OpenAI 發表 GPT-6 Astra：採用迴圈 Transformer 架構，強化 Computer Use 與 RL 訓練基礎建設
為何重要
對開發者與產業而言，Computer Use 與圖形渲染能力的突破意味著 AI Agent 不再受限於文字或 CLI，可直接操作終端機軟體，這將大幅提升自動化任務的複雜度。 OpenAI 大舉採購 Mac 硬體進行 RL 暗示未來訓練不在僅限於 GPU 雲端，開始重視模擬真實桌面環境以提升模型泛化能力的趨勢。 採用迴圈架構的疑慮與可能，代表研究界正在尋找解決 Transformer 長程依賴的方案，這將影響未來模型硬體需求與推理成本的結構性改變。
本文探討 OpenAI 最新模型 GPT-6 Astra 的實戰表現，並深入分析其潛在採用「迴圈 Transformer」技術架構的可能性，同時指出 Computer Use（電腦操作） 能力及 Reinforcement Learning (RL) 所仰賴的硬體佈局已隨之調整。
- GPT-6 Astra 在關鍵的 ARC-AGI-3 基準 上取得 99.9% 的得分，大幅領先前代 GPT-5.6 的 7.8%，且在 3D rendering 與動畫任務上優勢極為明顯。
- 分析顯示 OpenAI 為強化雷射學習，購入數以萬計的 Mac mini 與 Mac Studio，利用 macOS 作為RL訓練環境，讓模型模仿人類操作軟體的工具。
- Computer Use 成為 GPT-6 Astra 最突出的新能力之一，模型能透過 harness 模擬滑鼠與鍵盤，在 MS Paint 等圖形化介面中執行複雜繪圖指令。