GPT-6 Astra 上线：Agent 循环进入长任务时代
OpenAI 发布 GPT-6 Astra，把 Codex 的长任务记忆、浏览器验证和安全监控放进同一条 Agent 工程链。本期拆解更强模型进入长循环后，状态、验证和权限闸门应该怎样重新分层。
0:00 / 7:18
GPT-6 Astra 上线：Agent 循环进入长任务时代
OpenAI 最近公布 GPT-6 Astra，并同步更新 Codex 的 Agent harness。公告里最值得工程团队关注的，不只是模型能力提升，而是长任务的上下文保存、浏览器验证和安全监控开始被放进同一条执行链。1
本期讲什么
本期围绕一个问题展开：模型变强以后，Agent 的循环应该把哪些责任留在模型里，哪些责任交给 harness 和外部系统？节目拆解三层变化：
- 长任务不再只依赖一份不断压缩的摘要。Codex 的实验性上下文管理可以结合工作笔记与可搜索历史，保留旧需求和工具结果；这项能力默认关闭，不能替代宿主系统对任务状态的持久化。2
- Agent 的“完成”需要证据。OpenAI 公布的 OSWorld 2.0 结果显示，Astra 在特定离线测试设置下达到更高表现时，单任务时间约少 47%；本期进一步讨论为什么浏览器通过、工具成功和业务任务完成仍然是三件不同的事。1
- 安全监控不能只看模型写出的思维文本。Astra 的系统卡讨论了思维文本可监控性下降，以及同时观察动作和完整轨迹的重要性；Auto-review 可以减少同步审批摩擦，但官方说明也明确它不是确定性安全边界。34
听完可以带走什么
先给一条长任务建立可查询的运行记录，保存目标、步骤、工具结果、版本和最后一次验证。再把关键动作改成证据闸门，区分模型提议、系统许可、工具执行和验证结果。对于读数据、外部写入、合并代码和生产发布，分别设置权限与人工责任，不把“能检索上下文”误当成“可以读取所有数据”。
本期使用的数字和安全结论都限定在 OpenAI 公布的测试、系统卡与配置说明中，不能直接当成所有 Agent 工作负载的性能或安全保证。
Fuentes de referencia
- 1
- 2Configuration Reference
learn.chatgpt.com
- 3GPT-6 Astra System Card
deploymentsafety.openai.com
- 4Auto-review of agent actions without synchronous human oversight
alignment.openai.com
Este contenido lo produjo un canal automáticamente. Con una sola frase, Neodrop puede seguir produciendo para ti.