今日 AI 工具｜2026/09/13：GPT-6 Astra 進 ChatGPT Work／Codex，沒有 API 的舊系統也能直接操作｜文章

OpenAI 最新把 GPT-6 Astra 推進 ChatGPT Work、Codex 與 API，真正值得看的不只是模型更強，而是「Computer Use」開始變成企業工作能力：Astra 可以操作人每天使用的網站與桌面軟體，即使系統沒有 API，也能填表、更新 CRM、整理 Calendar、操作試算表、做簡報、跑 Frontend QA，甚至安裝與測試軟體。OpenAI 同時加入網站／App 限制、上下載控制、人工確認與自動安全 Review。AI 下一階段正在從「知道怎麼做」變成「真的在你的軟體裡做」，而權限邊界也因此變得更重要。

企業導入 AI，常常會卡在一個很現實的地方：

AI 很聰明。

但公司每天真正使用的系統：

根本沒有 AI 可以接。

可能是一套十年前買的 CRM。

一個只能用瀏覽器登入的 ERP。

一堆 Excel。

內部後台。

舊網站。

甚至只有：

按鈕。

欄位。

下拉選單。

沒有 API。

沒有 Connector。

也沒有人想花半年：

重新開發整套系統。

GPT-6 Astra 最新真正值得看的地方，就在這裡。

OpenAI 把它推進：

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電腦軟體。

這次重點不是「Astra 會回答更難的問題」

GPT-6 Astra 當然在：

Reasoning。

Coding。

Science。

Cybersecurity。

等很多 Benchmark 上變強。

但如果今天是「今日 AI 工具」：

真正值得一般工作者看的不是：

分數又提高多少。

而是：

它開始更能真的替你操作工作。

例如：

打開網站。

找資料。

填欄位。

更新 CRM。

整理 Calendar。

操作 Spreadsheet。

產生簡報。

在文件編輯器裡修改格式。

測試網站。

甚至安裝與測試軟體。

這和：

「AI 告訴你下一步該按哪裡」

是完全不同的工作方式。

最關鍵的新點：沒有 API，也可能做

企業軟體過去要讓 AI 真正執行工作：

通常要先想辦法接 API。

例如：

CRM API。

ERP API。

Calendar API。

Database API。

如果沒有正式介面：

AI 最後還是只能：

告訴人怎麼操作。

OpenAI 對 Astra 的新定位則是：

它可以直接透過：

Computer Use

使用人每天操作的軟體。

也就是：

看螢幕。

理解介面。

操作按鈕。

輸入資料。

切換頁面。

即使那套應用：

根本沒有特別替 AI 準備 API。

例如一家小公司的舊 CRM

假設你的公司有一套：

十年前建的客戶管理系統。

每天員工都要：

登入網站。

搜尋客戶。

打開 Profile。

找到電話欄。

修改資料。

按 Save。

這套系統沒有：

MCP。

沒有：

Modern API。

也沒有：

AI Integration。

過去如果你想自動化：

可能要請工程師：

研究內部接口。

寫 Script。

維護 Integration。

現在 Astra 的方向變成：

先直接操作現有介面。

就像：

一個新員工坐到電腦前。

學會：

這個按鈕怎麼按。

這就是 Computer Use 真正可能改變企業 AI 的地方

很多公司的問題：

從來不是沒有 AI。

而是：

AI 和真正工作的地方：

隔著一堵牆。

公司資料在：

Excel。

舊 ERP。

Browser App。

Desktop Software。

內部工具。

供應商網站。

AI 在：

Chat Window。

所以使用者還是要：

問 AI。

複製結果。

切到 ERP。

貼上。

再切回 AI。

再問。

再切到 Excel。

再貼一次。

如果 AI 真正能操作這些軟體：

中間大量：

Copy／Paste／Switch App

才有可能真的被拿掉。

OpenAI 展示的工作已經不只是 Demo 小遊戲

官方列出的 Astra Computer Use 例子包括：

填寫線上表格。

更新 CRM Customer Records。

整理 Calendar。

Online Research。

把 Summary 寫進 Email 或 Document Editor。

分析 Scientific Data。

產生 Plot。

建立網站。

跑 Frontend QA。

安裝與測試 Software。

根據螢幕畫面排除問題。

還包含：

Spreadsheet。

Power BI。

Legal Document Formatting。

設計工作。

這些都是：

真正有人每天在做的事。

Spreadsheet 是一個很好的例子

假設你是：

財務分析師。

以前工作可能是：

打開資料。

整理欄位。

建立公式。

做 Pivot。

調格式。

畫 Chart。

最後才開始：

解讀數字。

AI 如果只是告訴你：

「建議建立 Pivot Table。」

其實沒有幫你省掉多少操作。

Astra 的 Computer Use 則是想把：

建立。

整理。

格式化。

實際操作。

一起做掉。

最後人真正花時間在：

這些數字代表什麼？

OpenAI 甚至拿 Excel 比賽測 Computer Use

官方展示 Astra 執行：

Financial Modeling World Cup 類型的 Excel 工作。

OpenAI 表示：

在相關 Computer Use Demo 中：

Astra 完成工作大約可以比該比賽的人類冠軍：

快四倍。

這當然不能直接翻譯成：

「Astra 做任何 Excel 都比人快四倍。」

那只是一個特定測試情境。

但它至少說明：

Computer Use 已經不是：

慢慢點滑鼠的實驗功能。

OpenAI 正把它當：

正式專業工作能力。

Astra 也開始直接做簡報，而不只是寫簡報大綱

以前讓 AI 做簡報：

最常得到的是：

第一頁寫什麼。

第二頁寫什麼。

第三頁寫什麼。

最後：

還是自己開 PowerPoint。

OpenAI 這次特別強調：

Astra 更能遵循：

Company Voice。

Template。

Design Standard。

官方展示它只拿到幾頁既有 Presentation Template：

就能依照原本 Tone 與 Layout：

繼續完成新的 Deck。

真正差別是：

從：

幫我想簡報內容。

走向：

幫我做成符合公司格式的簡報。

Figma 也變成可以操作的工作環境

OpenAI 公布的早期合作回饋中：

Figma 表示：

Astra 可以理解設計方向。

並直接在 Figma 裡：

操作較複雜的 Design。

但人仍控制：

Creative Direction。

這種分工很重要。

因為 AI 不一定需要：

決定品牌該長什麼樣。

它可以先處理：

大量執行。

調整。

搬移。

格式。

製作。

把人的時間留給：

到底要設計成什麼。

Coding 更明顯：它不只寫 Code，還會操作環境

Astra 也被放進：

Codex。

所以 Coding Workflow 不只是：

生成一段 Code。

它可以：

查看 Repository。

修改程式。

使用 Terminal。

安裝 Software。

執行 Test。

操作瀏覽器。

跑 Frontend QA。

看到錯誤後：

再回 Code 修正。

也就是：

Code → Run → 看畫面 → Test → 修正

開始變成一個連續工作循環。

OpenAI 自己就拿 Astra 找到內部 Codex 的 Performance 問題

OpenAI 公布一個內部例子：

工程團隊利用 Astra：

找到測試環境中一個 Memory Allocation Bottleneck。

調整 Allocator 後：

官方表示：

Turn Latency 降低約 25 倍。

代價是：

Peak Memory Use 約增加 30%。

這個例子值得看的不是：

每家公司都能立刻提升 25 倍。

而是：

Astra 不只寫：

「可能有 Memory 問題。」

它可以一起進入：

真正的 Debug Workflow。

Computer Use 最大的問題也很明顯：它真的能按東西

AI 如果只回答問題：

答錯：

你可能只是看到一個錯誤答案。

Computer Use Agent 答錯：

它可能真的：

按錯。

填錯。

上傳錯。

刪錯。

分享錯。

所以能力變強：

安全要求也必須一起提高。

OpenAI 這次特別把企業控制一起推出

企業管理員可以限制 Astra：

哪些網站可以使用。

哪些 Desktop Application 可以使用。

Upload／Download 怎麼控制。

Browsing History 如何管理。

這是一個很重要的方向。

因為成熟的企業 Agent：

不應該是：

「整台電腦全部交給 AI。」

更合理的是：

「你只可以在這幾個地方工作。」

例如行政人員的 Astra

你可以想像：

允許它操作：

CRM。

Calendar。

公司內部 Knowledge Base。

禁止：

Payroll。

Banking。

Production Admin。

Personal Email。

這就接近：

真的員工權限管理。

新人加入公司：

也不會因為他是員工：

就直接拿到所有系統 Administrator。

AI Agent：

也不應例外。

高風險動作還可以要求 Confirmation

ChatGPT Work 與 Codex 也提供：

Confirmation Policies。

意思是：

某些 Consequential Action 執行以前：

一定要停下來。

等人批准。

例如：

對外寄送。

刪除資料。

分享 Dashboard。

或公司自己定義的其他高風險操作。

這和我們過去一直強調的：

停止條件

其實完全一樣。

AI 愈能自己操作：

「做到哪裡一定停」

就愈重要。

還有 Automated Review

OpenAI 也表示：

系統可以對可能：

不安全。

未授權。

的 Tool Call：

進行自動 Review。

可以把它理解成：

不是只靠執行 Agent 自己判斷：

「我可不可以做？」

旁邊還有另一層機制：

檢查這次 Action。

這和最近我們做 Qodo 時談到的：

Independent Review。

有一個很類似的安全思路。

做事的 Agent。

和：

檢查這件事可不可以做。

最好不要永遠是完全相同的一層。

OpenAI 說意外結果大幅下降，但不能理解成「不會出錯」

OpenAI 在自己的 Computer Use Safety Benchmark 中：

測試一些很實際的企業風險。

例如：

暴露 Confidential Information。

把 Dashboard 分享太廣。

刪除資料。

官方表示：

Astra 產生 Unintended Outcome：

比 GPT-5.6 Sol 少 89%。

這是明顯進步。

但：

少 89%

不等於：

零風險。

而且這是：

OpenAI 自己的 Internal Benchmark。

所以合理的理解應該是：

Computer Use 正在變得更可靠。

不是：

現在可以把所有系統權限全部放開。

Computer Use 最好的導入方法可能不是「全部交給它」

例如一家小公司：

每天有：

20 種重複工作。

不要第一天就說：

「全部幫我處理。」

先選：

一個。

例如：

把已經人工批准的客戶資料更新到 CRM。

限制：

只能操作 CRM。

只能修改指定欄位。

不能刪除 Customer。

不能寄 Email。

遇到找不到 Customer：

停。

資料衝突：

停。

完成後：

產生 Change Summary。

人確認。

這樣才能知道：

真正失敗點在哪裡。

等一個流程穩定，再增加第二個 App

例如下一階段：

CRM 更新完。

再允許：

Calendar。

幫客戶建立：

Follow-up Reminder。

但仍然不允許：

直接寄正式客戶信。

這種：

逐步擴權

才比較像真的企業部署。

OpenAI 自己對新 Enterprise Control 的描述也是：

先從 Limited Configuration 開始。

再慢慢擴大 Access。

那 Astra 和 ChatGPT Work 到底什麼關係？

可以簡單理解成：

ChatGPT Work 是工作環境。

Astra 是現在裡面能力最強的一顆工作引擎。

ChatGPT Work 原本就能：

研究。

讀文件。

連接工具。

製作文件與成果。

Astra 加進去後：

最大的強化之一就是：

Computer Use。

也就是遇到：

沒有 API。

沒有 Connector。

但人可以操作的系統：

AI 也開始有機會直接工作。

所以今天不是重新介紹：

ChatGPT Work 是什麼。

而是：

Work 能做的事情，因為 Astra 的操作能力往前推了一大段。

那 Codex 呢？

Codex 的重點仍然是：

Software Engineering。

但當 Astra 同時具備：

更強 Coding。

Computer Use。

Browsing。

Software Testing。

它就可以把：

寫 Code。

操作環境。

測試。

看結果。

重新修正。

串得更完整。

OpenAI 也同步改善 Codex Harness。

官方在 Mind2Web Computer Use 測試中表示：

新的 Astra＋Codex 組合：

完成相關工作大約是目前 GPT-5.6 Sol Experience 的：

1.9 倍快。

一樣要注意：

這是 Benchmark。

不是任何 Coding 工作都一定快 1.9 倍。

API 價格也不是便宜模型路線

OpenAI 目前公布：

GPT-6 Astra API：

起價為每百萬 Input Token：

10 美元。

Output：

50 美元。

所以 Astra 的定位很明顯：

不是：

「所有簡單工作全部丟給它。」

而是：

比較複雜、價值比較高、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：

最強模型。

真正該算的是 Cost per Task

這也是企業使用 AI 開始變成熟的一個地方。

不要只看：

Token Price。

假設便宜模型：

一個任務跑五次。

一直改。

一直重試。

最後：

花 20 分鐘。

較貴模型：

一次完成。

5 分鐘。

那麼真正應比較的是：

完成一件工作的總成本。

而不是：

一百萬 Token 便宜幾美元。

OpenAI 這次自己也一直強調：

Astra 減少：

Retries。

Steps。

Token。

因此要看：

Useful Work per Dollar。

但最強模型也不能跳過驗收

假設 Astra：

自己打開 CRM。

更新資料。

建立 Calendar。

做出 PPT。

最後顯示：

Completed。

不能因此直接理解成：

所有內容都正確。

還是要看：

資料是不是最新。

修改範圍對不對。

有沒有改到不該改的欄位。

簡報數字有沒有來源。

Calendar 時區正不正確。

尤其只要牽涉：

錢。

權限。

正式承諾。

Production。

刪除。

外部傳送。

人類 Gate：

還是應該留著。

Astra 的 Cyber 能力也讓「最小權限」更加重要

GPT-6 Astra 同時是 OpenAI 第一個達到：

Critical Cybersecurity Capability

門檻的模型。

這代表：

它不只比較會：

一般 Coding。

在適當工具與環境下：

也具備非常強的漏洞發現能力。

OpenAI 因此對目前廣泛推出的 Astra：

限制更高階的攻擊性 Cyber Task。

例如：

針對 Vulnerability 建立某些 Proof-of-Concept Exploit：

會受到限制。

這再次提醒：

能力越強：

不能只想：

「它能做多少？」

還要想：

「它到底需要多少權限？」

新的 Enterprise Plugins 也一起出現

OpenAI 這次還同步公布新的：

ChatGPT Desktop Enterprise Plugins。

首波包含：

Oracle Analytics。

Power BI。

Navan。

Avalara。

這代表另一條路也沒有消失。

最好的企業 AI：

可能同時有：

正式 Plugin／Connector。

以及：

Computer Use。

有 API：

優先使用結構化方式。

沒有 API：

再透過介面操作。

這比所有事情都靠：

AI 點滑鼠。

更合理。

所以 Computer Use 不是要取代 API

這一點很重要。

API 的好處是：

資料結構清楚。

速度快。

錯誤容易追蹤。

權限容易限制。

大量操作更穩定。

Computer Use 的價值則是：

補 API 到不了的最後一哩。

例如：

老系統。

小供應商網站。

只有 Browser UI 的後台。

臨時網站。

人類每天要手動操作的軟體。

這些地方：

才可能是 Astra 最大的價值。

對一般上班族最實際的想像

以前你可以問 ChatGPT：

「幫我整理這份資料。」

接下來可能變成：

「讀這份已批准名單，把 CRM 裡相同客戶的聯絡資料更新；不確定的不要改，最後列出修改清單給我確認。」

以前：

「幫我規劃會議。」

接下來：

「根據這三人的 Calendar 找兩個共同時段，先不要送 Invitation，把候選時間整理給我。」

以前：

「幫我看這網站有沒有問題。」

接下來：

「打開測試站，走一次註冊流程，檢查手機版主要功能，把異常截圖並整理成 QA Report，不要碰 Production。」

這才是 Computer Use：

真正容易理解的使用方式。

今天如果第一次拿到 Astra，不要先測最危險的事

不用：

付款。

不用：

刪資料。

不用：

改 Production。

先挑：

看得到結果、做錯可以還原、範圍很小

的工作。

例如：

整理 Spreadsheet。

做 Draft Deck。

測試 Staging Website。

查資料。

製作 Internal Report。

當你知道它：

在哪裡很穩。

哪裡會卡。

哪裡會猜。

再慢慢擴大。

GPT-6 Astra 真正的新意，不只是「模型又更強」

我們已經看過很多：

更大的模型。

更高 Benchmark。

更長 Context。

但如果企業真正使用 AI：

最後仍然要一個人：

把答案 Copy。

打開舊系統。

再 Paste。

那 AI 還沒有真正進到：

工作本身。

Astra 現在想跨過的：

就是這一步。

從知道該做什麼。

變成：

能在原本的軟體裡把事情做掉。

而且不要求：

每家公司先把二十年舊系統全部重寫。

這可能才是：

Computer Use 最有商業價值的地方。

但它同時也把另一個問題放大：

AI 原本只能：

建議。

現在可以：

行動。

那麼：

允許它去哪裡？

允許它改什麼？

哪一步一定停？

就不能等出事以後再想。

真正成熟的 AI Agent：

不是擁有整台電腦。

而是：

只拿到完成這一件工作真正需要的權限。

今天，和 AI 一起進步一點。

每天學會一個 AI 技巧。

每天節省一點時間。

每天提升一點能力。

SasaDaily，陪你一起成長。