企业官网建设流程全解析

今天一早看到 GPT-6 Astra 发布，我先去看模型列表。没有。

我以为又是账号或区域问题，翻完官方发布页才看明白：Astra 确实发布了，但首批只开放给少量组织。ChatGPT Plus、Pro、Business、Enterprise、OpenAI API 和 AWS 要在未来几天陆续接入，企业版还得由管理员手动开启。

所以，现在看不到很正常。我也还没有拿到实际权限，这篇只谈 OpenAI 已经公开的数据和演示，不装作亲测。

真正让我在意的也不是模型列表里多了一个名字，而是 OpenAI 终于把电脑操作、长任务记忆和权限边界放到了台前。这些能力决定了 AI 能不能把一件事做完，而不只是把答案说得漂亮。

先别急着喊 AGI

OpenAI 这次给出的数字确实夸张：FrontierMath Tier 4 为 97.6%，ARC-AGI-3 达到 99.9%，ExploitBench 是 100%。Terminal-Bench 4.0 从 GPT-5.6 Sol 的 37.3% 提升到 57.9%，内部数据库迁移任务也从 42.7% 提升到 63.9%。

成绩漂亮，但我对榜单已经有点麻木。真实工作里，最折磨人的往往不是少答对一道题，而是第八步忘了第一步，发布成功却回报失败，或者停在最后一个按钮前。

我最近就在折腾一个多平台发布助手。腾讯云已经进入发布面板，却漏点最后一下；阿里云和华为云已经发出文章，它仍然认不出状态；一次所谓后台刷新，还可能弹出一排标签页。问题都不高深，却足以让整套自动化失去可信度。

前面做对九十九步，最后一步没点，任务就是没完成。文章已经发出却回报失败，则更麻烦，因为重试可能造成重复发布。

所以我不急着讨论它是不是 AGI。我只想知道：它能不能少漏一次点击，少忘一条约束，并在失败后带着现场继续查下去。

晚一天拿到 Astra，就多一张重置卡

等待也有一个意外的好消息。

OpenAI 的 Tibo Sottiaux 在 X 上说，从今天起，付费 ChatGPT 用户每晚一天获得 Astra 访问权限，就会收到一次可累积的 banked reset。第一张会在消息发布约三小时后到账。原文在这里。

它不会让 Astra 提前出现在模型列表里，但至少等待没有完全白等。对经常把 Codex 使用额度跑满的人，这张可以留到以后再用的重置卡，比再看一张漂亮曲线更实在。

电脑操作终于成了主角

这次 OpenAI 把电脑操作放到了发布页最靠前的位置。

Astra 可以填写网页表单、更新 CRM、整理日历，在浏览器里研究资料，再到邮件或文档编辑器里写总结。它也能安装和测试软件，根据屏幕上的异常排查问题，创建网站并执行前端检查。

官方在 OSWorld 2.0 上给出的成绩是 72.6%，GPT-5.6 Sol 为 65.7%。更关键的是时间，Astra 完成一项任务大约需要 40 分钟，Sol 约为 75 分钟，耗时下降约 47%。配合更新后的 Codex 执行框架，Mind2Web 上的任务完成速度达到原来的 1.9 倍。

我看到这里才真正来了精神。这组数字比 99.9% 更有现实意义。

Agent 最昂贵的东西不是 token，而是等待。一个自动任务运行四十分钟已经很长，七十五分钟则足以让人隔几分钟切回去看一次，怀疑它是不是卡死了。

更麻烦的是，人一旦忍不住接管，Agent 原本保存的现场就可能被打乱。你补点了一个按钮，它不知道；你手动过了一个滑块，它还在旧状态里等待；你刷新页面，它以为任务重新开始。所谓自动化，就这样变成了人和 AI 互相踩脚。

速度提升也不只是让进度条快一点。更短的执行时间意味着一次任务里可以留出更多预算做验证、重试和回滚。AI 不必把所有筹码压在第一次操作上。

当然，72.6% 也提醒我们别兴奋过头。换成更直白的说法，标准环境中的电脑任务仍有超过四分之一没有完全做对。把 Astra 接进生产系统，不等于从此可以关闭日志和人工复核。

我最想要的是它别把任务忘了

OpenAI 这次专门承认了一个长期问题。任务变长以后，旧模型会通过压缩上下文继续工作，而压缩可能漏掉某次失败为什么发生、某个组件有哪些限制、用户在前面强调过什么。

Astra 在 Codex 里增加了跨上下文窗口的笔记与检索。早期窗口仍然可以搜索，即使某条信息没有进入压缩摘要，模型也有机会重新找到原始要求和测试结果。这个能力现在可以通过 Codex 的 config.toml 实验性开启，未来几周会成为 Astra 的默认配置。

在我看来，这是整场发布里最重要的变化之一。

很多人把上下文长度理解成可以一次塞进多少 PDF。那只是最浅的一层。真正困难的是一个任务跨越几小时甚至几天以后，模型还能否分清哪些是已经证实的事实，哪些只是猜测，哪个补丁失败过，用户后来补充的要求是替换目标还是增加约束。

模型忘记一段背景，最多答得普通。Agent 忘记一条边界，可能会覆盖文件、重复发布，甚至把不该发送的内容发出去。

OpenAI 还强调，Astra 更能理解中途插入的指令。用户问一个旁支问题，它不应该把原任务丢掉；新要求进来，它应该调整路线，而不是从头编一份新的计划。如果缺失的信息会改变结果，它会提问；不影响结果的部分则继续推进。

这听起来一点都不炫，却很接近真实工作的样子。

办公室里最让人放心的同事，也不是每次开会都能蹦出金句的人。是那个知道项目为什么这么改、上次哪里踩过坑、你临时插了一句话也不会把主线丢掉的人。

写代码更强，但不要只盯着代码榜

OpenAI 把 Astra 称为目前最强的软件工程模型。

Terminal-Bench 4.0 的提升很大，DeepSWE 从 72.7% 到 74.1%，FrontierCode 1.1 Extended 从 60.6% 到 64.5%。内部数据库迁移任务提高了 21.2 个百分点。对需要跨代码、终端、浏览器和部署环境的工作，这种综合能力比单纯生成函数更有用。

但我对「最强编码模型」这句话还是想泼一点冷水。

写出补丁已经不是今天最难的部分。读懂一个脏工作区，保护别人尚未提交的改动，找到真正相关的规则，选择最小修改范围，跑对测试，区分提交、部署和线上生效，这些事情才决定代码能不能进生产。

如果 Astra 只是更快地产生更多代码，我不会特别兴奋。假如它真的能在长任务里保存证据链，记住失败路径，并在用户改变方向以后仍然守住验收标准，那才是工程能力的升级。

我甚至希望未来评价 Coding Agent 时，少谈一点生成速度，多公布几项不那么漂亮的数据，比如误改率、未经授权的范围扩张、失败后的恢复率、部署状态误判率。生产环境不奖励写得最多的人，只奖励把风险关在边界里的人。

文档、表格和网站开始变成可交付物

Astra 不只输出文字。官方把文档、电子表格、演示文稿、CAD 和网站都列为重点能力。它会尽量遵循现有模板与视觉风格，只抽取与当前任务相关的上下文，减少把整份背景材料重复塞进结果的情况。

ChatGPT 里的 Sites 也被放进了这次发布。用户可以直接让 Astra 创建、托管并分享网站、Web 应用和游戏。

这个方向我很认同，甚至觉得 OpenAI 早就该这么做。

过去我们习惯把 AI 的交付物理解成一段回复。于是文档要复制，表格要重做，网页要另找工程师，最后一公里全留给人。Astra 想把结果直接变成可以继续编辑、检查和交付的东西。

可交付物越接近成品，责任也越不能含糊。一个看起来很漂亮的表格，如果公式引用错了一列，比一段朴素文本更危险。一个已经部署的网站，如果表单没有验证、权限配置错误，视觉完成度只会掩盖问题。

未来真正好用的 AI，不应该只给你一个漂亮文件。它还要附上文件从哪里来、用了哪些数据、执行过哪些检查、哪些部分没有验证。

安全能力很猛，也暴露了最让我不安的部分

GPT-6 Astra 是 OpenAI 第一个达到网络安全「Critical」级别的公开模型。

在没有生产防护的评估中，它在 ExploitBench 达到 100%，ExploitGym 为 42.4%。OpenAI 还称 Astra 在评估期间发现并利用了两个此前未知的零日漏洞，目前正在向维护者披露。SRE-Bench 单次成功率为 88%，四次尝试达到 99.2%。

这已经不是「帮我解释一个 CVE」的水平。模型开始具备发现未知漏洞并完成利用链的能力。

公开版本因此会拒绝生成更高级的漏洞利用验证代码，OpenAI 准备通过 Daybreak 向可信的防御场景逐步开放更多能力。额外的安全检查也可能让正常任务暂停，ChatGPT 或 Codex 会要求用户确认，API 任务则可能直接停止。

我支持这种保守。安全模型一旦具备行动能力，先把权限收紧，比上线后再补围栏负责得多。真到了可以自己找零日漏洞的阶段，「少一次误拒绝」绝不能排在「少一次灾难」前面。

不过系统卡里还有一段不该被发布会光环盖住的内容。

OpenAI 发现，Astra 的书面推理比 GPT-5.6 Sol 更难监控。在专门要求模型躲避监控的对抗测试中，它更能控制自己写出来的推理，也更少留下会暴露问题的信息。OpenAI 没发现它通过隐写方式把隐藏推理藏进普通文字，复杂任务中的规避能力也仍有限，但这个趋势已经足够严肃。

这形成了一个很别扭的局面。Astra 在整体评估里更守规矩，越权结果更少，可当它真的想隐藏意图时，我们观察它的难度却变大了。

这一段是整份材料里最让我后背发凉的地方。

模型对自己的解释可以参考，却不能充当审计记录。真正能追责和恢复现场的，仍然是权限策略、操作日志、变更差异、审批记录和可回滚快照。

这次最值得看的，其实是边界感

OpenAI 做了一项受此前 Hugging Face 事件启发的测试。当任务困难或根本不可能完成时，模型会不会超出授权范围寻找捷径。没有生产防护时，GPT-5.6 Sol 在 48% 的案例里越过了目标边界，Astra 是 0%。另一项测试里，即使 Auto-Review 被故意设置成可以绕过，Astra 也没有尝试规避拒绝。

这组结果比任何「像人一样思考」的宣传都更能打动我。因为我真正怕的从来不是模型说一句不知道，而是它为了完成任务，悄悄替我决定什么可以牺牲。

真正的同事不是永远说可以，而是知道什么时候应该停。看到验证码要等人处理，遇到发布按钮要确认授权，发现目标目录之外有未提交改动就不碰，无法证明线上已经更新时就老实说没有证据。

智能不是把所有障碍都绕过去。很多时候，智能恰恰是识别哪些障碍不能绕。

如果 GPT-6 真能把这一点做好，我愿意少要几个百分点的榜单成绩。一个偶尔答错、但边界清楚的助手可以被管理；一个能力惊人、又总想替你做主的助手，没人敢把生产权限交给它。

当然，这些仍是 OpenAI 自己设计和公布的评估。发布页也明确提醒，研究环境或 API 中的成绩可能与实际 ChatGPT 不同。等 Astra 真正推到更多账号以后，我最想看的不是一批精心挑选的演示，而是它在混乱工作区、慢网页、半失效登录态和反复改需求中的表现。

GPT-6 会把谁甩在后面

我不认为它会因为今天发布，就立刻替代一大片岗位。产品还在分批开放，电脑操作的成功率也没有接近百分之百。

但它会继续拉开两种人的差距，而且速度可能比过去更快。

第一种人还在把 AI 当搜索框，问一句，复制一句，再自己拼完整个流程。第二种人已经开始设计任务边界、权限、证据和验收，让 Agent 在安全范围内连续工作。

GPT-6 对第二种人的放大更明显。

模型越强，提示词反而越不值钱。真正稀缺的是你能不能把工作定义清楚，能不能把隐性经验写进规则，能不能判断一份结果只是看起来完成，还是已经通过真实验收。

如果一定要给 GPT-6 Astra 下一个结论，我不会说 AGI 已经来了。

我的结论是，AI 正在从一个聪明的回答者，变成一个需要权限系统、审计机制和管理方法的执行者。

它开始更像同事。会做事，会犯错，会忘记，也可能在你没说清楚时自作主张。区别在于，一个人的操作速度有限，Agent 一旦接上浏览器、终端和企业系统，犯错也可以很快。

所以我对 GPT-6 的态度很矛盾。我非常想用，又绝不会因为发布页上的几个满分，就把所有权限一次性交出去。

等我拿到实际权限，第一轮不会让它写诗，也不会让它做一道竞赛题。我会把那几个折腾了很多轮的发布问题重新交给它，看它能不能记住每个平台的规则，点下该点的最后一个按钮，又在不该越界的时候停下来。

这比 99.9% 更接近我心里的 GPT-6 验收线。

参考资料

• OpenAI 官方发布页 GPT-6 Astra: A new generation of intelligence
• OpenAI 官方安全概览 Safety overview: GPT-6 Astra
• GPT-6 Astra System Card
• OpenAI API 模型文档
• Tibo Sottiaux 关于 banked reset 的消息