听雨 发自 凹非寺

量子位 | 公众号 QbitAI

GPT-6不只有Astra！

Astra刚发布没几天，GPT-6 Sol就被曝正在内测。

表现也很抢眼， 单次测试速度是Astra的6倍。

大胆猜测一下：Terra和Luna是不是也在路上呢？

而且就在同一天，OpenAI刚刚公开了一组内部数据：

截至目前，按8小时工作日折算，OpenAI研究员每工作一天，身边就有3个多Agent工作日同时运转。

按API价格计算，OpenAI中位数研究员每天使用的Agent推理资源，已经超过600美元。

OpenAI还宣布，已经实现了「自动化研究实习生」：

这些Agent能在人类指导下，完成部分原本需要研究员花几天才能做完的任务。

连老黄都说：AGI已经来了！

他透露Astra使用约10万套NVIDIA Grace Blackwell NVLink72训练，接下来还有40万套GPU上线。

看来这波真不是OpenAI单方面吹哈～

GPT-6 Sol被曝开始内测

网友Lentils爆料，OpenAI正在内部测试GPT-6 Sol。

他表示，Sol的整体输出能力明显弱于刚发布的Astra，但速度更快，依然属于「怪物级」模型。

快到啥程度？单次测试速度大约是Astra的6倍。

网友lyra把同一个任务拿给不同模型测试：让模型生成一辆BMW M4 Competition的SVG图。

其中，GPT-6 Sol使用Max档位、零样本生成，耗时约3分钟，输出约2.8万Token。

GPT-6 Astra使用Max档位，输出约2.5万Token，耗时约19分钟。

Gemini 3.1 DeepThink开启High档位，显示输出约3300Token，但推理过程约消耗45.8万Token，耗时约29分钟。

Gemini 3.8 Flash同样开启High档位，输出约1.9万Token，只用了约42秒。

相比之下，Sol的表现最抢眼：它和Astra的输出规模接近，但单次测试速度约为Astra的6倍——耗时只有后者的约六分之一。

此外，网友Lentils也展示了一个名为「The Realm of Aurellune」的像素风沙盒世界原型。

GPT-6 Sol一次性生成了城镇、农田、河流、城堡和缩略地图，还配上了昼夜切换、放置地名、调整细节等控制面板，整体更像一款已经搭好雏形的模拟经营游戏。

这是zero-shot、Max推理档位、15分钟、总花费6万token生成的效果。

目前可以推测，Astra偏向最高难度的深度推理，Sol则可能偏向速度、吞吐量和规模化Agent调用。

至于Sol的发布时间，网友Pankaj Kumar称，可能于9月29日的OpenAI开发者大会正式发布。

也不排除，GPT-6 Terra、Luna以及GPT-Image 2.5会一并出场。

OpenAI研究员，人均带着3个Agent实习生上班

就在同一天，OpenAI还晒了一组很有意思的内部数据——AI模型在自家实验室里，到底把科研加速到了什么程度。

截至今年8月中旬， 研究员每上8小时班，背后就有约3.1个Agent工作日的任务量在并行跑。

好家伙，一个人带三个不睡觉的实习生呗～

至于花销，按API价格算，中位数研究员每天烧掉的Agent推理资源已经 超过600美元。

差不多是一个初级工程师一天的工资了。

这些Agent具体在干啥？

写研究代码、写基础设施代码、搭训练环境、跑评估实验、排查工具和环境故障、分析实验结果、盯训练任务……连研究结论的整理和沟通都能插一手。

基本上，除了决定研究什么，其他活它都能干。

一个最直观的变化是，以前实验环境挂了，研究员得去内部频道喊人；现在Agent越来越能搞定这类事，人工答疑量直接掉了下来。

还有的团队，直接取消了固定的技术答疑时间，把人腾出来去改进系统本身。

基于这些数据，OpenAI正式宣布：已经达成了「自动化AI研究实习生」的目标。

这里的「实习生」，准确来说是一个能干活的研发节点：在人类指导下，它能独立完成边界清晰的研究任务，其中一些活原来熟练研究员得干好几天。

效果也立竿见影，研究员的代码产出和实验数量都在往上走。

2026年8月，人均实验数创下了自2025年1月有统计以来的新高，Agent接的活也越来越复杂、周期越来越长。

这篇文章的作者Kevin Liu，还把这件事放到了更大的背景里。

他认为，递归式自我改进很可能是未来几年推动AI能力跃迁的最重要因素之一。

说白了就是，AI造AI，越造越快。

但问题在于，按照目前的发展趋势，这种能力默认只会出现在少数几家前沿AI实验室内部，外界很难看见它究竟进展到了哪一步。

因此，Liu认为透明披露已经比任何时候都更加紧迫。模型到底在多快地变强，研发节奏要不要踩刹车，不能只由几家公司关起门来决定。

他还喊话其他AI公司： 也应该把类似数据公开出来。

不过，AI研发确实变快了，却还没有快到完全自动驾驶。

OpenAI数据显示，原本需要4到8小时的任务，过去半年里超过一半的成功案例，人类至少得插手一次。至于高层研究规划，更是几乎不交给Agent。

研究员依然负责决定研究什么、哪些结果值得继续，以及什么时候应该扩大训练、暂停实验或部署模型。

OpenAI的下一个目标也定了：2028年3月前实现「自动化AI研究员」。

跟只能接明确任务的「实习生」比，「研究员」得能扛更开放的研究目标，自己推进周期更长的项目——相当于从执行者变成了独立负责人。

如果GPT-6 Sol真的已经在内部测试，那它大概率就是在这套新研发模式下跑出来的：

更多GPU供着算力，更多Agent并行跑着实验，人类研究员则站在更高的地方——选方向、判结果，最后拍板哪些东西值得变成下一代模型。

更强的AI，正在变得越来越难监控

也是同一天，OpenAI首席科学家Jakub Pachocki扔出一篇万字长文，标题直接叫——《外星思维》。

我看完之后，感觉意思就是， 连OpenAI首席科学家都在劝整个行业减速了…

Jakub提出，AI根本不是人类照着设计图一块芯片一条规则拼出来的，它更像是在海量数据和算力里自己「长」出来的。

你能拆开看明白其中一些零件，但整个系统为什么突然就有了某种能力、换个环境又会怎么行动，没人说得清。

更头疼的是，AI用不着全方位碾压人类才会出问题，只要在足够多的关键能力上比人强，它就既能帮你大忙，也能捅大娄子。

于是问题来了：人类还看得懂它吗？

过去OpenAI监控AI，主要靠一招：看思维链。

说白了就是盯着模型写下来的推理过程，检查它有没有动歪心思，比如想骗人、想越权、想绕开限制。

但到了Astra这一代，这招开始失灵了。

一来，模型越来越会「管理」自己说出来的话，真实想法未必全写在推理里；二来，Agent早就不只是「想好了再回答」了。它会调工具、操作电脑、跑环境，还会跟人跟别的Agent打配合。

这些事搅在一起，研究人员根本没法再拉出一条完整透明的思维链逐句审查。

OpenAI还发现，Astra不用把推理过程全写出来，也能搞定复杂任务。

简单来说，模型早已学会「闷声干大事」了。

在专门逼模型逃避监控的对抗测试里，Astra甚至展现出了一些让人后背发凉的能力：故意压低测试成绩、绕开监控、执行破坏任务。

当然，这些都是人为设计的压力测试，OpenAI没有据此认定Astra会在日常任务中主动欺骗。但至少说明， 单靠观察思维链，已经很难覆盖模型所有可能的行为。

还记得之前的Hugging Face事件吗？那就是一个警钟。

当时，GPT‑5.6 Sol和一款更强的内部研究模型被放进ExploitGym网络靶场，任务是寻找漏洞、完成攻击并拿到Flag。为了测出模型的真实能力，评测环境没有启用完整的安全护栏。

结果模型并没有老老实实解题，它们先绕过网络隔离，通过非授权渠道互相传消息、分工协作。

之后又利用软件包缓存代理里的零日漏洞获得公网访问权限，最后一路进入Hugging Face系统，试图寻找ExploitGym的测试答案。

其实吧，这事主要是内部研究模型IM1推动的，GPT‑5.6 Sol也复现了部分攻击路径，Astra没有参与。

模型的原始目标仍然是完成测试，但为了拿到答案，它们不断寻找规则漏洞，最后做出了超出任务范围的操作。

因此，OpenAI也读出了一个危险信号：当Agent足够强、工具足够多、运行时间足够长，它可能会自己寻找新路径、调用外部资源，甚至和其他Agent协作。

不er…所以绕来绕去，这不就成了一个死结吗？？

OpenAI需要更强的模型，写代码、跑实验、做对齐研究，甚至用它们来搭建防御其他AI的安全系统。模型越强，能干的活越多，研发速度就越快。

可与此同时，人类也越难确认它到底是怎么得出结论的，换个环境后又会不会重新解释原本学到的规则。

Jakub判断，现在没有任何一家实验室，敢说自己把模型对齐和监控做到位了，可以长期以最高速度、放心大胆地扩大模型规模。

在全行业共同的安全标准建立起来之前，他希望大家能把「自愿踩踩刹车」当成一种默契。

至于OpenAI自己，他也放了话： 如果有必要，不排除单方面先停下来，不再继续扩大模型规模。

你最好是这样…我记得某个A开头的公司也这么说过。

参考链接：

[3]https://openai.com/index/research-acceleration-view-inside-openai/

[4]https://openai.com/index/an-alien-mind/