GPT-6开启新叙事：Coding之后，比长程任务执行

美东时间9月3日，OpenAI于发布GPT-6 Astra。

OpenAI在美东时间9月3日发布GPT-6 Astra。按照OpenAI官方说法，Astra是其“最智能、最对齐”的旗舰模型，能力重点覆盖Computer Use、软件工程、数学与科学、专业办公、网络安全等场景。

这次发布的市场反馈明显好于OpenAI过去几次模型更新。据Latent Space整理，GPT-6 Astra发布约9小时后，相关内容浏览量已达3600万，点赞数16.4万，是OpenAI自Sora以来最受关注的一次发布。更重要的是，Astra被市场视为OpenAI对Anthropic Fable 5.1和Opus系列进展的正面回应。

从能力披露看，OpenAI给出的核心表述是：“任何你能在电脑上完成的事，Astra都可以替你完成。”这意味着，模型竞争的重心正在从聊天、写作、代码生成，进一步转向电脑操作、长程Agent和端到端任务交付。

Astra在Terminal-Bench 4.0、OSWorld 2.0、AutomationBench、FrontierMath Tier 4、ARC-AGI-3、ExploitBench等评测中取得高分，其中OSWorld和AutomationBench更值得关注，因为它们衡量的是模型在真实软件环境和专业工作流中的执行能力。

但Astra的发布也伴随争议。外部评测显示，它在Coding智能体、Computer Use和长程知识工作中表现突出，但在通用智能指数上并未全面领先Claude Fable 5.1；同时，由于token单价较GPT-5.6 Sol显著上升，其成本优势高度依赖具体任务和运行框架。另一方面，OpenAI系统卡披露Astra在对齐表现上改善，但链式思考可监控性下降，引发安全研究者关注。

「明亮公司」结合市场观点总结发现，目前对GPT-6 Astra的解读已经形成几项基本共识。

第一，模型竞争正在从“聊天/写代码”转向端到端执行，Computer Use与长程Agent成为前沿模型的新主线，能力边界正从对话框扩展到真实工作流。

第二，Astra在单token价格上升的同时，强调特定场景下的任务成本下降，这意味着头部模型并未失去定价权，反而可能通过更高完成率、更少返工和更短执行时间重新获得溢价，早前“价格战会持续侵蚀商业模型”的担忧被部分证伪

第三，无论是训练侧十万卡级别投入，还是推理侧为Agent、Computer Use和安全监控配置更大集群，GPT-6都再次强化了算力长期需求逻辑。

第四，OpenAI在Coding和Agentic Coding上的表现明显追近Anthropic，行业竞争从此前“Anthropic单方面领先”的叙事，重新回到OpenAI与Anthropic胶着竞争的格局。

而分歧则主要集中在三处。

第一是架构变化对存储需求的影响。若Recurrent Depth确实通过层复用和隐藏空间推理实现“用计算换存储”，它可能改变推理侧算力结构，进而削弱部分HBM/DRAM需求弹性。第二是对市场影响的方向，硬件侧预期已经较充分，而AI软件开始进入“算利润、看兑现”的阶段。第三是Benchmark的可信度和安全约束。多数高分来自研究环境或特定Harness，官方对比也未完全覆盖Muse Spark 1.3等竞争模型；同时，Astra达到Critical级网络安全能力后，监控、拒答和权限限制可能影响实际可用性。

01 GPT-6三层核心变化：训练方式、技术架构、产品能力

GPT-6 Astra的第一层变化是训练方式。

据多家券商，Astra基于OpenAI Stargate德州站点超过10万颗GPU训练，是OpenAI迄今最大规模的一次训练。据申万宏源，Astra首次大规模引入前代模型GPT-5.6 Sol参与训练监督，训练后期系统可以自主连续运行。申万宏源将其称为递归自我改进的雏形。更直接地说，上一代模型开始参与下一代模型的训练和维护，模型迭代从单次训练，开始转向更连续的系统工程。

第二层变化是技术架构。

据天风证券和西部证券，Astra可能采用Recurrent Depth或Looped Transformer架构，即同一组Transformer层可以被反复调用，模型将部分推理过程放在隐藏空间中完成，而不是把每一步都展开成可见文字。这个变化有两个结果：一方面，它可能减少显式token消耗，提高复杂任务中的执行效率；另一方面，推理过程更难被外部观察，安全监控和可解释性成本上升。据天风证券，OpenAI为此额外投入约20%的推理算力用于监控。OpenAI在官方介绍中也承认，Astra的书面推理比GPT-5.6 Sol更难监控，并将monitorability列为后续研究重点。此外，有分析也指出，目前这种在隐空间的推理可能使蒸馏的难度增大。

第三层变化是产品能力。

OpenAI把Astra称为“世界上最好的computer use模型”。据OpenAI介绍，Astra可以填写在线表格、更新CRM客户记录、整理日历、进行在线研究并写入邮件或文档编辑器，也可以分析科学数据、生成图表、创建网站、运行前端QA、安装和测试软件，并处理屏幕上出现的问题。这些例子比传统跑分更能说明GPT-6的产品方向，即模型开始进入软件界面、工具链和业务流程。据中信证券、华泰证券等机构判断，头部模型的竞争重点正在从普通对话和单点Coding能力，转向长程Agent和Computer Use。

#02 成本再定义：从Token到任务

GPT-6的价格本身，是这次发布最有信息量的部分之一。

据OpenAI披露，Astra API标准价格为每百万输入token 10美元、每百万输出token 50美元。按中信证券测算，这一价格较GPT-5.6 Sol当前促销价上涨约2.5倍。这也说明，OpenAI并没有用低价抢市场，而是选择把旗舰模型重新放回高价区间。

这背后是计价口径的变化，过去模型公司更多按token收费，市场也习惯用每百万token价格衡量模型经济性。但OpenAI这次强调的是单任务成本。

据OpenAI披露，在Terminal-Bench 4.0中，Astra相对5.6 Sol和Fable 5.1，分别以约低9%和低63%的估算API成本完成任务；在Terminal-Bench Science 0.1中，Astra得分64.6%，高于Claude Fable 5.1的52.6%，同时估算API成本低约31%；在BenchCAD中，Astra达到95.9%的几何重合分数，相比Sol和Fable 5.1的估算API成本分别低约43%和86%。

这说明OpenAI并不试图证明Astra的token更便宜，而是证明它在特定任务里更少绕路、更快完成、更少返工。

对企业客户来说，单token价格只是成本的一部分。如果模型需要更多轮交互、更多人工校正，或者在最后一步失败，便宜token并不一定带来低成本。反过来，如果一个更贵的模型能一次性完成复杂任务，它的总成本可能更低。

但这个说法仍需要区分场景。据Artificial Analysis，Astra在Coding智能体任务上的token效率较Sol提升约70%，部分Codex框架下的成本效率处于前沿；但同一机构在通用智能指数中测算，Astra输出token仅减少约10%，由于单价上涨，单任务成本反而比Sol高75%。这意味着，“GPT-6更便宜”不是通用结论。它在Codex、Computer Use和特定Agent框架下更有可能成立，在裸API和通用问答场景中未必成立。

结合上述变化可以理解，OpenAI同步更新Codex harness的原因。

据OpenAI介绍，Astra结合新的Codex harness后，在Mind2Web基准上的任务完成速度较当前GPT-5.6 Sol体验提升1.9倍；在Codex中，Astra还可以通过跨上下文笔记保存长期任务细节，减少过去长会话压缩造成的信息丢失。

#03 模型叙事转变起点：从Coding到任务交付

过去一年，Coding能力是前沿模型竞争的核心。Anthropic正是靠“赌对”Coding这一方向，成为了历史上最快达到万亿美元市值/估值的公司之一，而且，在二级市场上的开源模型公司，也多因Coding收获了上市后投资者的认可。

此前，OpenAI用GPT-5.6 Sol、Codex和ChatGPT开发者生态追赶。但GPT-6发布后，这个叙事可能发生变化——Coding更像是端到端任务的一部分，而不是终点。

原因很简单，会编程，不等于能完成工作。或者说，编程只是工作/任务中高价值的一环。

据OpenAI介绍，Astra在Codex中可以跨上下文检索前序窗口中的需求、测试结果和工具输出，避免在长时间调试或大型重构中丢失关键细节。

Jane Street相关负责人就在发布中的信息中表示，Astra在内部编码基准和交易直觉评估中较GPT-5.6 Sol有明显提升，用于agentic coding时，生成代码达到生产质量所需迭代更少。

这正是大模型产品形态的变化。过去模型更多是“回答者”，现在头部公司希望它变成“执行者”。

据OpenAI介绍，Astra可以在指令不完整时补足常规信息，在关键决策前提问；在Codex中，它可以异步提问，同时继续处理不依赖用户回复的部分。这类能力比单次回答准确率更接近企业使用场景，因为真实工作很少是一次性、结构化、边界清晰的。

这也反映出AI大模型下一程叙事的方向。

据华泰证券，顶级模型竞争已经转向长程Agent，小模型则在追平上一代旗舰。这意味着模型市场开始分层，旗舰模型处理复杂任务和高价值工作，中端模型覆盖多数生产需求，小模型承担低价、高频调用。

OpenAI此前对Sol降价，更像是为GPT-6发布做产品分层，而不是前沿模型失去定价权。Astra价格重新站上高位，也可能继续证明，最前沿模型仍然可以通过复杂任务获得溢价，而这意味着中国的大模型厂商也将迎来变化。

#04 对中国大模型公司的叙事影响

在GPT-6发布前，中国头部模型刚完成一轮追赶。2026年7月至8月国产模型密集发布后，头部国产模型已经接近上一代前沿模型水平，Kimi K3在部分Coding榜单表现突出，国产模型在OpenRouter上的调用份额也有提升。这说明，中国模型公司在普通对话、中文场景、部分Coding能力和低成本调用上，已经具备较强竞争力。

但GPT-6 Astra把前沿差距重新拉到执行层。

具体来看，Astra 的一些表现得分明显提高。

这些提升集中在长程任务、软件操作、终端任务和专业流程上。这恰好是国内模型公司仍需补齐的地方。

据中金公司此前评价，部分国产小参数模型除长程任务外，大部分日常任务已经可以较好运转。国产模型在多数日常任务上已经不弱，但在长程Agent、Computer Use和闭环执行上仍有短板。GPT-6主打的正是这些能力。

一些观点甚至认为，短期看中国模型公司和OpenAI的差距可能在执行层重新扩大，而不是在所有维度同时扩大。

但这种差距并非无法追赶，据天风证券，Recurrent Depth和Latent Reasoning并非完全封闭路线，国内外已有相关论文和开源实践（比如；Astra的提升也不完全来自更大的知识库，而与后训练、强化学习、工具调用和工程系统相关。国产模型公司过去在后训练和工程优化上有较快追赶速度。

截至9月4日收盘，智谱（02513.HK）股价跌2.98%，MiniMax（0100.HK）股价涨1.8%，两家模型公司的股价并未大幅波动。