GPT-6，“强拆”App的墙

过去三天，全球三家头部模型公司接连更新了自己的前沿模型。

9月1日，Anthropic发布Claude Fable 5.1；9月2日，Google发布Gemini 3.8 Flash；一天之后，OpenAI发布GPT-6 Astra。

重点依然是更强的Coding、更复杂的推理、更长时间的Agent任务，但是背后还有一个更值得关注的趋势，Computer Use、Browser和Tool Use，越来越成为一套统一的环境交互能力。

以前，AI如果想调用一个软件，大致有三种办法：软件提供API，模型调用工具；软件运行在网页里，AI操作浏览器；第三种，像人一样看屏幕、点鼠标、敲键盘。

但是在过去很长时间里，最后一种方法都是不得已的选择。API更快、更稳定，也更容易控制权限，Computer Use缓慢、容易出错，界面稍微复杂一点，任务走上几十步就可能失败。

GPT-6 Astra发布之后，把Astra定位为“全球最强的计算机使用模型”，Computer Use不再是一种不得已的“兜底能力”，甚至能顺畅调用专业度很高的软件。

01

Computer Use开始“能用”了

OpenAI早在2025年的Operator中就展示过Computer Use。当时模型通过视觉理解网页，再模拟鼠标和键盘完成订餐、购物、填写表格等任务。

但是当时的问题是，“能操作”和“能工作”之间还有很大的距离。

早期Computer Use完全不可靠。真正的需要Agent操作电脑的任务，一般都是多个步骤，中间一次误点、一个弹窗或者一次状态判断错误，都可能让整个任务前功尽弃。另外就是很慢，一个任务能让人等得完全失去耐心。

在测试模型能否在真实桌面环境中完成跨应用操作任务的 OSWorld 2.0 上，Astra达到72.6%，此前的GPT-5.6 Sol为65.7%；在更侧重屏幕视觉定位和精准点击能力的 ScreenSpot-Pro 上，Astra从Sol的76.9%提升到92.7%。

从速度上来看，OpenAI称，在OSWorld模拟环境中，Astra完成任务平均需要约40分钟，GPT-5.6 Sol约为75分钟。

Computer Use第一次开始同时提高成功率和执行效率。

比如， OpenAI给到的官方案例。游戏公司Playco正在把Astra接入自己的AI开发工具Playbot。模型可以直接进入Unity、Godot这样的游戏引擎，修改场景、运行游戏、测试结果，发现问题以后继续修改。Playco称，相比此前使用的模型，人工修复次数减少了50%。

Playco联合创始人Teddy Cross评价Astra时特别提到，它“much better at reasoning about space and positioning elements（它对空间关系的理解，以及对界面元素位置的判断明显更准确）”。

图：Playco里 Astra 操作 Unity / Godot

同样的变化也出现在Anthropic。

Fable 5.1继续强化浏览器、Computer Use和长程Agent任务。Anthropic给出的OSWorld 2.0成绩从Fable 5的72.9%提升至77.9%，AutomationBench则从17.1%提升至31.4%。

与此同时，它把缓存读取价格降低75%，Anthropic估算，在高度Agent化的工作负载中，整体成本最多可以下降约45%。

Computer Use的变化因此不只是benchmark又涨了几分，经济性和可靠性在同时越过临界点。Agent直接操作GUI，开始有机会成为一种常规的方式，甚至可以期待和各种接口一样稳定。

图：Astra先在Blender里建立一栋房屋，再把模型转换成Unreal Engine5中的可步行场景，设计师和客户可以提前进入场景查看空间。

02

AI有了自己的选择权

如果只是Computer Use变强，这仍然只是一个模型能力升级。更重要的变化发生在它和其他工具的关系上。

过去开发一个Agent，往往需要人为提前设计工作流：第一步搜索网页，第二步调用CRM接口，第三步执行Python，第四步再进入某个软件。

现在，Agent可以在工作循环中自主安排怎样用、顺序如何，怎样效率才更高。

GPT-6 Astra同时支持Web Search、File Search、Code Interpreter、Hosted Shell、Computer Use、MCP、Skills和Tool Search等工具。OpenAI对它的定义是可以跨“code、browsers和professional software”连续执行任务的模型。

这次还出现了一个不起眼却很关键的新能力：async tool calling。

过去一次典型的工具调用是串行的：模型发起调用，等待工具返回结果，然后继续推理。Astra现在可以在一个工具仍然运行时继续思考、调用其他工具，或者先处理任务中的其他部分。

这越来越接近真实的人类工作方式。

例如，一个Agent接到“分析这个月销售异常，并更新CRM、生成Power BI汇报”的任务后，它可能直接通过API读取CRM数据；同时在浏览器里查询客户背景；调用Shell处理数据；最后发现Power BI并没有合适的现成接口，于是进入软件界面直接完成图表。

模型选择工具的能力变强了，这是最可怕的地方。

Google最新的Gemini 3.8 Flash也出现了同样的方向。Google把它明确定位为“built for long-horizon coding and autonomous agents”，并解释这一代模型在复杂任务中会执行更多推理步骤，并反复调用工具。3.8 Flash也是Google六周内发布的第三代Flash模型。

几条技术路线也开始逐渐失去清晰的边界，自由为Agent所用。API能够直接调用，就走API；网页更方便，就进入Browser；需要批量处理数据，可以写代码；软件没有适合机器的入口，也可以直接操作GUI。

一位大模型领域的研发工程师说，过去行业里有一条几乎默认的原则，如果能API，就不要点鼠标。这条原则现在暂时还是有效，API还是更快、更稳定、更便宜。

但是，现在并不是非API不可了，它正在从“机器进入软件的必要条件”，变成Agent可以选择的最优路径之一。

换句话说，GUI正在获得一种过去没有的身份：它也开始成为机器（AI）的接口。

过去GUI是给人使用的，API才是给机器使用的。Computer Use一旦变得足够可靠，两者之间的边界就第一次真正开始模糊。

03

GPT-6“强拆”的不是权限墙，而是接口墙

GPT-6 Astra并没有获得绕过软件权限的能力，这也是Computer Use最容易被误解的地方。

如果一个用户没有查看某份Salesforce数据的权限，Agent也不会因为会操作鼠标就自动获得权限；MFA、SSO、操作系统管理员权限仍然存在。OpenAI在描述Astra已经达到“Critical”级别的网络安全能力时，也专门加上了一个前提——“with the right tools and access”。

所以，Astra“拆掉”的不是登录墙，更不是数据权限墙。

过去，没有软件厂商提供的机器接口，AI很难进入这个软件。

所以，几十年来，软件世界形成了一套非常明确的分工。人从GUI进入，机器从API进入。

因此软件厂商实际上掌握着机器入口的定义权：要不要开放API，开放哪些动作，第三方可以访问什么，按照什么方式收费。

Computer Use把这个“接口墙”拆掉了，如果一个拥有正常权限的人能够在屏幕上完成一件事情，理论上Agent也可能沿着同一条路径完成。

这意味着“不开放API”，正在越来越难等同于“AI无法操作我的软件”。

这种变化甚至已经倒逼软件巨头自己提前行动。

2025年，Salesforce负责AI产品的Adam Evans就提出，“autonomous AI agents will become the new user interface”。他的判断是，用户未来越来越可能直接面对Agent，由Agent在后台调用不同的数据和应用，而不是自己在多个App之间切换。

今年，微软在一篇关于企业软件架构的文章中提出，在Agent模式下，App未来可能更多作为“systems of record”，而不再是“systems of navigation”——用户不需要知道应该打开哪个系统，只要表达自己的目的，Agent负责协调背后的应用、规则和数据。

图：在 Microsoft 365 Copilot 中，用户可以直接调用 Adobe Express Agent 完成设计修改，无需再切换到独立App。Agent正逐渐成为不同软件之上的统一入口。

04

App还在，但工作流可能不再属于App

这是Computer Use继续成熟之后，对软件产业最值得关注的影响。

过去，一个Salesforce用户想做销售分析，通常要先打开Salesforce；一个财务人员要处理数据，会进入Excel或者财务软件。

每一个App既储存数据，也试图成为工作的入口。

Agent正在改变这个关系。

未来用户可能只需要说：

“把这个月销售下降最大的十个客户找出来，分析原因，把结果更新到CRM，再给我生成明天开会用的报告。”

至于后台调用了Salesforce、Gmail、Excel、Power BI还是公司内部系统，越来越可能由Agent决定。

这其实已经成为软件巨头主动承认并接受的现实。

微软CEO萨提亚·纳德拉今年7月在财报电话会上提到，微软正在把Dynamics 365中的超过65万个动作通过MCP暴露出来，让Agent可以在相同的数据模型、规则、权限和审计体系下直接执行操作。与此同时，微软的企业软件商业模式也开始从纯seat收费转向“seat + consumption”。

ServiceNow今年5月则宣布开放Action Fabric，让外部AI Agent可以直接调用他们的企业工作流。ServiceNow举了一个很有代表性的例子：过去必须进入ServiceNow界面完成的密码重置流程，现在可以直接由Claude触发。

这看起来似乎与Computer Use方向相反，既然AI可以点GUI，为什么软件公司反而更加积极地开放MCP和Agent接口？

API并不会因为Computer Use而消失。API仍然是高速公路：速度快、稳定、可计量，也更容易进行权限管理。Computer Use更像是让Agent突然拥有了越野能力。

一旦AI拥有“没有公路也能过去”的能力，软件厂商反而更有动力把自己的公路修得更好。

过去，是Agent开发者希望Salesforce、Microsoft或者ServiceNow开放接口。

未来可能反过来，软件公司需要主动优化自己的API、MCP和Agent入口，让Agent优先使用自己的正式接口，而不是直接去操作GUI。

双方的话语权已经开始改变。软件厂商依然拥有非常重要的东西：客户数据、身份体系、权限、安全规则和System of Record。这些不会因为一个模型学会点鼠标就消失。

但它们可能逐渐失去另一项过去习以为常的权力：定义用户从哪个入口进入，下一步该去哪里、打开哪个页面、按照什么顺序完成工作。

GPT-6 Astra没有让App消失，也没有让AI绕过软件权限，但是AI能力提升的方向，让它可以越来越不依赖软件厂商专门为自己准备入口。

GPT-6“强拆”的，正是这堵墙。

当然，截止目前，还没能真实测试GPT-6 Astra，如果它所宣称和强调的能力真的很好用，Agent的选择权，真的已经变得越来越大了。

人总会选择更高效、更省事的方式。Agent迎合了这种本能，也因此开始获得原本属于用户和App的选择权。