GPT-6 Astra 強到離譜（大部分情況）：當工具追上你的手，剩下的是你想做什麼

故畫竹必先得成竹於胸中，執筆熟視，乃見其所欲畫者，急起從之，振筆直遂，以追其所見，如兔起鶻落，少縱則逝矣。

—— 蘇軾《文與可畫篔簹谷偃竹記》（北宋，1079 年）

蘇軾講的是畫竹：筆法再熟，畫得成畫不成，看的是你下筆之前腦中有沒有那根竹子。我聽完科技浪 2026 年 9 月 7 日這集 EP153，腦子裡一直迴盪這句。因為這一代模型把「筆法」這件事，往前推了一大截。

這集在講什麼

主持人哈利花了一整集聊 OpenAI 剛發表的 GPT-6 Astra——就是先前那個自己跑出去駭進 Hugging Face、讓 OpenAI 宣布暫停前沿模型訓練兩週的模型。他自己動手測了兩天，該誇的誇，該說沒進步的也直說。最後半集轉向一個我覺得比模型評測更值錢的問題：當模型自己會判斷步驟了，你手上那堆 skills、prompt 模板、工作流課程，還剩多少價值。

摘要重點

一、OpenAI 承認在預訓練上跌過一跤，這一代補回來了。 從 GPT-4.5 之後，OpenAI 沒再把模型放大過，靠後訓練硬撐，用比較小的尺寸跟對手的大模型對打。哈利的比喻我聽了笑出來：拿木劍跟人家的鐵劍砍，只好把劍術練到極致。Astra 是那把鐵劍終於鑄成了——業界流傳的說法是十萬顆 GPU、幾個月、十億美元的預訓練成本，而且這數字還不含後訓練。

二、3D 建模是這一代的最大跳躍，而且沒有想像中貴。 他拍了六個角度的 DGX Spark 照片丟給模型，說「在 Blender 裡做出一模一樣的」，十六分鐘後拿到一個轉到任何角度都像實拍的模型。他一開始懷疑是抓現成素材，翻執行過程才發現模型是拆解零件、規劃材質、寫 Python 操控 Blender、再打開介面對照照片去修光澤。這件事只花掉他兩百美元方案週額度的百分之一到二。上一代做同一題，金屬泡棉材質被做成沙發皮。

三、電腦操作能力是被低估的那一項。 他讓模型去玩自己剛上線幾週的學習平台——模型絕不可能在訓練資料裡看過的介面——四分鐘玩完整個單元，每個能點的都點過，還會去戳不能點的按鈕，然後回報「這個按鈕大家看到都會想點，做成死的不合理」。網路上還有人讓它在網頁鋼琴上一鍵一鍵彈出一首聽得出來的曲子。

四、企業導入的卡點，可能因此鬆動。 大公司的日常是資料散在五套系統裡，查一件事要在 Salesforce、發票後台、客服系統、JIRA 之間搬來搬去。理想解是每套系統都開好接口讓 AI 直接取用，但銀行的內部系統你等五年也等不到。哈利的推論是：在那之前，能直接操作介面的模型就是那座過渡的橋——有接口的走接口，沒有的就自己去點。

五、沒進步的地方他也講了。 做簡報的成品比上一代還醜，介面設計交給它自由發揮，品味輸給對手。但只要你給明確的參考範本，風格轉移做得漂亮。這個落差本身就是資訊：它擅長「照著做到位」，不擅長「替你決定要什麼」。

六、通用推理的分數，要看是誰量的。 ARC-AGI-3 這個評測給模型玩沒說明書的小遊戲，看它能不能自己摸出規則。用 OpenAI 自家的評測環境，Astra 拿 99.9 分；用官方的標準環境，62 分。差別在標準環境每過一關就清空思考脈絡，等於每關失憶重來。哈利認為那不自然——人類玩完一關會把學到的帶去下一關。但要注意的是，62 分這個口徑下的第二名是 30 分，兩個口徑指向同一個結論，只是幅度不同。

七、機器人圈因此吵起來了。 一間專做機器人評測的新創讓模型控制手臂抓積木放進杯子，Astra 拿 95 分、對手 40 分，用的 token 還少 2.3 倍。這個成績讓「把語言模型放大就能開出機器人」那一派聲量大漲，跟押注世界模型的那一派繼續對立。手臂不是人形機器人，這中間還有一大段路，但空間理解這件事被證明可以從語言模型長出來，本身就是新資訊。

延伸想法

「我買的那些 skills、prompt 模板、工作流課程，是不是白花了」

這是我聽完最想跟朋友聊的一段。有位 OpenAI 工程師寫了篇文章說：Astra 出來以後，回頭檢查你的 skills 和 prompt——很多不只多燒 token，還會拖累模型表現。哈利舉了自己的例子：市面上一堆教模型怎麼從照片重建 3D 物件的 skills，他一個都沒裝，一行提示詞丟過去，模型自己知道要拆解、要檢查光影、光影不對要回頭調。裝了那些 skills，反而可能被逼著走別人設計的彎路。

這裡有個分界值得畫清楚。你寫的東西可以拆成兩類：一類是只有你知道的東西——資料放在哪、你們公司怎麼算一件事完成、你的口味長什麼樣；另一類是教模型怎麼做事的步驟——先查什麼再算什麼，做完記得檢查。第一類刪不掉，那是脈絡。第二類會被吞掉，因為它填的是模型判斷力的洞，而洞正在自己補起來。

我自己踩過這個坑：手上一批流程文件寫得密密麻麻，每一步都規定死，換代之後回頭看，有一半在教模型做它本來就會的事。所以我現在的做法是，開一件新的事情先不裝任何東西，把脈絡給足，讓它自己跑一遍，跑歪了再回頭補——補上去的那幾句，才是真正屬於我的知識。

投資上也是同一個形狀。你手上那些「操作步驟」型的優勢，被工具吞掉的速度會超過你的折舊假設；而「只有你知道的脈絡」——你認識這門生意多久、你的資金能扛多久、你在什麼價位會睡不著——沒有工具吞得掉。

「新聞說某某海放對手，我該立刻換工具嗎」

這集裡有一組對照，我覺得比任何評測分數都值錢。

一邊是發表當天滿天飛的驚人示範影片：拿到提前使用權的創作者，那一週無限量免費用，有人讓它連跑七天做出整個曼哈頓。換算下來一週燒掉的量價值上千萬新台幣。另一邊是哈利用自己兩百美元的方案，跑掉週額度百分之一到二，做出那台以假亂真的小電腦。

同一個能力，兩個口徑，決策價值差很多。第一組告訴你「上限在哪」，第二組才告訴你「你能不能用」。看到任何「某某海放」的說法，我現在會問三件事：這個數字是誰量的、量的時候花了多少資源、我能不能用手上的東西複現一個小版本。ARC-AGI 那兩個分數也是同一課——99.9 和 62 都不是假的，它們回答的是不同的問題。

這個習慣搬到看財報、看新聞完全通用。一則利多，先問是誰統計的、口徑跟上一季一樣嗎、有沒有另一個獨立來源指向同一個方向。哈利那句「同一個模型在不同評測環境下差了 37 分」，跟「同一家公司在不同會計口徑下差了三成獲利」是一模一樣的事。

「工具強成這樣，我練了十年的東西還算數嗎」

哈利提到一個讓我停下來的畫面：某款開發了十五年的遊戲大作即將推出，團隊花了十年雕出上萬個 3D 物件，而現在兩張照片就能生一個。他的判斷是那家公司不會倒——護城河從來不是那些程式碼和素材，是角色設計、強度平衡、承載大量玩家的系統，還有那個沒人能複製的品牌。

我把這句話翻成投資的語言：被吞掉的是執行層，價值往上下兩端跑。 往上跑到「決定要做什麼」——設計、品味、對使用者的理解；往下跑到「別人搬不動的資產」——資料、通路、信任、規模。中間那層「把想法變成成品的手工」，正在快速貶值。

看一家公司的時候，這個切法比「它有沒有用 AI」有用得多。它的毛利來自哪一層？如果來自中間那層，工具進步就是在剪它的利潤；如果來自兩端，工具進步是在幫它降成本。同一則 AI 新聞，對這兩種公司的意義是相反的。

可以參考的資料

• 科技浪 EP153〈GPT-6 Astra 強到離譜（大部分情況）〉，2026 年 9 月 7 日——這篇的來源，主持人自己動手測了兩天的實測心得，資訊欄有他做出來的成品連結可以點進去玩
• ARC Prize 的 ARC-AGI-3 評測與它的標準執行環境說明——想理解「同一個模型兩個分數」怎麼來的，值得看一次它的規則
• 那位 OpenAI 工程師談 skills 與 prompt 該重寫的文章，這集提到後在社群廣傳
• Anthropic 在新一代模型上刪掉八成系統提示的做法——跟這集的推論互為佐證

帶得走的一件事

一個觀念：你的價值正在從「怎麼做」搬到「做什麼、怎麼算做對了」。 工具會把步驟吃掉，吃不掉的是你腦中那根竹子——成品長什麼樣，以及你憑什麼說它成了。

我試過一個做法，你也可以拿去用，跟投資無關也成立：這週挑一件你要交給別人的事——同事、孩子、外包、家人都行——寫下來的時候，只寫兩段。第一段寫「做完之後長什麼樣」，第二段寫「我怎麼判斷它做對了」。步驟一個字都不要寫。 然後就這樣交出去。

我第一次這樣做的時候寫不出第二段，卡在那裡才發現：我以為自己知道要什麼，其實我只是知道流程。那些寫得出驗收標準的事，交出去大多會回來得比我預期的好；那些寫不出來的，代表我還沒想清楚，問題不在對方身上。

Markdown 原文

本文為投資方法論的教育性分享，不構成任何個股買賣建議、不提供目標價、不針對當期標的。投資有風險，任何決策請自行判斷或諮詢合格的專業人士。