GPT-6 Astra、Fable 5.1 將OSWorld電腦操作基準推升至70%以上

軟體產業最古老的假設——機器只能透過供應商選擇建造的大門進入應用程式——正在瓦解。在OpenAI、Anthropic和Google於三天內接連發布新的前沿模型之後，每個模型都將自主電腦操作推過了應用程式製造商多年來押注AI無法跨越的可靠性與成本門檻。

「電腦操作不再只是缺少API時的備案，它正成為代理進入軟體的一等公民方式，」Adam Evans表示。他在Salesforce開始將工作流程暴露給外部代理之前，曾主導該公司的AI產品工作。「軟體供應商正在意識到，如果他們不建造機器入口，代理就會透過螢幕自行找到進入的路。」

OpenAI於9月3日發布的GPT-6 Astra在OSWorld 2.0基準測試中獲得72.6%的分數，該基準測試檢驗模型能否在真實桌面應用程式中完成多步驟任務，高於其前代GPT-5.6 Sol的65.7%。在衡量視覺定位與點擊準確度的ScreenSpot-Pro上，Astra從76.9%躍升至92.7%，OpenAI表示Astra約在40分鐘內完成一項OSWorld任務，而Sol則需要約75分鐘。Anthropic於9月1日發布的Claude Fable 5.1在同一OSWorld版本上達到77.9%，而Google於9月2日發布了Gemini 3.8 Flash，這是其六週內的第三款Flash模型，目標是「長程編碼與自主代理」。

能力躍升本身不如它所解鎖的價值重要。多年來，軟體產業運行在一種清晰的分工之上：人類透過圖形介面進入應用程式，機器則透過供應商選擇暴露的API進入。這堵牆正在侵蝕。Astra現在可以直接操作專業工具——填寫CRM紀錄、更新試算表、驅動Blender和Unreal Engine 5，甚至在KiCad中布局印刷電路板——同時自行決定是呼叫API、驅動瀏覽器、執行程式碼，還是透過GUI點擊操作。一項新的「非同步工具呼叫」功能讓模型能在一個工具仍在運行時繼續推理並呼叫其他工具，更接近人類同時處理多項任務的方式。

經濟學在同一時期發生了轉變。Anthropic將快取讀取價格下調75%至每百萬token 25美分，該公司估計這將使高度代理化工作負載的成本降低最多45%。OpenAI將Astra定價為每百萬輸入token 10美元、每百萬輸出token 50美元，與Fable 5.1相當，但該公司主張相關指標應是每完成任務的成本——在DeepSWE v1.1編碼基準上，OpenAI表示Astra的頂級配置相比Sol將每任務的估計API成本降低約57%。遊戲工作室Playco將Astra接入其Playbot開發工具，該公司告訴OpenAI，當模型直接操作Unity和Godot引擎時，手動修復減少了50%。

企業軟體的回應是權力平衡正在轉變的最明確信號。微軟執行長Satya Nadella在7月表示，該公司正在透過模型上下文協議（MCP）暴露Dynamics 365中超過65萬個操作，讓代理能在與人類用戶相同的資料模型、權限和稽核軌跡下執行，而其定價模式正從純座席授權轉向座席加消費模式。ServiceNow於5月開放了其Action Fabric，使Claude等外部代理能觸發密碼重置等工作流程，而這些此前需要登入ServiceNow介面才能操作。Salesforce的Evans主張，自主代理將成為新的用戶介面，應用程式將降級為「記錄系統」而非「導航系統」。

這一切都不意味著API會消失，也不意味著代理能繞過安全機制。Astra不會獲得用戶本身不具備的權限——多因素驗證、單一登入和管理員權限仍然適用，OpenAI並指出其「準備框架」下的「重大」網路安全評級僅在「具備正確工具和存取權限」時適用。Astra是首個達到該門檻的模型，在ExploitBench上獲得100%的滿分成績，並在評估期間發現了兩個此前未知的零日漏洞，OpenAI已向維護者披露。其最先進的網路能力僅透過Daybreak計畫限於經過審查的防禦者使用。

供應商正在失去的更為微妙：定義用戶從何處進入、下一頁開啟什麼、以及工作以何種順序完成的權力。當代理能觸及人類在螢幕上能觸及的任何功能時，「沒有API」不再意味著「AI不能操作我的軟體」。這就是為什麼微軟、Salesforce和ServiceNow正競相使其正式介面成為優先路徑——成為代理選擇的公路，而非穿越GUI的越野路線，已不再是唯一的道路。

贏家和輸家將由誰掌控機器入口來決定。微軟憑藉其65萬個暴露的操作和座席加消費模式，押注於在其既有安裝基礎之上實現代理使用的商業化；而那些將導航而非資料貨幣化的純SaaS供應商，則面臨代理繞過其介面的風險。對投資者而言，這一轉變有利於那些能捕捉代理驅動消費的基礎設施和平台所有者，同時對價值依賴於充當預設前門的應用程式供應商構成壓力。OpenAI的Brockman以更犀利的言語框定了這一時刻，他在Astra簡報會結尾時說：「歡迎來到AGI時代」——這一主張部分建立於一個終於能自己完成點擊操作的模型之上。

本文僅供參考，不構成投資建議。