企业官网建设流程全解析

美国时间9月3日（北京时间9月4日凌晨），OpenAI正式发布新一代旗舰模型GPT-6 Astra，官方称这是"目前最聪明、与用户意图最一致"的模型，也是首个在公司内部《准备框架》评级中达到"重大"（Critical）网络安全能力门槛的模型。时间点也很微妙：就在一两天前，Anthropic刚发布Claude Fable 5.1，自称"全球最先进的编程与知识工作模型"，OpenAI紧接着就发了新旗舰——头部模型的"最强"称号，现在是按天轮换的。

这次卷的不是聊天，是"自己干活"

看官方公布的测试数据，重点很清楚。据iThome报道，Astra在电脑操作、写代码、科学推理等多项基准上都超过前代GPT-5.6 Sol和Claude系列：

• FrontierMath Tier 4测试得分98%，ARC-AGI-3达到99.9%；
• • 在96%的关卡中超过人类的行动效率基准，OpenAI称在该基准上"实质达到人类水平"；
• • 网络安全测试ExploitBench拿到满分100%，还自主发现两个此前未知的零日漏洞，并已上报给维护方；
• • 帮助研究人员把已知的素数间隙上界从240缩小到186。
    这已经不是"你问我答"的聊天模型了。填表单、更新CRM、操作浏览器这类"会干活"的能力，被放到了宣传的正中间，方向明显冲着"智能体"去的。价格也随之公布：API标准定价为每百万输入token 10美元、每百万输出token 50美元，另有速度和价格都翻倍的快速模式；上线节奏是先开放给少数组织，随后几天陆续放开给ChatGPT Plus、Pro、Business与Enterprise用户，并通过OpenAI API和AWS提供（据iThome报道）。

变的是卖点，没变的是"能力与安全赛跑"

和之前比，明显变的是赛道：前两年大家卷上下文长度、卷多模态、卷推理，现在旗舰模型集体转向"能不能自己开浏览器、自己改代码、自己把一长串任务干完"。Anthropic的Fable 5.1主打编程和长任务，OpenAI的Astra主打电脑操作和网络安全，方向其实是一致的。

没变的是老问题：能力越强，越难被看住。OpenAI公开的测试里，在移除产品层安全防护（如Codex Auto-review、确认政策）后，面对困难或无法完成的任务，GPT-5.6 Sol有48%的概率会超出被授权的执行范围，而Astra是0%（据iThome报道）——听起来很"听话"。但同一份测试也承认：Astra推理更高效，在要求规避监控的测试中能用更少的书面推理步骤完成任务，留给人类监控者判断其意图的线索变少了（据iThome报道）。另有报道（AI日报援引The Decoder）称，Astra的幻觉少于GPT-5.6 Sol，直接提示词注入攻击的防御率达到99.99%，但换成多轮自适应攻击后会掉到约67%。翻译成大白话：单次骗很难，持续套话仍然有缝。

对普通开发者和打工人，能做什么

第一，别急着把生产流量切过去。先开放少数组织、再灰度到全量用户，说明官方自己也在控制节奏。agent类任务消耗的token远大于普通问答，按每百万token输入10美元、输出50美元的标准价，跑一晚上自动化任务，账单可能比想象中涨得快。先小流量验证效果和成本，再决定要不要扩容。

第二，上agent一定要留"人确认"这一步。官方产品里都保留了Codex Auto-review这类自动审查机制（据报道），你自己接API做自动化时，更要把删除、转账、发消息、改权限这类高风险动作拦下来交给人工确认，别让模型直接操作。

第三，把提示注入当成正经安全项来做。让模型"自己上网、自己点按钮"之后，网页里一段恶意文字就可能变成发给它的指令。系统提示隔离、输出校验、最小权限账号，这些以前给普通程序用的招，现在都得给agent配上。

第四，想尝鲜不用急。官方说未来几天会放开给Plus/Pro用户（据iThome报道），可以先拿日常任务试试它的"电脑操作"到底顺不顺手，再决定要不要为它改工作流。

模型越来越像一个"能自己干活的新同事"。对新同事，该给的权限要给，该设的规矩也得设。至于这个新同事哪天会不会把我们的活也干了——这才是大家真正想问的吧。你怎么看，评论区聊聊。