![]()
作者 | 山竹
出品 | 锌产业
AI行业的领先,越来越难按月计算。
9月1日,Anthropic发布Claude Fable 5.1和Mythos 5.1。
两天后,OpenAI推出GPT-6 Astra。
到了9月5日,Astra Max以1797分登上Code Arena WebDev榜首,超过1762分的Fable 5.1 Max。
从发布新模型到榜单交锋,两家公司把一轮攻防压缩进了几天。
对OpenAI而言,这个第一来得正是时候,GPT需要一场足够直观的胜利,让开发者重新评估它的能力。
而当两家公司都已迈进IPO准备阶段,每一次模型更新,也多了一层争夺资本市场信任的意味。
01 OpenAI的紧急回击
Anthropic这次出牌,瞄准的是开发者日常工作中的几笔账。
Fable 5.1与Mythos 5.1使用同一底层模型,区别在于安全防护配置与开放范围,前者面向广泛用户,后者通过受信任访问项目提供。与此同时,Anthropic降低缓存读取价格,并称典型工作负载的费用可比Fable 5下降约25%,高度依赖智能体的任务最高可节省约45%。
这里的竞争逻辑很清楚:能力提高只是第一步,还要让客户有理由把更多工作交过来。
一个模型偶尔解决难题,可以赢得讨论,如果它能以可接受的费用持续处理代码、排查问题,才更有机会进入团队的固定采购清单。
Anthropic把能力升级与成本调整放在同一次发布里,正是在推动这种转化。
OpenAI的回应随后到来。
9月3日发布的GPT-6 Astra,将软件工程、电脑操作和复杂专业任务列为重点方向。
![]()
两天的间隔,让这次发布带上了鲜明的回击意味。不过,目前没有公开证据表明OpenAI因Anthropic的动作临时改变了发布计划。可以确定的是,双方正在争取相近的工作场景,也在争夺同一批愿意为高能力模型付费的用户。
Astra很快拿到了一个容易理解的成绩。同一张WebDev榜单中,上一代GPT-5.6 Sol xhigh以Codex harness参评,得分1617,位列第13,Astra Max则高出180分,升至第一。
这足以成为开发者重新试用GPT的理由。
对一款工具而言,最危险的处境之一,是用户已经形成“另一家更好用”的习惯,连新版本都懒得打开。一次登顶至少能够打断这种惯性,让OpenAI重新进入比较名单。
02 GPT-6够强吗
先看它赢下来的这张榜。
Code Arena WebDev覆盖网页开发任务,包括需要多步推理和工具使用的编程流程。这类任务与产品原型、交互页面等应用场景有关,但覆盖范围仍然有限,不能直接代表所有软件工程能力。
对开发者来说,做出一个效果不错的网页,和在大型项目里完成稳定、可维护的修改,考察的能力并不完全相同。代码能否运行、旧功能是否受影响、后续修改是否方便,都需要额外检验。
35分的领先也需要放回统计背景,截至榜单所示的9月5日,Astra获得1199票,Fable 5.1获得2275票,两者的排名区间均为第1至第2名,Astra的分数更高、当前排序第一,但领先的稳定程度仍有待更多投票验证。
更广泛的评测给出了另一面。
此次核查时,Artificial Analysis的Intelligence Index已更新至v4.2:Fable 5.1的Max配置得分57,Xhigh配置56,Astra Max为55。这个综合指数包含知识工作、推理、编程等十项评测,Claude仍然排在前面。
OpenAI公布的数据也能帮助辨认它的进步方向。
在Terminal-Bench 4.0中,Astra为57.9%,GPT-5.6 Sol为37.3%,Fable 5.1为55.8%;在DeepSWE v1.1中,三者分别为74.1%、72.7%和67.4%。
![]()
两个测试中的代际增幅并不一致,这说明评价GPT-6,最好具体到任务:有些工作提升明显,有些则更接近渐进改良。
模型名称跨了一代,用户的每一种体验未必都同步跨代。
价格也让比较变得直接,Astra与Fable 5.1的标准API输入、输出价格,均为每百万token 10美元和50美元,两家的缓存定价则有差别。
03 两大AI霸主上市前的生死较量
这轮竞争还有一个无法忽略的背景:两家公司都在走向公开资本市场。
据Axios报道,OpenAI于6月8日宣布秘密提交IPO申请草案,距Anthropic采取同类行动正好一周。当时OpenAI表示,尚未确定上市时间。
据路透社9月4日援引知情人士称,Anthropic预计最早于10月中旬启动IPO推介,公开招股书的时间预计推迟至9月下旬。该报道强调,计划仍可能调整,Anthropic拒绝置评。
上市前的“生死较量”,首先体现在双方都需要证明,自己的优势能够持续。
模型领先多久,会影响客户是否愿意迁移;客户留下多久,又关系到收入是否稳定。对投资者而言,一次漂亮的发布可以提高关注度,但如果优势很快被追平,就很难单凭技术领先解释长期价值。
这也是网页开发榜具有商业意义的地方,它让能力变化变得可见,缩短了新模型说服用户尝试的过程。但从“试一次”到“持续付费”,中间还隔着可靠性、成本、团队习惯和已有工具的衔接。
两家公司也面对相似的两难:一方面要展示模型越来越强,另一方面要证明这种能力可以被企业放心使用。
Axios在9月2日的报道中,将双方的处境概括为同时争取华尔街对增长的认可,以及外界对安全性的信任。
这两件事有时会相互牵制:
限制太多,用户可能觉得工作经常被打断;
放得太开,又会增加企业部署的顾虑。谁能把能力、成本和使用边界处理得更好,谁才更有机会把模型优势变成长期订单。
从这个角度看,Astra登顶的意义,是OpenAI重新拿到了一份有说服力的竞争成绩,它让Anthropic无法轻松地把领先延续成市场共识,也让GPT拥有了吸引开发者回流的新理由。
Astra登顶的另一个意义是,OpenAI又抢回来了AI的铁王座。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.