OpenAI 发布 GPT-6 Astra 后，外界很快把注意力从跑分榜单转向实际作业。开发者和 OpenAI 工程师最近给出的几组演示，集中指向同一件事：Astra 不只是回答问题，而是在 Blender、Three.js、Unreal Engine 5 和 KiCad 这类专业软件里直接完成任务。
一张机车图纸，生成 3295 个可编辑对象
开发者 Tom Krcha 把一张旧蒸汽机车的图纸交给 Astra，要求它在 Blender 里重建模型。几分钟后，Blender 中出现了 3295 个可编辑的独立对象，包括锅炉、连杆、车轮和铆钉，每个对象都可以单独选中、单独修改。
Krcha 还表示，模型细化程度和简化程度都可以通过一句话调整，用他的原话说，就是「去造你自己的运输大亨吧」。
不过，他也专门说明，Astra 不是像建模师那样坐在 Blender 里点鼠标。它并不依赖鼠标操作，而是通过编写 Python 脚本，把零件逐个「写」出来。
这也是这些 3D 演示背后的核心逻辑。Astra 并没有获得一双操作软件的手，而是把 Blender 当作一个带 API 的运行环境。它先分析图纸，弄清机车结构，再拆分锅炉、车轮、连杆等部件，然后调用 Blender 的 Python 接口 bpy，逐个生成几何体、命名并放置到对应位置。
能看懂图、推导空间关系、写脚本，再根据渲染结果继续修改，这几步叠加在一起，最终呈现出的效果就像它「会建模」。
在 Three.js 里，几何和动画都由代码实时生成
Krcha 的另一个演示转向 Three.js。在这个案例里，连模型文件都不再需要。
两辆火车的几何、轮子转动方式，以及拆解与重组动画，全部由 TypeScript 代码在浏览器运行时实时计算生成。
这意味着 Astra 展示的不只是静态资产制作能力。它还要处理空间拼接、程序逻辑和浏览器端运行方式，最后把结果直接交付成可运行内容。
一句话生成住宅，并自己检查渲染结果
为了说明这不是一次性的技术展示，OpenAI 工程师 Thomas Ricouard 给 Astra 提出了一项更完整的任务：设计一栋极简但细节丰富、带花园、光线具有电影感的房子。起点只有一句话，没有平面图，也没有家具清单。
Astra 通过 Blender 的 Python 接口，直接生成了建筑、木作、家具、植物、材质、灯光和相机设置。
更关键的是，它在交付前先查看了预览渲染，自行调整构图和光线，修复植物穿模问题，还重新整理了沙发上的毯子。
Ricouard 还提到，有一次 Astra 自己发现不锈钢水槽一处法线方向错误，导致渲染出来像被捏变形，它随后完成修正并重新渲染。这个问题并不是由 Ricouard 先指出，而是模型在检查结果时自行发现并修复。
先画平面图，再重建整栋 U 形住宅
当 Ricouard 要求把房子做得更大时，Astra 没有直接继续堆砌结构，而是先画出平面图。
这张平面图对应的是一栋 U 形单层住宅，中间是客餐厨，两翼布置三间卧室和一间书房，围合出一个种有植物的庭院。平面图还体现了动线安排，比如卧室区域不设置过道，绕庭院的通行路线避开厨房工作区。
在 Ricouard 批准平面图后，Astra 才继续重建整栋房屋。
完成后的模型全部由几何体构成。沙发坐垫带滚边，床由床架、床板和床垫组成，衣柜内部有隔板和挂杆，办公桌有理线槽，水槽则是真正的空心盆体。
30 秒漫游、900 帧渲染，再导入 Unreal Engine 5
在模型完成后，Ricouard 还要求一段 30 秒、具有人物视角质感的高清镜头漫游。Astra 随后自己编写脚本，把相机设置在 1.65 米高度，使用 24—26 毫米镜头，并加入轻微步行晃动。
如果预览中出现镜头对着空墙的情况，它会重新拍摄。最终，Astra 渲染了 900 帧，并将这些画面拼接成视频。
它随后又写出一套导出管线：把几何体导出为 FBX，同时生成一份 JSON 描述文件，记录各个部件的位置、材质和灯光信息。
接着，Astra 将整栋房子导入 Unreal Engine 5，在管线中自动完成单位从米到厘米的换算、坐标系翻转，以及贴图复用和材质系统重建。最后，它加入第一人称角色和碰撞体，打包为 Mac 原生应用，并自己走完一遍测试路线。
在最新版本里，用户按下 E 键后，不只可以开门、拉抽屉和开关灯，咖啡机按下去后还会真的向杯中倒出咖啡，杯内液面也会随之上升。
从一句提示词，到一栋能开门、能倒咖啡的房子，中间没有再换一个人接手工具链的不同环节。过去在 Blender 建模、导出到引擎、再写交互逻辑，往往是不同岗位分别完成；现在同一个模型可以贯穿整个流程。
从 Blender 到 KiCad，底层动作是一套逻辑
如果只看 3D，外界还可以把这理解为视觉能力的延伸。但 OpenAI 官方发布页中的另一个演示，已经把范围扩展到电子工程。
Astra 拿到一张电路原理图后，打开 KiCad，把元件逐个摆上电路板，再将铜线逐根布好，最终推进到可送工厂生产的 PCB 布局。
在硬件设计流程中，PCB 布局长期都被认为是高度依赖人工的环节，也是公认的堵点之一。
从 Blender 里写 bpy，到 Unreal 里写导出管线，再到 Three.js 里直接写几何，以及在 KiCad 里摆元件、走线，表面看是四款互不相关的专业软件，底层却可以归结为同一套动作：
- 读懂任务
- 找到软件接口
- 写代码或直接操作
- 查看结果
- 继续修改
OpenAI 将这组能力定义为电脑操作、网页浏览和专业工作。Astra 发布仅一周，这种能力已经让它把第一批专业软件变成试验场。
社区案例增多，但并非都在从零造资产
随着这些演示公开，社区里也开始出现大量成品。
Peter Gostev 让 Astra 使用 Three.js，把梵高最知名的 6 幅画拼成一座可以步行穿越的连续小镇。用户从《阿尔的卧室》出发，推门后是《夜间露天咖啡座》，沿街前行可到《罗纳河上的星夜》，再出城门则接到《麦田群鸦》和向日葵场景。整个过程是程序化生成，没有调用外部素材，每一面墙和每一块石板都由代码绘制出来。
这个案例展示出 Astra 不只是生成资产，还能处理 6 幅画如何拼成连续空间、在什么位置触发什么内容，以及最终如何封装成一个可在浏览器打开的网页。
Matt Shumer 则让 Astra 在 Unreal 中连续工作一周，搭出一座曼哈顿。
Dominik Kundel 让 Astra 在 BrickLink Studio 中设计出可实际拼装的乐高模型，再用 Blender 渲染为 4K 视频，这个案例随后被 OpenAI Developers 官方转发。
还有开发者制作了一个由 2234 个部件构成的人体解剖交互网站，支持拆解与旋转；也有人做出一个 AR 扫地应用，手机镜头跟随吸尘器刷头移动，扫过区域会实时覆盖绿色，漏扫位置可以直接看出，左下角同步统计已清扫面积。
多数刷屏案例依赖现成资产，Astra 强在组装和管线执行
不过，文中也特别提示，多数刷屏成品不等于完全凭空生成。
那个由 2234 个部件组成的人体解剖项目，使用的是现成的 BodyParts3D 数据库。Astra 完成的是把这些资产组装成一个可拆解、可旋转的交互网站，而不是从零建出两千多个身体结构。
在 Ricouard 的森林别墅案例中，树木、蕨类、石头以及橡木、石膏等贴图，使用的也是 Poly Haven 的现成扫描资产。
这意味着 Astra 的提升重点，不在于完全凭空造物，而在于自主组装、格式转换、软件操作和工具链迭代。按文中的说法，它更像一个不知疲倦的技术美术和管线工程师，而不是纯粹的概念艺术家。
能力越接近执行层，安全问题越接近权限问题
随着模型开始直接完成操作，安全讨论的重点也在变化。过去担心的是 AI 会不会说错话，现在更需要考虑的是：如果它能替人干活，它手里也会同时拿到系统权限。
9 月 1 日，也就是 Astra 发布前两天，OpenAI 先发布了一篇安全更新，标题为《迈向 Astra：关键能力与前沿防护机制》，其中直接写明，Astra 是第一个触及 OpenAI 准备框架中「关键」级网络安全门槛的模型。
所谓「关键」级，指的是在给定工具和权限的情况下，模型无需人工指点，就可以在加固系统中找到此前未被发现的漏洞，并写出利用程序。
在一场关闭全部生产防护的受控测试中，面对加固浏览器，Astra 搭出了一条完整入侵链，从沙箱逃逸到宿主机执行命令；面对加固操作系统，它把多个漏洞串成提权链，将普通账号一路提升到 root。
在 ExploitBench 上，Astra 得到 100% 满分，前代 GPT-5.6 Sol 的成绩为 78.5%。
OpenAI 也因此在过去几周推迟了 Astra 的部分开发和发布节奏，先补强防护并完成测试后再放出。
文中最后指出，在 Copilot 时代，软件仍由人来操作，AI 只是站在旁边辅助；到了软件操作层时代，AI 已经直接坐到工位上，人更多退到审阅平面图和点击确认的位置。
接下来一两年里，哪些软件拥有脚本接口、命令行或者可读取的文件格式，哪些软件就更可能先被模型接管。Blender、Unreal、Three.js 和 KiCad 已经落在这张名单上。
至于那些没有接口、只能依赖鼠标点击的软件，OSWorld 2.0 测试考察的正是这类场景：不借助任何接口，直接用鼠标和键盘操作一台真实电脑。Astra 在这项测试中取得 72.6%，平均每项任务约 40 分钟，比上一代节省了将近一半时间。
有接口的软件先被接管，没有接口的软件也只是更晚一步。它正在学着用人的方式，直接使用人的电脑。