---
title: "建议关注： 1）国产模型：海外预训练仍持续投入，国产模型从1T以下扩展到1-3T趋势明确。 2）AI应用：模型工具调用能力增强，AI渗透办公、科研、工业等场景加"
topic_id: 22258844482481581
created_at: 2026-09-07T08:57:04.765+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 建议关注： 1）国产模型：海外预训练仍持续投入，国产模型从1T以下扩展到1-3T趋势明确。 2）AI应用：模型工具调用能力增强，AI渗透办公、科研、工业等场景加

- 序号：389
- 星球链接：[打开网页](https://wx.zsxq.com/group/15522451881222/topic/22258844482481581)
- 附件：图片 0，音频 0，文档 0
- 音频文件：_无音频_

## 图片

_无图片_

## 正文

建议关注：
1）国产模型：海外预训练仍持续投入，国产模型从1T以下扩展到1-3T趋势明确。
2）AI应用：模型工具调用能力增强，AI渗透办公、科研、工业等场景加快。
——————
【申万计算机】20260904：OpenAI GPT 6 Astra发布，推理跑分接近饱和，初步展现AI递归自我改进

oai发布下一代旗舰模型GPT 6 Astra，面向复杂推理、软件工程、科学研究、浏览器和电脑操作等高难度任务。首批向Trusted Access企业开放，API及Plus、Pro、Business、Enterprise用户将在未来数日陆续获得访问权限。

推理能力测评接近饱和线
推理及科学方面ARC-AGI-3达99.9%（Claude Opus为30.2%，人类水平48%），为首个在该测试中达到高分的模型。ExploitBench取得100%满分。

核心能力升级为持续运行的任务系统
新增异步工具调用、Mid-turn Steering和动态推理强度，等待工具返回时仍可继续工作，任务中途支持调整并保留已有进度，会话内切换推理档位不影响Prompt Cache。模型更擅长判断何时自主推进、用户确认，提升长任务执行的连续性。
上一代模型深入参与Astra的训练监督，训练后期系统能够自主连续运行，AI开始参与维护训练AI的系统，或达到RSI雏形。

推测训练和系统架构同步优化
Astra暂未公布参数规模、架构和注意力机制。根据公开资料，其训练使用超10万块GPU，为oai目前规模最大的训练任务。
The information称Astra或有限采用循环深度架构，通过重复调用部分Transformer计算层提高单位参数对应的有效计算深度，使更多推理在隐藏状态中完成。因此Astra能够在复杂任务上以更少输出Token获得更高成绩。

定价定位高端、单任务成本下降
Astra输入/输出价格为10/50美元每百万token，为GPT 5.6 Sol的2.5倍。但多benchmark的估算单任务成本有所下降，主要受益于输出token减少、执行时间缩短及重试次数降低。

## 总体总结

主题正文
1. 【申万计算机】20260904：OpenAI GPT 6 Astra发布，推理跑分接近饱和，初步展现AI递归自我改进
2. oai发布下一代旗舰模型GPT 6 Astra，面向复杂推理、软件工程、科学研究、浏览器和电脑操作等高难度任务。
3. 首批向Trusted Access企业开放，API及Plus、Pro、Business、Enterprise用户将在未来数日陆续获得访问权限。
4. 推理及科学方面ARC-AGI-3达99.9%（Claude Opus为30.2%，人类水平48%），为首个在该测试中达到高分的模型。
5. 新增异步工具调用、Mid-turn Steering和动态推理强度，等待工具返回时仍可继续工作，任务中途支持调整并保留已有进度，会话内切换推理档位不影响Prompt Cache。
6. The information称Astra或有限采用循环深度架构，通过重复调用部分Transformer计算层提高单位参数对应的有效计算深度，使更多推理在隐藏状态中完成。
7. Astra输入/输出价格为10/50美元每百万token，为GPT 5.6 Sol的2.5倍。
8. 但多benchmark的估算单任务成本有所下降，主要受益于输出token减少、执行时间缩短及重试次数降低。