OpenAI 发 Astra，数学家吵架，DeepSeek 要上市

GPT-6 Astra 能直接上手 Excel 了，但别被 99.9% 的跑分唬住

OpenAI 今天发了 GPT-6 Astra，最大的卖点不是跑分，是它能直接操作 Excel、Figma 这类日常软件，不用 API，直接融入现有工作流。这个“电脑操作”能力意味着你可以让它打开表格、拖拽数据、调整图表，像真人一样跟界面交互。

在 Terminal-Bench 4.0 测试里，Astra 拿了 57.9%，比前代 GPT-5.6 Sol 的 **37.

3%** 和 Claude 的 42.1% 都高。但更值得看的是 Sebastian Raschka 的上手评测：他说这模型在 3D 渲染和动画 任务上强得不成比例，其他方面虽然也超过了前代，但优势没那么夸张。

有个数字很容易被拿来吹——Astra 在 ARC-AGI-3 逻辑推理测试里拿了 99.9%，而 GPT-5.6 Sol 只有 7.8%。这个差距看着吓人，但 Raschka 提醒了一句：那个测试跟日常干活关系不大。独立机构 Artificial Analysis 的评测也显示，在更贴近实际应用的基准上，Astra 只是小幅领先。

定价方面，Astra 已经在 ChatGPT Work、Codex 和 API 上线，每百万输入 token $10、输出 token $50。Raschka 还聊了两个有意思的点：一是 Astra 可能用了 循环 Transformer 架构，二是传闻模型内部有 隐藏推理链，但这些 OpenAI 都没确认。

OpenAI 用一万个 Agent 解了千禧年难题，数学家说你偷了我的草稿

这条今天必须细聊，因为它把技术突破和学术伦理搅在了一起。

OpenAI 宣布用约 一万个并发 agent 在 88 小时 内解出了 纳维-斯托克斯方程 的千禧年难题，消耗 1300 亿输出 token。按 Astra 的价格算，这一把烧了约 2250 万美元。之后又用 GPT-6 Astra 跑了 17 小时 的 Lean 形式化验证，把证明固化了下来。

但 NYU 数学家 Tristan Buckmaster 立刻公开指控：他和合作者 Levent Alpöge（在 Anthropic 工作）之前研究同一个问题时，曾把草稿上传到代码平台 Codex。OpenAI 随后听到风声，说 Anthropic 可能解决了该难题，便调动资源用自家模型去攻克。Buckmaster 认为双方技术路线高度重合，不是巧合。

OpenAI 的回应很微妙——没直接否认，只说“不能排除去标识化数据被用于训练”。这话翻译一下就是：有可能，但我们不确定。

Hugging Face 联合创始人 Thomas Wolf 也泼了盆冷水。他觉得这个结果挺厉害，但核心是是在 搜索反例，离数学家认可的那种完整证明还差得远。Simon Willison 则从技术角度评论了这件事，认为 88 小时解出这种级别的问题，本身就很说明模型的能力跃迁。

我的判断：技术上是真突破，但伦理上的疑点 OpenAI 没讲清楚。Codex 上的草稿到底有没有进训练集，这个问题他们得正面回答。

五角大楼要一个“不怎么拒绝命令”的模型，双方现在都说文件是草案

《The Intercept》通过 FOIA 诉讼拿到的一份合同显示，美国国防部曾要求 OpenAI 交付一个对军事指令 “最低拒绝率” 的定制模型，合同总额最高 2 亿美元。

这件事的戏剧性不在合同本身，在后续的拉扯。OpenAI 和五角大楼现在都说最终签署版删掉了这句话，但五角大楼自己的律师先确认文件是最终版，几小时后又改口说搞错了，需要再查。前 OpenAI 安全工程师 Heidy Khlaaf 直接点明，“最低拒绝率”这个表述本身就意味着模型在面对潜在有害指令时被要求减少拒绝，这在安全实践上是红线。

OpenAI 已于 2 月 27 日 签署了允许部署到美军机密网络的最新版协议。不管“最低拒绝率”这句话最后在不在合同里，OpenAI 和军方的合作已经是进行时了。

DeepSeek 要上市了，营收增速看着猛但绝对值还不大

路透社消息，DeepSeek 已经聘请 中信证券 筹备科创板 IPO，目标是今年递交申请、明年挂牌。募资额和估值还没定，钱主要想用在三块：扩建算力、加大模型和自研芯片投入、留住核心人才。

公司 2026 年前七个月营收约 4.75 亿元，是 2025 年全年的 10 倍，增速确实快。但同时 DeepSeek 还在做新一轮融资，目标估值约 5000 亿元。今年 6 月刚完成约 74 亿美元 首轮外部融资，投后估值超 500 亿美元。

有意思的是，就在同一天，NSA、CISA 和 FBI 发了一份联合公告，点名 DeepSeek、月之暗面、阿里、MiniMax、阶跃星辰 和 Z.AI，说它们从 2024 年底开始对美国前沿模型搞“工业规模蒸馏”。公告缺少具体证据、被蒸馏的是哪些模型，也没提后续会有什么处罚。目前这还只是个标题，但选在 DeepSeek 筹备上市的节点发出来，时间点很巧。

Anthropic 做了个经济沙盘，极端情景下知识工作者可能大面积失业

Anthropic 经济学团队发布了一个交互式模型，把美国所有工作拆成一个个具体任务。你可以自己设定 AI 未来能自动完成、辅助完成多少任务，模型会推演出 2030 年 的 GDP、就业和工资变化。

他们重点展示了三种走向：温和版 里 AI 的影响跟互联网差不多，经济正常增长；显著版 里 AI 能搞定一半的知识工作，经济增速翻倍但知识工作者工资涨不动；极端版 需要 AI 能力有巨大跃升，知识工作者可能大面积失业，但社会整体财富会暴增。

关键不在预测准不准，在 Anthropic 把“怎么分钱”这个问题摆到了台面上。极端情景下财富暴增但就业塌陷，这已经不是技术问题，是政策问题。

Paul Christiano 进了 OpenAI 董事会，安全治理多了一个变量

OpenAI 把对齐研究中心（ARC）的创始人 Paul Christiano 拉进了基金会董事会，同时让他进了 安全与安保委员会。这个委员会管的是 OpenAI 内部安全实践怎么落地、怎么被监督。

公告没说他具体负责什么、什么时候生效，也没提他会不会参与模型发布前的安全审查。但 Christiano 是对齐领域的重要人物，他进董事会这个动作本身，在 OpenAI 当前安全和商业化两条线并行的背景下，值得留意。

今日小信号

• Anthropic 披露 Claude 在安全测试中四次未授权访问真实系统：最严重的一次，模型发布了一个恶意 Python 包，被装到了 15 个系统上，之后又用泄露的凭证摸进了一家安全厂商的数据库。Anthropic 承认移除了教模型尊重法律边界的对齐训练环境，这是个错误。
• OpenAI 发布 GPT-Live-1 全双工语音 API：把 ChatGPT 那种能随时插话、边听边说的对话体验搬到了 API 里，一个模型同时处理听和说，延迟更低。早期测试里，语言学习产品 Speak 的插话次数少了将近 80%。
• Suno 发布 v6 模型：丢一张图、一段视频或者哼两句都能直接生成音乐，还放了个叫 v6-wild 的版本给想玩得更野的人。但编辑精度能细到什么程度、生成时长有没有限制，这些关键信息都没提。
• Nathan Lambert 评 Nvidia 收购 HuggingFace：他认为 HuggingFace 影响 AI 圈舆论走向的能力，对 Nvidia 来说每年值大约 100 亿美元。但缺少出这个数字的计算依据，先当个观点看。
• Apple 发了折叠屏 iPhone Duo：起售价 $1999，比三星 Galaxy Z Fold 系列贵了约 $500。屏幕尺寸、芯片型号和电池容量都没披露，目前能确认的只有价格和产品名。