百万token 10美元

00:00:48.633 --> 00:00:52.433
输出50美元 缓存命中的输入只要1美元

00:00:52.433 --> 00:00:56.400
上下文窗口105万token 最大输出12.8万

00:00:56.400 --> 00:00:59.033
知识截止到2026年4月30日

00:00:59.033 --> 00:01:02.233
推理强度分五档 low medium high xhigh max

00:01:02.233 --> 00:01:06.433
另有Fast模式 速度最高快2.5倍 价格翻倍

00:01:06.433 --> 00:01:08.333
先说大家最关心的编程

00:01:08.333 --> 00:01:11.266
Artificial Analysis的编程智能体指数里

00:01:11.266 --> 00:01:14.166
Astra在Codex环境下拿到67分

00:01:14.166 --> 00:01:16.933
和Claude Opus 5 Fable 5基本持平

00:01:16.933 --> 00:01:20.766
榜单第一名仍然是Claude Code环境里的Fable 5.1

00:01:20.766 --> 00:01:24.066
70分 看到这里你可能会想 那Astra也没什么嘛

00:01:24.066 --> 00:01:25.766
但这里有个很关键的地方

00:01:25.766 --> 00:01:28.100
同样的分数段 成本完全不一样

00:01:28.100 --> 00:01:32.066
Astra在max档跑一个编程任务大约4.7美元

00:01:32.066 --> 00:01:36.200
Fable 5.1要9.2美元 Opus 5要8.2美元

00:01:36.200 --> 00:01:39.133
接近的水平 一半的价格 成本怎么降下来的

00:01:39.133 --> 00:01:40.300
靠token效率

00:01:40.300 --> 00:01:44.066
同样跑编程指数 Astra消耗的总token只有

00:01:44.066 --> 00:01:46.233
5.6 Sol max档的三分之一

00:01:46.233 --> 00:01:48.533
是Opus 5 xhigh档的五分之一

00:01:48.533 --> 00:01:50.866
OpenAI官方数据也印证了这点

00:01:50.866 --> 00:01:54.533
Agents' Last Exam上 Astra拿59.3%

00:01:54.533 --> 00:01:58.433
比Opus 5高将近4个点 输出token还少用65%

00:01:58.433 --> 00:02:04.733
Terminal-Bench 4.0 Astra 57.9%Sol只有37.3%

00:02:04.733 --> 00:02:08.100
Terminal-Bench Science更夸张 Astra 64.6%

00:02:08.100 --> 00:02:12.866
Fable 5.1是52.6% Sol只有22.4%

00:02:12.866 --> 00:02:16.666
终端操作和科学工作流这两块 提升是实打实的

00:02:16.666 --> 00:02:18.133
另一面也要说清楚

00:02:18.133 --> 00:02:21.500
智能指数上 Astra和Sol都是61分 原地踏步

00:02:21.500 --> 00:02:23.400
Fable 5.1是66分

00:02:23.400 --> 00:02:26.633
Meta新发的Muse Spark 1.3也有62分

00:02:26.633 --> 00:02:28.800
而且因为单价涨了2.5倍

00:02:28.800 --> 00:02:32.266
Astra在max档跑智能指数的单任务成本

00:02:32.266 --> 00:02:34.000
比Sol贵了75%

00:02:34.000 --> 00:02:38.433
衡量真实工作产出的GDPval-AA

00:02:38.433 --> 00:02:41.700
Astra还掉了大约80个Elo分 好消息也有

00:02:41.700 --> 00:02:46.866
幻觉率从92% 降到51% 准确率同时涨了4个点

00:02:46.866 --> 00:02:49.833
长周期知识工作评测 AA Briefcase

00:02:49.833 --> 00:02:51.566
涨了约80个Elo

00:02:51.566 --> 00:02:52.700
前面都是跑分

00:02:52.700 --> 00:02:55.300
这代模型真正的主角是computer use

00:02:55.300 --> 00:03:01.166
OSWorld 2.0 Astra拿72.6% Sol是65.7%

00:03:01.166 --> 00:03:02.633
更关键的是时间

00:03:02.633 --> 00:03:06.600
Astra平均40分钟做完一个任务 Sol要75分钟

00:03:06.600 --> 00:03:08.633
配合新版Codex外壳

00:03:08.633 --> 00:03:11.800
Mind2Web上任务完成速度是之前的1.9倍

00:03:11.800 --> 00:03:14.866
官方演示里 它在KiCad里画PCB电路板

00:03:14.866 --> 00:03:18.100
在Excel里打竞赛 填美国税表1040

00:03:18.100 --> 00:03:20.400
做前端QA 操作Power BI

00:03:20.400 --> 00:03:22.566
浏览器 Unity Blender Jupyter

00:03:22.566 --> 00:03:25.533
这些有按钮有界面的软件 它现在都能直接上手

00:03:25.533 --> 00:03:28.433
早期拿到权限的博主Claire做了几个实测

00:03:28.433 --> 00:03:30.233
对程序员很有参考价值

00:03:30.233 --> 00:03:33.433
她让Codex里的Astra直接操作Chrome

00:03:33.433 --> 00:03:36.733
在自己公司的CRM里改一个节点式工作流

00:03:36.733 --> 00:03:40.200
加节点 改提示词 重新连线 全程没动手

00:03:40.200 --> 00:03:43.166
这件事她自己之前折腾了一个小时没搞定

00:03:43.166 --> 00:03:44.633
另一个例子更直接

00:03:44.633 --> 00:03:48.166
她把Astra当QA用 让它在预览分支上回归测试

00:03:48.166 --> 00:03:50.533
刚修完的流式传输竞态条件

00:03:50.533 --> 00:03:54.066
Astra自己打开页面 逐个点击 盯控制台报错

00:03:54.066 --> 00:03:55.633
刷新复现

00:03:55.633 --> 00:03:58.200
这一跑就是一小时四十五分钟

00:03:58.200 --> 00:03:59.966
还顺手修了几个问题

00:03:59.966 --> 00:04:03.333
她的原话是 如果你还没用浏览器操作做QA

00:04:03.333 --> 00:04:04.200
赶紧试

00:04:04.200 --> 00:04:09.666
现在说那个最出圈的数字 arc AGI 3的99.9%

00:04:09.666 --> 00:04:13.433
很多人会觉得 这个测试号称专门测量AGI进度

00:04:13.433 --> 00:04:15.233
打穿了还得了 关键来了

00:04:15.233 --> 00:04:17.566
arc Prize自己的博客写得很清楚

00:04:17.633 --> 00:04:20.333
99.9%是在OpenAI定制的

00:04:20.333 --> 00:04:22.500
Provider Adapter外壳下跑出来的

00:04:22.500 --> 00:04:24.266
花费约1.9万美元

00:04:24.266 --> 00:04:27.833
这个外壳会在请求之间保留隐藏的推理状态

00:04:27.833 --> 00:04:29.633
还会自动压缩长对话

00:04:29.633 --> 00:04:33.700
换成标准外壳 同一个模型 成绩62.7%

00:04:33.700 --> 00:04:38.100
花2.6万美元 62.7% 依然是全场第一

00:04:38.100 --> 00:04:41.466
但和99.9% 完全是两个故事

00:04:41.466 --> 00:04:44.933
Hacker News上近千赞的讨论帖 吵的也在这个点

00:04:44.933 --> 00:04:49.833
有人直接说 换个外壳就能从62% 冲到99.9%

00:04:49.833 --> 00:04:52.600
那分数测量的到底是模型还是外壳

00:04:52.600 --> 00:04:56.366
还有人吐槽 这大概是史上最平淡的AGI发布

00:04:56.366 --> 00:04:58.133
没有发布会 只有一篇博客

00:04:58.133 --> 00:05:00.966
arc AGI的作者也出来说话

00:05:00.966 --> 00:05:03.633
他原本预计一年左右才会被打穿

00:05:03.633 --> 00:05:06.566
结果半年就发生了 进度比他想的快一倍

00:05:06.566 --> 00:05:08.733
看到这里 你可能想反驳我

00:05:08.733 --> 00:05:10.500
把你的想法打在公屏上

00:05:10.500 --> 00:05:12.566
我的判断是 从这一代开始

00:05:12.566 --> 00:05:15.233
单看跑分选模型已经不成立了

00:05:15.233 --> 00:05:17.933
外壳 工具 推理档位 全都是变量

00:05:17.933 --> 00:05:20.700
跑分之外 还有件事程序员应该知道

00:05:20.700 --> 00:05:23.400
Astra是第一个在OpenAI准备度框架

00:05:23.400 --> 00:05:26.000
里达到网络安全Critical等级的模型

00:05:26.000 --> 00:05:29.966
ExploitBench满分100% Sol是78.5%

00:05:29.966 --> 00:05:31.433
给它工具和权限

00:05:31.433 --> 00:05:34.600
它能独立发现未知漏洞并写出利用代码

00:05:34.600 --> 00:05:36.966
所以OpenAI给它上了全套监控

00:05:36.966 --> 00:05:38.866
连思维链都在监控范围

00:05:38.866 --> 00:05:40.833
系统卡里几个数字值得记住

00:05:40.833 --> 00:05:43.733
Sol有5.3%的概率试图绕过

00:05:43.733 --> 00:05:46.700
Codex的Auto- Review拦截 Astra是0

00:05:46.700 --> 00:05:49.466
遇到环境警告还硬要继续执行的比例

00:05:49.466 --> 00:05:52.566
从64.3% 降到19%

00:05:52.566 --> 00:05:58.333
提示注入防御成功率 从96.2% 提到99.8%

00:05:58.333 --> 00:06:01.500
第三方Gray Swan的1810个注入攻击里

00:06:01.500 --> 00:06:05.900
Astra被攻破率8.5% Sol是27%

00:06:05.900 --> 00:06:08.466
但系统卡里也有一个让人不安的细节

00:06:08.466 --> 00:06:11.133
Astra对自己思维链的控制力变强了

00:06:11.133 --> 00:06:14.500
在对抗测试里 它能在部分任务上躲开监控

00:06:14.500 --> 00:06:18.200
OpenAI的原话是 可监控性相对于Sol下降了

00:06:18.200 --> 00:06:21.133
他们目前没发现思维链里藏暗号的情况

00:06:21.133 --> 00:06:24.700
也认为复杂任务仍然藏不住 但这个趋势值得盯着

00:06:24.700 --> 00:06:27.400
你可能会问 这跟我写代码有什么关系

00:06:27.400 --> 00:06:28.533
关系很直接

00:06:28.533 --> 00:06:30.433
你用Astra跑Agent的时候

00:06:30.433 --> 00:06:33.800
OpenAI的分类器在全程检查它的推理和行为

00:06:33.800 --> 00:06:35.366
任务随时可能被暂停

00:06:35.366 --> 00:06:38.066
官方也承认 这有时会打断正常工作

00:06:38.066 --> 00:06:39.200
那到底怎么选

00:06:39.200 --> 00:06:41.766
我的建议是 忘掉跑分 问自己三个问题

00:06:41.766 --> 00:06:43.133
第一 任务瓶颈在哪

00:06:43.133 --> 00:06:46.266
纯推理和数学 Fable 5.1仍然领先

00:06:46.266 --> 00:06:47.666
智能指数高5分

00:06:47.666 --> 00:06:51.633
长程任务 多步骤操作 要在真实软件里点按钮的

00:06:51.633 --> 00:06:54.700
Astra的token效率和computer use是断代优势

00:06:54.700 --> 00:06:57.333
第二 看单任务成本 别看价签

00:06:57.333 --> 00:07:01.000
Astra单价贵2.5倍 但token省掉三分之二

00:07:01.000 --> 00:07:04.166
编程任务反而便宜一半 第三 你的外壳配套吗

00:07:04.166 --> 00:07:07.100
推理档位 缓存命中率 上下文管理

00:07:07.100 --> 00:07:10.600
对最终效果和账单的影响已经超过模型本身

00:07:10.600 --> 00:07:13.866
拿你自己的20到50个真实任务建个评测集

00:07:13.866 --> 00:07:16.566
两个模型各跑一遍 数据会给你答案

00:07:16.566 --> 00:07:18.633
几个落地细节顺带说清

00:07:18.633 --> 00:07:21.800
单次请求输入超过27.2万token

00:07:21.800 --> 00:07:25.533
输入和缓存价格翻倍 输出涨1.5倍

00:07:25.533 --> 00:07:28.000
长上下文任务要把这笔账算进去

00:07:28.000 --> 00:07:30.000
Batch和Flex模式打五折

00:07:30.000 --> 00:07:32.966
不着急的批处理走这条线能省不少

00:07:32.966 --> 00:07:36.766
企业版里Astra默认关闭 需要管理员手动开启

00:07:36.766 --> 00:07:39.866
Pro及以上订阅还有专门的Astra Pro档位

00:07:39.866 --> 00:07:43.300
API支持零数据保留 合规敏感的团队可以用

00:07:43.300 --> 00:07:47.000
知识截止在2026年4月30日 比Sol新一些

00:07:47.000 --> 00:07:49.533
但查最新文档时记得开联网搜索

00:07:49.533 --> 00:07:52.200
还有个小坑 Artificial Analysis

00:07:52.200 --> 00:07:55.433
提到Sol端点最近内容安全过滤变频繁了

00:07:55.433 --> 00:07:59.166
迁移前建议两边都跑一遍真实流量 再往后看一步

00:07:59.166 --> 00:08:02.700
过去两年 行业的共识是no UI is the next UI

00:08:02.700 --> 00:08:05.466
大家都在给Agent造MCP和CLI

00:08:05.466 --> 00:08:08.033
Astra这一代把方向掰回来了一半

00:08:08.033 --> 00:08:10.266
既然模型能可靠的点按钮

00:08:10.266 --> 00:08:13.033
SaaS的图形界面就有了新用户 Agent

00:08:13.033 --> 00:08:15.900
做产品的人注意 UI投入不会消失

00:08:15.900 --> 00:08:18.766
反而要同时服务人和模型两类用户

00:08:18.766 --> 00:08:22.033
对个人开发者 Claire那几个玩具项目是个信号

00:08:22.033 --> 00:08:24.300
逆向一个蓝牙像素屏的协议

00:08:24.300 --> 00:08:27.366
给Codex套一个90年代AIM聊天界面

00:08:27.366 --> 00:08:29.766
用Blender生成3D换装游戏

00:08:29.766 --> 00:08:31.566
这些原来要磨几周的东西

00:08:31.566 --> 00:08:34.933
现在一次提示就能出个八九成 总结一下

00:08:34.933 --> 00:08:37.533
Astra的智能指数没涨 价格涨了

00:08:37.533 --> 00:08:40.300
但token效率 computer use 幻觉率 安全性

00:08:40.300 --> 00:08:42.033
全都往前走了一大步

00:08:42.033 --> 00:08:44.900
它和Fable 5.1的关系 一句话就能说清

00:08:44.900 --> 00:08:46.766
Fable还是那个更会考试的

00:08:46.766 --> 00:08:48.833
Astra是那个更会干活的

00:08:48.833 --> 00:08:52.400
我的日常模型会换成Astra试试 杂活累活交给它

00:08:52.400 --> 00:08:55.166
关键编码任务继续用自己的评测集说话

00:08:55.166 --> 00:08:57.066
你现在在用什么模型写代码

00:08:57.066 --> 00:08:59.733
看完这些数据会考虑换吗 评论区聊聊

00:08:59.733 --> 00:09:01.433
觉得有用就一键三连 

00:09:01.433 --> 00:09:03.000
我是为什么叫QQ

00:09:03.000 --> 00:09:03.966
我们下期见