这个月，我基本是在高强度地用 GPT-6 Astra。
我让它操作软件、写东西、跑长任务，也专门接上 Hyper3D，丢给它一个我自己完全不会做的 3D 项目，看它能不能从一句很模糊的需求开始，自己找工具、做模型、拆部件、写网页，最后把东西真正交出来。
测到后面，我越来越有一个很强烈的感觉：
如果我们过去说的 AGI，是一种能够理解目标、调用工具，并且越来越独立地把工作做完的通用智能，那 GPT-6 可能已经踩进去了。
而我第一次产生这个感觉，其实是因为前两天刷到的一个帖子。
一个叫 Viper 的 Blender 艺术家，转发了 Duncan Trussell 用 GPT-6 Astra 做的一段演示。
Duncan 让 Astra 直接操作 Blender，做了一个完整的 Backrooms 场景。
里面不只是搭几个方块。
建模、灯光、VHS 质感，甚至声音都做了。
Duncan 自己说，整个过程大概用了 5 个 prompt，制作花了 30 分钟左右，最后又用了 20 分钟导出。
然后 Viper 看到了。
他原本一直觉得，自己这些年积累下来的 Blender 技能和艺术感觉，是机器很难替代的一层东西。
结果现在，他看着 Astra 在自己最熟悉的软件里，做出了一个自己可能要花几天完成的场景。
他的第一反应不是兴奋，而是愤怒。
他直接破防了，表示：这他妈像个恶作剧。
我其实很能理解这种感觉。
这几年大家已经看过太多 AI Demo 了。
生成图片、视频、代码，隔一阵就会出现一个看起来很吓人的新东西。
看多了以后，人其实会慢慢脱敏。
但这个 Demo 有一点不一样。
Astra 没有在聊天框里告诉一个 Blender 艺术家你应该怎么做，也不是生成一张看起来像 3D 的图片。
它真的打开了 Blender，进入那个艺术家每天工作的环境，然后开始干活。
看到这里，我第一次有一种很具体的感觉：
AI 已经不再只是坐在 Blender 艺术家旁边回答问题。
它开始坐到他的工位上了。
后来我又去找了很多 GPT-6 的案例。
越看越觉得，Blender 可能只是因为视觉效果最好，所以最容易在社交网络上传播。真正发生的事情，要比 AI 会做 3D 大得多。
比如 OpenAI 拿 Astra 跑过 2023 Microsoft Excel World Championship 的任务。
它不是在聊天框里告诉你 DCF 应该怎么算，也不是生成一段 Python 代码让你自己复制进去。Astra 直接进入 Excel，在人类平时工作的那个界面里完成金融建模。
官方给出的结果是，它完成这些任务的速度大约是当时人类冠军的 4 倍。
这件事听起来没有 Blender 那么震撼，甚至有点枯燥。
但仔细想想，很多工作本来就是这样。
分析数据、调整模型、核对数字、找报表之间的差异，没有任何科幻感，却是很多人每天坐在办公室里花几个小时完成的事情。
GPT-6 开始进入的，恰恰是这些最普通的工作。
再比如音乐。
音乐人 Auggie 只给 GPT-6 Astra 一个要求，让它使用 LilyPond 完成一首巴赫风格的作品。
没有一步一步告诉它旋律怎么写，也没有替它设计后面的结构。
Astra 在 Extra High 模式下持续工作，最后交出来的不是几小节旋律，而是一份完整、可以继续使用的乐谱文件。
真正困难的地方不只是生成几个听起来像巴赫的音符，而是要在更长的过程中保持前后的结构，把主题、声部和和声组织起来，最后交出一个可以真正播放的作品。
这和过去在 ChatGPT 里说一句帮我写首歌，已经不太是一回事了。
模型开始接住的，不只是一个问题，而是一段完整的创作过程。
再往硬件那边看，就更具体了。
一个叫 GoFly 的用户，直接把一块 FPV 无人机飞控板交给了 GPT-6 Astra。
它在 KiCad 里从原理图开始，一路做到六层 PCB，自己完成元器件摆放、布线，再跑 ERC 和 DRC 检查。
最后，它还导出了 Gerber、BOM、贴装坐标这些真正会交给工厂的生产文件。
整个过程跑了三个多小时。
更有意思的是，这个东西没有停留在一张看起来像电路板的图片上。
后来这块板真的通过了嘉立创审核并成功下单。
当然，最终能不能正常点亮还要等实物验证，但它至少已经走到了实际制造流程这一步。
把这三个案例放在一起看，事情就开始变得有点不一样了。
Excel、音乐、PCB，看起来横跨三个完全没有关系的行业，但 GPT-6 做的事情其实很相似：
它不再只是站在一个专业人士旁边告诉他应该怎么做，而是开始进入那些人真正工作的环境，把其中一段工作接过去。
看到这里，我也很想自己试一次。
但我不太想再测一遍 GPT-6 会不会操作 Blender。我更好奇的是另一个问题：
如果一个任务走到某一步，碰到了 GPT-6 自己并不具备的专业能力，它会怎么办？
毕竟一个真正的通用智能，也不可能自己掌握世界上所有专业技能。它会停在那里，还是知道应该去找一个更专业的工具，把任务继续做下去？
我决定挑一个自己也几乎完全不会的领域试试。
PART.01 让一个小白起飞
我最后选了 3D。
原因很简单，我基本不会。
对 3D 软件的全部印象，大概还停留在高中微机课上摸过几次 C4D，后来基本没再碰过。
现在让我自己从头建一个模型，和零基础没什么区别。
之前我倒是用过 Hyper3D Rodin 做过几个模型，甚至拿生成出来的东西去做过 3D 打印，所以至少知道最后应该得到一个什么样的东西。
这反而很适合拿来做实验。
我不需要判断 GPT-6 的建模手法专不专业，也不打算一步一步教它应该怎么做。
我只想给它一个最后的目标，看看它能不能自己把中间缺的能力补起来。
所以这次我干脆把要求压到最简单，像一个真的什么都不懂的小白一样，只告诉 GPT-6 我最后想要什么。
我给它的原话是：
帮我做一个可以拆开维修的火星探测车 3D 网页吧。
我不懂 3D，具体怎么设计、怎么拆、网页怎么玩你自己想，3D 模型用 Hyper3D MCP 来做，最后给我一个真的能玩的成品。
开始之前只需要做一件事，就是把 Hyper3D 接进 Codex。
这个过程比我想象得简单，在 Hyper3D 官网点开 MCP，把官方给的一段配置提示词直接丢给 Codex，它会自己完成配置，然后拉起浏览器做一次 OAuth 授权。
接好以后，我就基本不管了。
这也是这次测试里我刻意保留的部分。
我没有告诉它火星车应该长什么样，没有规定要拆成几个零件，也没有设计什么维修玩法。
甚至连网页最后应该做成什么样，我都没给参考。
这些东西全让它自己补。
GPT-6 接到任务以后，先判断自己需要一套真正能放进网页里的 3D 资产，于是调用 Hyper3D Rodin 开始生成火星探测车。
整车模型出来以后，它又继续通过 Hyper3D 做拆件，把原本完整的探测车处理成可以独立操作的模块。
最后它自己整理出了控制与通信舱、太阳能板、四个驱动轮等 7 个模块。
中间它只停下来找了我一次。
因为下一步要把 Hyper3D 生成的真实模型下载下来，真正嵌进网页，工具要求我明确确认下载授权。
GPT-6 自己停下来问了一句，我点了允许，它就继续往下跑了。
真正让我觉得有意思的是后面。
我原本只说了一句做一个可以拆开维修的火星探测车网页，最后它自己把整件事设计成了一个叫 ARES 火星维修站 的小游戏。
背景是探测车刚经历了一场沙尘暴。
进入页面以后，右边直接列出了三项需要处理的任务：恢复通信链路、清理太阳能板、紧固驱动轮。
中间则是 Hyper3D 生成的探测车，可以自由旋转，也可以直接检查不同部件。
它也没有把拆件做成一个单纯好看的爆炸视图。
比如点击右前驱动轮以后，系统会先诊断出轮毂固定件松脱，对应的轮子会被高亮出来，然后要求你真的把这个部件从探测车上拆下来。
拆下来以后，还会进入一个单独的维修台。
GPT-6 自己设计了三种维修工具：除尘刷、力矩扳手和校准仪。
不同的问题要选不同的工具，驱动轮松动要重新紧固，通信异常要做信号校准，太阳能板积灰则要一点点清理。
修好之后，再把零件装回探测车，系统重新检查状态。
三个问题全部处理完以后，任务才算结束。
我把最后这个可以直接玩的网页链接也放到评论区了。
大家可以自己进去拆一遍、修一遍、再装回去，实际玩一下会比只看截图直观很多。
做到这里，我才意识到，这个实验真正有意思的地方，根本不是 GPT-6 会不会做 3D。