各位，我终于可以说我们比GTA 6更早拥有了GPT-6。所以，GPT-6 Astra已经发布，它简直是个怪物。在这段视频中，我们将全面介绍它能做的各种离谱事情，同时也会涵盖它的规格、基准测试、性能等更多内容。让我们直接开始吧。现在，为了展示GPT-6的能力，我将对它进行一系列多样化且具有挑战性的测试。

你可以使用在线聊天界面来操作它，但为了充分发挥其全部潜力，最好通过ChatGPT桌面应用或之前被称为Codex的平台来使用。在这里，你可以让智能体同时处理多个项目，每个项目都可以保存在你的本地计算机上。因此，它可以操作多个持久化文件。这主要就是我在这段视频中要展示的内容。

首先，让我们测试它的物理理解和光线追踪能力。虽然前沿模型已经能够从零开始编写此类代码而无需任何外部库，但我们必须提高难度。这是我的提示词：制作一个子弹穿透水球的光线追踪模拟，使气球爆炸并喷水，变形脱离原始形状，最终落向地面。使其看起来尽可能真实且符合物理规律。

动画必须满足以下要求：允许我在任何时间点冻结动画，并从任意角度查看场景。添加不同的滑块以调节子弹速度、气球大小、光照、重力及其他参数。这里最关键的部分是：不要使用Three.js或任何外部Web库。我想测试它的物理理解能力，因此需要它完全从零开始编写代码。

如果你只给出上述提示，它会给你一个相当平庸的结果。所以这里有一个我喜欢的提示技巧，可以让效果好得多：在每次迭代中，使用一个独立的批评者智能体从不同角度拍摄场景截图并评估其真实性和物理准确性。它应给出0到10的评分，8分或以上意味着看起来非常逼真，就像真实拍摄的一样。

循环直到批评者给出8分或更高的分数。低于该分数，构建者将收到问题列表并尝试最多三轮修复。让我们将其设置为“超”模式然后按下运行键。好的，这是我得到的结果。它首先工作了32分钟，这是很酷的部分：它在完成界面构建后，现在正使用批评者智能体拍摄截图并对整体场景进行评分。

你可以看到第一轮它给出了4.7分。如果我们不在提示中使用这个批评者智能体，它就会停在那里并给你一个相当糟糕的结果。接下来它给出了一个排名修复列表，然后正在生成第二个版本，随后再次使用批评者智能体评估第二轮。对于第二轮，它给出了6/10的分数。

仍然没有超过8分，所以这里列出了排名靠前的问题列表，然后它进一步修订了应用程序。这是第三轮。仍然没有超过8分，只给了6.5分，但我们将其设置为最多三轮，所以这是最后一轮。之后它给了我们这个应用程序。确实，我们有一个子弹穿透水球的模拟效果。

我可以设置如子弹速度、气球直径等参数。让我们把这个做得更大一些。我还可以调整冲击高度、重力、表面张力和喷雾密度。让我们将喷雾设为最大并拖动时间轴。确实，首先我们看到子弹穿透水球。这太酷了。让我从不同角度展示给你看。让我们调高光照强度，让我展示穿透动作。哇，这真的很酷。

接下来播放它应该会落向地面。非常酷炫。我们也可以从另一个视角查看，这是侧面视角。这是一枚长子弹，看起来像这样。这是俯视角度，看起来像这样。如果我在这一刻冻结画面，你可以看到子弹实际上穿透了那团水球。我还可以调整光照强度，这是最低强度。

这是最高强度。我也可以调整光线方向。这是一个从下方观看的视角。非常酷。所以，你看这里有一个相当不错的子弹穿透水球的模拟效果。所有代码都是从零开始编写的，没有任何外部库支持。现在我不喜欢GPT应用的一点是它实际上没有向我显示我的聊天使用统计信息，所以我无法确切告诉你使用了多少令牌。

但这确实工作了大约32分钟，并且我同时运行着几个并发会话。所以我最好的猜测是这使用了我每周用量限制的3%到4%左右。好的，接下来让它编写一个视频游戏。你可能已经看到过由GPT-6创建的第一人称射击游戏或赛车游戏的令人印象深刻的演示。

这实际上并没有那么令人印象深刻，因为缺乏动作和动画。枪只是一个刚性物体，所以制作第一人称射击游戏实际上非常容易。相反，我将向你展示一个更难的演示：一款真正让角色移动的视频游戏。因此必须有动作关节和不同的动画效果。这是我的提示词：你是一位世界级的游戏开发者。

在虚幻引擎中制作一个程序化3D游戏。用户以第三人称视角控制这个角色。所以我刚刚链接了Sketchfab上的一个角色模型。目前它只是一个3D模型。我们还需要进行关节连接并添加适当的动画效果。回到我的提示词：她能够冲刺并以极高的跳跃力像忍者一样飞跃屋顶。

你需要为角色添加适当的动画效果。在Mixamo上寻找相关的动画并将其映射到该角色身上。Mixamo是另一个3D网站，上面有大量现成的动画可用于为角色制作动画。比如行走、跑步、跳舞和战斗等动作。如果你无法下载这些资产，因为它需要登录，你可以使用Playwright Chrome扩展程序打开我当前已登录的Chrome会话。

环境应该是程序化的中国古代皇宫风格。参考附件中的照片获取灵感。我给了它一张我用Nano Banana生成的图片。在Blender中通过MCP生成所有资产。所以在Blender上，我已经安装了Blender MCP，我将点击连接到MCP服务器，以便它在本地端口可用供任何AI智能体连接。

然后在虚幻引擎中程序化渲染它们。使其看起来尽可能详细、真实和宏伟，就像具有令人印象深刻图形效果的AAA级视频游戏一样。

效果方面，游戏应在虚幻引擎中可玩。接着是我的批评者智能体黑客机制。在每次尝试完成后，一个独立的批评者智能体会从多个视角和缩放级别截取自己的屏幕截图，并对游戏设计和美学进行零到十分的评分。超过 0.85 分意味着拥有 AAA 级品质，而通过标准则是零错误且得分超过 8.5。低于该分数时，构建者会收到一份排名靠前的缺陷列表，并尝试最多四轮重试。

好吧，所以它运行了一个小时 26 分钟。之后，它成功下载了角色模型，添加了一些奔跑和空中姿态的动作，并将移动逻辑连接到虚幻引擎中。正如你所见，它已经在虚幻引擎中生成了角色、所有建筑物以及其他资产。随后，它使用独立的批评者智能体在不同角度截取屏幕截图并给出评分。画面看起来有点空洞，屋顶过于金属化，布局重复，远处的山脉粗糙等。

接着它收到了一份需要修复事项的排名列表，并着手生成第二版修订稿。完成修订后你可以看到画面略有改善。现在它再次经过批评者智能体进行第二轮评估，给出了 5.8 分的成绩。仍然低于 8.5 分的标准，所以需要再次循环以使其看起来更好一些。我将快进到最后几轮，此时批评者给出了 6.3 分的成绩。

这仍然低于我们设定的 8.5 分目标。我可以继续循环更多轮次，但我限制了最多四轮，所以它停在了这里。现在这看起来仍然不太美观，特别是角色动画部分，这也是制作这款游戏的挑战所在。于是我写道：“角色动画看起来很糟糕。请使用来自 Mixamo 的更好看的动画，让冲刺和跳跃动作看起来像忍者一样身体前倾并快速移动。再次使用独立的批评者智能体评估效果，最多四轮。”

此外还要添加更多元素和特效以增强角色移动时的镜头运动感。它应该看起来视觉冲击力十足，而不仅仅是一段僵硬的 3D 动画。”至于游戏机制方面，她跳得太高了，所以我写道：“单次跳跃不应如此之高，但允许我在空中连续多次跳跃。奔跑和跳跃动画的速度应加快两倍。”

然后我还提示它添加更史诗般的镜头特效，如震动或运动模糊；为环境增加更多动态效果，比如风或雾气。“它应该是一个通过程序生成的无限帝国宫殿。让灯光更加史诗般和逼真，为建筑物增加更多变化。”好吧，我们继续进行了大约 4 个小时，之后这就是游戏的样子。它甚至在这里添加了一个可爱的小目标：我需要在城市中收集这些漂浮的图标。

让我们收集这个吧。一切正常，所以我可以四处走动和奔跑。我可以连续跳跃以跨越屋顶。看起来非常漂亮。你仍然可以看到一些错误，例如某些楼层的地板有点断开连接。有些灯笼也断开了，但总体而言这还不错。”作为参考，这是仅有线框图的样子。你可以看到它相当复杂。

这是仅有光照的实体视图，还不错。”在短短 4 小时内，它就能生成一款外观相当不错的游戏，能够动画化这个角色。它能在虚幻引擎中程序化地生成整个场景。”现在，再次因为我是使用 ChatGPT 应用，所以我无法实际看到本次会话的使用统计数据。但它运行了大约 4 小时，我猜它使用了我的每周使用限额的大约 10%。

GPT-6 在计算机操作方面非常出色。这意味着它可以直接在你的浏览器或电脑上的不同应用程序中工作。它可以点击和拖拽物品。你可以让它自动填写税务表格，或者直接在微软办公套件中工作并编辑文件。”现在这相对简单，让我展示一个更具挑战性的例子。我将让它使用计算机操作功能控制我的浏览器访问 photopea.com，这是一个在线 Photoshop 工具。

然后让它创建一个空白画布并绘制出附带的图像，看起来像这样。”尽可能详细且忠实地还原原始图像。“以下是实际操作的时间流逝视频。它实际上进入了 photopea.com，然后一笔一划地绘制出这幅图像。”你可以看到它的计算机操作能力有多强。它不是通过代码控制，而是实际使用光标逐个笔触地绘制所有内容。”

现在我快进这段视频，但这只花了大约 20 分钟。老实说，在画布上绘制东西相对容易，因为它只是在匹配像素配置。”让我们让它更难一些。我将让它使用计算机操作功能访问这个网站，该网站基本上允许我逐帧创建精灵动画。”然后我将让它基于附带的参考角色创建精灵动画。

生成以下动作，每个动作四帧，并保存为 GIF 文件：跑步、跳跃、挥剑。它必须与附带的图像保持一致且忠实。“好吧，以下是……实际上它是进入了 photopea.com 然后一笔一划地绘制图像。你可以看到它的计算机操作能力有多强。”它不是通过代码控制，而是实际使用光标逐个笔触地绘制所有内容。“接着在跳跃之后是挥剑动作。这花了大约 40 分钟，但正如你所见，它给了我这三个角色动画。”

现在再次在画布上绘制东西相对容易。让我们进一步增加难度。我将让它使用计算机操作功能访问这个网站，它只是一个虚拟在线钢琴。”我可以点击这里的琴键来演奏音符。将可见琴键设置为最大值。“有时在这里的设置中，如果未设置为最大，你会得到较少的琴键。所以我需要将它们设置为最大数量的琴键。”

然后以肖邦的风格创作一首大约一分钟长的快节奏钢琴独奏，并通过按下这个在线键盘上的琴键来演奏它。“这里的挑战首先是让它创作这首曲子。但它不是在数字音频工作站（DAW）中播放歌曲，而是需要实际通过依次按下琴键来现场演奏这首曲子。每次按键的时机必须正确，以便听起来悦耳。”因此这里还有一个时间维度。“让我们看看它怎么做。好吧，首先它花了几分钟……”

花了大约七分钟试图弄清楚如何实际按下键盘上的按键，以及如何记录其表现。首先，它按下了录制键，然后我想这只是一次简短的排练。在学会了这个工具的工作原理后，这是它的最终表演。

[音乐] [音乐] ...（此处省略重复的音乐标记）... >> 我必须说，我对这个印象非常深刻。这听起来确实像一首真正的古典钢琴独奏。而且速度非常快，只花了大约7分钟。如果你从事任何形式的内容创作，一定要看看本视频赞助商Luma。把它想象成一个代理式AI工作区，它可以在你整个创作过程中与你并肩工作，而不仅仅是给你一个提示的结果。

例如，假设我想为一个新产品创建一个完整的营销活动。我不需要在一大堆不同的AI工具之间跳来跳去，我只需让Luma代理自主完成所有工作。它可以在同一个工作区内开发概念、生成视觉效果并塑造项目。特别有趣的一点是，Luma代理理解运动、物理和3D空间等概念。它不会完全接管创作过程，你可以在工作过程中不断引导代理、改变方向并完善结果。

Luma最强大的功能之一是“技能”（Skills）。你可以为经常执行的工作流创建可重用的技能。基本上，你只需给Luma一组指令一次，然后就可以在任何时候对不同的资产运行相同的工作流。例如，我可以创建一个技能，输入任何产品照片，它就会输出一些网红谈论该产品的用户生成内容（UGC）视频。或者这里是另一个技能的例子，我可以上传产品照片，它会像这样将其放入水中。

Luma基本上为你提供了一个智能创意副驾驶，可以将你所有的创意工作流整合到一个地方。无论你是创建营销活动、品牌内容、产品视觉还是社交媒体内容，Luma都是你可以使用的最佳平台之一。使用下方描述中的链接或扫描这里的二维码今天试用Luma。

现在，说到音乐，让我们看看它在创作整首歌曲方面表现如何。我要写：“你的任务是创作一首令人惊叹的欧洲流行电子舞曲（Euro pop EDM）。使用我Waveform DAW中的任何VST插件或采样。你可以决定使用哪些乐器。确保添加变奏和效果，如上升音效、史诗般的Drop以及其他让音频文件令人腿软的元素。包括声像效果自动化，确保一切经过专业的混音和母带处理。”

所以，15分钟后，它给了我一个渲染结果，但听起来相当基础。于是我写道：“这仍然听起来非常基础和业余。Drop的冲击力也显得很假。你可以使用samplefocus.com上的免费采样。用更多的听觉糖果来增添色彩。使用更抓耳的旋律，让它听起来棒极了。”

之后，又运行了大约20分钟，这是最终结果。

[音乐] >> 啊。 [音乐] ...（此处省略重复的音乐标记）... >> 嗯。 >> [音乐]

[音乐] ...（此处省略重复的音乐标记）... >> 我必须说这听起来非常好，比我从Claude和GLM那里得到的要好得多。当然，这需要我再提示它一次，并且我也允许它搜索并添加更多采样。但正如你所见，它能够很好地丰富这首曲子。不过，这听起来仍然有点浑浊，混音和母带处理得不够好。依然不如人类专业制作的歌曲那样出色。

好吧，这里是另一个有趣的测试。让我们给它一个Airbnb的房源列表。所以，这是房源信息。这是一个日本随机豪华房间，看起来像这样。里面有一些相当复杂的东西，比如泳池前倾斜的墙壁。这里有一个奇怪的木制物体。这是浴室的样子。这是完整的外观，以及泳池的样子。

所以，客厅在这里。有一个主泳池和一个较小的圆形泳池在这里。然后这里有沙发和桌子。总之，我只是将整个房源页面喂给它，然后让它使用Blender MCP重建整个建筑和内部结构。同样地，在Blender中，我将点击连接到MCP服务器，使其运行在该端口上，代理随后可以控制它。

然后还要编写摄像机路径程序，像虚拟游览一样飞越房产，并渲染场景。好吧，这花了相当长的时间，1小时12分钟。它可能用掉了我的每周使用限额的5%到10%。这是创建场景的时间流逝视频。所以，如果我放大这个，你可以看到它在这个3D场景中创建了成千上万种不同的元素。

所以这超级复杂。让我在这里播放动画。这是浴室。让我也调整一下不同的视角。这里只有线框模式。这里是实体着色。你可以看到这里有泳池区域，带有沙发、长泳池和圆形泳池。这是客厅，带着这里那个奇怪的木制东西。看起来都相当不错，虽然不是100%忠于原场景，但也不差。

最后，这是完整的渲染图。我将在侧面粘贴一些该房产的实际图片供你比较和对比。

[音乐]

[音乐] ...（此处省略重复的音乐标记）... >> 现在，前沿模型如GPT或Claude本身不能生成图像或视频，但你可以让它们充当导演并控制其他生成式AI模型来创建非常好看的内容。例如，让我们让它为这个产品制作一个30秒的商业广告。我只是给它这个随机抹茶品牌的亚马逊页面。你可以使用该页面上的图片和产品规格作为参考。使用Higgs Field MCP生成内容。

Higgs Field基本上是一个平台，你可以在那里使用许多领先的视频和图像生成器。它们拥有这种MCP或CLI接口，基本上允许AI代理连接到它来生成内容。所以总之，连接到这里，然后使用你想要的任何图像或视频生成器以最佳结果生成内容。如有必要，你可以生成多个片段并将它们拼接成30秒的商业广告。

好吧，这相当快。只花了大约20分钟，这是最终结果。“为你的仪式留出一点空间。Tenzo Better Boost，在日本种植的有机抹茶。搅拌它。倒出它。让它成为你的专属。日常生活中的一个充满活力的小时刻。”

[音乐] “Tenzo，你每日的绿色仪式。” >> 这比我使用相同提示从Claude Fable 5.1得到的结果要好得多。现在，不是商业广告，让我们看看它能否从头开始创建一个数学动态图形解释视频。所以这是我的提示：“创建一个动态图形解释视频。它应该是极简主义的，白底黑字（或黑底白图），时长约一分钟。主题是我们要如何首次发现地球的……”

周长。它应该易于理解，同时也深入探讨其背后的数学概念。使用图表和其他视觉辅助工具。你可以使用任何你喜欢的工具来制作视频。现在，GPT 无法自己生成旁白，所以我为旁白编写了文案，使用 Gemini TTS（文本转语音），然后我只是粘贴了如何运行此操作的文档。所以，它工作了 14 分钟，结果还可以。

它可以更好一些，所以我再次使用了“批评家智能体”的黑客技巧。它需要得分八分或以上，否则在最多三轮内保持循环。之后，我其实不太喜欢那个转录文本，所以我写道：转录本应该更加连贯、流畅，就像你在向高中生解释一样。最后，这是结果：“你如何在不环绕地球一圈的情况下测量地球的周长？大约在公元前 240 年，埃拉托斯特尼使用了影子。在夏至日中午，赛伊恩的一根棍子几乎投不下阴影。而在亚历山大港，却有阴影。首先，将那个影子转化为角度。棍子和影子形成一个直角三角形。用影子的长度除以棍子的高度，这就是顶角的正切值。今天，我们可以使用反正切函数来找到那个角度。这里测得的角度约为 7.2°。现在，将这个三角形与地球联系起来。阳光几乎平行到达，而垂直的棍子指向远离地心的方向。将棍子向内延伸，两条半径之间会出现相同的角度。这告诉我们地球曲线上分隔这两个城市的部分占多少比例。一个完整的圆是 360°，7.2° 正好是其五十分之一。所以，这两个城市之间相距地球周长的五十分之一。利用它们之间大约 800 公里的距离，乘以 50，得到约 40,000 公里。测量是近似的，但微小的阴影揭示了行星的大小。”

现在，除了使用 ChatGPT 桌面应用或 Codex 之外，当然你也可以在线使用 GPT-6。所以目前，至少对我来说，它只在“工作”选项卡中可用，而在聊天选项卡中不可用。让我点击“工作”选项卡，接下来让我们试试你最喜欢的提示词：寻找青蛙。我要上传这张图片，里面某处隐藏着一只青蛙。然后我会写道：“这张图片里有动物吗？如果有，请识别并用圆圈标出。”这是有史以来最难的提示词之一，所以我要将其设置为“最大”模式然后按下运行。现在，它工作了 6 分钟 50 秒，但不幸的是，它没有找到青蛙。

它说不能自信地识别出照片中的动物。这里它怀疑有一条 timber rattlesnake（木纹响尾蛇），这完全错了。现在，一些用户报告说它实际上能找到青蛙，但我无法复现这一结果。我尝试运行了几次。所以这是另一个例子。这里说这里有一只小蟾蜍，这也是不正确的。事实上，这张图片并不是 Frog Bench 中唯一的图片。我尝试了另一张图片，那里也隐藏着一只青蛙。我问了同样的提示词，它仍然没有正确圈出青蛙。这里并没有青蛙。所以不幸的是，即使是 GPT-6 Astra 也没有通过“找青蛙”测试。

接下来，让我们看看它在识别癌症方面的能力如何。所以我要上传这张包含六种不同脑部扫描的照片，每一张都含有不同类型的脑肿瘤。我会写道：“识别这六张图片中每种肿瘤的類型（如果有的话）。让我们按下运行。”所以它工作了 2.5 分钟。对于左上角，它写的是脑膜瘤（meningioma），这实际上是正确的。对于中上部分，它说没有明确的肿瘤，这是错误的。对于右上角，它写的是脑膜瘤，这也是错误的。左下角，它说没有肿瘤，这是错误的。中下部分，它写的是钙化脑膜瘤或颅咽管瘤（craniopharyngioma），这两个都是错误的。然后是第六张，它说没有肿瘤，这也是错误的。所以它在六张图片中只答对了一张，但这仍然是最高分。Kimi 和 GLM 对于这个提示词也各答对了一张。

接下来，让我们测试它进行深度研究的能力。所以这是我的提示词：“分析阿尔茨海默病中淀粉样蛋白 β 和 tau 的传播机制。对比针对每种蛋白质疗法的结果。批判性地评估最近三期临床试验的成果。包括相关的表格和可视化图表。”现在，这个问题没有标准答案。除了 Claude 之外的所有前沿模型都能很好地回答这个问题。它们只是风格各异，所以取决于你更喜欢哪一个。不管怎样，这是 GPT-6 的答案。你可以看到它首先给了我们一个很好的表格来总结这些机制，所有内容都引用得当。然后它给了我一张关于这些机制的流程图等等。接着这里有一个关于三期试验的表格，甚至为这个图表编写了代码。然后这里是另一个充满信息的表格。让我往下滚动一点。如果你想阅读全部内容，可以随时暂停视频。就是这样。我喜欢 GPT-6 的一点是它非常简洁，但充满了信息量。

接下来让我们看看它在构思新想法方面的能力如何。所以这是我的提示词：“提出三个尚未存在但利用当前技术和 AI 能切实改善工厂化养殖场动物生活的、影响力最大的想法。严格约束条件：必须是对生活质量有实质性改善；必须在大量动物身上规模化应用；低努力且运营成本低。让运营商觉得增加这些措施是理所当然的事（no-brainer）。让我们按下运行。”好吧，它工作了 8 分钟 35 秒。这是它的回答。第一点是：为鸡创建并保护休息区的 AI。你可以获得更少被打扰的休息时间，更多对环境的选择权，潜在的饲料节省以及更少的腿部问题。第二点是：自动适应需求和竞争的猪用丰容设施（enrichment）。第三点是：在常规移动过程中保持相容的猪群组的软件。然后让我往下滚动一点，以便你可以阅读全部内容。如果你想阅读每个部分，可以随时暂停视频。

现在再说一次，这是主观的，但请在下面的评论中告诉我你对它的回答有何看法。你认为它的主意质量真的好吗？如果你真想实施这些想法并且拥有专业知识，随时联系我，我甚至可能资助你。好了，这就是我对 GPT-6 Astra 的一系列测试总结。正如你所见，这是一个超级强大的模型。接下来让我们回顾一下它的规格和基准测试结果。首先，这里有一些他们自我报告的基准测试数据。在前沿数学方面（frontier math），该测试评估 AI 模型解决一些极其困难的数学问题的能力，你可以看到 GPT-6 Astra 得分约为 98%，几乎饱和了这个基准测试。对于 Terminal Bench Four，该测试评估 AI 在基于终端的智能体编码方面的能力，你可以再次看到 GPT-6 Astra 得分最高，甚至比 Claude Opus（原文误写为 Fable）还要好。对于这个自动化基准测试（automation bench），该

测试模型能否完成多步骤业务流程，再次可以看到 GPT-6 Astra 的表现远超其他模型。他们声称这是世界上最好的计算机使用模型，它可以轻松操作你的电脑，在不同应用界面中进行操作、绘图、弹奏钢琴，还能编辑文档和电子表格并填写表单。以下是一些相关的基准测试供您参考：Agent Last Exam 在复杂的真实专业任务上对模型进行测试，GPT-6 表现最佳；OS World 测试模型通过操作电脑应用完成任务的能力，GPT-6 Astra 同样位居榜首。

在从不同视角重建 3D 物体方面，GPT-6 再次证明自己是最好的。正如我在演示中展示的那样，它在 3D 建模方面非常出色，并且拥有极佳的音频理解能力。在弦乐四重奏基准测试中（该测试评估模型将音频转录为五线谱的能力），GPT-6 的得分远高于之前的 GPT。除了基准测试，还有一些更令人印象深刻的定性成就：GPT-6 是目前唯一一款击败视频游戏《传送门》（Portal）的通用智能体。

如果您不熟悉这款游戏，这是一款平台解谜游戏，解决它需要 3D 空间推理、大量的物理直觉、多步骤规划以及极其精确的鼠标和键盘操作时机。GPT-6 是唯一能够击败这款游戏的通用 AI 模型，同时它也在快速通关整个《宝可梦》系列。在《宝可梦：火红版》中，它仅用 18 小时 12 分钟就击败了游戏，而其他模型耗时更长。

击败《宝可梦》意义重大，这需要长期规划、记忆、视觉处理以及成千上万次连贯的决策。这比回答单个问题复杂得多，但 GPT-6 能够轻松通关《宝可梦：红》，现在您可以通过 Twitch 直播观看它游玩《宝可梦：水晶》。我认为它也即将打破该游戏的通关记录，这是 GPT-6 最疯狂的成就之一：它在 Arc AGI-3 排行榜上的表现。

该测试将 AI 投入从未见过的环境中，AI 需要自行发现规则、学会生存并进入下一关。对人类来说这很容易，但对 AI 很难，因为训练后模型权重固定，无法学习新模式。其他前沿模型得分不到 10%，而 GPT-6 Astra 能超过 60%，若增加额外工具，得分可接近 100%。

在测试 AI 创建 3D 体素动画能力的 Voxel Bench 中，GPT-6 Astra 排名第一，优势巨大。它比 Opus 5 高出近 400 分，而其他模型差距仅几十个百分点。在前沿数学 Erdos 基准测试中（评估解决未解难题的能力），GPT-6 是唯一得分超过 0% 的模型，数学理解能力世界顶级。

另一个测试视觉能力的基准 iBench（如走迷宫、找不同、分析图表）中，GPT-6 以 95% 的得分几乎饱和该基准，远超其他不足 50% 的模型。还有一个有趣但无用的测试是《纽约时报》字谜游戏，GPT-6 Astra 同样排名第一。

在 Artificial Analysis Intelligence Index中，GPT-6 Astra Max 仍落后于 Claude Opus 5.1（排名第二），但考虑到任务成本，GPT-6 Astra 定价极具优势。在 Omniscience 幻觉率测试中，GPT-6 模型的幻觉少于 Claude Opus 5、其他 Fable 模型及之前的 GPT-5.6。

在 Live Bench 排行榜上，GPT Astra 排名第三，低于 Claude Fable 模型。但在允许盲测的 Arena 排行榜中，网页开发领域 GPT-6 Astra 排名第一且差距巨大。关于使用方式：录制时已全面推送至 ChatGPT 付费计划（Plus/Pro）。我在 Pro 5x 套餐中，在线聊天似乎无法选择 GPT-6，但点击“工作”标签页即可访问。

当然也可在桌面端使用。Pro 5x 套餐每周限额合理，一小时编码任务通常消耗周限的 5-10%；Plus 套餐消耗更快，请留意。总结而言，GPT-6 Astra 是目前最强大、能力最强的模型。请在评论区分享您的看法。我会继续为您寻找顶级 AI 新闻和工具，喜欢本视频请点赞、分享、订阅。

AI 领域每周都有大量动态，我无法在 YouTube 频道涵盖所有内容。为实时掌握 AI 进展，请订阅我的免费周报（链接见简介）。感谢观看，我们下期再见。