GPT-6 Astra 刷屏，日本 AI 教授点赞梁文锋：这才是 AGI 之路

事件核心：发生了什么

近几天，Anthropic 的 Fable 5.1 与 OpenAI 的 GPT-6 Astra 先后发布，但两者的热度走势明显分化。Fable 5.1 因价格较高且使用限制较多，很快出现客户抱怨；GPT-6 Astra 则在综合能力、Token 效率和整体成本控制上表现更强，尽管代码能力略有短板，仍持续占据舆论焦点。围绕 Astra 的应用探索已在多个行业展开，不少用户正尝试用其重构现有工作流程。

这一波热度也带出一个更早的行业观点。日本北陆先端科学技术大学院大学客座教授今井翔太在社交媒体上引述了 DeepSeek 创始人梁文锋数月前的内部讲话。梁文锋当时明确表示，视频生成、世界模型或物理模型并非通往 AGI 的主要路径，DeepSeek 的核心目标仍是 AGI，而实现路径应聚焦在大语言模型上，再以此类模型去解决其他具体问题。他认为，追求更高难度的技术目标再向低层应用落地，往往能形成“降维优势”。今井翔太对此评价称，看到 Astra 的综合表现后，梁文锋这一判断的说服力更强了。

为什么重要

这场讨论的本质是 AGI 技术路线的分歧：是做视频生成和世界模型，还是先深耕大语言模型。OpenAI 的 Astra 表现和 DeepSeek 的战略选择，实际为“LLM 主线论”提供了两个不同侧面的注脚。OpenAI 此前因 Anthropic 和开源模型的竞争压力，一度收缩战线，放弃视频生成模型，集中资源于核心 AI 能力与编码方向。从 GPT-5.5 到 GPT-6 Astra 的发布节奏看，这轮调整已经回到行业巅峰状态，OpenAI 甚至公开宣称将迎来“AGI 时代”。NVIDIA CEO 黄仁勋也为这一判断背书，并透露 Astra 训练目前使用了 10 万颗 GPU，下一阶段将扩展至 40 万颗。

对于国内 AI 行业，这篇文章也提出了一个不太乐观的现状判断：在算力资源差距仍然存在的背景下，国内大模型与美系旗舰模型的代际差距有拉大趋势。美系旗舰已经完成新一轮更新，下一代国内大模型的表现将更多押注在 Kimi 3.1、GLM-5.5、MiniMax M3 Pro、Qwen4 和 DeepSeek V4.1 等产品上。

对用户/开发者/创作者的影响

对普通用户而言，GPT-6 Astra 的主要价值不只是单点能力提升，而是整体使用成本下降和 Token 效率提升，这在中长文本处理和复杂任务场景下会直接改变 API 调用预算。对开发者和企业决策者来说，需要重新评估闭源旗舰模型与开源模型之间的性价比：Astra 在综合能力上领先，但 Fable 5.1 的高成本和限制也提醒采购方，技术选型不能只看 Benchmark 分数，要考虑实际的调用自由度和迁移成本。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对创作者而言，视频生成并非当前旗舰模型的主攻方向，这反而意味着，基于大语言模型做内容生产、分析、编程辅助和自动化流程，仍是现阶段更容易出成果的应用路径。

值得关注的后续

后续可以观察三个具体方向：第一，GPT-6 Astra 的 API 价格和实际调用限制是否会进一步调整，这将直接影响企业规模化采用的速度；第二，DeepSeek V4.1 等下一代国内大模型在算力受限条件下的实际表现，能否缩小与美系旗舰的差距；第三，NVIDIA 所提到的 40 万 GPU 训练规模是否落地，以及算力投入的持续加大是否会在明年进一步拉高行业训练成本门槛。

来源：AIbase