事件：OpenAI发布GPT6，目前仅向合作伙伴开放，定价为$10 / $50 每百万 token，Sol 的 2.5 倍，与 Fable 5.1 持平；训练为Stargate 德州站点 10 万颗以上 GPU，OpenAI 史上最大训练运行；首次由前代模型大规模参与监督训练。
- 模型架构：OpenAI系统卡未明确表述，但此前变相承认采用Looped transformer/Recurrent Depth。
- 模型能力“达到AGI时代”：科学/几何/3D/电脑使用能力大幅增强，ARCAGI达到99%，相比5.6Sol 的7.8%大幅提升
- Token量大幅下降：从各种任务实测来看，我们认为单任务相比5.6 Sol下降量2-6X， 且能力大幅提升。OpenAI表示在Codex中Codex 中 Astra 不再压缩每个对话，而是用跨窗口笔记替代压缩，旧窗口可检索。
1、模型密集发布、AI 逼近 AGI 时刻、巨头上市在即
9 月初全球 AI 迎来发布周：Anthropic 1 日推出 Fable 5.1，Agentic能力翻倍且缓存读取成本降至 2.5%；Google 2 日发布 Gemini 3.8 Flash，六周内第三款 Flash，DeepSWE 得分与 Opus 5 并列第一；Meta 3 日上线 Muse Spark 1.3，加速追赶第一梯队；
与此同时，OAI 已向 SEC 秘交招股书，预计最快 Q4 上市；Anthropic最快10月启动招股，估值或突破 2 万亿美元。Kimi港交所近日密提，DeepSeek 新一轮融资落地在即。
2、GPT-6为什么值得关注？
前沿模型正式进入十万卡级训练时代。
OpenAI正式发布GPT-6 Astra，这是目前公司能力最强的旗舰模型，主要面向复杂推理、代码、Computer Use和长链路Agent任务。模型支持105万token上下文、12.8万token最大输出，并支持从low到max的多档推理强度。更值得通信行业关注的是，GPT-6是OpenAI迄今规模最大的训练任务，首次使用超过10万颗GPU进行预训练，再次说明前沿模型能力继续往上走，底层依赖的仍然是更大规模的算力集群和网络互联。
3、价格战不用担心，智能水平依然决定定价权
1）前段时间 OpenAI 把 GPT-5.6 Sol 降价，现在看更像是 GPT-6 发布前的一次产品分层调整。GPT-6 Astra 的价格直接回到 Fable 5.1 同一档，输入 10 美元、输出 50 美元，相比GPT-5.6Sol整体提升了2.5倍。
2）OpenAI 涨价 2.5 倍，AA 综合分 61，对 Sol 零增长、比 Fable 5.1 的 66 低 5 分；缓存命中仍按 10% 计，超 27.2 万 token 再加价；AA 通用任务每任务 1.67 美元、比 Sol 贵 76%，倒算下来省下的Token抵不过2.5倍单价，Anthropic把效率变成降价、OpenAI把效率变成涨价、虽然更省token、但单任务变得更贵了。
3）这一轮模型升级其实越来越清楚地分层：顶级模型继续拼长程 Agent 和复杂任务，价格也重新站上高位 ；小模型则快速追平上一代旗舰能力，继续拼成本和效率。
4、真正重要的是AI能完成的任务边界又扩大了
1）单任务成本下降以后，过去因为能力不够或者成本太高无法落地的代码、研究、办公和企业工作流开始变得可用，Agent的调用频次和任务复杂度都有望继续提升。我们认为模型效率提升和算力需求增长并不矛盾，本质上是单位任务成本下降以后，潜在需求被进一步释放。
2）官方口径是最大规模预训练叠加长程 RL、由前代模型监督训练；我们认为，效果上相当于在模型内部以Multi-Agent的形式运行长程任务，大幅提升了 one shot 任务的表现，并可以中途添加引导而不打断任务。这似乎是在用新方法解决旧问题、没有实现模型能力大幅提升后对应新场景的解锁，但完成率跨过了临界点、经济性在 Agent 编码类长程场景跨过了临界点，有望提高现有场景的渗透增速。
3）接下来，只能等待杰文斯悖论速速发力。
5、关于GPT6的新架构：Recurent Depth
1）Recurrent Depth：复用同一组Transformer层做多次循环迭代。中间思考全部发生在神经网络隐藏向量（隐空间），不会输出成可读的文字token。传统CoT思维链：思考步骤全部写成文字token吐出来；Recurrent Depth：思考在内部循环完成，不需要输出中间思考token。
2）用计算换存储，模型权重只有一套，KV缓存增长放缓，内存压力降低；同一组层反复跑很多次，每一步token的计算量显著变大。堆HBM容量的逻辑减弱。
3）简单问题循环次数少；复杂几何、3D、科学任务，自动跑更多循环迭代，动态分配推理算力，这也是GPT6的ARC‑AGI分数暴涨的重要原因。
4）大规模循环深度集群，节点之间高频交换隐状态向量，对低延迟高速互联、NVL多卡直连、高速以太网交换机需求抬升。同时GPU算力卡依然受益。
6、对产业有什么影响？
1）大模型每次前向传播里的计算更多，"不容易用语言表达的推理类型"能力大幅提升， 乐谱、零件多视图、GUI 截图、科研数据很难写成清晰文字，这些地方能力提升10倍，极度接近人类，因此OpenAI 总裁Greg表示进入AGI时代。
2）Astra参数量/单Token成本已经相比5.6Sol大幅提升，但参数量可能略低于Fable，scale 加长程 RL 提升的是"做"，不是"知"；知识容量的增长是另一条曲线，而且在那条曲线上 Anthropic (AA评测）仍然领先。OpenAI已经在训练更大参数量模型。
3）输入侧的前缀缓存池在扩大，输出侧 KV 增长放缓，Token我们认为下降2-6X，我们认为模型转向更加Compute Bound而非Memory Bound。
4）OpenAI额外投入推理20%算力实现监控。
5）从硬件来看，我们认为对GPU/ScaleUp，CPX，SRAM未来需求大幅提升，而DRAM需求被短期压缩，从应用来看，科学CADUnityEDA等能力大幅提升，有物理验证壁垒的环节受益：自驱实验室，抗体数据，先进工艺的签核、仿真，传统RPA最受损。Agent监控与网安受益。
本报告基于公开信息整理，仅供参考，不构成投资建议。投资者应独立判断，自行承担投资风险。报告中的数据、观点可能存在滞后性，请以最新官方信息为准。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。