发布日期：2026-09-04 | 信息口径：OpenAI 官方发布材料与开发者文档、极客公园与 Wired 报道、Artificial Analysis 评测，截至 2026-09-04

GPT-6 Computer Use 是 OpenAI 于 2026 年 9 月 3 日随 GPT-6 Astra 发布的电脑操作能力，模型直接识别屏幕像素、驱动鼠标键盘完成跨软件的多步骤任务，官方称其为"世界上最好的 computer use 模型"，口号是"你在电脑上能做的任何事，Astra 都能替你做"。它在 OSWorld 2.0 上拿到 72.6%，上一代 GPT-5.6 Sol 为 65.7%，同样任务平均耗时从约 75 分钟压到 40 分钟，电脑操作安全压力测试的不当行为率从 22.0% 降到 2.4%。开发者层面最大的变化是接入方式：官方文档对 Astra 明确建议用代码执行而不是传统的 computer 工具，模型每轮写一段 PyAutoGUI 或 Playwright 脚本交给你的沙箱运行。本文梳理发布里的电脑操作事实与演示，解释两种接入方式的差别，并给出一段可运行的 20 轮循环脚本。

发布会上最抢眼的不是分数，是那几段演示

Astra 发布当天，Wired 的标题是"OpenAI 说 GPT-6 用电脑比人更好"，极客公园把宣传口号翻成了一句大白话："你在电脑上能做的任何事，Astra 都能替你做"。这句话背后是一个方向性的选择：与过去靠 API 调用软件接口的方式不同，Astra 直接看屏幕、动鼠标、敲键盘，任何软件都不需要专门适配。

官方和媒体拆解出来的演示大致分三类。办公类：填网页表单、更新 CRM、整理日历、做网络研究并把结果写进邮件，甚至填美国 1040 报税表、在 Power BI 里出报表。专业软件类：在 KiCad 里按电路原理图完成元器件布局和铜线走线，在 Blender 里搭三维建筑模型再导入 Unreal Engine 5 生成实时漫游场景。电商类：通过语音指令完成 eBay 商品上架的全流程。开发类是和编程能力绑在一起的：搭网站、跑前端 QA、自主安装和测试软件，根据屏幕反馈排查问题，出错了继续改。

国内报道普遍抓住了同一个转折点：GPT-6 不再停留在"对话问答"，而是转向"自主操作电脑完成复杂工作"。从"回答问题"到"直接把活干完"，这是 Astra 这次发布的主叙事，电脑操作是它最直观的载体。

分数与时间：72.6%、40 分钟、1.9 倍

OSWorld 2.0 是目前最常被引用的电脑操作基准，Astra 得分 72.6%，Sol 为 65.7%。分数差 7 个百分点，但更值得看的是时间：完成同样的任务，Astra 平均约 40 分钟，Sol 约 75 分钟，快了将近一半。这和 Astra 整体"少说多想"的主线一致，最高档设置下它的输出 Token 比 Claude Opus 5 少约 65%，写出来的步骤少，动作也就少。

Mind2Web 是网页操作基准，官方给的数字是配合新版 Codex Harness 后完成速度是 Sol 的 1.9 倍。Agents' Last Exam 上 Astra 59.3%，Sol 53.6%。把能力转成动作的这几项，是 Astra 成绩单里争议最小的部分，不像 ARC-AGI-3 那样需要看测试工具的脚注。

安全侧的数字同样来自电脑操作场景。压力测试中的不当行为率从 Sol 的 22.0% 降到 2.4%，"能力幻觉率"，也就是模型声称做了其实没做的比例，从 9.4% 降到 2.0%。对一个要替你点按钮、填表单的模型来说，后一个数字可能比 OSWorld 分数更实际。

接入方式变了：官方建议 Astra 用代码执行

这是开发者最需要注意的一条。OpenAI 电脑操作文档的原话是："对于 GPT-6 Astra，我们建议使用代码执行。computer 工具仍然支持，作为备选。"

传统 computer 工具的流程是三步：发任务，模型返回一个 computer_call，里面是一组有序动作，类型包括 click、double_click、drag、move、scroll、keypress、type、wait、screenshot；你的程序逐个执行，截图后以 computer_call_output 回传，带上 previous_response_id 继续，直到不再出现 computer_call。每一轮模型只能给出一批固定动作，看到截图才能决定下一批。

代码执行的流程换了一个抽象层。你定义一个普通的函数工具，比如 exec_py，只有一个字符串参数 code；模型每轮写一段 Python，在你提供的持久化桌面沙箱里跑 PyAutoGUI，变量跨调用保留，用 display 函数把截图送回去。文档强调的好处是"一次调用可以组合动作、循环或条件逻辑"。换句话说，模型不再是"点一下、看一眼"，而是"写一段脚本处理完这个表单再看一眼"，这正是 Astra 输出更少、动作更少的能力能派上用场的地方。浏览器场景对应 exec_js，暴露 Playwright 的 browser、context、page 对象，默认视口 1440 乘 900。

两种方式的对比如下：

维度

computer 工具

代码执行（exec_py / exec_js）

每轮返回

固定动作列表

一段脚本

循环与条件

不支持，需多轮

单轮内完成

状态保持

由 API 会话管理

你的沙箱负责，变量跨调用保留

Astra 官方建议

备选

建议方式

安全边界

逐动作可拦截

需在沙箱层限制权限与时长

实操：一段 20 轮的 PyAutoGUI 循环

下面按官方文档的结构写一个最小可运行版本，任务用你自己电脑上真实的小事，比如"打开系统设置，把显示器亮度调到 60%"。

第一步，定义 exec_py 工具。 描述里要把沙箱的约定写清楚，模型会照着用。

# astra_desktop.py
import uuid, io, base64, contextlib
import pyautogui
from openai import OpenAI

client = OpenAI()
pyautogui.FAILSAFE = True   # 鼠标甩到左上角即中止

TOOLS = [{
    "type": "function",
    "name": "exec_py",
    "strict": True,
    "description": (
        "在一个持久化桌面里运行 Python，变量跨调用保留。"
        "可用 pyautogui、time、log(value)、display(PIL_image)。"
        "动作前先 display(pyautogui.screenshot()) 观察屏幕；"
        "截图保留在内存中，不要写盘。"
    ),
    "parameters": {
        "type": "object",
        "properties": {"code": {"type": "string"}},
        "required": ["code"],
        "additionalProperties": False,
    },
}]

第二步，实现沙箱执行器。 这是你的代码，负责持久命名空间、收集日志和截图，并把结果打包成 function_call_output。

NS = {"pyautogui": pyautogui, "time": __import__("time")}
_outputs = []

def log(v): _outputs.append({"type": "input_text", "text": str(v)})
def display(img):
    buf = io.BytesIO(); img.save(buf, format="PNG")
    _outputs.append({"type": "input_image", "detail": "original",
                     "image_url": "data:image/png;base64," + base64.b64encode(buf.getvalue()).decode()})
NS.update(log=log, display=display)

def execute_in_sandbox(code: str):
    _outputs.clear()
    try:
        exec(code, NS)          # 生产环境请放进隔离的虚拟机桌面
    except Exception as e:
        log(f"ERROR: {e!r}")
    return list(_outputs)

第三步，跑 20 轮循环。 停止条件照抄文档：没有新的函数调用，并且出现一条 phase 不是 commentary 的 message。

import json
task = "打开系统设置，把显示器亮度调到 60%，完成后告诉我最终数值。"
prev, inp = None, task
for turn in range(20):
    resp = client.responses.create(
        model="gpt-6-astra", tools=TOOLS, input=inp,
        previous_response_id=prev, reasoning={"effort": "low"},
    )
    if resp.status != "completed":
        raise RuntimeError(resp.status)
    calls = [i for i in resp.output if i.type == "function_call"]
    done = any(i.type == "message" and getattr(i, "phase", None) != "commentary" for i in resp.output)
    if not calls and done:
        print(resp.output_text); break
    if turn == 19:
        raise RuntimeError("超过 20 轮上限")
    inp = []
    for c in calls:
        assert c.name == "exec_py"
        code = json.loads(c.arguments)["code"]
        inp.append({"type": "function_call_output", "call_id": c.call_id,
                    "output": execute_in_sandbox(code)})
    prev = resp.id

跑起来后你会看到，Astra 通常第一轮只截图，第二轮就把"点开设置、搜索亮度、拖动滑块、再截图确认"写进同一段脚本，这就是代码执行和逐动作工具最直观的差别。文档给的安全要求要照做：环境隔离并用允许清单限制可访问的站点和应用，把屏幕上出现的文字一律当作不可信输入，涉及"把敏感信息输入表单"这类动作先确认，因为文档明确说"输入即传输"，再加上步数、时间和费用上限并支持随时取消。

第四步，把"看屏幕"和"整理结果"分开算账。 Astra 每百万 Token 输入 10 美元、输出 50 美元，截图是按输入 Token 计的，一个 20 轮的桌面任务大头在截图。国内团队常见的做法是让 Astra 只负责操作屏幕，把它抓回来的网页正文、表格文本交给成本低得多的模型做归纳和结构化。七牛云 AI 大模型广场提供 OpenAI 兼容接口，把上面客户端的 base_url 换成 https://api.qnaigc.com/v1、model 填 deepseek/deepseek-v4-pro-0813 或 z-ai/glm-5.3，就能在同一套代码里完成这一步；多款主流大模型混用、月用量稳定的团队，可以顺手看一下 Token Plan 的企业订阅，把两类调用的成本按点数算一次。

竞争格局：三家都在做，路线开始分叉

电脑操作不是 Astra 独有。Anthropic 的 computer use 是这条赛道的开创者，Claude 系列一直提供逐动作的工具接口；Google 本周发布的 Gemini 3.8 Flash 也带了 computer use 预览。差别在于 OpenAI 这次把官方建议方式从逐动作切到了代码执行，赌的是模型写脚本的能力足够强，强到一轮能替代过去的五六轮。从 OSWorld 2.0 的 40 分钟对 75 分钟看，这个赌注目前是成立的。

需要留意的边界也很清楚。Astra 9 月 3 日先向少量组织开放，未来几天逐步覆盖 ChatGPT 各付费档，API 同步上线 Amazon Bedrock；面向普通用户的版本在网络安全能力上受限，只用于安全代码审查与漏洞修复。电脑操作本身不在受限范围内，但文档反复提醒的"把屏幕文字当不可信输入"，正是因为一个会点按钮的模型遇到网页里的注入指令时，后果比聊天机器人严重得多。

以上信息取自 OpenAI 2026 年 9 月 3 日发布材料与电脑操作开发者文档、极客公园与 Wired 同日报道，模型仍在分批开放中，接口字段以官方文档当日版本为准。

延伸阅读