85年没解开的德军恩尼格玛密电，GPT-6 Astra用10小时破了
相关推荐
OpenAI 28天冲刺首日：GPT-6 Astra和6.1 Sol提速约50%
动察 Beating AI 快讯，OpenAI 产品与平台主管 Thibault Sottiaux 公布 28 天产品冲刺的首日更新。GPT-6 Astra 和 GPT-6.1 Sol 的默认生成速度已经优化，官方称整体约提升 50%。 这次提速不仅覆盖 Codex 和 ChatGPT Work。通过「Sign in with ChatGPT」使用 ChatGPT 订阅额度的第三方产品也会同步生效，包括 OpenCode、Pi、Amp 和 Devin 等。用户不需要修改任何设置，更新会自动推送。 OpenAI 此前承诺，未来 28 天每天要么交付一项对多数 Codex / Work 用户有明确改善的更新，要么直接重置用户额度。这次提速就是 Day 1。
GPT-6 Astra考过「科目二」？5分22秒驶入锥桶车位
动察 Beating AI 快讯，三名中国台湾地区研究人员搭建 DrivingBench，将 GPT-6 Astra、GPT-5.6 Sol、Grok 4.6 和 Claude Fable 5.1 等通用大模型接入一辆真实的 2022 款丰田卡罗拉，进行类似「科目二」的真实车辆驾驶测试。测试赛道全长约 130 米，由彩色锥桶组成 8 米宽通道，车辆需连续通过多个弯道，最终驶入一个 7×5 米的锥桶车位。 此前从未接受专门驾驶训练的 GPT-6 Astra，在首次测试中因判断失误偏离赛道，但第二次调整策略后，以 5 分 22 秒完成约 134.7 米赛程并成功驶入车位，成为四个模型中唯一「通过科目二」的模型。 测试中，Astra 将弯道及障碍物附近车速控制在 0.5 至 0.8 米/秒，并根据实时摄像头画面持续调整方向。相比之下，Sol、Grok 和 Fable 均未完成测试，其中 Sol 和 Grok 连续三次失败，Fable 第三次行驶至约 45% 位置后停止。 此次测试显示，未经专门驾驶数据训练的通用大模型已能够在低速真实环境中完成基础驾驶任务，但距离实际道路自动驾驶仍存在明显差距。
GPT-6 Astra解决刘维尔版哥德巴赫，Lean独立复核通过
动察 Beating AI 快讯，匿名数学社区账号 Captain Sude 公布了 GPT-6 Astra 找到的一份新证明，解决了刘维尔版哥德巴赫问题。 这个问题把经典哥德巴赫猜想里的「两个质数」，放宽成「两个质因子总数为奇数的整数」。此前杜伦大学数学家 Alexander P. Mangerel 只能在广义黎曼猜想成立、且偶数足够大时证明。 Astra 现在去掉了这两个限制，证明所有大于 2 的偶数都成立。核心思路是先假设某个偶数无法这样拆分，再一步步推出互相矛盾的结果。 完整证明已经写进 Lean 4。项目可以正常编译，独立审计仓库也成功复现，没有发现 `sorry` 或额外数学公理。 经典哥德巴赫猜想本身仍未解决，因为这里的两个加数依然可以是合数。
OpenAI推出法律版GPT-6 Astra，法律研究正确率提升40%
动察 Beating AI 快讯，OpenAI 推出 Astra for Law，把 GPT-6 Astra 做成专门面向法律工作的版本。它加入法律检索、分析和写作能力，可以帮律师查判例、分析案件、起草文件，也能接入律所现有的工作流。 OpenAI 还新建了一套法律搜索索引，可以查询美国判例、法规、法院规则等超过 2.3 亿个 URL，覆盖 99.9% 以上已公开的美国先例判决。 在 200 道美国法律研究题中，Astra for Law 的整体正确率达到 54.0%，普通 GPT-6 Astra 加网页搜索为 38.7%，相对提升约 40%。在判例题上，它找到的参考案例也多了 24%。 Astra for Law 会先向部分美国律所开放，在 ChatGPT 和 Codex 中显示为 GPT-6 Astra Law，随后开放 API。Harvey、Legora 等法律 AI 公司也可以把它接进自己的产品。OpenAI 还推出 26 个法律行业插件，可以调用 Thomson Reuters、Relativity、Clio 等专业法律数据和工具。
GPT-6 Astra直接接管机器人「大脑」，模拟成绩超过专用VLA
动察 Beating AI 快讯，由香港大学 MMLab 牵头的机器人操作评测项目团队 RoboDojo 做了个反常规实验。他们没有给 GPT-6 Astra 再配一个训练好的机器人策略，而是让这个通用多模态模型直接看相机、读取机器人状态、理解任务，再自己决定下一步怎么动。中间只有一套固定控制工具，把 Astra 给出的目标位置转成机械臂动作。 在 42 项模拟任务里，Astra 拿到 28.97 分、22.48% 平均成功率，超过原公开榜首 DM0.5 的 24.90 分、19.34%。同一套控制方式换成 GPT-5.5，只有 1.13 分、0.88%。 RoboDojo 公开榜过去主要是 VLA、WAM 这类专门训练的机器人策略。现在，原本需要专用模型完成的一部分动作决策，通用大模型已经可以直接接手，而且整体成绩还超过了原榜首。机器人是否还需要单独训练一颗「大脑」，这个问题第一次变得很具体。 但 Astra 还替不了机器人的「小脑」。插入、倒液体、精细接触这些依赖真实物理控制的任务，它明显更弱。真机测试还因为多次出现危险动作并损坏硬件，被团队提前叫停。 随着通用模型能力变强，机器人模型的分工可能会被重新划分：大模型负责看懂环境、判断和规划，专用 VLA 与传统控制器负责把动作做准、做稳。
GPT-6 Astra把Minecraft玩到AI从未到过的进度，最后栽在苦力怕手里
动察 Beating AI 快讯，在 AI 模型评测公司 Vals AI 的 Minecraft 长时程测试中，GPT-6 Astra 推进到了此前任何 AI 系统都没达到过的进度。它搭出了半自动烈焰人农场，拿到 6 根烈焰棒，又找到诡异森林，击杀 6 只以上末影人并收集到 3 颗末影珍珠。 但 Astra 随后把重要物资全放进一个箱子。一只苦力怕突然出现，把箱子和床一起炸掉，关键物资几乎全部丢失。 此后 Astra 连续几个小时几乎只在种土豆，还开始反复警惕苦力怕。它甚至会看到绿色物体就提醒自己「这是甘蔗，不是苦力怕」。