GPT-6代号泄露周四见:OpenAI数学突破+网络安全Critical级,多智能体原生时代来临

GPT-6代号泄露周四见:OpenAI数学突破+网络安全Critical级,多智能体原生时代来临

据36氪报道,OpenAI下一代模型GPT-6的内部代号”mewfour”再次泄露,开发者Chetaslua在openai/codex仓库的commit记录中发现该代号痕迹,结合Polymarket上OpenAI本周发布Astra的概率飙涨至52%,以及多位OpenAI员工的公开暗示,GPT-6最快可能于本周四(8月20日)正式发布。

数学突破:2000美元破解十年难题

8月1日,OpenAI发布长达249页的数学论文,揭示Astra内部版本解决了10个至少十年未取得进展的数学和理论计算机科学难题,涵盖高维几何、编码理论、群论、量子复杂性、格密码学、极值组合学等领域。其中包括首个非sofic群的显式构造——被称为群论里的圣杯级问题。

按照GPT-5.6 Sol当前的API费率,生成全部十个解答的token成本约2000美元。这意味着数学界过去十年的产出效率,正在被一个API调用重新定义。

网络安全达Critical级:强到自己都害怕

8月7日,OpenAI官方声明:初步评估显示Astra可能达到Preparedness Framework下的网络安全”Critical”能力阈值——这是最高一档。在该级别下,模型可以独立识别并开发多种严重程度的零日漏洞,或针对加固目标制定并执行端到端的攻击策略。

Sam Altman回应称:”Astra非常强大,我们会做好安全准备,然后让所有人都能用上。”

多智能体原生时代:预训练阶段就端到端训练协作能力

据The Information报道,Astra被训练为能让多个智能体长时间协同解决复杂问题,传闻约有10万亿参数,采用混合专家架构(MoE)。更重要的是,它在推理、编码、写作、知识、多模态理解和智能体任务上全面超越Claude Fable。

如果消息属实,这将是大模型历史上首次从预训练阶段就把多智能体协作能力端到端训练进去。结合OpenAI在GPT-5.6家族上已搭建的多智能体基础设施(Sol、Terra、Luna三层协作体系),Astra天生就具备长时程协作能力,开箱就能在Codex里协调多个智能体。

对从业者的实操建议

对研发负责人:关注Astra的多智能体协作能力,评估其在复杂项目自动化中的应用潜力,提前规划团队工作流适配。

对投资者:OpenAI若成功发布Astra,将巩固其技术领先地位,关注相关产业链(算力、安全、协作工具)的投资机会。

对普通从业者:AI工具正在从辅助编码向全流程协作演进,学习如何与多智能体系统高效协作将成为关键技能。

关注AI商业快讯

每天一篇AI热点深度解读,助你把握技术趋势与商业机会。关注我们,不错过任何重要更新。

相关阅读:Groq再融3.5亿美元转向neocloud

相关阅读:Stripe以70亿美元收购OpenRouter

OpenAI GPT-6 曝光:传 10 万亿参数、8 月发布,大模型军备赛再升级

据 36氪、腾讯新闻、太平洋电脑网等多家科技媒体在 8 月 10 日—11 日集中报道,OpenAI 下一代大模型 GPT-6(内部代号 Astra)或将在 2026 年 8 月发布。据业内爆料,该模型参数规模约 10 万亿(约为 GPT-4 约 1.8 万亿参数的 5 倍以上),采用全新预训练底座(超越此前代号「Spud」、约 4T token 的训练基础),上下文窗口或达 1.5M token,并直接对标 Anthropic 的 Mythos / Fable 系列。需要说明:以上信息目前主要来自 AI 内幕爆料与匿名信源,OpenAI 尚未就具体参数与发布时间作出官方确认。

为什么值得关注:Scaling 叙事卷土重来

如果爆料属实,GPT-6 意味着大模型竞争重新回到「暴力堆参数 + 堆算力」的轨道,对行业的连锁影响很直接:

  • 算力与资本开支继续飙升。参数规模冲上 10 万亿级别,背后是天文数字的 GPU、数据中心与电力消耗——这与我们此前拆解的 腾讯 Q2 资本开支暴增 176% 至 528 亿 指向的是同一件事:AI 竞争正全面转入「重资产算力竞赛」。
  • 竞争维度从「能力」转向「规模 + 上下文 + 成本」。1.5M 上下文若落地,长文档理解、Agent 长程任务、企业知识库都将重写;而参数越大,推理成本曲线越陡,API 定价与开发者选型逻辑都会变。
  • 创业公司的危与机。底层模型越强,上层应用门槛越低、迭代越快;但同一时刻,通用能力越强也越容易挤压垂直小模型的利润空间——应用层必须往「场景深度」而非「模型能力」找护城河。

分角色实操建议

对开发者 / 技术负责人:先别为「10 万亿参数」盲目重构架构。真正该评估的是 1.5M 上下文带来的机会——长文档 RAG 是否可以大幅简化、长程 Agent 工作流能否落地;同时提前测算 API 成本曲线,避免发布即「用不起」。

对投资者:把目光放在「确定性两端」——上游算力供应链(GPU、数据中心、电力)与下游推理成本。模型越大,基础设施的确定性反而越强,相关赛道值得持续跟踪。

对普通从业者 / 内容创作者:把 GPT-6 当生产力杠杆,但保持多模型备份。Claude、Gemini 与开源模型(如我们实测过的 OpenCode Go 月付 $10 敞开用 DeepSeek V4 / Kimi K3 / GLM-5.2)都是对冲单点依赖的廉价保险。

结语

无论 GPT-6 最终参数是否真到 10 万亿,有一条主线已经清晰:2026 年的大模型战争,拼的不再只是「谁更聪明」,而是「谁敢烧钱、谁能把规模变成产品」。关注 AI商业快讯,每天一篇 AI 热点深度解读,帮你用最少时间抓住最值钱的行业信号。

相关阅读