逐字稿文字預覽
大家好 我是为什么叫QQ 9月3日 GPT-6 Astra发布 OpenAI官方博客说 这是新一代智能 arc agi 3拿到99. 9% 直接打穿 同一天 第三方评测机构 Artificial Analysis给出另一组数字 它的智能指数是61分 和上一代GPT-5. 6 Sol打平 比Claude Fable 5. 1低5分 一个模型 两种评价 两边还都没说错 这期视频我从程序员视角聊三件事 Astra到底改了什么 对比Fable 5. 1该怎么选 哪些变化会真的影响你的开发流程 基本信息先过一遍 Astra 9月3日发布 当天只开放给Daybreak企业客户 之后几天陆续开放给Plus Pro Business Enterprise订阅和API AWS的Bedrock同步上线 API价格 输入每百万token 10美元 输出50美元 缓存命中的输入只要1美元 上下文窗口105万token 最大输出12. 8万 知识截止到2026年4月30日 推理强度分五档 low medium high xhigh max 另有Fast模式 速度最高快2. 5倍 价格翻倍 先说大家最关心的编程 Artificial Analysis的编程智能体指数里 Astra在Codex环境下拿到67分 和Claude Opus 5基本持平 榜单第一名仍然是Claude Code环境里的Fable 5. 1 70分 看到这里你可能会想 那Astra也没什么嘛 但这里有个很关键的地方 同样的分数段 成本完全不一样 Astra在max档跑一个编程任务大约4. 7美元 Fable 5. 1要9. 2美元 Opus 5要8. 2美元 接近的水平 一半的价格 成本怎么降下来的 靠token效率 同样跑编程指数 Astra消耗的总token只有 5. 6 Sol max档的三分之一 是Opus 5 xhigh档的五分之一 OpenAI官方数据也印证了这点 Agents' Last Exam上 Astra拿59. 3% 比Opus 5高将近4个点 输出token还少用65% Terminal-Bench 4. 0 Astra 57. 9% Sol只有37. 3% Terminal-Bench Science更夸张 Astra 64. 6% Fable 5. 1是52. 6% Sol只有22. 4% Fable 5. 1是52. 6% Sol只有22. 4% 终端操作和科学工作流这两块 提升是实打实的 另一面也要说清楚 智能指数上 Astra和Sol都是61分 原地踏步 Fable 5. 1是66分 Meta新发的Muse Spark 1. 3也有62分 而且因为单价涨了2. 5倍 Astra在max档跑智能指数的单任务成本 比Sol贵了75% 衡量真实工作产出的GDPval-AA Astra还掉了大约80个Elo分 好消息也有 幻觉率从92% 降到51% 准确率同时涨了4个点 长周期知识工作评测 AA Briefcase 涨了约80个Elo 前面都是跑分 这代模型真正的主角是computer use OSWorld 2. 0 Astra拿72. 6% Sol是65. 7% 更关键的是时间 Astra平均40分钟做完一个任务 Sol要75分钟 配合新版Codex外壳 Mind2Web上任务完成速度是之前的1. 9倍 官方演示里 它在KiCad里画PCB电路板 在Excel里打竞赛 填美国税表1040 做前端QA 操作Power BI 浏览器 Unity Blender Jupyter 这些有按钮有界面的软件 它现在都能直接上手 早期拿到权限的博主Claire做了几个实测 对程序员很有参考价值 她让Codex里的Astra直接操作Chrome 在自己公司的CRM里改一个节点式工作流 加节点 改提示词 重新连线 全程没动手 这件事她自己之前折腾了一个小时没搞定 另一个例子更直接 她把Astra当QA用 让它在预览分支上回归测试 刚修完的流式传输竞态条件 Astra自己打开页面 逐个点击 盯控制台报错 刷新复现 这一跑就是一小时四十五分钟 还顺手修了几个问题 她的原话是 如果你还没用浏览器操作做QA 赶紧试 现在说那个最出圈的数字 arc AGI 3的99. 9% 很多人会觉得 这个测试号称专门测量AGI进度 打穿了还得了 关键来了 arc Prize自己的博客写得很清楚 99. 9%是在OpenAI定制的 Provider Adapter外壳下跑出来的 花费约1. 9万美元 这个外壳会在请求之间保留隐藏的推理状态 还会自动压缩长对话 换成标准外壳 同一个模型 成绩62. 7% 花2. 6万美元 62. 7% 依然是全场第一 但和99. 9% 完全是两个故事 Hacker News上近千赞的讨论帖 吵的也在这个点 有人直接说 换个外壳就能从62% 冲到99. 9% 那分数测量的到底是模型还是外壳 还有人吐槽 这大概是史上最平淡的AGI发布 没有发布会 只有一篇博客 arc AGI的作者也出来说话 他原本预计一年左右才会被打穿 结果半年就发生了 进度比他想的快一倍 看到这里 你可能想反驳我 把你的想法打在公屏上 我的判断是 从这一代开始 单看跑分选模型已经不成立了 外壳 工具 推理档位 全都是变量 跑分之外 还有件事程序员应该知道 Astra是第一个在OpenAI准备度框架里达到网络安全Critical等级的模型 里达到网络安全Critical等级的模型 ExploitBench满分100% Sol是78. 5% 给它工具和权限 它能独立发现未知漏洞并写出利用代码 所以OpenAI给它上了全套监控 连思维链都在监控范围 系统卡里几个数字值得记住 Sol有5. 3%的概率试图绕过 Codex的Auto- Review拦截 Astra是0 遇到环境警告还硬要继续执行的比例 从64. 3% 降到19% 提示注入防御成功率 从96. 2% 提到99. 8% 第三方Gray Swan的1810个注入攻击里 Astra被攻破率8. 5% Sol是27% 但系统卡里也有一个让人不安的细节 Astra对自己思维链的控制力变强了 在对抗测试里 它能在部分任务上躲开监控 OpenAI的原话是 可监控性相对于Sol下降了 他们目前没发现思维链里藏暗号的情况 也认为复杂任务仍然藏不住 但这个趋势值得盯着 你可能会问 这跟我写代码有什么关系 关系很直接 你用Astra跑Agent的时候 OpenAI的分类器在全程检查它的推理和行为 任务随时可能被暂停 官方也承认 这有时会打断正常工作 那到底怎么选 我的建议是 忘掉跑分 问自己三个问题 第一 任务瓶颈在哪 纯推理和数学 Fable 5. 1仍然领先 智能指数高5分 长程任务 多步骤操作 要在真实软件里点按钮的 Astra的token效率和computer use是断代优势 第二 看单任务成本 别看价签 Astra单价贵2. 5倍 但token省掉三分之二 编程任务反而便宜一半 第三 你的外壳配套吗 推理档位 缓存命中率 上下文管理 对最终效果和账单的影响已经超过模型本身 拿你自己的20到50个真实任务建个评测集 两个模型各跑一遍 数据会给你答案 几个落地细节顺带说清 单次请求输入超过27. 2万token 输入和缓存价格翻倍 输出涨1. 5倍 长上下文任务要把这笔账算进去 Batch和Flex模式打五折 不着急的批处理走这条线能省不少 企业版里Astra默认关闭 需要管理员手动开启 Pro及以上订阅还有专门的Astra Pro档位 API支持零数据保留 合规敏感的团队可以用 知识截止在2026年4月30日 比Sol新一些 但查最新文档时记得开联网搜索 还有个小坑 Artificial Analysis 提到Sol端点最近内容安全过滤变频繁了 迁移前建议两边都跑一遍真实流量 再往后看一步 过去两年 行业的共识是no UI is the next UI 大家都在给Agent造MCP和CLI Astra这一代把方向掰回来了一半 既然模型能可靠的点按钮 SaaS的图形界面就有了新用户 Agent 做产品的人注意 UI投入不会消失 反而要同时服务人和模型两类用户 对个人开发者 Claire那几个玩具项目是个信号 逆向一个蓝牙像素屏的协议 给Codex套一个90年代AIM聊天界面 用Blender生成3D换装游戏 这些原来要磨几周的东西 现在一次提示就能出个八九成 总结一下 Astra的智能指数没涨 价格涨了 但token效率 computer use 幻觉率 安全性 全都往前走了一大步 它和Fable 5. 1的关系 一句话就能说清 Fable还是那个更会考试的 Astra是那个更会干活的 我的日常模型会换成Astra试试 杂活累活交给它 关键编码任务继续用自己的评测集说话 你现在在用什么模型写代码 看完这些数据会考虑换吗 评论区聊聊 觉得有用就一键三连 我是为什么叫QQ 我们下期见
本次執行流程與問題處理
下達指令
預期流程
- 採用來源字幕（略過語音辨識）
- 來源選擇與品質檢查
- 文字校正與句子單元
- 筆記與發布
- 公開網頁發布
1. 下載與語音辨識
工具：videonote-transcribe-url（主辨識管線：下載、Whisper 辨識與選稿）
處理：下載音訊、以 Whisper 辨識並選出最佳逐字稿
產出：yt_dlp_meta.json（影片元資料）、audio_16k_mono.wav（16kHz 單聲道音訊）、transcript.whisper.json（Whisper 辨識結果）、transcript.json（正式逐字稿）、transcript_selection_report.json（來源選擇報告）
耗時：3.0 秒
關係：依序執行
結果：完成
2. 全文快速校讀
工具：videonote_rapid_transcript_review.py
處理：先速讀完整逐字稿，再修正高可信突兀詞句並列出待確認項目
產出：rapid_transcript_review_report.json（產出檔案）
耗時：20.5 秒
關係：依序執行
結果：完成
3. 建立句子單元
工具：videonote-build-sentence-units
處理：將逐字稿切成帶時間軸的句子單元
產出：sentence_units.json（句子單元）
耗時：0.6 秒
關係：依序執行
結果：完成
4. 時間軸稽核
工具：videonote_timeline_audit.py
處理：檢查時間軸與音訊對齊
產出：timeline_audit_report.json（時間軸稽核）
耗時：0.6 秒
關係：依序執行
結果：完成
5. 品質檢查
工具：videonote_controlled_quality.py（檢查時間軸與品質）
處理：檢查語言、時間軸與可讀性品質
產出：controlled_quality_report.json（品質報告）、language_sanity_report.json（語言檢查）
耗時：0.6 秒
關係：依序執行
結果：完成
6. 播放時間軸回填
工具：videonote_rebase_display_timeline.py
處理：將網頁播放時間軸回填為校正字幕時間
產出：display_timeline_rebase_report.json（時間軸回填報告）
耗時：0.7 秒
關係：依序執行
結果：完成
7. 來源句整理
工具：videonote_prepare_source_entries.py
處理：整理來源句子供時間軸與頁面使用
產出：sentence_units.json（句子單元）
耗時：0.7 秒
關係：依序執行
結果：完成
8. 生成筆記摘要
工具：videonote-generate-note（生成筆記摘要）
處理：生成筆記摘要與重點
產出：note.md（筆記 Markdown）、note.html（筆記 HTML）
耗時：165.3 秒
關係：依序執行
結果：完成
9. 建立筆記頁面
工具：videonote-render-html（產生筆記 HTML）
處理：產生可閱讀的筆記 HTML 頁面
產出：note.html（筆記 HTML）
耗時：0.4 秒
關係：依序執行
結果：完成
10. 發布公開頁面
工具：videonote-publish（發布公開頁面）
處理：發布到公開網站與每日列表
產出：公開筆記網址、result.json（管線結果）
耗時：0.5 秒
關係：依序執行
結果：完成
手動來源字幕
自動來源字幕
Whisper 字幕
- 尚未產生
Qwen 字幕
- 尚未產生
Parakeet 字幕
- 尚未產生
MOSS 字幕
- 尚未產生
聲學時間證據（PyAnnote / WhisperX）
- 尚未產生
校正前後逐字稿
目前待解決問題與初步改善方向
- ⚠️ 全文快速校讀：已套用暫定修正，請確認
segment=26 已先套用暫定修正：和Claude Opus 5 Fable 5基本持平 → 和Claude Opus 5基本持平；segment=41 已先套用暫定修正：Terminal-Bench 4.0 Astra 57.9%Sol只有37.3% → Terminal-Bench 4.0 Astra 57.9% Sol只有37.3%；segment=42 已先套用暫定修正：Terminal-Bench Science更夸张 Astra 64.6% → Terminal-Bench Science更夸张 Astra 64.6% Fable 5.1是52.6% Sol只有22.4%；segment=110 已先套用暫定修正：Astra是第一个在OpenAI准备度框架 → Astra是第一个在OpenAI准备度框架里达到网络安全Critical等级的模型；segment=49 待確認：数据逻辑存疑，'单价涨了2.5倍'缺乏明确参照对象，且与后文'比Sol贵了75%'存在潜在冲突或解释不清。；暫定：而且因为单价涨了2.5倍
- 逐字稿可先使用，但有待校正清單
segment=49 rapid_semantic_review: 段落49提到'单价涨了2.5倍'，段落51提到'比Sol贵了75%'。若Sol价格为X，Astra为1.75X，则Astra是Sol的1.75倍，而非2.5倍。2.5倍可能指Fast模式的速度倍数被误植，或指其他基准。
- Qwen3-ASR 未完成，需確認 qwen_asr_lab 環境與音訊後重試精進模式。
- 音訊下載不穩定，需更新 cookies / PO token 後重試精進模式。