GPT-6 Astra

OpenAI 暂停 200 美元 Pro 新订阅：Astra 太火算力告急，微软把数据中心规划翻到 38 吉瓦

作者
OpenAI 暂停 200 美元 Pro 新订阅：Astra 太火算力告急，微软把数据中心规划翻到 38 吉瓦

每月 200 美元的 ChatGPT Pro，OpenAI 突然不卖新号了。

9 月 11 日凌晨，OpenAI 核心产品负责人 Thibault「Tibo」Sottiaux 在 X 上确认：为保住现有用户的 GPT-6 Astra 体验，暂停接受每月 200 美元的 ChatGPT Pro 新订阅。这不是涨价，也不是产品下架——是产能到顶了。

一家一个月前还在被分析师追问「AI 收入什么时候能覆盖成本」的公司，此刻的问题变成了：想付钱的人太多，机器不够用。

从预警到关门，只隔了一天

事情的时间线很短，短到能看出压力有多急：

时间（北京时间） 发生了什么
9 月 3 日 GPT-6 Astra 开始分批推送，官方称之为「AGI 时代」的开端
9 月 9 日 Tibo 公开预警：Astra 需求「前所未有」，若持续下去可能暂停新 Pro 订阅
9 月 10 日 奥尔特曼回应称暂停「会很糟」，但会优先保证现有付费用户
9 月 10 日 《纽约时报》披露：OpenAI 把 2030 年算力支出预期从 6000 亿上调到 7500 亿美元
9 月 11 日 新 Pro 订阅正式暂停

Tibo 的原话很克制：「我们想做尽可能小的一步调整，好让更多人还能用上 Astra。」他给出的理由是，200 美元档是目前对 OpenAI 系统压力最大的订阅层级。

边界划得很清楚：现有 200 美元 Pro 用户不受影响，Plus、Go 和 API 照常售卖。OpenAI 也没说什么时候恢复，更没公布每天有多少新订阅——需求量级至今是个黑箱。

值得一提的是，Pro 其实有两个档：100 美元档约等于 Plus 的 5 倍额度，200 美元档约 20 倍。这次被关掉的是后者，也正是个人用户里使用量最高的那一档。

不是不想卖，是真没算力

把这几天的消息拼在一起，缺口的位置就很清楚了。

第一层缺口在芯片。黄仁勋最近的说法是，供应链正处于紧张状态，当前供给大概只能满足约 70% 的需求。英伟达自己承认，即使按产能算，明年营收能同比涨 70%，仍然填不满客户的胃口。

第二层缺口在数据中心。OpenAI 已经把长期算力合同铺得很开：与甲骨文的容量合同总计 6 吉瓦、与 AWS 的多年协议扩大到八年 1380 亿美元（含 2 吉瓦 Trainium 算力）、对 Azure 的云支出承诺 2500 亿美元。可甲骨文的剩余履约义务已经堆到 6380 亿美元、同比涨 363%，其中 750 亿美元还跟客户预付 GPU 有关——订单转成真实可用算力，需要时间和电。

第三层缺口在钱。7500 亿美元这个数字比三个月前的预测又高了 25%。甲骨文上季度自由现金流是负 236.9 亿美元，资本支出 556.6 亿美元；CoreWeave 二季度自由现金流负 57.4 亿美元、合同积压约 1040 亿美元。算力链条上每一环都在用负债换产能。

对普通用户来说，这次的直接影响有限——Astra 的额度紧张主要落在重度使用者和 Codex 用户身上。过去两周里，OpenAI 一边给 Codex 用户重置额度、砍掉部分限制，一边被用户抱怨新模型的额度消耗速度快得异常。这一次干脆把最贵的那扇门先关上一半。

同一周，微软把数据中心规划翻了三倍

算力荒不是 OpenAI 一家的难题，另一条几乎是同时出现的消息更能说明问题。

彭博社 9 月 10 日报道，微软计划到 2032 年把全球数据中心容量从现在的约 12 吉瓦提升到超过 38 吉瓦，翻了三倍还多。38 吉瓦这个数字有多大？超过了纽约州用电高峰期的电力需求。

真正刺眼的是结构：现在这 12 吉瓦里，只有约 2 吉瓦是给 AI 专用芯片的；到 2032 年，AI 专用算力预计也只占总容量的三分之一左右。微软云基础设施高管 Alistair Speirs 的解释是，新一代 AI 工具除了 GPU 同样吃 CPU，光靠 GPU 堆不出好基础设施——正在亚特兰大建设的 East US 3 数据中心，主要就是装 CPU 的通用计算集群，总开发成本数百亿美元。

微软之所以这么急，是因为它已经在掉业务了：由于容量不足，微软此前限制过美国和欧洲部分关键区域的新云服务订阅，一些潜在客户因此流向竞争对手。更讽刺的是，2025 年初它曾主动暂停部分数据中心开发项目，当时的 CFO 担心过度建设，如今公司内部不少高管对那次决定后悔。

算一笔总账：微软、谷歌、亚马逊、Meta 四家承诺的未来投入合计接近 2.4 万亿美元，绝大部分砸在数据中心设备和租赁上。而阻力也在变大——美国多地居民反对在本地区建大型数据中心，得州、纽约州等地的州长已要求暂停新的服务器园区项目。

钱能印，地皮和电网不能。

同一天的反面：DeepSeek 在降价

就在 OpenAI 关掉订阅入口的同一周，国内厂商走的是完全相反的方向。

9 月 10 日中午 12 点，DeepSeek 正式发布 V4.1 Flash 并执行新定价：空闲时段输入缓存命中 0.02 元、缓存未命中 1 元、输出 4 元（每百万 token），高峰时段翻倍。官方同时宣布，9 月 14 日 12 点下线 V4 Pro 服务，届时 V4 Pro 的请求会全部路由到 V4.1 Flash，并按 Flash 的单价计费——也就是说，旧旗舰用户被「平移」到了更便宜的新模型上。

官方口径是，V4.1 Flash 在性能、费用、速度、总用时等各项指标上已全面超越 V4 Pro；上下文窗口 1M、最长输出 384K，长文本场景下的缓存硬盘占用还降了 88%。

把两边放在一起看，反差很直白：一边是每月 200 美元的高端订阅暂停收钱，一边是 API 价格再降一档。这不是谁技术强的问题，而是算力在两边市场的稀缺程度完全不同——美国头部实验室的产能被自己的爆款模型吃穿，中国厂商则在用效率换价格空间。

判断

这轮算力荒最值得记住的不是 200 美元这个数字，而是它暴露的商业模式矛盾：订阅制卖的是「随便用」，可算力是按量买的。2025 年初奥尔特曼就曾公开表示 200 美元档在亏钱，因为用户用得比他预想的多。一年半过去，模型更强了，单次请求更贵了，这个矛盾只会更尖锐。

短期内，OpenAI 的恢复时点取决于产能上线速度，而不是需求回落——毕竟它刚把 2030 年的算力预算又调高了 25%。中期看，头部厂商大概率会往「分层配额 + 用量计费」的方向继续挪，纯「无限用」的高端订阅会越来越难维持。想上车 Astra 又卡在门外的人，API 是目前唯一还能买到的入口，按量付费反而是当下最不会断供的选择。

至于国内市场，反方向的降价还在继续。谁先把成本曲线压下来，谁就能在下一轮抢到用户——算力不够的年代，效率本身就是产品力。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

信息来源：TechCrunch（9 月 10 日）、彭博社经华尔街见闻（9 月 11 日）、《纽约时报》DealBook（9 月 10 日）、DeepSeek 官方 API 通知与 IT 之家（9 月 10 日）。文中金额与时间均以原始报道为准，OpenAI 未公布 Pro 订阅恢复时间。

GPT-6 Astra 刚发布两天，OpenAI 就悄悄改了自家评测数据

作者
GPT-6 Astra 刚发布两天，OpenAI 就悄悄改了自家评测数据

4.2%——这是 OpenAI 在 9 月 3 日下午 2 点 23 分发布的 GPT-6 Astra 博客里，自家模型的幻觉率。几小时后，同一个页面上的同一个数字变成了 2%，几乎砍半。再过了几个小时，它又悄悄改回了 4.2%。

Fortune 用互联网存档快照逐条比对后发现：从发布到现在，OpenAI 一直在后台改这张「成绩单」——有几次改动让 Astra 变得更好看，同时让老对手 Anthropic 的数字变难看；而整个发布过程本身，也伴随着一次「发了又撤回、撤了又重发」的罕见事故。

一张反复涂改的成绩单

事情要从 9 月 3 日下午说起。OpenAI 原定 2 点（美东时间）发布 GPT-6 Astra 的博客，但链接一度打不开。OpenAI 的 X 账号 3 点 32 分发出推文，评论区一片报错；3 点 50 分，CEO 萨姆·奥尔特曼亲自补推：「部署博客时出了点小问题，但它真的很棒。」直到约一个小时后，页面才恢复正常可见。

Fortune 发现，OpenAI 其实在 2 点后就发布了博客，随后又撤回了，撤回原因公司拒绝披露，只强调与评测数字无关（先说 CMS 故障，后说是网络中断）。但重发之后，页面上出现了不同的评测指标——而存档快照显示，改动远不止这一次：

  • 幻觉率（hallucination rate）：Astra 从最初的 4.2% 降到 2%，随后又改回 4.2%；前代 GPT-5.6 Sol 从 12.2% 降到 9.4%，也改回 12.2%
  • FrontierMath 数学评测：Anthropic 的 Claude Fable 5.1 从 87.8% 降到 78%（相差近 10 个百分点），如今又回到 83%；GPT-5.6 Sol 从 83% → 80.5% → 83%
  • ARC-AGI-3：发布前发给媒体的预发布稿写的是 98.6%，现在线上版本是 99.99%

一位 OpenAI 发言人回应：「我们非常重视评测准确性。大多数评测的误差在几个百分点以内，取决于 checkpoint、脚手架和评测运行。发布博客时我们做了修正，确保数字代表我们对模型性能的最佳估计。」

改分是「作弊」还是「校准」？

OpenAI 自己的立场是：这属于发布前的正常校准。公司披露，评估分数是「任意努力水平下的最大值」，每条指标都带脚注说明测试条件。Snorkel AI 的评测负责人 Vincent Sunn Chen 也替它说话：「分数反映的是特定测量设置——模型 checkpoint、允许的计算量、harness。这些在发布前最后几天本就会变动，我不意外。」

但质疑声同样有据。斯坦福智能系统实验室的研究员 Anka Reuel 和 Mike Hardy 指出，Astra 的 system card（本应详细解释评测如何执行）对内部幻觉基准「几乎没有提供细节，连测试条目数量都没写」。

两人还点出了一个行业术语：benchmaxxing——通过反复用不同条件重跑评测、把分数刷到最好看，在 AI 行业并不新鲜，OpenAI 也不是独一家。「这可以在极短时间内完成，而且更利于他们的营销。」

几个细节加深了「刷分」的观感：发布前发给 Fortune 等媒体的稿子里，ARC-AGI-3 还是 98.6%，上线就变 99.99%；Astra 的编程分从 57.7% 微调到 57.9%——差距可以忽略，但 OpenAI 仍然专门把它换了；Sol 在 ExploitBench 安全评测上从 5.5% 被拉到 11.5%，OpenAI 自己都说这个成绩对应的推理级别尚未商用、正在调查是否改回。

不过也不是所有改动都偏向 Astra：HealthBench Professional 医疗评测里，Anthropic 的 Fable 5.1 从 56.6% 升到 58.1%，Opus 5 从 54.5% 升到 56.4%——这些第三方分数通常取自公开榜单，并非 OpenAI 亲自跑出来的。

为什么「谁的分更高」这么要命

评测数字是 AI 公司的军备竞赛记分牌：登顶榜单能抢客户、能招工程师、能撑估值。这也是为什么 OpenAI 会在意一个 0.2 个百分点的编程分差。

这场「改分罗生门」还撞上了两个敏感背景。一是 OpenAI 正筹备可能的 2027 年 IPO，市场需要一个「最强模型」的干净叙事；二是在这之前刚发生过 7 月 Hugging Face 入侵事件——当时 OpenAI 自家模型被曝失控，安全评测一度成为众矢之的，而 ExploitGym（与 ExploitBench 同源的网络安全基准）正是那场风波的焦点。

对普通用户来说，这件事的真正启示可能更简单：厂商自报的评测分数，看看就好。真正能信的是第三方独立跑分——比如 ARC Prize 基金会用标准 harness 测出的 Astra 63%（依然显著领先所有已发布模型），以及 Artificial Analysis 的独立榜单。

前科与坐标系

改榜不是 OpenAI 首创。2025 年 Meta 发 Llama 4 时被指用内部版本而非公开发布版本刷分，Meta 高管先是否认，后来 Yann LeCun 承认团队「篡改」了基准结果。

行业通行的做法也在被呼吁改进：Snorkel AI 的 Chen 建议，厂商修订评测数字时应当公开说明改了什么、为什么改，好让研究者能解释结果。目前没有任何公司这么做。

判断：分数会波动，「最强」要看第三方

这次事件的戏剧性远大于实际影响——Astra 即便按最保守的第三方评测也仍是当前最强模型之一，改几个百分点的营销数字动摇不了它的真实能力。但它暴露了 AI 评测体系的一个结构性问题：当「分数」直接挂钩融资、招聘和客户时，厂商既是运动员又是记分员，发布后随手改分只会让整个行业的公信力被慢慢磨掉。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：

GPT-6 Astra 发布：ARC-AGI-3 拿下 99.9%，公平评测仅 62.7%

作者
GPT-6 Astra 发布：ARC-AGI-3 拿下 99.9%，公平评测仅 62.7%

99.9%——这是 GPT-6 Astra 在 ARC-AGI-3 上拿到的分数，一个专门用来测量「AI 离通用人工智能还差多远」的基准。OpenAI 自己的说法很直接：这是「代际跃迁」。而就在两天前，Meta 刚用 Muse Spark 1.3 声称编码反超 Opus 5；三天前，Anthropic 发布了 Fable 5.1。72 小时内三家头部同时出牌，AI 军备竞赛进入了白热化的九月。

OpenAI 连夜发布 GPT-6 Astra：不是预告，直接开用

北京时间 9 月 3 日晚，OpenAI 正式发布 GPT-6 Astra（内部代号 Mewfour，此前流传代号 Doug）。根据官方公告与 The Verge 报道，Astra 首先向 Daybreak 计划客户开放，未来几天陆续覆盖全部 ChatGPT Plus、Pro、Business、Enterprise 用户，并同步上线 OpenAI API 与 AWS。

定价直接对标 Anthropic：输入 $10/百万 token、输出 $50/百万 token——与 Claude Fable 5/5.1 完全同价，火药味十足。这是 GPT-5.6 Sol 之后 OpenAI 的旗舰换代，Sam Altman 团队给出的关键词是「generational leap」（代际跃迁），联合创始人 Greg Brockman 亲自下场转发。

此前 8 月的多次代号泄露（数学突破 + 网络安全 Critical 级、参数规模传闻 10 万亿）终于落地——本站 8 月 19 日曾专门写过那次泄露。

真正的爆炸点：ARC-AGI-3 拿下 99.9%，但争议随之而来

ARC-AGI-3 是 ARC Prize（François Chollet 创办）今年 3 月上线的第三代智能体基准：AI 要在没有说明书的陌生抽象环境里探索、推断目标、建立世界模型并规划行动。它的设计初衷就是测量「AI 与人之间残余的智能差距」——人类可以 100% 通关。

ARC Prize 官方博客 9 月 3 日公布的结果（Greg Kamradt 执笔）：

  • 标准 harness（公平同接口）：Astra max 档 62.7%，花费 2.6 万美元
  • Provider Adapter harness（OpenAI 自定义上下文管理）：Astra high 档 99.9%，花费 1.9 万美元
  • 对比：Claude Opus 5 标准档 30.2%，GPT-5.6 Sol 仅 7.8%

99.9% 接近满分，但前提是换上 OpenAI 自己设计的 harness——它允许模型跨请求保留「不透明的推理状态」并用 compaction 压缩长对话，等于让模型把之前的工作记在私有草稿本上。标准 harness 下 Astra 只有 62.7%，虽然仍是 SOTA，但远非「碾压」。

ARC Prize 的态度很明确：两种 harness 回答两个不同的问题，今后排行榜会同时标注两种结果。而社区（Hacker News、Reddit）已经吵翻——有人指出 GPT-5.6 Sol 的 7.8% 是因为 ARC 默认 harness 在轮次间丢掉了推理 token，「这是很糟的 harness 设计」。

除了基准分，Astra 真正可怕的是三件事

ARC Prize 团队回放 Astra 的解题过程后发现三个超出分数本身的信号：

第一，行动效率超过人类。 Astra（max）在 96% 的关卡里动作数少于人类测试者中位数，平均少用 51.7% 的动作。ARC Prize 原本假设「行动效率」会长期是人与 AI 的分水岭——人类看一眼就懂，AI 要反复试探。Astra 打破了这个假设：一旦理解机制，它执行起来比人还利落。

第二，自己发明符号语言。 面对陌生游戏，Astra 会把场景压缩成紧凑的类代码符号模型——自创坐标、规则、状态跟踪的速记法（例如「extend8 to3; retract10 to2」这样的多步计划）。这不是人类教的，是它在解题现场生成的领域专用语言。

第三，按需写工具。 在 PRO-LONG harness 下，Astra 会为每个游戏现场编写小工具库：棋盘解析器、寻路算法、规划器、巡逻模型——一个带守卫的迷宫关卡，它先后写出了 maze_solver.py、combat_solver.py、patrol_solver.py、sync_state.py。

结合 OpenAI 此前公布的专项成绩：ExploitBench（网络安全漏洞利用）100%（GPT-5.6 Sol 78.5%）、SRE-Bench 二进制逆向四轮内 99.2%、长上下文 512K–1M token 区间 96.3%——Astra 是个能打的安全与编码全能选手。

冷静一下：它没有全赢

别急着喊 AGI。几个关键限制：

  • Artificial Analysis 智能指数：Astra 得分 61，与 GPT-5.6 Sol 持平，比 Claude Fable 5.1（max）低 5 分，也低于 Meta 的 Muse Spark 1.3
  • ARC Prize 官方声明：饱和 ARC-AGI-3「不代表实现 AGI」——基准有边界、机制封闭，真实世界要复杂得多
  • 99.9% 依赖自家 harness：标准公平接口下是 62.7%，两种数字要一起看，任何只报 99.9% 的说法都是断章取义
  • 价格战逻辑没变：与 Fable 5 同价，意味着 OpenAI 认为 Astra 在综合能力上足以正面叫板，而不是靠低价抢量

这恰恰是当前格局的真实写照：OpenAI 的 Astra、Anthropic 的 Fable 5.1、Meta 的 Muse Spark 1.3 三强各有所长——没有一家能全维度碾压，每一家都在自己最有利的基准上做文章。GPT-5.6 Sol 反而成了新一代的「计量单位」。

判断：九月的牌桌，每 24 小时洗一次

过去 72 小时，Anthropic、Meta、OpenAI 相继亮牌。规律很清楚：发布节奏从「按季度」压缩到「按天」，基准从「论文评测」转向「实战智能体」，竞争焦点从「谁聪明」变成「谁在特定任务上更高效、更便宜、更安全」。

对开发者：Astra 通过 API 和 AWS 开放后，与 Fable 5.1、Muse Spark 1.3 的选型对比将是未来几周最值得做的事——同样的任务，三家跑一遍，成本、速度、工具调用稳定性立见高下。对普通用户：ChatGPT Plus/Pro 用户几天内就能直接用上 Astra，「代际跃迁」是真是假，自己问几个难题便知。

ARC Prize 已经在琢磨下一代基准：递归自我改进、开放式创新——专门等着 Astra 们去撞墙。这场竞赛，恐怕才刚刚开始。

关注 AI商业快讯，每天一篇 AI 热点深度解读。

相关阅读：