2026年9月3日，日本时间，OpenAI正式发布了新一代模型“GPT-6 Astra”，引发广泛关注。该模型强化了在编码、电脑操作和信息调研等多步骤任务中的综合执行能力，不仅能生成文本，还能自动收集所需信息、制作文件，甚至实际操作应用程序。
本次测试中，我们让Astra开发了一个基于网页浏览器的3D逃脱游戏，以及一个能够查询真实家具尺寸并进行3D摆放的家具配置应用。此外，还让它在本地电脑上直接操作Excel，处理600条订单数据，完成复杂的规则计算。下面详细介绍其表现。
GPT-6 Astra在不同界面显示不同名称
GPT-6 Astra仅在付费计划中可用。Plus用户只能使用“Work”和“Codex”模式，无法在普通聊天界面选择Astra。若个人用户想在日常聊天中使用Astra，则需订阅Pro计划，月费为100美元或200美元（目前200美元计划暂时停止新用户注册）。
笔者订阅了Pro计划，但在普通聊天界面未能直接找到“GPT-6 Astra”名称。实际在输入框的“思考量”选项中显示为“6 Pro”，这实际上就是Astra模型。不同界面显示不同名称，略显混淆。
使用“6 Pro”进行文本创作和调研时，明显感受到模型思考更深入，能更细致地抓取条件和挖掘论点，输出质量和内容厚度均优于以往版本。尤其在处理多份资料和长文稿结构时，优势明显。
不过，响应时间较长，远超“5.6 Sol”，适合对答案质量要求高、愿意等待的场景。Plus用户也可通过“Work”模式体验Astra的智能。
仅凭简单指令，Astra完成了3D逃脱游戏开发
在“Work”模式下，笔者让Astra制作一个可在网页浏览器中游玩的3D逃脱游戏，内容是从封闭的研究设施中逃脱，游戏时长约5至10分钟，无需安装专用软件。
切换至“Work”并选择“GPT-6 Astra”，设置推理时间为最长，指令如下：
请制作一个基于浏览器的3D逃脱游戏，内容为从封闭研究设施逃脱，时长5-10分钟，包含钥匙和开关等机关，确保玩家能理解玩法并顺利通关。请将游戏打包为单个HTML文件，打开即可游玩。
36分44秒后，名为“LAST SIGNAL”的3D逃脱游戏完成。打开“last_signal.html”文件，呈现出被青绿色光照亮的研究设施，细致描绘了地板、天花板面板和门牌，营造出引人深入黑暗走廊的氛围。
游戏质量高，支持键盘和鼠标操作，移动流畅，可拖拽视角环顾四周，真实感强。玩家需寻找桌子和门，收集道具，破解谜题逃脱。
特别值得一提的是，游戏内对新手的引导非常完善，屏幕显示操作说明和当前目标，如“前往中央通道西侧的维护室”，并配备地图、记录和提示，帮助玩家避免迷路。
这些细节均未在指令中明确要求，Astra根据实际游玩场景自动补充，体现了从粗略需求到完整作品的强大整合能力。
若自行开发，需花费大量时间学习3D显示、移动控制和机关管理等技术，而Astra仅用不到一小时就完成，体验极为新颖。
制作基于真实家具尺寸的3D家具配置应用
接下来测试Astra制作一个家具摆放Web应用，帮助用户搬家后模拟家具布置。
仅看房屋平面图难以想象家具摆放后的空间感，若能用真实家具尺寸自由调整位置和方向，将极大方便规划。
本次使用了日本国家一套12帖洋室1K的虚构房屋平面图，家具包括日本国家东芝55英寸电视、瑞典国家宜家电视柜、双人沙发、咖啡桌和半双人床架共5件。Astra负责查询官方尺寸并制作应用。
指令如下：
请基于附带的房屋平面图制作一个家具配置Web应用。家具包括日本国家东芝55E770S电视、宜家FJÄLLBO电视柜、VALNÄS双人沙发、UGGLERUM咖啡桌和FÅGELFJÄLLET半双人床架。请从官方渠道确认家具尺寸，按1:1比例摆放，考虑通道、门窗开闭及床的使用空间。家具可自由移动和旋转，显示家具间距及尺寸来源。请勿推测尺寸。请将应用打包为单个HTML文件，浏览器打开即可使用。
初版是基于房屋图像叠加家具的2D应用，家具可移动旋转，间距可见，但显示较为简陋，难以直观感受空间。
随后追加指令，要求去除图像，重新绘制平面图，丰富界面，支持3D展示，允许根据已知尺寸推算缺失数据。
改良版支持平面图与3D视图切换，家具细节如沙发靠垫、床头板均立体呈现，家具种类一目了然。用户可通过平面图确认位置关系，通过3D视图感受空间，极大提升了使用体验。
家具尺寸严格对应官方数据，例如VALNÄS双人沙发尺寸为宽2060×深940毫米，FÅGELFJÄLLET床架宽1320×长2070毫米，确保摆放合理，方便规划动线。
最初的2D版本令人稍感失望，但Astra根据大致需求彻底重绘了间隔图，制作出切换视图的3D应用，体现了对最终目标的深刻理解和实现能力。
这与以往AI仅局部修改已有成果不同，Astra能根据意图不断完善，用户无需详细指定每个细节，体验极佳。
Excel处理600条订单数据，全部正确完成8项任务
最后测试Astra在Excel上的自动操作能力。
准备了一个虚构电商公司的出货任务Excel文件“引当问题.xlsx”，包含600条订单数据，需根据5个国内仓库库存分配商品，计算缺货数量、出货件数和运费等复杂内容。
“引当”指根据订单决定从哪个仓库调配多少库存。订单按ID顺序处理，仓库使用优先级不同，库存会随订单减少，分仓发货会产生额外运费。规则复杂，稍有差错后续计算即失准。
订单数据未按ID排序，库存、配送和费用信息分布在不同工作表。最后一道题要求在某仓库库存翻倍后计算缺货减少数量，需跨表综合计算。
使用Windows版ChatGPT应用，开启“Work”模式，新建项目并上传Excel文件，向Astra发出指令：
请打开“引当问题.xlsx”，阅读“ケース”工作表中的规则，操作Excel完成计算，填写“設問”工作表黄色回答栏。请保留计算过程，30分钟内完成并另存为“引当問題_回答.xlsx”。计算方法由你决定。
输入指令后，系统询问是否允许ChatGPT操作Excel，确认后AI开始模拟点击和输入。
22分钟后处理完成，生成的回答文件中8道题目全部正确，库存扣减、运费计算及库存变动后的比较均准确无误。
文件新增了“引当计算”和“集计・检算”工作表，详细列出600条订单的库存分配、缺货和运费计算，且与单独计算结果一致。
“集计・检算”表中还包含库存是否为负、分配数量与缺货数量总和是否匹配订单数量的校验项，体现了不仅计算，还自动设计了结果验证机制。
只要明确目标，Astra即可从计算方法设计到Excel操作和保存全程自动完成，结果和依据同一文件交付，极大提升工作效率。
适合交给不熟悉的复杂任务
Astra处理速度较慢，且在“Work”模式下根据任务规模和设置消耗不同额度。适合用于需要调研、制作应用或复杂数据处理的任务，尤其是自己逐步完成耗时较长的场景。
交付时应提供图纸、原始数据和业务规则，明确最终目标。像家具配置应用一样，也可先看成品再追加需求，逐步完善。
Astra能将曾因开发成本高而放弃的创意变为可用产品，其“完成任务”的能力令人印象深刻，同时也让人感受到其强大潜力的未来风险。但无疑，它是极具价值的辅助工具，推荐大家亲自体验。
作者简介：柳谷智宣
IT与商业领域资深撰稿人，拥有26年职业经验，涉猎数字设备、网络服务、消费及企业产品。近年来专注于AI、SaaS和数字化转型领域。日常撰写大量稿件，已离不开生成式AI的辅助。
