刚刚，ChatGPT-6 震撼发布

这次，科研人的工具箱又要大更新了。

9月3日（美国时间），OpenAI 发布 GPT-6 Astra，同步升级Codex运行框架。

Greg Brockman喊出的口号是 “欢迎来到AGI时代”。落到科研人桌面上，这次升级最吸引我的，是GPT-6开始更有能力接下一整份工作：读材料、跑分析、处理报错，再交回图表和文档。

| 01 GPT-6强在哪

最明显的跃升，是复杂科研任务的执行能力。

Terminal-Bench Science 0.1中，GPT-6得分64.6%，上一代GPT-5.6 Sol为22.4%，提高42.2个百分点。这套测试涵盖数据分析、模拟、模型拟合，检查实际交付物，很贴近科研人的日常。

高难数学也上了一个台阶：FrontierMath Tier 4（v2）从83.0%升至97.6%。研究生级科学问答GPQA Diamond则从94.6%升至96.0%。

放在一起看，进步的重心很清楚：在原本已擅长的知识问答上继续提高，在需要多步推导和执行的任务上拉开更大差距。对于科研用户，我会更看重后面这一类能力，它关系到一个方案能否继续做下去。

电脑操作同样更熟练。OSWorld 2.0离线集的部分计分成绩从65.7%升至72.6%；官方延迟模拟中，单任务耗时从约75分钟缩到40分钟。

软件操作能力把推理结果接到了实际工具上。比如一份分析需要导入数据、调整选项、导出结果，再把结果放进汇报材料，GPT-6的操作效率提升，就有机会省掉人在窗口之间来回切换、反复解释下一步的时间。

而在 ARC-AGI-3 上，GPT-6的表现更是惊人。这项指标，主要用于反映智能体在解决陌生的交互任务时的学习能力。GPT-6 Astra 在评估中表现优异，得分为99.9%。作为参考，平均人类测试者得分约为48%。

在使用代码和终端工具完成科学研究工作流，包括数据分析、运行模拟和模型拟合的过程中。GPT-6 Astra 在所比较的模型中也达到了新高，准确率为64.6%，而此前长期处于榜首的 Claude Fable 5.1，准确率仅为52.6%，其估计的API成本也低约31%。

综上所述，GPT-6这次的大进步集中在 “难题推理＋连续执行”。对于分析跑到一半报错、需要在软件里反复操作的任务，这比多答对几道知识题更有吸引力。

| 02 GPT-6 的科研能力

1 数学：把长期难题向前推了一步

孪生素数猜想研究的是：差值为2的素数对，是否有无穷多？这个问题长期困扰数学界。2013年，张益唐首次证明存在一个有限的素数间距界，随后研究者不断缩小它。

像11和13、17和19，就是两组孪生素数。找出这样的例子很容易，难的是证明它们永远找不完。沿着数轴往远处走，素数整体越来越稀疏；研究者仍要证明，有无穷多个局部区域会出现相距很近的素数。

OpenAI公布的《Improved Short Gaps Between Primes》把这一方向长期熟悉的246推进到186，并将证明归功于GPT-6。同期Julia Stadlmann也有将界降至240的独立工作。

直观地说，论文给出的结果是：数轴无论延伸多远，总能继续找到间距不超过186的相邻素数对。

这里缩小的，是理论所能保证的距离范围。把246推进到186，意味着关于“素数可以靠得多近”的结论更强了。对于一个经过长期研究的数论方向，这种推进本身就是实质性的科研进展。

2 文件核对：一次检查41份材料

在官方演示中，Legora用GPT-6交叉核对财务文件，几分钟内找出全部4个预埋错误，包括收入附注里50万英镑的差额。公司报告，该项工作流的内部评测表现提升近40%，整套测试平均提升约3%。

这个场景和论文写作异曲同工：检查正文样本量与表格是否一致，回归结果与附录是否对应，同一变量有没有换单位。

试想一下，在审稿时，我们科研让GPT-6按“文件、位置、差异”列出清单，先对样本量、变量名称和单位，再找同一结果在正文、表格、附录中的不同写法。

接下来作者就能直接定位修改，少在几十个附件之间来回翻找。

3 PPT与科研图：会操作，也更懂排版

除了更会“干活”以外，GPT-6 在审美方面的能力，也有巨大提升。

让它基于一份只有三页的模板，制作虚构模型GPT-Gaia的介绍PPT。生成页面延续了模板布局，重新组织图文层级，重点也更集中。

想要内容更丰富的图表？也没问题！

这次审美的，对组会汇报很实用：把课题组模板与研究结果一起交过去，让GPT-6统一字体、配色和信息层级，能更有针对性地解决“内容齐了，页面还是乱”的问题。

如果上述场景还不足以展示GPT-6的潜力，那就请看看GPT-6绘制的电路图吧：

除此之外，官方还展示了测序质量检查、遗传变异可视化等场景。GPT-6的用武之地已经延伸到专业软件里的图形编辑。

除了模型本身，配套的 Codex 也喜提重大更新。

如今的 Codex，能跨上下文窗口记笔记、检索旧消息和工具输出。做长时间分析或反复改图时，Codex 可以找回早先的要求与报错记录，接着推进任务。

早期的模型有时会将导航指令视为一个新目标，从而丢失了原始请求或之前的约束条件。

而 GPT-6 Astra 加持下的 Codex 能够融入新要求，在被要求时调整路线，并回答相关问题而不偏离整体任务。

试想一下，我们要把一张结果图改到第五轮，第一轮确定的分组顺序、第二轮排除的方案、后面新增的配色要求，都属于继续工作要用到的信息。

能检索这些记录，长任务就更容易沿着已经确定的方向前进，少把旧问题重新讨论一遍。

| 03 费用

是的，GPT-6确实更贵了

GPT-6的API标准价为每百万token输入10美元、输出50美元，均为Sol当前单价的2.5倍。

按10万未缓存输入、1万计费输出token计算，标准请求费用约为GPT-6的1.50美元、Sol的0.60美元。长输入和Fast模式另有加价。

把GPT-6预算优先留给推理、排错和跨软件长任务；小修小改继续用便宜模型。

| 04 谁能先用上

如今，GPT-6正在分批开放

Chat中，100美元Pro档每周50条，与Sol Pro共享；200美元档GPT-6 Pro每周200条，另有与Sol Pro合计每日200条的限制。

| 05 科研人怎么选

1 复杂科研任务，用GPT-6

我会优先拿它审计复现工程、排查连续报错的分析流程，以及核对正文与补充材料。它的优势集中在任务链较长、文件相互关联、需要反复推理的地方。

组会PPT、需要操作专业工具的科研图，也可以放进这份清单。

第一次用，我建议挑一个手头正在卡住的小项目：附上现有代码和报错，要求它定位原因、完成修改并重新运行；或者给一组结果和课题组模板，让它交付几页可编辑的汇报。这样试用，最容易看出它能替自己省掉哪一段工作。

交任务时，可以直接约定文件形式：分析交脚本和结果表，画图交图片和源文件，汇报交可编辑幻灯片。把这些要求一起说明，后面接着修改或换一种呈现方式都会方便得多。

2 日常任务，按需选模型

常规分析、日常代码修改、文献整理，先用Sol；字段提取、格式统一、短段落润色，交给低成本模型。修改三个小标题，就别请旗舰模型开一场专家会诊了。

同一个项目也可以分工：先用低成本模型整理材料，遇到难解的推导或报错，再交给GPT-6集中处理。选模型时，我会把“还要自己返工多久”也算进成本；如果一个复杂问题能少来回折腾几轮，较高单价就可能花得值得。

| 尾声 科研之外

GPT-6把模型竞争进一步推向完整工作的交付：读文件、操作软件、处理中途的问题，最后生成能继续编辑的成果。

这会改变我们分配时间的方式。原本要亲自盯着的执行环节，可以逐步交给GPT-6；尝试一条分析路线、重做一版图表的成本也有望降低。

对小团队而言，这尤其值得期待。一项研究往往同时需要写代码、处理数据和制作汇报，切换工作本身就消耗精力。如果GPT-6能接住其中连续的执行步骤，团队就更有条件并行尝试几个方案，把原本排在待办清单后面的想法也做出来。

从这个角度看，Brockman那句“欢迎来到AGI时代”，正在成为现实。

不过也别急着畅想未来，比起模型是否更加聪明，作为人类的我们，似乎还有更多”现实问题”需要面对，例如掉线：