GPT-6 Astra 是一段時間以來第一個讓人感覺超越了基準測試展示的模型。 電腦使用能力的躍升才是真正的重點，而不是更聰明的聊天功能。 實際在機器上執行工作：瀏覽、填表、使用軟體、多步驟任務。 這屬於不同的產品類別。 Grok 4.7 預計將於九月中旬推出。 不同的賭注：更大的預訓練模型加上大量 SpaceX 工程數據。如果這一點成立，這將成為真正針對能執行工作而非僅描述工作的代理的比較。 接下來的兩週將非常熱鬧。唯一重要的測試是混亂的真實工作流程，而非上線當天的截圖。