GPT-6 Astra演示：从3D应用到专业工作流

现阶段更稳妥的结论不是“AGI 已经到来”，而是 GPT-6 Astra 的公开演示显示，AI 编程正在从生成代码、网页等单点任务，转向交付可运行应用、可玩游戏、三维场景及专业工作成果。由于该模型目前仅面向少数组织开放，且案例缺少统一测试条件，其真实能力仍有待正式开放后的独立实测验证。

目前流出的信息主要来自早期测试者和合作机构，普通用户暂时无法完整体验。公开案例集中体现了几个方向：完整产品交付、三维空间理解，以及数学、医学和工程等专业工作流。

已能交付完整、可玩的产品

开发者 Pietro Schirano 提出的任务，是制作一款可在 Mac 上运行的应用：其中包含在 Blender 中构建的 3D iPod，保留经典 iPod 的界面与操作方式，同时支持查看 Codex 帖子。据其展示，Astra 大约用十五分钟完成了初版。

值得关注的不只是生成速度。最终结果并非静态概念图，而是具备滚轮操作、界面交互和本地运行能力的应用。这说明模型开始尝试同时处理三维资产、交互逻辑、界面设计和工程实现。

JetBrains 展示的案例则是一款交互式管弦乐应用。按照演示信息，Astra 在不到一小时内完成了视觉界面、手势识别以及与虚拟乐团互动等功能。

游戏开发中的表现更加直观。有测试者让 Astra 制作了一款具有《使命召唤》风格的射击游戏，并在试玩过程中继续要求模型调整玩法。公开案例显示，模型已经能够围绕一个目标持续迭代，而不是只生成一次性代码片段。

其他游戏演示也覆盖了不同画面和玩法类型。这类能力如果进一步成熟，游戏可能从固定发行的标准化产品，延伸为按照个人偏好即时生成和持续修改的内容。

空间理解和视觉判断明显提升

多项演示都指向同一个变化：Astra 对三维素材、空间关系和镜头运动的处理能力有所增强。

在一项房产案例中，测试者只提供了一套房源链接，页面中的照片清晰度和拍摄角度都较为有限。模型需要从这些二维图片中推断房间布局、连接关系与建筑结构。

随后，Astra 根据照片重建了整栋住宅的三维模型，并制作出包含空间漫游镜头的房产展示视频。成品仍存在细节错误，但已经串联起照片理解、空间推断、三维建模和视频制作等环节。

另一个案例仅使用参考图，就在 Blender 中重建了 Apple Park，包括环形主楼、内部绿地和周边建筑。还有测试者要求模型复刻成熟的 3D 建模工具，使其支持旋转、缩放、景深和镜头调整等功能。

对于游戏、建筑和产品设计而言，这种空间理解能力可能比单纯提升画面精细度更重要。模型不仅要“画出”物体，还要理解物体在三维空间中的位置、结构和交互方式。

开始进入专家工作台

公开信息称，Astra 的内部版本曾解决或推进多个长期存在的数学问题。正式版的相关演示进一步展示了它在专业任务中的应用潜力。

过去验证复杂数学证明时，研究者通常需要将证明转写为 Lean 等形式化语言，再交由计算机逐步检查。早期使用案例显示，数学研究者可以直接与 Astra 讨论证明思路，并让模型辅助完成形式化验证过程。

数学之外，相关案例还覆盖多个专业领域：

• 医学教育：根据简短要求制作一段约五分钟的 T 细胞科普视频。
• 电子工程：进入电路设计软件，根据原理图安排元件和线路，完成电路板设计。
• 数据分析：操作 Power BI，将原始数据整理为图表和可交互分析页面。
• 三维设计：在 Blender 等工具中创建、修改并组织复杂场景。

这些任务的共同点是，模型不再只回答专业问题，而是进入实际软件环境，调用工具并输出可以继续修改或交付的成果。不过，演示效果并不等同于稳定的生产能力，准确性、可重复性和专业责任仍需要进一步评估。

与 Fable 5.1 的比较仍缺乏依据

目前已经出现使用相同提示词比较 GPT-6 Astra 与 Fable 5.1 的案例，任务涉及游戏开发、网站生成和三维场景制作。但不同对比得出的结论并不一致：有些展示中 Astra 优势明显，另一些案例则由 Fable 5.1 表现更好。

造成差异的因素包括：

1. 提示词是否完全一致；
2. 可调用工具和运行环境是否相同；
3. 是否包含人工修改与多轮重试；
4. 展示结果是否经过筛选；
5. 完成时间、成本和失败次数是否公开。

在这些条件没有统一之前，依靠少量视频很难判断哪款模型整体更强。更有参考价值的测试，应当同时公开任务要求、操作过程、失败记录、资源消耗和最终可运行成果。

写在最后

这一批演示真正值得关注的，是测试任务本身发生了变化。过去评估新模型，常见方法是让它写文章、解题或生成网页；如今，测试者开始要求模型制作完整 Mac 应用、开发可玩游戏、根据照片重建三维住宅，并参与数学证明、医学教育、电路设计和商业数据分析。

这是否意味着 AGI 已经到来，目前仍无法下结论。判断模型能力不能只看跑分或精心剪辑的演示，更需要观察它能否在真实环境中连续工作数小时，稳定调用工具、发现并修复错误，最终交付可验证的成果。等 Astra 面向更多用户开放后，长任务实测将比宣传视频更有说服力。