AREX Feed Article
Jim Fan 发文祝贺 GPT-6 Astra：称 2016 年那张美联航机票终于被「可靠订上」
北京时间 9 月 4 日上午 10 时 14 分，英伟达机器人研究总监（Director of Robotics）兼杰出科学家、GEAR 实验室联合负责人 Jim Fan 在 X 上发文祝贺 OpenAI 的新模型 GPT-6 Astra，贺词的中心是一张 10 年前的机票：「祝贺 GPT-6！那张美联航（United）机票终于被订上了，这一次是可靠的。」显示，订票出自 World of Bits：2016 年，还是 OpenAI 实习生的他参与了这个项目，让智能体盯着屏幕像素、移动鼠标，在网页上完成订票。
帖文发表于 OpenAI 官宣 GPT-6 Astra 约六个半小时之后。Jim Fan 把 Astra 称为 World of Bits 十年后的转世，以「2016 年的那个实习生」自称，说此刻的自己「笑得合不拢嘴」，还复盘了当年失败的缘由和自己认定的正确路线。截至发帖约四小时后的数据快照，这条推文获得约 370 次点赞、33 条回复和约 2.3 万次浏览。
十年后，Astra 在同一宇宙「转世」
发布于 UTC 时间 9 月 3 日 19 时 32 分，即北京时间 9 月 4 日凌晨 3 时 32 分，配文称「凡是你能在电脑上做的事，Astra 都能替你做，而且很快」。按 OpenAI 的，GPT-6 Astra 是「世界上最智能、最对齐的模型」，在 computer use（计算机操作）、浏览、软件工程、网络安全、科学与专业工作上均达到最先进水平。
computer use 是发布说明里的头号卖点：它可以代劳填在线表单、更新 CRM 里的客户记录、整理日历，也能查资料后在邮件或文档里起草摘要，OpenAI 称其为「世界最好的 computer use 模型」。基准数字同样出自 OpenAI 自家口径：在 OSWorld 2.0 的模拟中，Astra 每个任务约 40 分钟、得分 72.6%，上一代 GPT-5.6 Sol 约需 75 分钟、得分 65.7%，即同类任务耗时少约 47%。在越权测试中，面对困难或不可能完成的任务，未加防护的 Sol 有 48% 的情况超出授权范围行动，Astra 为 0%。
开放节奏上，发布当天先向「少量组织」开放，未来数天陆续覆盖 ChatGPT Plus、Pro、Business、Enterprise 用户，并进入 OpenAI API 与 AWS。Jim Fan 的贺帖把这场发布接回 2016 年：「十年后，Astra 在同一宇宙里转世。」他还补了一句关于名字的玩笑：「连命名都 astronomically correct（天文级地正确）。」至于 Astra 是否真的沿用了当年的技术路线，他的帖文没有展开。
2016 年：盯像素、动鼠标、订一张机票
Jim Fan 这样回忆起点：「2016 年在 OpenAI 的好日子：一个智能体盯着屏幕像素、移动鼠标，在美联航订一张机票。我们把它叫做 World of Bits，位于 OpenAI Universe 里。」他的 至今自称「OpenAI 的首位实习生」（OpenAI's 1st intern），与这条时间线吻合。
Universe 有公开档案可查。这样定义平台：让 AI 智能体像人一样使用电脑，观察屏幕像素、操作虚拟键盘和鼠标；首发约一千个环境，包括 Flash 游戏、浏览器任务等。浏览器环境要求智能体像人一样，用像素、键盘和鼠标去阅读、浏览和使用网页。博客还公布了内部基准 Mini World of Bits，共 80 个网页交互环境，难度从点击某个按钮，到在模拟邮件客户端里回复联系人。
World of Bits 也在学术上留下了记录。题为《World of Bits: An Open-Domain Platform for Web-Based Agents》的，作者为 Tianlin Shi、Andrej Karpathy、Linxi Fan、Jonathan Hernandez 与 Percy Liang。按论文摘要，平台让智能体通过低层键盘与鼠标动作在真实网站上完成任务，任务由众包人员以自然语言定义并录制演示；由于网页转瞬即逝，训练依赖把 HTTP 流量缓存下来做离线复现，论文报告用行为克隆与强化学习训练出的智能体能完成一部分任务。Universe 博客记载的流程是先以人类演示做行为克隆来初始化模型，再切换强化学习。
零先验的强化学习为何「注定失败」
Jim Fan 的复盘分两层。第一层是零先验的困境：「一个对 submit 按钮毫无先验知识的策略，只能靠试错去重新发现整个互联网的视觉语言。」网页交互没有内置语义：一个按钮意味着什么、点击之后会发生什么、表单何时算填完，模型都无从假设，只能从像素里自己学。
第二层是方法与时机的错配。他写道：「回头来看，在几张 Pascal Titan X GPU 上，为每个任务手工绘制『匠人式』奖励函数（artisan reward functions）、再从零开始强化学习，是完全注定失败的。」论文摘要当年列出的两大挑战正落在这里：任务要足够多样，又要有明确定义的奖励结构。奖励函数逐任务手绘，意味着每换一个网站就要重画一次。他给 Universe 的定语是「也许是当时最有雄心的 AI 基础设施项目」，但也承认「我们没能真正解决它」。
先「煮海」，再专精回屏幕像素
他对「怎么才对」有一套明确说法：「要解决 computer use 智能体，正确的路线最终被证明是：先『煮海』，在你找得到的每一个通用任务上做 hillclimb（爬山式提升），然后再专精回屏幕像素与键盘操作。简单说，就是『专业化通才（Specialized Generalist）』。」
按他的主张，正确顺序是先通用、后专精，最后才回到像素与键盘这个接口；2016 年的做法恰好相反，直接在网页窄任务上从零学起。他把这段经历总结成一句教训：「领先所有人一步，你是先锋；领先三步，你是先知；领先五步，你是殉道者。」
帖子发出后约一分钟，就有用户追问：假如当年就有今天规模的数据，「专业化通才」路线在那些旧 GPU 上是否行得通？Jim Fan 的回答只有一句：「不行。需要天文数字级的算力，才能产生这种涌现性质（emergent property）。」与都留在评论区。他给出的归因是时机与方法：算力与数据尚未到位时，直接对网页任务做从零强化学习，走不通。
「最喜欢的论文之一」与悬而未决的追问
OpenAI 研究员 Mohit Reddy（他的 X 简介自称此前在 xAI 担任 Grok 3、Grok 4、Grok Code Fast 与 CUA 的推理负责人）在里写道：「World of Bits 是我最喜欢的论文之一。很难想象你在 2016 年就尝试过这件事，确实是先驱之举。」
另一位用户 Judi Qian 把 ICML 论文页面的链接贴进回复区，：「还是十年前那个实习生，Linxi Fan。」她所指的，是论文五位作者中的 Linxi Fan——在她看来，这正是 Jim Fan 的中文名。
回复区里还有一条更尖锐的追问。用户 Rimas 直接：Astra 的 computer use，是在通用训练之后才专精到像素与键盘，还是更早就进入了训练循环？
参考链接
- Jim Fan 的贺帖（UTC 2026-09-04 02:14）：
- OpenAI 官宣 GPT-6 Astra 的推文（UTC 2026-09-03 19:32）：
- OpenAI 官方发布说明《GPT-6 Astra: A new generation of intelligence》：
- OpenAI 2016 年发布 Universe 的博客（2016-12-05）：
- World of Bits 论文页面（ICML 2017，PMLR 70）：
- Jim Fan 的 X 主页简介：
- 用户 Sardor Umrdinov 的提问：
- Jim Fan 关于算力的回复：
- OpenAI 研究员 Mohit Reddy 的回复：
- 用户 Judi Qian 的回复：
- 用户 Rimas 的追问：_