上周OpenAI发布了GPT-6 Astra，官方定位是全球最智能、最对齐的模型，已经进驻ChatGPT Work、Codex和API。发布稿里最抓人的三个数字是：Excel建模速度比2023年微软Excel世界锦标赛冠军快四倍，Terminal-Bench 4.0跑分57.9%，内部安全基准上"意外操作"比上一代GPT-5.6 Sol少89%。
单看这几个数字确实漂亮。但把它们和独立评测机构、竞品Claude Fable 5.1的成绩放到一起，故事没那么单边——Artificial Analysis Intelligence Index上两者是53:53的平局，这不是全面领先，更像是两个各有专长的旗舰模型打了个平手。
发生了什么：computer use成了新战场
Astra的卖点不是聊天能力，是"计算机操作"——直接在没有API的桌面应用、浏览器、Excel里点击、输入、执行任务。这是OpenAI和Anthropic争夺企业"数字员工"市场的核心战场，此前GPT-5.6 Sol、Fable 5.1已经在OSWorld、Terminal-Bench等agent基准上交过手。
OpenAI这次给出的OSWorld 2.0成绩是72.6%（约40分钟/任务），对比自家上一代Sol的65.7%（约75分钟/任务）。但这只是同门对比，Fable 5.1用的是不同版本的任务集，没法直接横评。"最强计算机操作模型"这句话，证据链目前只完成了一半。
独立跑分：互有胜负，不是碾压
Astra在Terminal-Bench 4.0、OSWorld（自家对比）上领先；Fable 5.1在LMArena agent榜、GDPval-AA v2专业知识工作评测（1764对1580）、SciCode（63%对56%）、Humanity's Last Exam工具模式（65.0%对57.2%）上都跑赢Astra。两家公司都在选择性展示对自己有利的基准，这在行业里不算新鲜事，但只看OpenAI官网的读者，会以为Astra是单边领先。
官方发布稿讲的是排名第一，独立跑分讲的是势均力敌。
定价迷思：真正省钱的是被忽略的那一款
OpenAI发布稿说Astra"占据成本效率前沿的大部分份额"，暗示它比Fable 5.1更划算。但标准API价格上，两者完全一样：每百万输入token 10美元、输出50美元。真正便宜四成的，是原文几乎没提的GPT-5.6 Sol，输入输出价格只要4美元和20美元。
如果任务是重复调用、长上下文缓存命中率高的场景，Fable 5.1的缓存输入价格是每百万token 0.25美元，只有Astra（1美元）的四分之一。OpenAI每千次工具调用还要另收2.5美元，截图也按模型token价格计入输入成本——真实账单可能比宣传价高出不少（Anthropic的computer use工具本身也有开销，一次初始化的工具定义就要消耗约4500个输入token，按Fable 5.1费率算已经接近0.045美元，还没算截图和输出）。
- 结论.任务复杂度决定该用哪个模型，不是厂商的排名话术。默认路由用便宜的Sol，只有真正复杂的多步骤任务才交给Astra或Fable 5.1。
满分成绩的水分，和一句轻描淡写的警示
Astra在ARC-AGI-3上打出99.9%的头条成绩，接近满分。但在标准复现测试里，这个数字掉到62.7%——说明"近乎满分"高度依赖OpenAI自己设定的测试配置，换一套复现方式就打回原形。
发布稿里还有一句容易被划过去的话：Astra是第一个触及OpenAI《预备框架》"关键网络安全能力阈值"的模型。这句话被包装成"我们加强了防护"的正面叙事，但反过来读，字面意思是这个模型的网络攻击能力，已经强到需要被单独列入高风险管控名单。OpenAI提到了训练模型遵守安全边界、提升抗绕过能力、部署自动化拦截等措施，这些防护有没有经过外部审计，原文没有交代。
- 风险.computer use直接操作真实业务系统，一旦权限判断失误，误删数据或越权分享面板的代价由企业自己承担。
谁该盯紧这件事
企业采购决策者面对的不是"要不要上Astra"，而是"用哪个模型跑哪类任务"。安全和合规团队要关注的不是Astra变强了多少，而是它被列入关键网络安全能力阈值之后，新推出的管理员权限控制——限制网站/应用访问、管理上传下载——能不能真正兜住computer use在真实系统里越权操作的风险。这一点目前还看不清，只能等更多企业实际部署后的反馈。