GPT-6的“手脚”已备好：代码库泄露关键运行环境

最近，OpenAI的官方GitHub代码仓库里出现了一些引人注目的新内容。一位开发者在名为“Computer Use”的示例项目提交了代码更新，新增了两个专门的环境配置：“gpt6-js-image”和“gpt6-py-image”。更关键的是，这些代码所在的分支被直接命名为“codex/gpt6-computer-use-images”。

尽管这份代码更新尚未被合并到主分支，里面也没有任何调用GPT-6模型API的痕迹，但它明确地指向一件事：OpenAI正在为GPT-6模型准备与计算机深度交互的“操作平台”。

双环境配置：让AI真正“动手”操作

这两套环境分别针对不同的编程语言和操作场景搭建：

  • gpt6-js-image环境：为JavaScript设计，预装了Playwright测试框架和Chromium浏览器内核。这为AI在网页环境中的自动化操作铺平了道路。
  • gpt6-py-image环境：为Python设计，集成了PyAutoGUI（图形用户界面自动化工具）、Chromium以及一套Linux桌面环境。这意味着AI将能“看到”屏幕内容，并模拟鼠标、键盘操作，控制浏览器乃至整个桌面应用。

从技术栈的选择来看，OpenAI的目标非常清晰——让未来的GPT-6不仅是一个对话或代码生成的工具，更是一个能直接接管电脑、执行复杂任务的智能体。

Sam Altman的“Astra”愿景：操作流畅度媲美人类

OpenAI首席执行官Sam Altman在近期的一次访谈中，似乎提前剧透了这一发展方向。他提到，过去让AI模型操作电脑的尝试，效果总是“太慢”或“不好用”。但现在，情况完全不同了。

他特别提到了一个内部代号为“Astra”的能力。Altman表示，Astra让他第一次感觉到，AI操作电脑的流畅度和效率“已经达到和人类差不多的水平”。他甚至透露，自己现在会直接让模型去不同的应用程序里查找信息，而不是亲自一个个打开搜索。

这番描述，恰好与GitHub上泄露的“Computer Use”环境代码相呼应。Altman口中的“Astra”，很可能就是GPT-6将具备的这种革命性的计算机操作能力。

从“思考”到“行动”：AI交互范式的转折点

这次代码泄露和CEO的言论，共同指向AI发展的一个重要转折。长期以来，大语言模型主要停留在信息处理和内容生成的层面。而GPT-6可能带来的“Computer Use”能力，意味着AI将突破数字世界的“旁观者”角色，转变为能够主动执行、操控软件的“行动者”。

这不仅仅是技术上的进步，更是交互范式的根本改变。当AI可以像熟练的用户一样操作各种软件时，自动化办公、复杂工作流管理、甚至个性化的电脑助手都将进入一个全新的阶段。我们等待的或许不再是一个更聪明的聊天机器人，而是一个真正能坐在电脑前，帮你处理一切事务的数字同事。