> **来源：[研报客](https://pc.yanbaoke.cn)** # OpenAI发布GPT-6 Astra，大模型迈向执行主体 ## 核心内容概述 2026年9月3日，OpenAI正式发布GPT-6 Astra，标志着大模型从问答工具正式向执行主体转型。该模型在多个基准测试中表现出显著提升，包括通用推理、任务执行与可靠性等方面，为Agent技术的规模化落地奠定了基础。 ## 主要观点 ### 1. 大模型能力跃升 - **OSWorld 2.0**：得分 $72.6\%$，高于前代GPT-5.6 Sol的 $65.7\%$。 - **AutomationBench**：得分 $41.4\%$，远超Sol的 $18.1\%$。 - **Agents'Last Exam**：得分 $59.3\%$，超过Claude Opus 5的 $55.5\%$。 - **ARC-AGI-3**：得分 $99.9\%$，显著优于Sol的 $7.8\%$。 ### 2. 可靠性实现关键突破 - 模型越界行为率由Sol的 $48\%$ 降至 $0\%$，大幅提升了企业级任务落地的信任度。 ### 3. 训练范式创新 - GPT-6 Astra是首款由前代模型深度参与训练监督的模型，构建了“AI监督AI”的训练闭环，被视为递归式自我改进（RSI）的雏形。 - 通过AI参与训练流程，减少了对人工运维的依赖，推动模型进入自我加速通道。 ### 4. 算力投入再上台阶 - 依托得克萨斯州Stargate的超10万块GPU完成训练，为OpenAI历史上最大规模训练项目。 ### 5. API定价与任务成本变化 - **API定价**：输入10美元、输出50美元/百万Token，较Sol的4美元与20美元上涨2.5倍。 - **任务成本**：在多项测试中，Astra表现出更高的效率，单任务成本较Sol下降43%，较Fable 5.1下降86%。 ### 6. 任务执行效率提升 - 在Playco测试中，人工修复量减少50%。 - Legora使用Astra在数分钟内完成41份财务文件审核，并发现4处人为错误，显著降低人工介入与时间成本。 ### 7. 计价逻辑切换利好Agent商业化 - Brockman提出应从Token定价转向任务成本定价，推动Agent单元经济模型重构，增强企业级智能体部署的经济可行性。 ## 关键信息 - **发布时间**：2026年9月3日 - **主要测试表现**：OSWorld 2.0（$72.6\%$）、AutomationBench（$41.4\%$）、Agents'Last Exam（$59.3\%$）、ARC-AGI-3（$99.9\%$） - **可靠性提升**：越界行为率从 $48\%$ 降至 $0\%$ - **训练方式**：AI监督AI，构建递归式自我改进闭环 - **算力投入**：10万块GPU，训练规模创历史之最 - **API定价**：输入10美元、输出50美元/百万Token - **任务成本**：较前代模型显著降低，提升Agent商业价值 ## 受益标的 ### 国产算力企业 - 寒武纪、海光信息、天数智芯、禾盛新材、沐曦股份、摩尔线程、中国长城、龙芯中科、芯原股份、品高股份、锐捷网络、浪潮信息、工业富联、紫光股份、中科曙光、华勤技术等。 ### 算力租赁企业 - 行云科技、宏景科技、利通电子、杰创智能、协创数据、航锦科技、润泽科技、东阳光、华策影视、亿田智能、平治信息、盛视科技、盈峰环境、熙菱信息等。 ## 风险提示 - AI模型竞争风险 - AI应用竞争风险 - AI模型发展不及预期风险 ## 投资评级说明 - **证券评级**：买入（+20%）、增持（+5%~+20%）、中性（±5%）、减持（-5%） - **行业评级**：看好（行业超越市场）、中性（与市场持平）、看淡（弱于市场） ## 估值方法局限性 - 本报告分析基于假设，不同假设可能导致结果差异。 - 估值方法及模型存在局限性，估值结果不保证证券可在该价格交易。 ## 法律声明 - 本报告仅供开源证券客户参考，非客户请咨询独立投资顾问。 - 报告内容不构成投资建议，使用本报告的任何损失由用户自行承担。 - 本报告版权归开源证券所有，未经许可不得复制、分发或用于其他用途。