美东时间9月3日，OpenAI正式推出GPT-6 Astra，宣称其为当前“最智能、最对齐”的旗舰模型。该模型重点覆盖Computer Use、软件工程等多个应用场景，发布后市场反馈积极，被业界视为对Anthropic相关模型进展的直接回应。在多项评测中，GPT-6 Astra表现优异，尤其在真实软件环境和专业工作流执行能力方面成绩突出。然而，该模型也面临一些争议，包括通用智能指数未全面超越Claude Fable 5.1、token单价上涨以及链式思考可监控性下降等问题。市场对GPT-6 Astra形成了四点共识：一是模型竞争焦点转向端到端执行能力，Computer Use与长程Agent成为新的竞争主线；二是头部模型仍保持定价权，可通过高任务完成率获得溢价；三是进一步强化了算力长期需求的逻辑；四是OpenAI在Coding领域缩小了与Anthropic的差距，双方重回胶着竞争状态。分歧点则主要集中在架构变化对存储需求的影响、对市场影响的方向、Benchmark可信度以及安全约束等方面。GPT-6 Astra在技术层面实现了三层核心变化：训练阶段基于超过10万颗GPU，首次大规模引入前代模型参与训练监督，展现出递归自我改进的雏形；技术架构可能采用Recurrent Depth或Looped Transformer架构，减少了显式token消耗，但提升了安全监控成本；产品能力聚焦于Computer Use，能够完成多种软件操作、工具链及业务流程任务。在定价方面，GPT-6 Astra的API标准价格较GPT-5.6 Sol上涨约2.5倍。不过，OpenAI强调单任务成本，在特定任务中，Astra的API成本低于竞品，但这一优势仅在特定场景下成立，在通用问答场景中未必具有成本优势。此前，Coding能力是模型竞争的核心，但随着GPT-6的发布，竞争焦点转向端到端任务交付能力，模型角色从“回答者”向“执行者”转变。市场开始分层，旗舰模型负责处理复杂高价值任务，中端和小模型则各有定位。国内头部模型此前已接近上一代前沿模型水平，但GPT-6的发布将前沿差距拉至执行层。国产模型在长程Agent、Computer Use和闭环执行方面仍存在短板，但并非无法追赶。相关技术已有论文和开源实践支持，国产模型在后训练和工程优化上的追赶速度较快。相关模型公司股价未因GPT-6 Astra的发布而出现大幅波动。