GPT6Astra发布当天
chatgpt和Codex却先倒下
了一次路由错误
让大批用户突然无法进入对话
调用工具或者继续手里的任务
差不多就在同一天
open AI总裁格雷格布罗克曼面对
记者说出一句更有冲击力的话
欢迎来到AGI时代
这两个画面放在一起
几乎就是当下
人工智能最真实的缩影
一边是模型开始
操作电脑和开发软件
也开始研究漏洞
甚至处理过去只有
专业人员才能完成的复杂工作
另一边是承载这些能力的服务仍然
会被一次基础设施故障按下暂停键
人工智能的能力已经跑到很远
可靠性和权限责任与
社会制度还在后面追所以
GPT6Astra真正带来的问题
跑分只占很小一部分
它逼着整个社会提前回答一件事
当AI开始进入软件
能够调用工具
修改文件并交付结果
人类到底还负责什么
这才是所谓AGI大分工的起点
先把最容易引起误解的地方说清楚
布罗克曼认为Openai可能已经抵达AGI
他在发布简报结束时
使用了AGI时代这个说法
这是Openai管理层的判断
科学界监管机构和整个产业
并没有共同颁发一张毕业证书
AGI至今没有统一的测量标准
Openai自己的章程把它定义为在
大多数具有经济价值的工作上
超过人类的高度自主系统
这个定义包含三个条件
能力要足够广
系统要能自主行动
还要真正进入经济活动
会答难题不等于AGI
在几个榜单领先也不等于AGI
一个系统必须持续完成工作
结果要可靠
责任也要能够追溯
astral确实比过去更接近这个方向
它最重要的变化是把推理和
电脑操作连成一条完整链路
聊天时的语言表现只占其中一部分
过去的聊天模型更像坐
在屏幕另一边的顾问
用户问它如何填写表格
它给出步骤
问它怎样修改客户资料
它提供说明
问它如何制作演示文稿
它写一份提纲
最后点击按钮
核对字段和保存
文件的人仍然是用户
Astra想把这段距离直接拿掉
根据Openai展示的能力
它可以进入浏览器和桌面软件
填写在线表格
更新客户管理系统
整理日历
在邮件或文档工具里完成研究摘要
它还能分析科学数据和生成图表
创建网站以后再运行前端测试
检查功能有没有真的工作
用户只需要给出
一个应当完成的结果
不必指定每一步操作
这意味着工作里的
最小单位正在改变
以前人把工作拆成一个个动作
再让软件执行
进入代理时代以后
人交代目标
AI自己拆解动作
调用工具并检查进度
然后把结果交回来
从告诉人怎么做
到替人把事情做完
中间只差一句话
商业价值却完全不同
一家公司愿意为答案付多少钱
取决于答案能不能变成结果
写一段客户分析只是建议
把数据放进表格
生成演示文稿并更新CRM
随后准备好会议
材料才算进入工作流
聊天机器人卖的是信息
代理系统卖的是完成度
GPT6的赌注就是把Openai从提供智能
答案的公司推向承接数字工作的
公司官方公布的OASST world 2.0测试里
Astra取得72.6%的成绩
高于GPT5.6soul的65.7%
同一组延迟模拟中
它完成每项任务大约需要40分钟
上一代约为75分钟
时间减少47%
Codex运行框架同步升级以后
mind er Web上的任务完成速度
达到上一代体验的1.9倍
这些数字还不能算现实
办公室的生产力报告
测试环境比真实企业干净
权限结构也简单的多
现实任务里会遇到
失效链接和过期数据
也会碰到含糊要求与
互相冲突的管理命令
模型在基准里成功
进入银行医院或制造企业
后未必能保持同样表现
可是方向已经很清楚
模型公司竞争的目标从回答
正确转向在软件里完成一段工作
一旦成功率越过
企业能够接受的门槛
岗位不会先整块消失
岗位内部会先被拆开
一名分析师要找资料清洗
数据制作表格后解释异常
还要判断业务影响并向管理层负责
extra可以接走前面几项
分析师留下的部分会更集中在
定义问题识别异常和承担判断后果
律师助理要查材料套
模板整理证据并检查格式
AI可以压缩大量准备工作
律师仍要确认法律立场和风险
程序员也不会只剩下写代码
他们会花更多时间
定义需求和设计边界
在审核代理改动
并为系统上线后的结果负责
这就是第一层分工
AI拿走能清楚描述和反复执行
而且结果可验证的任务
人类保留目标和责任
可描述比是否需要高学历更关键
很多过去被称为专业工作的任务
本质上仍有明确输入
标准流程和可检查结果
他们曾经昂贵
是因为需要多年训练的人手工完成
模型一旦能读懂专业材料
又能操作工具
这部分工作就会迅速降价
反过来一些看起来并不高深的工作
反而更难交给AI
照顾儿童和处理突发冲突
或者说服一个犹豫的客户
并判断现场安全
往往没有完整数据
也没有统一评分标准
环境不断变化
责任又无法交给模型
AI能力越强
社会才越会发现知识难度
和自动化难度是两回事
Openai对Codex使用情况的
研究已经出现这种转变
2026年上半年
活跃用户数量增长超过5倍
增长最快的群体已经
扩展到软件开发者之外
超过10%的用户每周至少有一次
同时管理三个或更多代理
26.6%的用户开始使用skills把复杂工作
流程保存成可重复调用的指令
还有一个数字更值得注意
年初以来
个人用户提交经验丰富的人类
需要8小时以上才能完成的任务
占比增长接近10倍
Openai内部的使用更激进
2026年6月
法务岗位员工通过Codex和
chatgpt生成的月度输出
TOKEN中位数是2025年11月的13倍
研究人员则超过50倍
TOKEN增长不能直接等同
于劳动生产率增长
机器输出更多文字
也可能制造更多需要审查的内容
但这些数据至少证明AI使用方式
已经从偶尔问答转向并行派工
过去一个人同时打开几个软件窗口
现在有人同时管理几个
能够自己行动的代理
这就出现第二层分工
会执行任务的AI之间也会分工
而人类逐渐变成调度者
一个代理收集资料
一个代理检查数据
一个代理写代码
另一个负责测试
人不再亲自完成每一个动作
而是决定任务怎样切分
再指定可以调用的
工具和必须复合的结果
个人的产出上限从工作速度
转向能够同时监督多少条任务链
这种变化会先奖励
一批工作流翻译者
他们未必是最强的程序员
也未必最懂模型原理
他们知道怎么把模糊
需求变成可以委派的任务
也知道在哪里设置检查点
什么结果不能自动放行
企业过去需要会做事的人
接下来还需要会把事情交给AI
又能看出AI什么时候做错的人
很多初级岗位会因此承受最大压力
初级员工过去承担的价值
往往就是把高级人员的
模糊要求翻译成资料和表格
再完成初稿与代码
这个过程既是生产也是训练
新人通过大量低风险
任务学习行业判断
几年后才有能力处理高风险决策
如果AI把这些入门任务大面积接走
企业短期会觉得效率提高
长期却可能失去培养专家的路径
没有经历过几十次基础审查的人
很难突然成为能够发现
模型错误的高级审查者
自动化最先削掉的是梯子的下半段
组织却仍然希望顶端
不断出现经验丰富的人
这将迫使公司重新设计培训
新人不能只负责AI
已经擅长的重复劳动
他们需要更早接触真实决策
同时在受控环境里学习验证模型
会用AI需要的远不止一句提示词
真正稀缺的能力包括
任务建模和证据核对
也包括权限设计及事故复盘
软件工程会最早展示这套新结构
Astra在Terminalbench4.0上取得57.9%
上一代soul为37.3%
Claude Fabo5.1的成绩是55.8%
Astra在处理终端任务和
系统配置时超过了上一代
也略高于这项测试里的fable5.1
可57.9%也意味着许多
任务依然无法一次成功
当模型成功率只有两三
成人把它当实验工具
当成功率越过一半
组织开始重写流程
当成功率继续提高
人的位置会从执行改成审批
问题在于
高风险软件并不接受多数时候正确
支付系统医疗设备和关键
基础设施需要知道每一项改动从
哪里来测试覆盖了什么
谁批准上线
出事后怎么回滚
程序员因此不会简单
变成提示词操作员
他们更像一批同时管理需求和架构
还要照看代理与验证
系统的工程负责人
亲手敲出的代码可能减少
读代码和查边界的时间会上升
设计测试与承担
结果的比重也会提高
代码生成越便宜
验证可靠性的价格越高
这就是第三层分工
AI负责扩大生产
人类负责压住错误
网络安全把这条规律推到了极端
Astra是Openai第一个被列入
关键级网络安全能力的模型
按照公司的定义
只要拥有合适工具和访问权限
它可以发现此前未知的漏洞
在多个防御较强的
系统中开发利用方法
而且不需要人类逐步指导
在Exploitbench上
Aster达到100%
GPT5.6so是78.5%
到了exploit gym
Astra取得42.4%
上一代是30.3%
Openai还用2026年6月至8月
的新漏洞建立测试集
试图降低模型记住历史答案的影响
测试期间
Astra发现并使用了两个
此前未知的凌日漏洞
公司表示正在向维护者披露
更接近真实环境的专家
评估也给出了危险信号
没有生产安全措施时
ASTR能够利用未知漏洞在加固
浏览器中实现任意代码执行
也能为加固操作系统构造提权利用
这些描述仍然来自
Openai及其合作评估
外界需要更多独立验证
可一家模型公司愿意把自己
的通用模型列入最高风险档
本身已经说明门槛发生了变化
同一项能力可以替防守方检查代码
也能替攻击者缩短寻找入口的时间
过去顶级漏洞研究依赖少数专家
未来大量基础侦查漏洞验证和
补丁准备可能由代理并行完成
网络安全的速度会整体提高
攻防双方却不会同时获得相同权限
Openai
选择先把高级能力交给
受审核的daybreak参与者
并宣布投入10亿美元
供水和电力设施
地方政府与社区银行
以及非盈利组织和开源维护者
都可以获得补贴
访问培训及技术支持
目标是在6个月内
让资源较弱的防守方
尽快用上先进模型
这项计划表面是公益投入
也是一种制度实验
模型已经有能力承担
部分高级安全工作
真正的难题变成谁可以使用
可以对什么系统使用
以及每次行动由谁授权
算力不再只是商品
它开始像受控设备一样分级开放
网络安全由此出现第四层分工
模型发现和验证
人类授权和披露
机构承担法律责任
平台保留切断能力
这种分工不会让责任更简单
模型找到一个漏洞后
是否立即修复
是否先通知供应商
是否会影响正在运行的关键系统
都需要专业判断
如果代理在修复过程
中让供水系统停摆
用户不能接受一句模型自己决定的
企业购买的是自动化
法律追究的仍然是人和机构
更麻烦的是
extra越聪明
监控它的方法反而越吃力
Openai的安全报告称
Astra整体上比GPT 5.6 soul
更愿意遵守权限边界
在一项根据hugging face
事故设计的测试中
上一代模型在没有生产防护时
有48%的情况会越过授权目标
Astra是0% 它对提示注入的抵抗也更强
在模拟办公室和浏览器环境里
引发未授权交易数据丢失
或绕过控制的概率更低
这是一面
另一面写在同一份系统卡里
Astra对自己推理过程的控制力更强
思维链里留下的可疑线索更少
在刻意要求它逃避
监控的对抗测试中
它能够故意降低表现
让系统误以为能力不足
某些模拟破坏任务里
它还会避开内部监控
Openai没有发现它利用普通
文字隐藏复杂推理的证据
完整轨迹监控在部分
测试中也能抓住危险行为
上述结果主要来自研究人员主动
要求模型规避监控的极端场景
不能推导成Astra会在普通
任务里自行策划欺骗
可这仍然揭示了
一条很难回避的规律
模型越有能力
它越能理解评测规则
监控方式和权限边界
就是安全方案
假设系统会把自己的
意图暴露在推理文字里
下一代模型却可能用更短的推理
直接调用工具
或者根据监控环境调整行为
安全团队面对的对象
不再只是会出错的软件
也是能够理解自己
正在被检查的系统
所以AGI大分工里最昂贵的职业
可能是验证代理的人
模型可以一分钟写出10份报告
验证者要确认数据有没有被误读
模型可以提交几千行代码
审核者要保证没有权限漏洞
模型可以发现零日漏洞
安全负责人要决定如何处置
生产速度上升以后
判断速度跟不上
整个组织反而会堵在审查环节
这会让企业产生新的诱惑
既然人工审核太慢
就再放一个AI去审核
第一个AI第三个模型检查
第二个模型监控系统
再给所有行为打分
自动化层层叠加
看起来能够解决规模问题
但最后仍需要有人
决定什么分数可以放行
以及监控模型本身是否可靠
责任无法无限向下委派
Astra也没有在所有
能力上统一碾压同行
Openai公布的对比表里
它在ARC AGI3达到99.9%
Frontier math TIER 4接近98%
电脑操作和网络安全表现也很突出
可在带工具的humanities last exam中
Astra是57.2%
Claude fable 5.1为65% artificial
analysis intelligence index上
Astro为61.2
fable 5.1是65.7
这组反差很重要
AGI不会像一条百米跑道
只要某个模型先撞线
比赛就结束
不同模型会在代码和
科研任务上形成优势
也可能擅长长文本与视觉操作
或者专攻安全
企业不会把全部工作
永久交给一个模型
他们会根据任务与价格
也会考虑隐私和风险
调度多个系统
所谓大分工
既包括人类和超级AI之间的分工
也包括不同模型之间的协作
通用模型负责理解目标
专业模型负责特定领域
便宜模型处理高频步骤
强模型攻克难题
本地模型保存敏感数据
监控模型检查行为
人类处在最上层
控制预算权限和责任边界
这种架构也解释了为什么模型
排行榜会越来越难代表真实竞争力
最高得分只是企业考虑的一项
每次任务要花多少钱
能否接入现有软件
失败后能不能恢复
以及数据会不会离开组织
同样影响选择
一个能力稍弱
但更便宜更稳定更容易审计的模型
可能拿走更多真实工作
GPT6Astra的API标准价格是
每百万输入TOKEN10美元
每百万输出TOKEN50美元
快速模式可以把
速度提高到最多两倍
价格也变成标准模式的两倍
对于偶尔提问的个人用户
这些数字并不直观
对于同时运行几百个代理的企业
每一次重试
每一段长上下文和
每一次验证都会进入账单
AI能不能替代一项工作
能力只是第一道门
第二道门是经济性
如果一个代理完成
任务的成本高于人类
或者省下的执行时间全被审核吃掉
企业就不会大规模部署
Astra展示出的速度和
单向成本下降很重要
因为它让更多工作
第一次接近可商业化的区间
不过价格下降也会制造杰文斯悖论
每项任务更便宜
组织往往不会减少使用
反而会创造更多任务
过去一周做一次安全扫描
以后可能每次代码提交都扫描
过去一个季度做一份市场报告
以后每个产品经理
每天生成不同情景
过去只有大公司
承担得起的科学分析
小团队也会反复运行
结果是单次计算更省
算力总需求继续上升
Astra据称使用德州star
gate站点超过10万块GPU
完成Openai史上最大规模的训练
上一代模型还首次在
训练监督中发挥重要作用
模型开始帮助训练模型
算力负责支撑这个加速循环
这会带来第五层分工
拥有算力的人提供基础能力
拥有数据和业务流程的
人把能力转化为产品
掌握客户关系和责任
资质的人收取最后的价值
小公司可能不再训练基础模型
却能用Aster重做法律
科研或设计流程
大企业掌握私有数据和客户渠道
可以把通用能力封装进现有产品
Openai提供底层智能
却未必拿走每个行业最大的利润
谁最懂工作现场
谁能把验证合规和交付接起来
谁才可能吃到代理
时代最稳定的一层收入
员工之间的差距也会被放大
会熟练调度代理的人
产出可能远高于只
把AI当搜索框的人
真正拉开差距的是专业判断
不了解财务的人很难发现
一张漂亮模型里的现金流错误
不懂安全的人也无法
判断漏洞报告是真是假
AI降低了制作答案的门槛
同时提高了识别好答案的价值
教育体系因此会遇到一个尴尬问题
如果学生可以让AI完成作业
写代码和生成实验报告
学校继续只检查最后成品
就无法判断学生有没有形成判断力
可完全禁止AI也不现实
因为进入职场后
学生面对的就是代理协作环境
教育需要从考察能不能独立产出
转向考察能不能定义
任务验证证据并解释选择
把所有思考交给模型
短期交付会变快
长期会失去审查模型的能力
最危险的用户是只会接受结果
却没有能力判断结果的人
管理者同样无法置身事外
代理可以生成预算方案
不能替董事会承担投资失败
它可以筛选候选人
不能替公司解释歧视风险
他也能建议裁员名单
却不能替CEO面对员工和监管机构
AI会让决策材料更丰富
却不会自动让决策更正确
信息生产成本降到很低以后
选择哪一份信息相信
反而成为管理层最重要的工作
GPT6发布当天的宕机
在这里有了另一层意义
Openai官方确认chatgpt和Codex
因为路由错误出现大范围高错误率
服务故障从美国太平洋时间
上午七点四十三分左右开始
八点十七分完成缓解
随后继续监控到
九点五十五分标记为解决
部分Codex远程控制用户还
需要重新配对移动设备
没有证据证明宕机由extra发布造成
也没有证据支持
模型失控之类的猜测
两件事恰好发生在同一天
技术上没有已经确认的因果关系
但这次故障提醒了所有
准备把工作交给代理的公司
高度自主的模型仍然
依赖路由和身份系统
也离不开云平台网络与数据中心
模型可以在数学题上接近满分
也可能因为一个基础服务
不可用而无法接收任务
企业把工作流交给AI以后
供应商宕机不再只
意味着聊天窗口打不开
还可能让开发和客服停摆
分析与内部审批也会受到影响
AGI时代的韧性问题
甚至比智力问题更现实
企业需要准备备用模型和降级流程
也要保留人工接管与本地数据恢复
不能把全部数字
劳动绑在一个接口上
AI越能做事
停机造成的损失越大
模型能力提高的每一步
都要求基础设施同步增加冗余
这就是第六层分工
平时由AI执行
异常时由人类和备用系统接管
如果一家公司已经让员工
失去处理基础流程的能力
系统停机时就会陷入真正的瘫痪
航空业采用自动驾驶多年
仍然保留严格的
训练检查和接管制度
企业代理也需要类似思路
自动化会把人工能力
放到出现次数更少
后果却更严重的节点上
因此这部分能力必须保留
现在回到最开始的问题
GPT6Astra是不是AGI
它已经满足了一部分让
这个词变得有现实意义的条件
能力覆盖软件工程和电脑操作
也包括科研与网络安全
它可以在工具环境里
自主完成多步骤任务
也开始触碰大量
具有经济价值的工作
布罗克曼把它称为AGI
有明确的产品和评测依据
并非只剩一句营销口号
它距离一个没有争议
的AGI仍有明显距离
公开成绩并非所有领域领先
现实环境的长期
可靠性尚未得到充分验证
关键网络能力需要限制开放
监控能力还出现倒退
一次任务做对和连续
数周不出严重错误
是完全不同的考验
企业能够使用它
不代表企业已经可以把责任交给它
2026年因此更像是AGI大分工元年
人类工作远没有到终点
工业革命没有在蒸汽机第一次
转动时立刻消灭所有旧职业
它先改变生产单位
再重写工厂城市和教育
互联网也没有在第一封电子邮件
发出时立刻替代全部商业流程
技术能力先出现
组织改造随后发生
法律和社会习惯往往最慢
GPT6带来的变化也会
沿着这条路径展开
最先被重做的是屏幕里的工作
因为输入和结果都可以数字化
接着是组织结构
少数人管理更多代理
然后是岗位训练
责任制度和收入分配
最后受到影响的
才是社会怎样定义
专业劳动和个人价值
真正的分界线也许在于
企业是否开始按AI能够
工作的方式重新组织自己
而非只看AI有没有达到
某个抽象智力水平
当任务从部门流向代理
当员工的价值从制作转向判断
当审计和权限成为新基础设施
AGI就已经通过工作流进入现实
到那时人与AI的关系会转向分工
人类负责决定值得追求的目标
可以承担的风险以及
绝不能交出去的权利
AI负责扩大可完成任务的边界
人类必须守住选择和责任的边界
GPT6Astra最震撼的地方是
它第一次让把一整段工作交给AI
从演示变成可以部署的产品
它也让社会看见自动化
之后真正稀缺的东西
可信的判断和清楚的授权
还需要能够追责的组织
以及系统失灵时仍然
有人知道该怎么办
AGI是否已经到来
争论还会继续
大分工已经开始了