财π新闻 北京时间9月4日凌晨，OpenAI正式推出新一代旗舰大模型GPT-6 Astra，官方称其为目前全球最智能、对齐程度最高的大模型，该模型的多项实测能力在公开后引发广泛关注，其中3D建模领域的表现成为最受热议的核心亮点之一。不同于此前大模型普遍聚焦文字推理、代码生成、二维内容创作的能力方向，GPT-6 Astra首次将3D空间理解与生成能力作为核心功能对外展示，实现了通过代码直接生成完整3D模型的突破，还支持对复杂实体产品进行精细化的零部件拆解操作。在公开的实测案例中，有使用者借助该模型将一台普通相机拆解为122个组件组、共计1877个独立建模部件，所有部件的结构参数均通过代码逐一定义生成，整个拆解任务的运行过程耗时约3小时，全程依托浏览器环境中的TypeScript和Three.js代码完成，无需使用者手动操作专业3D建模软件进行逐部件绘制。另一个引发大量讨论的实测案例中，使用者借助GPT-6 Astra将特斯拉车型拆解为334个独立建模部件，这些部件的名称、编号和基础结构均有对应的官方依据，并非AI凭空生成的虚拟结构，相关拆解结果还被搭建为专门的网页，供使用者逐一查看每一个部件的细节信息。

这类3D建模与拆解能力的落地，直接改变了传统人机交互在3D创作领域的原有模式，过去想要完成同等精度的复杂产品3D建模与拆解工作，使用者需要系统学习专业3D软件的各类操作指令，掌握拓扑结构调整、UV展开、参数校准等一系列复杂技能，耗费数天甚至更长时间才能完成对应任务，而在GPT-6 Astra的新交互逻辑下，使用者无需掌握复杂的3D软件操作技能，仅需通过自然语言描述自身需求，模型即可自动将对应的创意和要求转化为可运行的代码，进一步生成对应的三维空间结构，大幅降低了3D内容创作的准入门槛。不过目前该模型的3D建模能力距离真正的工业级商用标准仍存在明显差距，当前生成的拆解结果仅为粗略的框架级拆解，远达不到工业生产所需的精细度要求，模型运行过程中还会出现各类代码错误和结构偏差问题，必须由具备专业能力的人工介入修复相关bug，才能得到符合基础使用要求的结果。在面向工业场景的专业CAD建模测试中，GPT-6 Astra在BenchCAD测试集上的建模结果得分为95.9%，相比前代GPT-5.6 Sol的83.3%有明显提升，该测试集包含106类合计17900个工业零件的多视角视图，其中52类零件符合ISO、DIN、EN、ASME、IEC等国际通用标准，其余零件也均来自实际工程实践规范，测试要求模型根据零件视图写出可生成对应零件的CAD代码，涉及旋转、数组处理、扫描、定位、螺旋运动等46种复杂CAD操作，最终通过对比生成模型与标准结果的几何重叠率、结合代码执行成功率计算得到IoU得分，即便模型在该标准化测试中取得了较高分数，落地到真实工业建模环境中时，依然存在遗漏细小结构、误解参数定义等问题，距离工业级商用所需的拓扑干净、UV可用、尺度真实、命名具备语义、碰撞体可靠等要求还有不小的距离。

除了3D建模领域的突出表现之外，GPT-6 Astra的另一项核心能力是对电脑与浏览器的自主操作能力，也就是官方定义的computer use和browser use功能，该模型可以脱离人工的逐步骤指令引导，独立完成长时间、多步骤的全流程软件操控任务，无需人工干预中间环节的执行过程。在公开的实测案例中，有使用者向模型下达在Canva中绘制肖像的指令后，GPT-6 Astra自动打开对应网页，自主选择合适的绘图工具、调整图层参数、精准控制鼠标点击像素点，全程耗时约1小时独立完成了肖像绘制工作，操作流畅度和最终成品质量堪比有多年经验的专业创作者。在3D创作软件Blender的相关测试中，模型可以自主完成建筑重建的全流程操作，从基础轮廓搭建到细节结构补充，全部由模型自主操控软件完成，无需使用者中途介入调整参数。还有测试案例展示了模型操控在线钢琴网站完成演奏的能力，模型自主搜索找到可用的在线钢琴页面，通过鼠标点击控制右手旋律部分，同时调用键盘控制完成左手伴奏和速度更快的乐段，完整演奏出指定曲目，演奏完成后还能自主启动录屏功能，对录制得到的视频素材进行剪辑处理，最终输出完整的演奏视频成品。除此之外，还有独立开发者借助GPT-6 Astra接管BrickLink Studio软件，全程由AI自主操作鼠标选择零件、调整摆放位置、完成乐高高达的拼搭，整个任务仅耗时8分钟就全部完成；有播客主持人直接让模型接管视频剪辑工作，模型自动新建项目工程、导入对应音视频素材、完成片段同步对齐、开展调色调整，全流程无需人工操作；还有大量游戏开发相关的实测案例显示，模型可以独立完成从经典游戏复刻到全新街机游戏开发的全流程工作，部分复杂射击类游戏的开发任务在数小时内即可完成，最终成品的光影效果、角色运动流畅度、色彩搭配都达到了较高的完成度。

更受行业关注的是，GPT-6 Astra已经开始突破传统屏幕交互的限制，尝试实现对物理世界实体设备的直接控制，在没有经过任何针对特定任务微调的零样本测试中，将模型与机械臂连接后，指挥机械臂完成积木放置到指定容器内的任务，整体成功率达到95%，展现出大模型打通数字空间指令与物理实体动作的巨大潜力。与此同时，该模型的输出成本相比前代产品有大幅降低，相关API成本比GPT-5.6 Sol低约43%，比另一主流大模型Claude Fable 5.1.5低86%，成本的显著下降进一步拓宽了该类能力的落地可能性，按照当前的技术迭代节奏，有望在2029年前实现大模型对机械臂的实时稳定控制，让AI的指令可以直接顺畅转化为物理世界的实体动作。不过目前该类能力的落地依然处于早期测试阶段，此前的实测过程中也暴露出部分稳定性问题，模型的操作偶尔会出现动作偏差，还无法完全适配所有复杂的物理场景，距离大规模落地应用还有较长的路要走。

GPT-6 Astra一系列超出预期的能力展示，在全社会范围内引发了关于人类技能学习价值的广泛讨论，不少人在看到模型可以自主完成过去需要长期专业训练才能掌握的复杂软件操作、3D建模、内容创作等任务后，开始重新审视过往的技能学习路径，甚至出现了“学习软件操作技能不再有意义”的相关讨论。但从现阶段的实际表现来看，该模型的能力依然存在不稳定、输出结果粗糙等明显问题，很多场景下生成的初版结果仅能达到“看起来相似”的水平，距离符合生产要求的合格标准还有明显差距，需要具备专业能力的人工开展后续的验证、校准、修复工作，才能得到可用的最终成品。不过即便存在这些现阶段的不足，GPT-6 Astra已经实实在在展示出了将过去需要人类分步完成的复杂操作整体打包交给AI处理的可能性，过去很多需要学习者耗费大量时间精力反复练习才能掌握的软件操作类技能，未来将不再是进入相关行业的核心门槛，这也意味着人类未来需要重新思考到底什么技能才值得投入大量时间和精力去学习，过去以“会操作软件、能完成基础执行类任务”为核心目标的学习路径已经不再适配新的技术环境，未来的技能学习需要更多向判断能力、验收能力、审美把控、复杂创意设计等AI难以直接替代的方向倾斜，才能在技术快速迭代的环境中找到自身的核心价值。

(编辑：徐松丽)