ARTICLE · 1022510
(补发)GPT-6 刷爆了 AGI 试卷,但那个 99.9%,我劝你先别急着鼓掌
摘要： GPT-6 在 ARC-AGI-3 上拿了 99.9%，全网都在喊 AGI 来了。我把 OpenAI 自己披露的细节翻了一遍，发现这个分数里藏着三个没人细讲的坑——最后一个，恰好说明 AGI 可能比想象中更近。
今天早上刷 X，满屏都是同一张图：ARC-AGI-3，GPT-6 Astra，99.9%。
作为一个从 GPT-3.5 时代就开始写 AI 分析的前文字记者，我见过太多这种"分数爆炸"的早晨。上一次大家这么激动，还是 GPT-4 刚出、说它考过了律师资格证的时候。后来呢？律师们发现它一本正经地编判例。
所以我今天没急着转发，而是把 OpenAI 官方技术长文和几家媒体的拆解翻了个底朝天。这篇文章，我就讲清楚三件事：这个 99.9% 到底含金量多少、Astra 这次真正的突破在哪、以及我们普通用户接下来该做什么。
一、99.9% 是怎么来的：先泼半盆冷水
先说结论：99.9% 是真的，但它不是裸模型的分数。
OpenAI 自己在技术说明里写得明明白白：这个成绩是「基础模型 + Agent 运行框架（Harness）」的整体成绩。他们调整了两项设置，让测试更接近真实 Agent 的使用方式——注意，没有针对 ARC-AGI-3 做专项优化，但框架本身带来了巨大增益。
也就是说什么呢？打个比方，这就像一个考生天赋异禀，但这次成绩单上写的是"考生 + 全家陪考团"的总分。天赋是实的，总分的水分也是实的。
对比一下更直观：GPT-5.6 Sol 在同一张卷子上只有 7.8%，Claude Opus 5 是 30.2%。Astra 的裸模型哪怕打个对折，也依然是断崖式领先——这才是真正值得关注的。7.8% 到哪怕 50%，中间隔着的不是迭代，是代际。
还有一个更扎心的细节：ARC Prize 官方早就提醒过，公开展示集和私有评测集是两回事。你通关了一款电子游戏，可能只是清掉了新手教程关。 半私有集和私有集的分数，到现在还没完整放出来。
二、真正的突破不在考卷上，在"素数间隔"里
泼完冷水，说说我真正觉得了不起的东西。
这次 Astra 参与解决了两个长期没有进展的素数间隔问题，其中一项把已知的有界素数间隔从 240 缩小到了 186。考卷分数可以靠刷题刷出来，数学新结论造不了假——这是硬通货。
另外两个数字我也盯着看了很久：FrontierMath Tier 4 拿了 97.6%（GPT-5.6 是 83%），OSWorld 2.0 计算机操作任务完成率 72.6%，单任务耗时从 75 分钟压缩了一大截。
我自己觉得，这几个数字放在一起，指向的是同一件事：GPT-6 的提升，不是"知道得更多"，而是"推理得更深"。 前几代模型的进步像给学生喂更多教材，这一代像是突然学会了怎么用草稿纸。
一句话总结我的判断：考卷测的是知识，素数测的是思考，GPT-6 第一次在后者的赛道上交了卷。
三、Tier 4 上的分数，请配合使用说明书服用
如果你已经拿到内测资格或者准备上 API，OpenAI 工程师的两条提醒比分数本身更值钱，我原样搬给你：
第一，用 Responses API。 98 分里有相当一部分增益来自 Agent 框架，裸调模型跑不出这个成绩。框架就是这次的"草稿纸"，你不用，等于让天才考生徒手上考场。
第二，删掉你的 Agent.md，重写。 这是工程师 Max Stoiber 的原话：GPT-6 的指令遵循能力太强了，强到任何冗余指令都会削弱它的表现。以前我们怕模型不听话，拼命加约束；现在要反过来，把人质的枷锁拆掉，它才能跑。
举个例子，我自己的工作流里有一份 2000 字的写作规范，以前是"越细越好"，现在得重新审一遍——那些为了防 GPT-4 犯蠢写的补丁式指令，现在全是拖累。
四、注意事项：三个需要冷静的地方
最后说几句扫兴但必要的话。
一是 ExploitBench 拿 100% 这件事。网络安全测试满分，换个角度读就是"攻击能力满分"。能力越强，对齐的赌注越大——还记得 7 月那场 GPT-6 内测失控、OpenAI 紧急叫停的风波吗？同一批人，同一个模型。
二是价格在涨。性能暴涨的代价是账单暴涨，"AGI 时代"的第一批入场券比上一代贵了不少，普通用户先观望再上车不丢人。
三是记住它还不会什么。AGI 是个渐进的过程，不是某天早上的一声哨响。99.9% 的考卷值得鼓掌，但把掌声换成"这周我用它真解决了什么问题"，会更诚实。
写在最后
从 GPT-3.5 到今天，我写过无数次"新模型发布"的分析。说实话，多数发布日的激动都是泡沫，一周后就没人在意了。
但这次不太一样。不是因为 99.9%，而是因为素数间隔那个 186——一个人类数学家卡了几十年的东西，模型参与了推进。当 AI 开始在一个领域产出"人类没想过的新东西"，而不只是复述人类的旧知识，这事的性质就变了。
分数会过期，这个信号不会。
好东西一定要分享。如果你觉得这篇拆解有用，转给那个还在朋友圈刷"AGI 来了"的朋友——顺便告诉他，99.9% 后面还有个小数点的故事。
参考来源：OpenAI 官方技术长文、量子位、新浪财经、机器之心、智源社区（2026-09-04 报道）