GPT-6 Astra 破译一条此前未解的 1918 年一战德国无线电报

Rohan Paul 梳理 OpenAI GPT-6 Astra 117 页系统卡的要点：Astra 控制自身链式思维的能力从 GPT-5.6 Sol 的 16.1% 跃升至 60.9%，可监控性相应下降。

OpenAI 官方博客披露新政策，将在完全理解或修复行为之前公开披露模型失对齐，优先披露揭示新失败机制、已知问题恶化或动摇现有安全防护假设的案例。

Sam Altman 在与 Salesforce CEO 的对话中表示，OpenAI 一个内部 post-Astra 模型能解决世界顶尖数学家无法解决的问题。他给出的阶梯是 GPT-5.5 约相当于普通数学教授，5.6 相当于前 1%-2% 的数学教授，Astra 略好于此，而内部模型更强。内容转自 Salesforce YouTube 频道的完整视频。

Rohan Paul 引用 Andon Labs 的 Vending-Bench 2 结果，GPT-6 Astra 平均赚 $15，515，六次独立运行中 Claude Fable 5.1 平均 $5，422。

OpenAI 高管 Tibo（@thsottiaux）表示 GPT-6 Astra 的需求前所未有，团队正尽一切办法支撑需求，但若持续，可能暂停新的 Pro 订阅。他称保障现有用户的优质服务始终是优先事项。

Rohan Paul 转述 OpenAI 官方消息：其未发布内部模型在多项基准上相比 GPT-6 Astra 有阶跃式提升，训练仍在进行。该模型组用约 10，000 个协作 AI 智能体在 88 小时内得出 Navier-Stokes 解，全程保持监测与隔离等前沿评估安全防护。作者认为新模型能更高效地利用额外推理计算，而非简单延长 Astra 的运行时间。

GPT-6 Astra （Max） 以 1797 分登顶 Code Arena： WebDev 榜单，领先第二名 Claude Fable 5.1 （Max） 35 分、第三名 Claude Opus 5 （Max） 109 分。

Sam Altman 在 Bloomberg Television 表示，GPT-6 Astra 不是因网络安全担忧被暂停的那个模型，被暂停的是一个未来模型，Astra 已完成训练一段时间。他还称 Astra 达到了 cyber-critical 级别。完整视频来自 Bloomberg Television YouTube 频道。

AI/ML API 用四个场景简报测试 OpenAI 的 GPT-6 Astra 与 Anthropic 的 Claude Fable 5.1，要求各自一次性生成独立 HTML 场景文件、不做修改。

Rohan Paul 发文称 token 已不再是可比的工作量单位，同样的问题不同模型可能分别消耗 5K 与 50K+ tokens，加上不同 tokenizer、隐藏推理 token、工具调用与重试，"$ per 1M tokens" 对实际工作负载已无意义。