大家好，我是 AI 超元域。
这次测试 GPT-6 Astra，我在 ChatGPT 和 Codex 中都选择 medium 推理级别，把任务从原生 App 开发一路延伸到 3D 游戏、看图构建场景、浏览器自动化与桌面下棋。
这轮有几个具体结果值得关注：macOS 音乐播放器约 15 分钟完成，iOS 背单词应用约 82 分钟完成，而且开发过程中会调用模拟器做自动化测试。与此同时，水墨动画里的鱼群形态、游动方向，以及房屋中的床铺朝向，也说明作品仍有需要人工检查的细节。
本文依据本期公开简介、章节与匹配的已保存校正字幕整理。未取得 YouTube 直接导出的完整字幕，耗时和操作结果按本期记录说明，未独立复跑。官方资料补充核验于 2026 年 10 月 24 日。
如果播放器无法加载，可以前往 YouTube 观看完整视频。
先看测试范围：medium 不是官方跑分的统一复现
本期 ChatGPT 和 Codex 均使用 medium。前半部分介绍了科学工作流、商业工作流、数学、终端、CAD 和交互推理等基准，但实际案例主要集中在开发、视觉场景和电脑操作，并没有复现这些正式评测。
OpenAI 官方发布页把电脑操作、浏览器与软件工程列为 Astra 的重点能力，也提到 Codex harness 的速度改进。由此可以看出，用户体验来自模型与工具环境的共同作用，不能把一次任务的速度全部归因于模型本身。
下面记录具体交付和不足，不把个人案例扩大成“所有任务都优于其他模型”或“已经证明 AGI”的结论。
黑洞演示：参数、视角与结构标注可以互动
第一个案例生成了可互动的黑洞场景。界面支持调节参数，切换自由飞行、电影与科学观测模式，还能选择不同类型的黑洞并显示结构标注。
这一项让我比较满意的是，视觉展示和操作入口结合起来了：看完一个角度，还能主动切换模式观察变化。不过，本期没有验证物理方程、参数单位或数值精度，它应当被理解为交互式视觉演示，而非已经通过校验的科学模拟器。
iOS 背单词 App：82 分钟开发，还会打开模拟器测试
背单词应用在 Codex 中开发，按当期记录耗时 1 小时 22 分钟。值得注意的是，开发过程中不仅生成代码，还会打开模拟器、滚动页面、切换标签、输入单词搜索，并点击练习选项。
这些操作展示了模型能够通过界面检查一部分流程。但自动点击完成不等于测试覆盖完整，也不能仅凭操作速度就判断所有断言都正确。
随后我手动运行了应用。从引导页进入后，可以选择词汇范围并设置学习数量。学习页面支持发音、翻转卡片、查看中文解释和标记认识状态；完成后显示认识与不认识的单词。
其他实际体验过的功能包括单词查询与收藏、听力练习、正确率、错误单词详情、学习进度和成就徽章。设置页还能选择英音或美音。我故意在听力练习中选错，界面给出错误反馈，结束后也显示了对应单词。
这个案例已经有较完整的学习链路，但本期没有核验长期复习效果、词库准确性、同步能力和数据恢复，不能据此写成正式教育产品已经完成。
macOS 音乐播放器：15 分钟后能播放与控制
任务要求开发原生 macOS 音乐播放器，视觉风格参考 Apple Music，同时明确不使用 Apple 的 logo、图标、字体等受保护内容。按当期记录，Codex 用约 15 分钟完成开发。
运行后可以进入推荐专辑、播放测试音乐、打开迷你播放器、切换下一首、收藏歌曲，并查看接下来要播放的内容，也能隐藏侧边栏。
这是一个具备基本播放控制的应用成果。这里的“参考 Apple Music 风格”不意味着它已获得 Apple 授权、接入官方服务或具备完整曲库；测试音乐的播放也不能反向证明模型原生具备音乐生成能力。
两款 3D 游戏：一款指定 Godot，一款自由发挥
这一项明确指定 Godot 4，引擎中的游戏背景设为侏罗纪：玩家驾驶坦克，场景里有恐龙、翼龙、UFO、树木和神秘物体。
首次开发约 19 分钟完成。之后我追加要求，将恐龙转圈改成随机漫步，又用了约 2 分多钟。这个修改过程很重要，它说明最终展示的版本包含一次后续调整，不能写成第一稿已经完全符合要求。
试玩时可以移动坦克、瞄准并射击恐龙，UFO 会攻击玩家，击中 UFO 后可以看到它的血量减少；击中神秘物体还会触发天空变色。这里确认的是这些玩法片段能够运行，没有进行完整性能或长时间稳定性测试。
第二款游戏没有指定技术栈。要求是制作一个 3D 动作冒险场景，主角像小狐狸，有尖耳朵、大眼睛并提着灯笼。按本期记录，开发约 20 分钟完成。
运行后可以操控角色旋转、踢飞箱子和连续跳跃，整体具有童话场景的观感。由于本期没有明确记录所选技术栈，不能因为前一个案例用了 Godot，就把这一项也归为 Godot 游戏。
看图生成空间：室内和飞船都能探索，布局仍需检查
我上传室内平面图，让模型构建可探索建筑。结果可以切换楼层、俯视和第一人称视角，进入餐厅、客厅、阳台、书房与卧室，看到电视、沙发、绿植和家具。
整体观感不错，但第三个卧室中，床头朝着门口的摆放让我觉得不太合理。这是具体的布局问题，也提醒我们：生成出来的空间即使漂亮，仍要核对原图、家具朝向和使用动线。
飞船案例要求用前端技术复刻参考图。结果展示了外部结构、尾焰、载人舱和天线，还能放大看细节、切换内部不同舱室。
这一项支持的是模型能从图像出发构建三维视觉体验，不代表每个结构都有工程可行性，也不意味着内部布局能由一张外观图唯一推导出来。
《山河醒》：完整分镜走通，鱼群仍有明显不足
《山河醒》的提示词给出了七段结构：落墨、群山、江河、人间、风暴、云上与归一。实际播放中，墨滴形成群山，随后出现江河、建筑、船只、烟花、闪电与白鹤，最后各种元素收回一点墨。
山峦的层次、颜色变化，以及建筑与船只的呈现给我的印象较好。但江河里的鱼不太像真实鱼类，游动方向也不理想。这些缺陷在完整动画里很容易被一带而过，逐段检查才能发现。
这轮成果是模型与工具环境完成的动画体验，不能据此定义模型的原生视频生成架构。本期也没有记录后续修复是否完成，因此应当保留这些不足，而不是写成“经过修复已完美”。
Tinkercad：本地生成 STL，再导入网页
我在浏览器中打开 Tinkercad，要求制作英国巨石阵。操作过程里，Codex 创建了 3D 设计、使用导入功能选择文件，再调整场景颜色。
之后我追问具体方法，得到的说明是：先在本地生成 STL 三维模型，再导入 Tinkercad。因此，正确的描述是“本地建模文件加浏览器导入与调整”，不能写成模型在网页里逐块拖拽石头完成了全部建模。
这个路径很实用，展示了代码生成与界面操作可以配合完成任务。保存字幕未能明确浏览器名称，所以这里只写浏览器，不擅自补成 Chrome 或其他产品。
桌面国际象棋：速度优先，20 回合用时 5 分 12 秒
最后，我打开 Mac 自带 Chess，明确要求不要考虑胜负，以最快速度下棋。按本期记录，完成了 20 回合，用时 5 分 12 秒。
这项测试的目标就是操作速度，而不是棋力。视频没有提供足以核验获胜的结果，因此不能写成战胜电脑；也不能将它与其他模型在不同指令和环境下的对局，直接换算成通用 Computer Use 性能排名。
总结：交付能力与验收问题同时变得更具体
这轮 Astra 的进步感，主要来自任务能够连续推进：写 App、打开模拟器检查，再到浏览器导入文件和桌面操作，多个步骤已经可以连接起来。
但具体问题也必须留下：恐龙行为需要追加修改，卧室家具朝向不合理，鱼群形态和运动需要修正。真正有用的结论是，这些工作已经能较快得到可操作的第一版，而人仍需定义验收标准、逐项检查并确认修改是否生效。
资料来源
- 本期 YouTube 视频及公开章节
- OpenAI：GPT-6 Astra: A new generation of intelligence，官方信息核验于 2026 年 10 月 24 日。