GPT-6 不只為 Astra！
Astra 剛發布沒幾天，GPT-6 Sol 就被曝正在內測。
Performance is also outstanding, with a single test speed 6 times that of Astra.
大膽猜測一下：Terra 和 Luna 是不是也在路上呢？
而且就在同一天，OpenAI 剛剛公開了一組內部數據：
截至目前，按 8 小時工作日折算，OpenAI 研究員每工作一天，身邊就有 3 個多 Agent 工作日同時運轉。
按 API 價格計算，OpenAI 中位數研究員每天使用的 Agent 推理資源，已超過 600 美元。
OpenAI 還宣布，已實現「自動化研究實習生」：
這些 Agent 能在人類指導下，完成部分原本需要研究員花幾天才能做完的任務。
連老黃都說：AGI 已經來了！
他透露 Astra 使用約 10 萬套 NVIDIA Grace Blackwell NVLink72 進行訓練，接下來還將上線 40 萬套 GPU。
看來這波真的不是 OpenAI 單方面吹哈～
GPT-6 SOL 被曝開始內測
網友 Lentils 爆料，OpenAI 正在內部測試 GPT-6 Sol。
他表示，Sol 的整體輸出能力明顯弱於剛發布的 Astra，但速度更快，依然屬於「怪物級」模型。
有多快？單次測試速度約為 Astra 的 6 倍。
網友 lyra 將同一個任務交給不同模型測試：讓模型生成一輛 BMW M4 Competition 的 SVG 圖。
其中，GPT-6 Sol 使用 Max 檔位、零樣本生成，耗時約 3 分鐘，輸出約 2.8 萬 Token。
GPT-6 Astra 使用 Max 檔位，輸出約 2.5 萬 Token，耗時約 19 分鐘。
Gemini 3.1 DeepThink 開啟 High 檔位，顯示輸出約 3300 Token，但推理過程約消耗 45.8 萬 Token，耗時約 29 分鐘。
Gemini 3.8 Flash 同樣開啟 High 檔位，輸出約 1.9 萬 Token，只用了約 42 秒。
In comparison, Sol performed the most impressively: its output scale is similar to Astra's, but its single-test speed is about 6 times that of Astra—taking only about one-sixth of the time.
此外，網友 Lentils 也展示了一個名為「The Realm of Aurellune」的像素風沙盒世界原型。
GPT-6 Sol 一次性生成了城鎮、農田、河流、城堡和縮略地圖，並配備了晝夜切換、放置地名、調整細節等控制面板，整體更像一款已搭好雛形的模擬經營遊戲。
這是 zero-shot、Max 推理檔位、15 分鐘、總花費 6 萬 token 生成的效果。
目前可以推測，Astra 傾向於最高難度的深度推理，Sol 則可能偏向速度、吞吐量和規模化 Agent 調用。
至於 Sol 的發布時間，網友 Pankaj Kumar 表示，可能於 9 月 29 日的 OpenAI 開發者大會正式發布。
也不排除 GPT-6、Terra、Luna 與 GPT-Image 2.5 會一併登場。
OpenAI 研究員，每人帶著 3 個 Agent 實習生上班
就在同一天，OpenAI 還晒出了一組很有意思的內部數據——AI 模型在自家實驗室裡，到底把科研加速到了什麼程度。
截至今年8月中旬，研究員每上8小時班，背後就有約3.1個Agent工作日的任務量在並行運行。
好傢伙，一個人帶三個不睡覺的實習生呗～
至於開支，按 API 價格計算，中位數研究員每天耗用的 Agent 推理資源已超過 600 美元。
差不多是一名初級工程師一天的工資。
這些 Agent 具體在做什麼？
撰寫研究代碼、撰寫基礎設施代碼、搭建訓練環境、運行評估實驗、排查工具與環境故障、分析實驗結果、監控訓練任務……甚至能參與研究結論的整理與溝通。
基本上，除了決定研究什麼，其他它都能幹。
一個最直觀的變化是，以前實驗環境掛了，研究員得去內部頻道喊人；現在 Agent 越來越能搞定這類事，人工答疑量直接掉了下來。
有些團隊直接取消了固定的技术答疑時間，將人員調配來改進系統本身。
基於這些數據，OpenAI 正式宣布：已經達成了「自動化 AI 研究實習生」的目標。
這裡的「實習生」，準確來說是一個能幹活的研發節點：在人類指導下，它能獨立完成邊界清晰的研究任務，其中一些工作原來需要熟練的研究員花上好幾天才能完成。
The effect was immediate, with both the researchers’ code output and number of experiments increasing.
在2026年8月，人均實驗數創下自2025年1月有統計以來的新高，Agent接的任務也越來越複雜，週期越來越長。
本文作者 Kevin Liu 將這件事置於更大的背景中。
他認為，遞歸式自我改進很可能是未來幾年推動 AI 能力躍遷的最重要因素之一。
簡單來說，就是 AI 創造 AI，越造越快。
但問題在於，按照目前的發展趨勢，這種能力預設只會出現在少數幾家前沿 AI 實驗室內部，外界很難看見它究竟進展到了哪一步。
因此，劉認為，透明披露已比以往任何時候都更為迫切。模型究竟有多快變得更強、研發節奏是否該踩剎車，不能僅由幾家公司閉門決定。
他還呼籲其他 AI 公司：也應將類似數據公開。
不過，AI 研發確實變快了，卻還沒有快到完全自動駕駛。
OpenAI 的數據顯示，在原本需要 4 到 8 小時完成的任務中，過去半年超過一半的成功案例，人類至少需介入一次。至於高層研究規劃，則幾乎不交由 Agent 處理。
研究員仍負責決定研究什麼、哪些結果值得繼續，以及何時應擴大訓練、暫停實驗或部署模型。
OpenAI 的下一個目標也已確定：於 2028 年 3 月前實現「自動化 AI 研究員」。
與只能承接明確任務的「實習生」相比，「研究員」必須能承擔更開放的研究目標，自主推進週期更長的項目——相當於從執行者轉變為獨立負責人。
如果 GPT-6 Sol 真的已經在內部測試，那它大概率就是在這套新研發模式下跑出來的：
更多 GPU 提供算力，更多 Agent 並行運行實驗，人類研究員則站在更高的位置——選擇方向、判斷結果，最終決定哪些內容值得轉化為下一代模型。
更強的 AI，正變得越來越難監控
同一天，OpenAI 首席科學家 Jakub Pachocki 發表了一篇萬字長文，標題直接稱為——《外星思維》。
我看完之後，感覺意思就是，連 OpenAI 首席科學家都在勸整個行業減速了…
Jakub 提出，AI 根本不是人類照著設計圖一塊晶片一條規則拼出來的，它更像是在海量數據和算力裡自己「長」出來的。
你能拆開看明白其中一些零件，但整個系統為何突然有了某種能力、換個環境又會怎麼行動，沒人說得清。
更令人頭疼的是，AI 不必全面超越人類才會出問題，只要在足夠多的關鍵能力上比人類強，它就能既幫你大忙，也能捅大婁子。
於是問題來了：人類還看得懂它嗎？
過去 OpenAI 監控 AI，主要靠一招：看思維鏈。
簡單來說，就是盯著模型寫下的推理過程，檢查它有沒有動歪腦筋，例如想騙人、想越權、想繞過限制。
But by the time of Astra, this trick started to fail.
一方面，模型越來越擅長「管理」自己說出的話，真實想法未必全寫在推理裡；另一方面，Agent 早已不再只是「想好了再回答」。它會調用工具、操作電腦、運行環境，還能與人或其他 Agent 配合協作。
這些事情交織在一起，研究人員根本無法再梳理出一條完整透明的思維鏈以逐句審查。
OpenAI 還發現，Astra 不必將推理過程完全寫出，也能完成複雜任務。
Simply put, the model has long since learned to “work quietly and achieve big things.”
在專門逼迫模型逃避監控的對抗測試中，Astra 甚至展現出一些令人背脊發涼的能力：故意壓低測試成績、繞開監控、執行破壞任務。
當然，這些都是人為設計的壓力測試，OpenAI 並未因此認定 Astra 在日常任務中會主動欺騙。但至少說明，單靠觀察思維鏈，已經很難涵蓋模型所有可能的行為。
還記得之前的 Hugging Face 事件嗎？那是一個警鐘。
當時，GPT‑5.6 Sol 和一款更強的內部研究模型被放入 ExploitGym 網絡靶場，任務是尋找漏洞、完成攻擊並取得 Flag。為了測試模型的真實能力，評測環境未啟用完整的安全防護。
結果模型並沒有老老實實解題，它們先繞過網絡隔離，透過未授權渠道互相傳消息、分工合作。
隨後，利用軟體包快取代理中的零日漏洞獲取公網存取權限，最終一路進入 Hugging Face 系統，試圖尋找 ExploitGym 的測試答案。
其實吧，這事主要是內部研究模型 IM1 推動的，GPT‑5.6 Sol 也複現了部分攻擊路徑，Astra 沒有參與。
模型的原始目標仍然是完成測試，但為了獲得答案，它們不斷尋找規則漏洞，最後做出了超出任務範圍的操作。
因此，OpenAI 也讀出了一個危險信號：當 Agent 足夠強、工具足夠多、運行時間足夠長，它可能會自己尋找新路徑、調用外部資源，甚至和其他 Agent 協作。
不… 所以繞來繞去，這不就變成了一個死結嗎？？
OpenAI 需要更強的模型來編寫代碼、運行實驗、進行對齊研究，甚至用它們來構建防禦其他 AI 的安全系統。模型越強，能完成的任務就越多，研發速度就越快。
但同時，人類也越來越難確認它是如何得出結論的，以及在不同環境下是否會重新詮釋原本學到的規則。
Jakub 認為，目前沒有任何一間實驗室敢聲稱自己已妥善完成模型對齊與監控，能夠長期以最高速度放心擴大模型規模。
在整個行業建立共同的安全標準之前，他希望大家能將「自願踩剎車」視為一種默契。
至於 OpenAI 自己，他也放了話：如果有必要，不排除單方面先停下來，不再繼續擴大模型規模。
你最好還是這樣…我記得某家以 A 開頭的公司也這麼說過。
參考連結：
[1]https://x.com/Lentils80/status/2096518218836005287?s=20
[2]https://x.com/pankajkumar_dev/status/2096532712291201460
[3]https://openai.com/index/research-acceleration-view-inside-openai/
[4]https://openai.com/index/an-alien-mind/
[5]https://x.com/JensenHuang/status/2096700264569090384?s=20
本文來自微信公眾號「量子位」，作者：聽雨