線稿變 3,295 個 3D 零件：GPT-6 Astra 電腦操作實例拆解

想像你公司來了一個新同事。他不坐自己的位子，直接坐你的。螢幕是你的螢幕，滑鼠是你的滑鼠，Blender、Excel、瀏覽器全是你平常用的那套。你講一句「把這張舊火車線稿做成 3D 模型」，他點開 Blender 開始拉，幾分鐘後交回 3,295 個可以一個一個拆開改的零件。

這個新同事叫 GPT-6 Astra。OpenAI 在 2026 年 9 月 3 日發布，主打的功能就叫 Computer Use，直接翻譯是「操作電腦」。

這篇拆三件事：這個功能到底是什麼、創作者用它做出了哪些東西、還有你該不該放心把滑鼠交給它。

什麼是 Computer Use？先講新同事跟舊員工差在哪

過去的 AI 助手比較像坐在隔壁的顧問。你問，它答，你自己回去操作軟體。要讓它幫你動手，工程師得先幫每個軟體接一條專用管線，術語叫 API，白話講是「軟體之間講話用的窗口」。沒有窗口的軟體，AI 就碰不到。

Computer Use 把這條路繞掉了。技術上的定義是這樣：模型接收螢幕截圖，判斷該點哪裡、該打什麼字，送出滑鼠和鍵盤指令，再看下一張截圖，一步一步做完任務。它靠的是「看得懂螢幕」，不是「有沒有窗口」。

OpenAI 總裁 Greg Brockman 在發布會上的說法是，企業導入 AI 的瓶頸一直是接管線的工程。如果一個模型能像人一樣用軟體，大部分管線根本不用接，因為軟體本來就有一個給人用的介面。

這也是為什麼 Astra 的示範裡出現的全是既有軟體。官方展示影片裡它開了 KiCad 畫電路板、開 FreeCAD 和 Blender 建模、開 Excel 和 Power BI 做報表、在瀏覽器裡改 CRM 客戶紀錄、還幫網站跑前端 QA 測試。

AI 操作電腦的關鍵不是它多聰明，是你的軟體不用改。

Astra 在這件事上有多大的進步，看 OSWorld 2.0 這個測試最直接。它模擬真實桌面環境，讓 AI 去完成「打開檔案總管、改設定、跨軟體搬資料」這類任務，是目前最接近「它能不能真的替我用電腦」的量尺。

資料來源是 OpenAI 官方發布頁的數據表。分數高七個百分點聽起來不驚人，但時間砍將近一半，這才是差別所在。一個要你在旁邊盯 75 分鐘的助理，跟一個 40 分鐘做完的助理，用起來是兩種東西。

十個實例：新同事第一週交了什麼

發布之後兩天，X 上互動最高的示範幾乎都在同一個方向。不是聊天、不是寫文章，是「它自己打開軟體，動手做出東西」。下面十個是最具體的。

起點是 OpenAI 官方那支。一句「Anything you can do on a computer, Astra can do for you. Fast.」配上填表單、開瀏覽器、跑完整工作流程的畫面，後面所有創作者的示範都是從這裡長出來的。

3D 部門：從一張圖片到可以走進去的場景

設計師 Tom Krcha 拿到早期測試權限，做了兩個示範。第一個是丟一張房子的照片，要 Astra 在 Blender 裡把家具、玩具、家電全部建出來。成品的幾何可以手動微調，在他本機跑到 60fps。

第二個是那張蒸汽火車線稿，Astra 在幾分鐘內產出 3,295 個獨立、可編輯、幾何完整的物件。他的結論是「現在全世界每個人手邊都有一個 3D 設計師」，然後叫大家去蓋自己的 Transport Tycoon。

創作者 Yunfan Ye 的做法更接近實際工作。他把一筆 Zillow 房源的照片丟給 Astra，Astra 依照片建出房子的 3D 模型，再剪成一支宣傳影片。一次生成，細節有錯，但他認為多修一輪就能當行銷素材。

開發者 ashe（@ashebytes）用 Astra 做了一個 3D 網站，把一台 Tesla Model X 拆成 334 個建模零件，可以旋轉、可以拆解。他的說法是「我們正在經歷一場學習的文藝復興」。同一套做法他後來又做了一版人體解剖，2,234 個零件。

AI 創業者 Matt Shumer 花了一週，讓 Astra 在 Unreal Engine 裡蓋出一座曼哈頓。他形容 Astra 是「一條街一條街走過去，把每一條都弄對」。

這幾個示範共用一個技術背景。OpenAI 公布的 BenchCAD 測試裡，Astra 拿 95.9%，前一代 GPT-5.6 Sol 是 83.3%，Claude Fable 5.1 是 84.3%。BenchCAD 測的是模型能不能看著圖片，在腦中還原出三維結構再重建出來。官方發布頁自己的示範，就是在 Blender 建一棟房子，然後轉成 Unreal Engine 5 裡可以走進去的場景。

遊戲部門：一次生成，能玩

t3.gg 的 Theo 的示範是一款一次生成、直接在瀏覽器裡跑的遊戲，他給的評價是 Astra 在 Blender 和三維推理上「世界級」。後來一堆人問他用了什麼提示詞和框架，他的回答是大家都想太多了：裝好 Blender、打開 Codex、貼上提示詞，三十分鐘到兩小時後遊戲就出現了。

開發者 Anshu 的說法更誇張一點，他直接叫 Astra「3D 遊戲界的渦輪 AGI 機器神」。他讓 Astra 在 45 分鐘內一次做出一款 3D 遊戲，只用掉配額的幾個百分點。他提到一個技巧，畫面好看的關鍵是先用圖片生成畫出概念圖，再讓 Astra 在 Blender 裡反覆改到遊戲畫面貼近概念圖，全部素材都是它自己建的，沒有外部資源。

另一位開發者 Daniel（@buildingadlicio）把一支手機遊戲廣告丟給 Astra，要它做成真的能玩的版本。Astra 用 Blender 在 30 分鐘內建出一款瀏覽器小遊戲，跟廣告裡的畫面接近。

這三個示範放在一起看有個共通點。手遊廣告有一個老問題，廣告畫面往往比遊戲本體好玩。現在你可以直接叫 AI 把廣告做成遊戲，那個落差第一次被反過來用。

直接操作軟體：它真的在動滑鼠

前面幾個示範，你還可以說它是「寫程式產生 3D 檔案」。日本創作者 taiyaki_sun 的示範不一樣。

大家都在讓 Astra 從零畫圖，她反其道而行。她把自己手繪的線稿交給 Astra，要它用滑鼠打開 Clip Studio Paint，幫這張線稿上色。整段縮時影片裡，開軟體、建圖層、選筆刷、塗色，全部是 Astra 在操作，她只是看著。她的形容是「這才是 AI 分工」。

這個示範重要的地方在於，它畫的是人的線稿。AI 沒有取代創作的那一步，它接手的是後面最花時間的那一步。

做機械設計的 Adam（@adamdotnew）的評價比較短，但分量重。他實測後說 Astra 是「agentic CAD 的新標竿」，是 AI 在機械設計上「真正的跨代進步」。CAD 是工程師畫機械零件用的軟體，過去 AI 頂多幫你寫參數公式，這次是真的能操作設計流程。

端到端交付：從日常工作到硬體

Claire Vo 做了一支 30 分鐘的完整評測，是目前最完整的「日常工作加創作」合集。她示範了在瀏覽器裡改 CRM 流程、幫網站跑前端 QA、做一款 3D 兒童遊戲。她說這個模型讓她對「能用 AI 做出什麼」的野心放大了一百倍，原因就是 Computer Use 讓它可以用任何軟體做任何東西。

她還多做了一件事。她從 Amazon 買了一台玩具小電腦，Astra 真的把它破解進去了。她把這個叫「Tiny Computer Bench」，半開玩笑，但講了一件實在的事，Computer Use 碰得到的不只是瀏覽器。

這些示範集中在三類

回頭看這十個實例，會發現它們高度集中。

• 3D、遊戲、視覺：Blender、Unreal Engine、3D 網站、宣傳影片。這一類數量最多，跟 BenchCAD 95.9% 那個數字對得上。
• 直接操作既有軟體：繪圖軟體、CAD、CRM、表單。這一類示範最少，但最能證明「它真的在用滑鼠」。
• 端到端交付：從照片、草圖、廣告出發，做到可玩、可改、可上線的成品。這一類是前兩類的組合。

第一類會先爆，原因很簡單。3D 場景和遊戲放在社群上一看就懂，改 CRM 流程的影片沒人想看第二遍。但如果你不是做遊戲的，第二類才是會影響你工作的那一塊。

這跟今年五月 GPT-5.5 發布時的變化是同一條線。那時候的重點是「同樣速度、更少 token、更長任務」，也有人用 Codex 生出整套七軸機器手臂。這次多出來的，是模型不再只透過程式碼跟世界互動，它直接用你的軟體。

第三天：熱度換了方向

上面那批是發布後 48 小時內的東西，共通點是「叫它生成一個成品」。再過一天，社群上互動最高的換了一批，而且方向明顯不同——不是它產出了什麼，是它坐在軟體前面點了多久。

3D 網站還在吃老本

熱度最高的仍然是 3D 教學網站，但已經不是新作品。ashe 接續他那台 Tesla，又做了一版可拆解的男性人體解剖，2,234 個零件，骨骼、肌肉、器官、血管、神經系統可以分別開關。這支在發布第三天被大量轉發，連法語圈都跟著爆了一輪。

這裡要提一個雜音。有開發者去翻了專案，質疑那些零件不是 Astra 建模出來的，而是用了現成的授權人體資料。這個質疑目前沒有定論，但它點出一件事：3D 示範用看的最難分辨「模型做了多少」，你看到的精緻度不一定等於它的能力。

它自己坐下來通關了《傳送門》

這是第三天最能說明 Computer Use 是什麼的一個實驗。獨立研究者 cozyblaze 讓 Astra 純靠看螢幕截圖、規劃空間、按鍵盤，去玩《Portal》。它通關了，過程中呼叫了 3,337 次工具。

數字才是重點。遊戲內時間 1 小時 53 分，但整個實驗實際跑了將近 24 小時，因為 Astra 每次思考時遊戲都會暫停。作者的統計面板上，照 API 價格估算的成本是 571 美元。想看過程而不是文字摘要的，有人把思考時的暫停剪掉，壓成了一支長片。

這件事的意義不在「AI 會打電動」。《傳送門》是空間解謎，過關要在腦中轉三維空間、預判傳送門連通後動量怎麼帶。它靠一張張截圖做到了，這跟前面那些「產出一個 3D 檔案」是不同性質的能力。但那個 571 美元和 24 小時也很誠實地講了另一件事：現在能做，不代表現在划算。

音樂、小畫家、麥塊紅石

第三天冒出來的新方向，共通點是它在操作那種「沒有 API、只給人用」的軟體。

創作者 Linaqruf 開高推理檔，讓 Astra 直接打開 FL Studio 做伴奏，再用 Synthesizer V 合成重音テト的人聲和合唱，整首從零開始，沒有給參考曲。

Tal Siach 的示範最土也最好懂。他看到別人的 Computer Use demo 之後自己試了一次：叫 Astra 打開小畫家，重畫一張人像。用小畫家這件事本身就說明了問題——那是一個沒有任何自動化介面的軟體，它只能一筆一筆點。

Angel 的則是遊戲內工程。她讓 Astra 在《Minecraft》裡用純紅石電路做出一塊會動的 RGB 顯示器，跑 Sol、Terra、Luna 三段動畫，背景音樂也是它配的。

還有三個新作品

Higgsfield 走的是產品發布向：Astra 接上 Higgsfield Games 2.0，一句提示詞生成並部署一款 2D 或 3D 多人開放世界遊戲。

Google 設計師 Soumya 做的不是靜態圖，是一個真的打得開的小工具——會開花的畫筆，網址在 flora-brush.soumya-raj.chatgpt.site。

Philipp Burckhardt 故意去測極限，要求 Astra 做出「執行期會變形」的幾何，從 Blender 接到 Three.js，最後變成一支帶音效的小災難遊戲 demo。

兩條工作流

這兩條比較像流程示範而不是單一作品，但實務上更值得參考。

marcus 把 Astra 寫的 Blender 幾何丟進 Clay Renderer，再接 Dreamina Seedance 2.5 出片，是一條把「模型會建模」接到「成品是影片」的完整管線。

前 Unity、Ubisoft 的圖形工程師 Sebastian Aaltonen 用 Astra Ultra 清掉了大約 1,000 行防禦性圖形程式碼。這一條沒有畫面可看，但它是少數由資深工程師掛名的實測。

三天下來的變化

第一批爆的是「它生成了什麼」，第三天爆的是「它在軟體裡待了多久」。《傳送門》、FL Studio、小畫家、紅石電路，這四個放在一起看，共通點是那些軟體全都沒有給機器用的介面，它只能用人的方式進去。

這正好回答了前面那一段的疑問。3D 示範最容易爆，但也最難判斷模型出了多少力——人體解剖那個質疑就是例子。反而是打電動、開小畫家這種看起來很蠢的示範，因為沒有別的路可走，最能證明它真的在點。

代價也在同一批數字裡。通關一款 2007 年的遊戲，照 API 價格算要 571 美元，還花掉將近 24 小時。能力是真的，經濟性還不是。

該不該把滑鼠交給它

新同事坐在你位子上，你最擔心的不是他做不好，是他亂點。點到「刪除」、點到「轉帳」、把客戶資料寄給錯的人。

OpenAI 這次公布的安全數據，有一塊專門講這件事。他們內部有一個電腦操作安全測試，把模型放進有訊息、郵件、專案管理、業務系統的模擬職場環境，故意給模糊指令和相似的選項，看模型會不會做出未授權交易、資料外洩、越權存取這類事。

資料來源同樣是 OpenAI 官方發布頁與系統卡。從 22% 降到 2.4%，這是前一代根本不敢放出來讓一般人用 Computer Use 的原因，也是這一代敢放的原因。

但有兩件事要一起看。

第一，Astra 是 OpenAI 第一個在資安能力上達到「Critical」等級的模型。在沒有防護的測試環境裡，它在 ExploitBench 拿到 100%，這個測試量的是模型能不能把已知漏洞變成可用的攻擊程式。所以公開版會拒絕進階資安任務，完整能力只開給 Daybreak 計畫裡經過審查的企業防禦方。這也是它先開給企業、幾天後才開給一般付費用戶的原因。

第二，英國 AI 安全研究所 UK AISI 的測試發現，在對抗性提示下，Astra 有辦法規避監控。OpenAI 自己也承認，Astra 解簡單問題時寫下的推理步驟變少了，研究人員透過這些步驟來檢查它在想什麼會變得更難。OpenAI 把改善可監控性列為研究優先事項。

講直接一點，它比前一代乖很多，但你還是不會讓它在沒人看的時候操作你的網路銀行。

價格、取得方式，還有那個 99.9%

API 定價是每百萬輸入 token 10 美元、輸出 50 美元。前一代 GPT-5.6 Sol 大約是 4 美元和 20 美元，所以每個 token 貴了 2.5 倍左右。快速模式再翻倍收費，換 2.5 倍速度。OpenAI 的說法是 Astra 每個任務用的 token 少很多，整體任務成本反而降低，這個要你在自己的工作上實測才算數。

取得方式跟發布當天講的不太一樣。依 OpenAI 說明中心的現況，付 Pro、Business、Enterprise 的，在一般對話裡就有，名字叫 GPT-6 Pro；付 Plus 的只能在 ChatGPT 的 Work 模式和 Codex 裡用，而且額度有限，用完要另外購買；免費版和 Go 方案拿不到 Astra。API 模型名稱是 gpt-6-astra，AWS Bedrock 也有。企業版預設是關的，管理員要手動打開。

9 月 22 日 OpenAI 又推出兩個便宜的版本。GPT-6 Sol 每百萬 token 輸入 2 美元、輸出 10 美元，GPT-6 Luna 輸入 0.1 美元、輸出 0.5 美元，Astra 維持 10 美元和 50 美元。OpenAI 自己的定位是最難的工作才用 Astra，平常的量交給 Sol 和 Luna。免費版和 Go 用戶可以在桌面版試 Luna。

最後講一個數字。你會在很多地方看到 Astra 在 ARC-AGI-3 這個抽象推理測試拿 99.9%。DataCamp 查了細節，這個分數是用 OpenAI 自己的有狀態測試框架跑出來的，如果透過一般 API 呼叫，分數會掉到 17% 到 63% 之間。MindStudio 整理的第三方彙整排名 Artificial Analysis 也只把 Astra 排在第五，跟前一代差不多。

這不代表示範是假的。這代表「它會用電腦」和「它是 AGI」是兩件事，前者有二十幾個影片可以看，後者目前只有一張表。

如果你想跟著做

前面那些 Blender 和 Unreal Engine 示範有一個容易被忽略的前提。Astra 負責建模，渲染還是你的機器在跑。3,295 個零件的火車、整座曼哈頓的街景，沒有一張像樣的顯卡是打不開的。

利益揭露：以下是聯盟連結。

要在本機跑 Blender 算圖加上一點 AI 推論，24GB 顯示記憶體的 麗臺 RTX PRO 4000 Blackwell 是規格上剛好夠用的起點。桌面空間有限、又想同時跑 Unreal Engine 和遊戲測試的人，衛生紙盒大小、搭載 RTX 5070 的 ROG GR70 迷你主機 是另一個方向。

常見問題

GPT-6 Astra 的 Computer Use 是什麼？

就是讓 AI 直接看你的螢幕、動你的滑鼠和鍵盤，去操作你平常用的軟體。它不需要那個軟體有 API，只要人類能點得到的按鈕，它就點得到。OpenAI 稱它是目前最好的電腦操作模型，官方 OSWorld 2.0 測試拿到 72.6%。

一般人現在用得到 GPT-6 Astra 嗎？

要看你付哪個方案。付 Pro、Business、Enterprise 的，在一般對話裡就有，名字叫 GPT-6 Pro；付 Plus 的只能在 ChatGPT 的 Work 模式和 Codex 裡用，而且額度有限；免費版和 Go 方案拿不到 Astra，但可以在桌面版試 9 月 22 日推出的 GPT-6 Luna。開發者可以直接走 API 或 AWS Bedrock。

GPT-6 Astra API 多少錢？

每百萬輸入 token 10 美元、輸出 50 美元，大約是前一代 GPT-5.6 Sol 的 2.5 倍。快速模式價格再翻倍，換 2.5 倍速度。預算有限的話，9 月 22 日推出的 GPT-6 Sol（輸入 2 美元、輸出 10 美元）和 Luna（0.1 美元、0.5 美元）便宜很多，OpenAI 建議最難的工作才用 Astra。

GPT-6 Astra 操作電腦會不會亂點、亂刪東西？

比前一代穩很多，但不是零風險。OpenAI 內部的電腦操作安全測試裡，Astra 做出不該做的事的比率是 2.4%，前一代 GPT-5.6 Sol 是 22%。另外進階資安能力被鎖住，公開版會拒絕寫漏洞利用程式。

新同事第一週交出來的作業，多半是 3D 和遊戲，因為那些最好拍成影片。但真正會改變你工作的，是那個幫線稿上色、改 CRM 流程、跑網站測試的版本。

你電腦裡有哪一套軟體，是你每天重複點同樣的按鈕、卻從來沒有 API 可以自動化的？那一套，就是這個新同事的第一份工作。