99.9 分？這分數也太扯了吧！兩個星期前最強的模型才拿 30 分，GPT-6 Astra 直接衝到 99.9，OpenAI 總裁還說「我們進入 AGI 時代了」。但先別急著高潮，這分數是用他們自己那套介面測的，換成標準介面直接掉到 62.7。這支影片把發布會、各家評測跟媒體採訪全部整理成懶人包，還實際叫它上 momo 買衛生紙跟可樂，看它會不會真的把事做完。

1. 00:00OpenAI 發布 GPT-6 Astra，總裁 Brockman 說進入 AGI 時代
2. 00:19ARC-AGI-3 測驗拿到 99.9 分，但換標準介面只剩 62.7
3. 03:46加權平均的獨立榜完全沒動，綜合指數跟上一代一模一樣
4. 04:31重點在 computer use，AI 自己開軟體、按很多步把事做完
5. 09:16實測叫它上 momo 買衛生紙和可樂，找不到規格會停下來反問
6. 10:40指令有缺漏時，不影響結果的自己補掉，影響結果的才回頭問
7. 12:18拿當年沒解開的謎題丟給它，它會派分身去驗證理論
8. 13:38OpenAI 內部資安測試，GPT-6 自己找到兩個沒人發現的漏洞
9. 16:11台灣從四號開始 Plus、Pro 使用者陸續開通，API 單價貴兩倍半

99.9 分是怎麼來的

這分數真的會讓人誤會。ARC-AGI-3 測的是歸納規則的能力，一般人平均 48 分，GPT-6 直接 99.9，聽起來像要統治世界了。但影片講得很清楚，這分數是讓模型帶著剛才想過的東西繼續往下走才測出來的，換成出題方的標準介面，同一顆模型只剩 62.7。兩個數字都是官方公佈的，62.7 在榜上還是第一名，但這不算作弊，只是不能當成同一場考試。

真正變強的是會做事

跳很多的那些測驗有個共同點，都不是問一句答一句，是要模型自己開軟體、按很多步、把一件事做完。上一代 Sol 平均花 75 分鐘做完六成六，GPT-6 Astra 平均 40 分鐘做完七成三，時間少一半完成度還比較高。可波自己的實測也印證這點，叫它上 momo 買衛生紙，它會自己換算抽數比單價，找不到指定規格的可樂還會停下來問你要不要換替代品，沒有硬湊一個丟給你。

為什麼晚了，為什麼分級

GPT-6 在 OpenAI 自己的風險分級裡第一次被判到最高階，因為它在測試時自己找到兩個沒人發現的漏洞，而且真的拿來用。Sam Altman 說未來的模型有暫停部分工作，但 Astra 已經訓練完成，只是需要一套新的防護措施才能發布。所以現在這個版本會拒絕比較高階的資安工作，正當的工作偶爾會被暫停，ChatGPT 跟 Codex 會要你先看一眼再繼續。

值得下載嗎

值得。這支不是那種唸稿的 AI 新聞，它有實際測試、有分數拆解、有價格分析，看完你會知道 99.9 分是怎麼回事，也知道該不該把訂閱換過去。