2026 年 9 月 3 日，OpenAI 發布 GPT-6 Astra。幾天後，黃仁勳在 X 貼文 中表示：「AGI 已到來。」這則發言引起一些好奇與討論：Astra 模型能做到哪些事？AI 達到什麼程度，才算通用人工智慧（AGI）？
對經常使用 AI 的企業工作者而言，Astra 與上一代 Sol 的差異提供了重新檢視過往 AI 應用的理由：操作太慢、簡報老是不合格式，或任務中途調整方向就遺忘原始限制的情況，Astra 都有了明顯的改善。
本篇 Aiworks 將先比較 Astra 與 Sol 的整體表現，再看電腦操作、文件製作、程式開發與視覺設計的具體優化，最後回到 AGI 的定義，討論這些進展意味著什麼。
GPT-6 Astra 與 Sol 相比，整體表現如何？
從 OpenAI 公布的評測 來看，Astra 在科學、數學、推理、程式、搜尋與長文理解上都有進步。其中，高難度數學與長文理解拉開了較大的差距。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
註：ARC-AGI-3 要求模型自行探索陌生的 2D 遊戲、推斷規則，分數比較完成任務時相對於人類的行動效率。Sol 僅 7.8% 是因為採原設定；Astra 99.9% 則採保留推理、啟用長紀錄壓縮的 Responses API。Sol 若改用後者設定，在另一組公開題目也有分數的提升，顯示此差距同時受模型與測試設定的影響。（官方說明）。
這些進展也反映在實際工作中，接下來的案例分享，會進一步呈現這些改變是如何影響工作過程與產出。
Astra 的能力更新，會改變哪些工作？
一份提案可能同時需要查資料、整理數據、製作簡報，再把概念做成可展示的畫面。Astra 這次的更新分別改善了這些環節。
Computer Use：介面定位更精準，也縮短操作時間
Computer Use 讓 AI 直接操作軟體。Astra 這次能更精準地定位介面上的操作目標，也能更快完成一連串操作。在 OSWorld 官方模擬結果中，Astra 的得分提高，耗時也接近減半。對原本因為等待太久而放棄交給 AI 的工作，這項差異尤其值得重新評估。Codex 同期也改善了電腦工具的執行速度。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
當任務跨到其他企業軟體，AutomationBench 要求 AI 在模擬環境中執行業務、行銷或營運工作，並核對操作後的資料是否符合要求。這項評測由 Sol 的 18.1% 升到 Astra 的 41.4%，呈現了多步驟執行的改善。
在官方的網站功能檢查示範中，Astra 依清單測試導覽、搜尋與互動功能。以行銷團隊來說，可以嘗試把活動測試頁與清單交給 AI，請它逐項操作、記錄異常，再評估省下多少人工測試時間。
文件與簡報：選對內容、沿用風格，任務轉向時保留原要求
電腦操作改善的是執行過程，文件製作還要處理另一個問題：成品是否符合使用者要交付的內容與格式。Astra 這次加強的是依範本編排，以及用精簡且有結構的敘事方式呈現重點。OpenAI 將這些進展歸因於電腦操作能力的提升，以及針對專業工作環境的訓練。
Gaia 簡報展示的是根據少量範本，延伸出整份風格一致的內容。官方提供的 3 頁 OpenAI 參考範本包含封面、資訊架構，以及文字搭配圖表的版型。展示的成品是介紹虛構模型 GPT-Gaia 的 12 頁簡報，涵蓋模型架構、效能、天氣圖、運算時間與定價。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
另一項改善是，Astra 在處理途中提問或新增要求後，延續原任務、保留既有條件的表現有所提升。官方指出，先前模型有時會把補充訊息當成新目標，因而遺失原本的任務或限制。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
對經常做月報或客戶提案的人，可以拿一份過往資料作為範本去做新模型的測試：檢視 AI 產出的重點是否清楚、限制皆有遵守與否。也同時觀察原先的資料範圍、與品牌風格是否一致。當 AI 能寫好內容、沿用格式，就能省下調整版面與重新交代的時間，讓製作者把心力放在提案內容與判斷上。
程式開發：完成較複雜的任務，找回長時間開發的紀錄
程式開發機制上的新進展是 Codex 處理長對話的方式，模型每次能讀取的內容有容量上限。當工作紀錄累積一定程度時，過去模型會把它整理成摘要，再接續工作；反覆濃縮的過程，可能省略某次修正失敗的原因。
Astra 的實驗性功能讓模型持續累積工作筆記，需要細節時再搜尋原始紀錄。即使換到下一個視窗，先前的筆記仍會保留。若遺漏某項需求或測試結果，模型還能搜尋先前的訊息與工具輸出，在筆記中補回接下來工作需要的資訊。
（圖片來源：使用 OpenAI ImageGen 生成，Aiworks 製作）
視覺與 3D 設計：改善畫面判斷，把模型做成可探索的空間
OpenAI 表示 Astra 加強了網站、遊戲、應用與渲染成果的視覺判斷。Simon Willison 的程式繪圖實測 提供了一個直觀的比較：請模型用 SVG 向量繪圖程式碼畫出「鵜鶘騎腳踏車」。下圖比較兩者在 max 推理強度下的作品：Sol 的鳥身較圓、輪廓較簡單；Astra 則畫出較修長的身形、羽毛層次與彎曲的踩踏姿勢。
Astra · max
Sol · max
兩張皆為 max 推理強度的原作；其他思考程度見 原作者完整比較。
（圖片來源：Simon Willison 的鵜鶘繪圖實測，Simon Willison）
官方展示的 Tidal Rush 賽車遊戲，則能直接看到程式與視覺製作結合的成果：有完整賽道、車輛、操作介面與可互動玩法。可以直接體驗 Tidal Rush 賽車遊戲，觀察場景、車輛動作與操作介面如何配合。
（圖片來源：Pietro Schirano／OpenAI 官方展示）
官方住宅案例把這些能力放進一段完整製作流程：Astra 在 Blender 製作房屋模型，再轉成 Unreal Engine 5 中可以走動的場景。
（圖片來源：GPT-6 Astra 官方展示，OpenAI）
這類作品能讓空間提案的討論更具體。當客戶說「希望客廳更開闊」，團隊便有一個共同畫面，可以討論視線、家具位置，以及室內與庭院的連接。團隊也因此能更早確認彼此的想像是否一致，再把修改時間用在空間配置與設計細節上。
Aiworks 觀點：距離 AGI 更近，企業現在可以做什麼
Aiworks 認為，Astra 讓 AI 更接近通用工作的要求。幾種能力開始能共同支撐較完整的製作過程：理解需求、操作不同軟體、延續修改，再交出文件、程式或立體場景。Computer Use 與 3D 的改善，也讓 AI 能參與更多原本需要人反覆操作與調整的工作。
至於是否已經達到 AGI，仍取決於採用的定義。OpenAI Charter 強調高度自主，並在大多數具經濟價值的工作上超越人類；Google DeepMind 的分級框架 則區分能力的深度與廣度，並討論自主性。依這些要求來看，Astra 展示的能力提供了更接近 AGI 的具體理由，但接下來還是要持續觀察它在更多真實任務中，到底能達到什麼表現，以及需要多少人為的協助。
對企業而言，這次 Astra 的更新值得拿過去的工作重新測試與評估。先前因為操作太慢、任務追加後遺失原有條件，或 3D 成果難以使用而擱置的任務，都可以沿用當時的材料與交付標準再試一次。後續團隊便能依據實際表現，重新安排或是擴大 AI 可以承擔的工作範疇。
📩 想為你的組織打造 AI 協作能力？
Aiworks 提供企業內訓、客製化培訓與實作工作坊，協助各產業團隊規劃生成式 AI 的導入與應用策略。
▼ 聯絡我們｜規劃你的 AI 實戰課程，讓轉型真正落地 ▼
（若表單未正常顯示，請點擊此連結進入表單填寫頁面）
推薦延伸閱讀
▶ 從 ChatGPT Work 看企業 AI 導入：任務交接、人工核准與治理邊界
▶ ChatGPT Sites 怎麼用？一次看懂功能、分享設定與部署方式
▶ Google Gemini 新功能一次看：模型、語音、Notebook 與 Skills 有哪些改變？
參考來源
- OpenAI Charter｜OpenAI
- AGI has arrived｜Jensen Huang / X
- GPT-6 Astra: A new generation of intelligence｜OpenAI
- GPT-5.6: Frontier intelligence that scales with your ambition｜OpenAI
- The Pelican comparison grid for Astra is pretty interesting｜Simon Willison
- Levels of AGI for Operationalizing Progress on the Path to AGI｜Google DeepMind