逐字稿文字預覽
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
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：3.5 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：52.0 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：1.0 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：0.1 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：0.1 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：0.1 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：0.2 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：159.1 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：0.2 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：0.3 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
- 校正前 transcript.source.json 純文字 JSON
- 校正後 transcript.json 純文字 JSON
目前待解決問題與初步改善方向
- 逐字稿全文快速校讀未完成
已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。；RAPID_REVIEW_STATUS=REVIEW_REQUIRED_INVALID_OUTPUT
- 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。