今日 AI 工具｜2026/09/13：GPT-6 Astra 进 ChatGPT Work／Codex，没有 API 的旧系统也能直接操作｜文章

OpenAI 最新把 GPT-6 Astra 推进 ChatGPT Work、Codex 与 API，真正值得看的不只是模型更强，而是「Computer Use」开始变成企业工作能力：Astra 可以操作人每天使用的网站与桌面软件，即使系统没有 API，也能填表、更新 CRM、整理 Calendar、操作试算表、做演示文稿、跑 Frontend QA，甚至安装与测试软件。OpenAI 同时加入网站／App 限制、上下载控制、人工确认与自动安全 Review。AI 下一阶段正在从「知道怎么做」变成「真的在你的软件里做」，而权限边界也因此变得更重要。

企业导入 AI，常常会卡在一个很现实的地方：

AI 很聪明。

但公司每天真正使用的系统：

根本没有 AI 可以接。

可能是一套十年前买的 CRM。

一个只能用浏览器登录的 ERP。

一堆 Excel。

内部后台。

旧网站。

甚至只有：

按钮。

字段。

下拉菜单。

没有 API。

没有 Connector。

也没有人想花半年：

重新开发整套系统。

GPT-6 Astra 最新真正值得看的地方，就在这里。

OpenAI 把它推进：

ChatGPT Work。

Codex。

以及：

API。

而 Astra 最重要的新能力之一，是：

直接使用人原本就在使用的电脑软件。

这次重点不是「Astra 会回答更难的问题」

GPT-6 Astra 当然在：

Reasoning。

Coding。

Science。

Cybersecurity。

等很多 Benchmark 上变强。

但如果今天是「今日 AI 工具」：

真正值得一般工作者看的不是：

分数又提高多少。

而是：

它开始更能真的替你操作工作。

例如：

打开网站。

找数据。

填字段。

更新 CRM。

整理 Calendar。

操作 Spreadsheet。

产生演示文稿。

在文档编辑器里修改格式。

测试网站。

甚至安装与测试软件。

这和：

「AI 告诉你下一步该按哪里」

是完全不同的工作方式。

最关键的新点：没有 API，也可能做

企业软件过去要让 AI 真正运行工作：

通常要先想办法接 API。

例如：

CRM API。

ERP API。

Calendar API。

Database API。

如果没有正式界面：

AI 最后还是只能：

告诉人怎么操作。

OpenAI 对 Astra 的新定位则是：

它可以直接透过：

Computer Use

使用人每天操作的软件。

也就是：

看屏幕。

理解界面。

操作按钮。

输入数据。

切换页面。

即使那套应用：

根本没有特别替 AI 准备 API。

例如一家小公司的旧 CRM

假设你的公司有一套：

十年前建的客户管理系统。

每天员工都要：

登录网站。

搜索客户。

打开 Profile。

找到电话栏。

修改数据。

按 Save。

这套系统没有：

MCP。

没有：

Modern API。

也没有：

AI Integration。

过去如果你想自动化：

可能要请工程师：

研究内部接口。

写 Script。

维护 Integration。

现在 Astra 的方向变成：

先直接操作现有界面。

就像：

一个新员工坐到电脑前。

学会：

这个按钮怎么按。

这就是 Computer Use 真正可能改变企业 AI 的地方

很多公司的问题：

从来不是没有 AI。

而是：

AI 和真正工作的地方：

隔着一堵墙。

公司数据在：

Excel。

旧 ERP。

Browser App。

Desktop Software。

内部工具。

供应商网站。

AI 在：

Chat Window。

所以用户还是要：

问 AI。

拷贝结果。

切到 ERP。

粘贴。

再切回 AI。

再问。

再切到 Excel。

再贴一次。

如果 AI 真正能操作这些软件：

中间大量：

Copy／Paste／Switch App

才有可能真的被拿掉。

OpenAI 展示的工作已经不只是 Demo 小游戏

官方列出的 Astra Computer Use 例子包括：

填写在线表格。

更新 CRM Customer Records。

整理 Calendar。

Online Research。

把 Summary 写进 Email 或 Document Editor。

分析 Scientific Data。

产生 Plot。

创建网站。

跑 Frontend QA。

安装与测试 Software。

根据屏幕画面排除问题。

还包含：

Spreadsheet。

Power BI。

Legal Document Formatting。

设计工作。

这些都是：

真正有人每天在做的事。

Spreadsheet 是一个很好的例子

假设你是：

财务分析师。

以前工作可能是：

打开数据。

整理字段。

创建公式。

做 Pivot。

调格式。

画 Chart。

最后才开始：

解读数字。

AI 如果只是告诉你：

「建议创建 Pivot Table。」

其实没有帮你省掉多少操作。

Astra 的 Computer Use 则是想把：

创建。

整理。

格式化。

实际操作。

一起做掉。

最后人真正花时间在：

这些数字代表什么？

OpenAI 甚至拿 Excel 比赛测 Computer Use

官方展示 Astra 运行：

Financial Modeling World Cup 类型的 Excel 工作。

OpenAI 表示：

在相关 Computer Use Demo 中：

Astra 完成工作大约可以比该比赛的人类冠军：

快四倍。

这当然不能直接翻译成：

「Astra 做任何 Excel 都比人快四倍。」

那只是一个特定测试情境。

但它至少说明：

Computer Use 已经不是：

慢慢点鼠标的实验功能。

OpenAI 正把它当：

正式专业工作能力。

Astra 也开始直接做演示文稿，而不只是写演示文稿大纲

以前让 AI 做演示文稿：

最常得到的是：

第一页写什么。

第二页写什么。

第三页写什么。

最后：

还是自己开 PowerPoint。

OpenAI 这次特别强调：

Astra 更能遵循：

Company Voice。

Template。

Design Standard。

官方展示它只拿到几页既有 Presentation Template：

就能依照原本 Tone 与 Layout：

继续完成新的 Deck。

真正差别是：

从：

帮我想演示文稿内容。

走向：

帮我做成符合公司格式的演示文稿。

Figma 也变成可以操作的工作环境

OpenAI 公布的早期合作回馈中：

Figma 表示：

Astra 可以理解设计方向。

并直接在 Figma 里：

操作较复杂的 Design。

但人仍控制：

Creative Direction。

这种分工很重要。

因为 AI 不一定需要：

决定品牌该长什么样。

它可以先处理：

大量运行。

调整。

搬移。

格式。

制作。

把人的时间留给：

到底要设计成什么。

Coding 更明显：它不只写 Code，还会操作环境

Astra 也被放进：

Codex。

所以 Coding Workflow 不只是：

生成一段 Code。

它可以：

查看 Repository。

修改程序。

使用 Terminal。

安装 Software。

运行 Test。

操作浏览器。

跑 Frontend QA。

看到错误后：

再回 Code 修正。

也就是：

Code → Run → 看画面 → Test → 修正

开始变成一个连续工作循环。

OpenAI 自己就拿 Astra 找到内部 Codex 的 Performance 问题

OpenAI 公布一个内部例子：

工程团队利用 Astra：

找到测试环境中一个 Memory Allocation Bottleneck。

调整 Allocator 后：

官方表示：

Turn Latency 降低约 25 倍。

代价是：

Peak Memory Use 约增加 30%。

这个例子值得看的不是：

每家公司都能立刻提升 25 倍。

而是：

Astra 不只写：

「可能有 Memory 问题。」

它可以一起进入：

真正的 Debug Workflow。

Computer Use 最大的问题也很明显：它真的能按东西

AI 如果只回答问题：

答错：

你可能只是看到一个错误答案。

Computer Use Agent 答错：

它可能真的：

按错。

填错。

上传错。

删错。

分享错。

所以能力变强：

安全要求也必须一起提高。

OpenAI 这次特别把企业控制一起推出

企业管理员可以限制 Astra：

哪些网站可以使用。

哪些 Desktop Application 可以使用。

Upload／Download 怎么控制。

Browsing History 如何管理。

这是一个很重要的方向。

因为成熟的企业 Agent：

不应该是：

「整台电脑全部交给 AI。」

更合理的是：

「你只可以在这几个地方工作。」

例如行政人员的 Astra

你可以想像：

允许它操作：

CRM。

Calendar。

公司内部 Knowledge Base。

禁止：

Payroll。

Banking。

Production Admin。

Personal Email。

这就接近：

真的员工权限管理。

新人加入公司：

也不会因为他是员工：

就直接拿到所有系统 Administrator。

AI Agent：

也不应例外。

高风险动作还可以要求 Confirmation

ChatGPT Work 与 Codex 也提供：

Confirmation Policies。

意思是：

某些 Consequential Action 运行以前：

一定要停下来。

等人批准。

例如：

对外寄送。

删除数据。

分享 Dashboard。

或公司自己定义的其他高风险操作。

这和我们过去一直强调的：

停止条件

其实完全一样。

AI 愈能自己操作：

「做到哪里一定停」

就愈重要。

还有 Automated Review

OpenAI 也表示：

系统可以对可能：

不安全。

未授权。

的 Tool Call：

进行自动 Review。

可以把它理解成：

不是只靠运行 Agent 自己判断：

「我可不可以做？」

旁边还有另一层机制：

检查这次 Action。

这和最近我们做 Qodo 时谈到的：

Independent Review。

有一个很类似的安全思路。

做事的 Agent。

和：

检查这件事可不可以做。

最好不要永远是完全相同的一层。

OpenAI 说意外结果大幅下降，但不能理解成「不会出错」

OpenAI 在自己的 Computer Use Safety Benchmark 中：

测试一些很实际的企业风险。

例如：

暴露 Confidential Information。

把 Dashboard 分享太广。

删除数据。

官方表示：

Astra 产生 Unintended Outcome：

比 GPT-5.6 Sol 少 89%。

这是明显进步。

但：

少 89%

不等于：

零风险。

而且这是：

OpenAI 自己的 Internal Benchmark。

所以合理的理解应该是：

Computer Use 正在变得更可靠。

不是：

现在可以把所有系统权限全部放开。

Computer Use 最好的导入方法可能不是「全部交给它」

例如一家小公司：

每天有：

20 种重复工作。

不要第一天就说：

「全部帮我处理。」

先选：

一个。

例如：

把已经人工批准的客户数据更新到 CRM。

限制：

只能操作 CRM。

只能修改指定字段。

不能删除 Customer。

不能寄 Email。

遇到找不到 Customer：

停。

数据冲突：

停。

完成后：

产生 Change Summary。

人确认。

这样才能知道：

真正失败点在哪里。

等一个流程稳定，再增加第二个 App

例如下一阶段：

CRM 更新完。

再允许：

Calendar。

帮客户创建：

Follow-up Reminder。

但仍然不允许：

直接寄正式客户信。

这种：

逐步扩权

才比较像真的企业部署。

OpenAI 自己对新 Enterprise Control 的描述也是：

先从 Limited Configuration 开始。

再慢慢扩大 Access。

那 Astra 和 ChatGPT Work 到底什么关系？

可以简单理解成：

ChatGPT Work 是工作环境。

Astra 是现在里面能力最强的一颗工作引擎。

ChatGPT Work 原本就能：

研究。

读文档。

连接工具。

制作文档与成果。

Astra 加进去后：

最大的强化之一就是：

Computer Use。

也就是遇到：

没有 API。

没有 Connector。

但人可以操作的系统：

AI 也开始有机会直接工作。

所以今天不是重新介绍：

ChatGPT Work 是什么。

而是：

Work 能做的事情，因为 Astra 的操作能力往前推了一大段。

那 Codex 呢？

Codex 的重点仍然是：

Software Engineering。

但当 Astra 同时具备：

更强 Coding。

Computer Use。

Browsing。

Software Testing。

它就可以把：

写 Code。

操作环境。

测试。

看结果。

重新修正。

串得更完整。

OpenAI 也同步改善 Codex Harness。

官方在 Mind2Web Computer Use 测试中表示：

新的 Astra＋Codex 组合：

完成相关工作大约是目前 GPT-5.6 Sol Experience 的：

1.9 倍快。

一样要注意：

这是 Benchmark。

不是任何 Coding 工作都一定快 1.9 倍。

API 价格也不是便宜模型路线

OpenAI 目前公布：

GPT-6 Astra API：

起价为每百万 Input Token：

10 美元。

Output：

50 美元。

所以 Astra 的定位很明显：

不是：

「所有简单工作全部丢给它。」

而是：

比较复杂、价值比较高、能省掉大量人工操作的工作。

如果只是：

改一句文案。

摘要一封信。

不一定需要：

最强模型。

真正该算的是 Cost per Task

这也是企业使用 AI 开始变成熟的一个地方。

不要只看：

Token Price。

假设便宜模型：

一个任务跑五次。

一直改。

一直重试。

最后：

花 20 分钟。

较贵模型：

一次完成。

5 分钟。

那么真正应比较的是：

完成一件工作的总成本。

而不是：

一百万 Token 便宜几美元。

OpenAI 这次自己也一直强调：

Astra 减少：

Retries。

Steps。

Token。

因此要看：

Useful Work per Dollar。

但最强模型也不能跳过验收

假设 Astra：

自己打开 CRM。

更新数据。

创建 Calendar。

做出 PPT。

最后显示：

Completed。

不能因此直接理解成：

所有内容都正确。

还是要看：

数据是不是最新。

修改范围对不对。

有没有改到不该改的字段。

演示文稿数字有没有来源。

Calendar 时区正不正确。

尤其只要牵涉：

钱。

权限。

正式承诺。

Production。

删除。

外部发送。

人类 Gate：

还是应该留着。

Astra 的 Cyber 能力也让「最小权限」更加重要

GPT-6 Astra 同时是 OpenAI 第一个达到：

Critical Cybersecurity Capability

门槛的模型。

这代表：

它不只比较会：

一般 Coding。

在适当工具与环境下：

也具备非常强的漏洞发现能力。

OpenAI 因此对目前广泛推出的 Astra：

限制更高级的攻击性 Cyber Task。

例如：

针对 Vulnerability 创建某些 Proof-of-Concept Exploit：

会受到限制。

这再次提醒：

能力越强：

不能只想：

「它能做多少？」

还要想：

「它到底需要多少权限？」

新的 Enterprise Plugins 也一起出现

OpenAI 这次还同步公布新的：

ChatGPT Desktop Enterprise Plugins。

首波包含：

Oracle Analytics。

Power BI。

Navan。

Avalara。

这代表另一条路也没有消失。

最好的企业 AI：

可能同时有：

正式 Plugin／Connector。

以及：

Computer Use。

有 API：

优先使用结构化方式。

没有 API：

再透过界面操作。

这比所有事情都靠：

AI 点鼠标。

更合理。

所以 Computer Use 不是要取代 API

这一点很重要。

API 的好处是：

数据结构清楚。

速度快。

错误容易追踪。

权限容易限制。

大量操作更稳定。

Computer Use 的价值则是：

补 API 到不了的最后一哩。

例如：

老系统。

小供应商网站。

只有 Browser UI 的后台。

临时网站。

人类每天要手动操作的软件。

这些地方：

才可能是 Astra 最大的价值。

对一般上班族最实际的想像

以前你可以问 ChatGPT：

「帮我整理这份数据。」

接下来可能变成：

「读这份已批准名单，把 CRM 里相同客户的联系数据更新；不确定的不要改，最后列出修改清单给我确认。」

以前：

「帮我规划会议。」

接下来：

「根据这三人的 Calendar 找两个共同时段，先不要送 Invitation，把候选时间整理给我。」

以前：

「帮我看这网站有没有问题。」

接下来：

「打开测试站，走一次注册流程，检查手机版主要功能，把异常截屏并整理成 QA Report，不要碰 Production。」

这才是 Computer Use：

真正容易理解的使用方式。

今天如果第一次拿到 Astra，不要先测最危险的事

不用：

付款。

不用：

删数据。

不用：

改 Production。

先挑：

看得到结果、做错可以还原、范围很小

的工作。

例如：

整理 Spreadsheet。

做 Draft Deck。

测试 Staging Website。

查数据。

制作 Internal Report。

当你知道它：

在哪里很稳。

哪里会卡。

哪里会猜。

再慢慢扩大。

GPT-6 Astra 真正的新意，不只是「模型又更强」

我们已经看过很多：

更大的模型。

更高 Benchmark。

更长 Context。

但如果企业真正使用 AI：

最后仍然要一个人：

把答案 Copy。

打开旧系统。

再 Paste。

那 AI 还没有真正进到：

工作本身。

Astra 现在想跨过的：

就是这一步。

从知道该做什么。

变成：

能在原本的软件里把事情做掉。

而且不要求：

每家公司先把二十年旧系统全部重写。

这可能才是：

Computer Use 最有商业价值的地方。

但它同时也把另一个问题放大：

AI 原本只能：

建议。

现在可以：

行动。

那么：

允许它去哪里？

允许它改什么？

哪一步一定停？

就不能等出事以后再想。

真正成熟的 AI Agent：

不是拥有整台电脑。

而是：

只拿到完成这一件工作真正需要的权限。

今天，和 AI 一起进步一点。

每天学会一个 AI 技巧。

每天节省一点时间。

每天提升一点能力。

SasaDaily，陪你一起成长。