正在阅读:

OpenAI“狙击”Anthropic?

扫一扫下载界面新闻APP

OpenAI“狙击”Anthropic?

使用成本竟然降了那么多,是OpenAI“转性”了,还是不可一世的Anthropic真的撞到了铁板?

OpenAI,Anthropic,AI大模型,

图片来源:界面图库

文|旧叔笔谈

OpenAI新一代旗舰模型GPT-6.1 Astra虽迟但到,可谁也没想到,这款此前被OpenAI叫停的新模型,还是选择了一个非常“巧妙”的发布节点。

9月28日,OpenAI因原定要发布的GPT-6.1 Astra没达到公司内部对安全和对齐的要求,选择把它从发布计划里撤掉。七周后的11月17日,OpenAI终于给Astra换上6.2的新版本号重新推了出来,同行的还有一款主打日常任务的便宜型号GPT-6.2 Sol。

显而易见,Astra的发布时机异常敏感。

就在往后一天的11月18日晚,OpenAI主要竞争对手Anthropic将敲定公司IPO价格。再往后一天也就是11月19日,Anthropic会以ANT为股票代码在美股纳斯达克挂牌。

更重要的是,OpenAI这次要以“便宜”牌狙击Anthropic。

按OpenAI的说法,同样的活,用6.2 Astra干完,客户付的钱大约是 Anthropic几天前发布的Claude Fable 5.2的5%,也就是对手收100块、它只收5块。

使用成本竟然降了那么多,是OpenAI“转性”了,还是不可一世的Anthropic真的撞到了铁板?

旗舰Astra命途多舛

要理解GPT-6.2 Astra发布为什么偏偏挑在对手IPO前夜,得先回到9月28日那次撤版。

彼时,6.1 Astra所谓未达安全与对其要求,指的是不能让模型的行为与人类给出的指令、公司的安全规则保持一致,按官方说法,是它在守住授权范围、以及向用户如实说明自己做过什么这两项上没达标。

据彭博社报道,遭遇安全危机后,OpenAI还一度暂停最强模型的训练,直到把这些模型与外部网络断开之后才恢复。这段背景决定了,11月17日发布的6.2 Astra不可能只是改个版本号,因为一家公司不会在七周时间里把自己亲手撤掉的旗舰模型再原样发布,它总要解决上一版的问题。

这或许才是6.1直接被跳过、6.2新鲜出炉的关键。整体来看,新版本6.2 Astra确实把能力提了一截,但提升与防护措施同步。

简单来说,OpenAI设置了一套叫“准备框架”的内部分级,用来标记模型在网络安全、生物化学、AI自我改进这几类高风险能力上到了哪一级,级别越高意味着能力越强、需要配套的限制越多。其中,6.2 Astra和6.2 Sol两款新模型都达到最高Critical级。

此外,OpenAI还上线了一套叫Control Room的监控系统,用途是跟踪研究任务,必要时直接把模型的输出停掉。

当然,安全防护是有代价的。OpenAI承认,两款新模型在两项对齐测试里比GPT-6 Astra更容易不主动说明阻碍任务的因素,比如某个文件缺失、某个搜索工具用不了。虽然在Codex里补指令后这类漏报明显减少,但没完全消失,相关调查还在继续。

可见,6.2 Astra不是一个把所有毛病都改掉了的版本,而是一个能力更强、却也更需在旁盯着用的版本。好在,OpenAI敢在这个时点放行,说明它对模型的监控限制已经有了足够把握。

使用成本真的只有Claude的5%?

聚焦此次GPT-6.2 Astra的“大杀器”,即使用成本大约只是Claude Fable 5.2的5%,这笔账其实没有看起来那么简单。

翻开双方价目表,6.2 Astra每百万输入token 8美元、缓存输入0.40美元、输出40美元,三项比上代6 Astra的输入10美元、缓存1美元、输出50美元分别降低20%、60%和20%,但Claude Fable 5.2给出的价目同样是输入8美元、输出40美元,二者这两项一模一样。

实际上,这里的5%不是单价对比,而是单任务总价对比。

按照OpenAI在多步骤专业工作基准Agents' Last Exam上给出的结论,Astra比Claude Fable 5.2高5.5分,同时单任务成本约为后者的5%,也就是单任务对手付100块,它只付5块。

进一步来看,单任务成本等于完成任务用掉的全部token按各自费率加起来的总数,在此过程中,模型越省步骤、越少输出废话,成本就越小。

所以既然单价一样,5%就只能靠少用token省出来。

对此,OpenAI在内部自测基准GDPval v2上给了线索,6.2 Astra比6 Astra提升6.2个百分点,同时输出token少22%,此类任务覆盖咨询、金融、设计和市场营销里的真实项目,所以更少输出的token叠加更高完成率,才是Astra单任务总价被压到对手1/20的来源。

在考验拆解任务、调用工具、分多步交付成果能力的Agents' Last Exam上,Astra比上一代6 Astra高 5.2 分、单任务成本不到前代三分之一,比Claude Fable 5.2高5.5分、单任务成本约为后者的5%。

同时,还有几组OpenAI提供的官方数据指向同样结论。

在法律任务基准Harvey LAB-AA v1.1上,Astra的通过率超过Fable 5.2的两倍、成本约为其六分之一,日常款Sol在编程基准FrontierCode 2.0上只比Astra低0.5分、成本约为五分之一;第三方偏好测试AA-3D里Astra拿到1318的Elo分,排在Fable 5.2的1271和Sol的1259前面。

值得注意的是,OpenAI给出的性能、成本论据仍存在争议,核心原因在于其算法离开OpenAI自己的考题似乎就没有那么灵了。

第三方评测机构Artificial Analysis把知识工作、编程、科学和通用知识等九项评估合在一起得出的智能指数里,Astra得62分排第二,落后Fable 5.2的65分,编程项目上6.2 Astra的成绩和6 Astra 持平,6.2 Sol比6.1 Sol还降了3分。

Epoch AI的能力指数上,Astra得到174分,与Fable 5.2持平,但在从自家研究项目里抽出来的真实任务上,Astra落在Fable后面,相比上一代只有小幅提升,评测记录里还写到它会在较简单的项目上跑偏、反复做无效修正。

另外,Vals AI的综合榜把Astra和Sol排到第七和第九,两项法律基准里Astra甚至只排第11和第30。

在6.2 Astra发布当天,用户的反馈则更为直接。投资人Matt Shumer表示这两款模型基本没法用,开发者Theo Browne用七天做了一次Rust编译器重写,速度慢了56%且没有改善,称它是OpenAI发过的最差模型;6.2 Astra极速档Ultrafast的定价也是个绕不开的细节,它按标准价的三倍收费,并且2027年3月1日起涨到现价六倍,不少重度用户把这条和降价一起看,感受十分复杂。

故此,GPT-6.2 Astra使用成本只有Claude Fable 5.2的5%这件事,目前看更像是OpenAI在自家基准里、按自家token效率算出来的成本,换成第三方考核或者真实外包任务,其实际表现需继续观望。

模型降价是主旋律

OpenAI们抢着降价,国内大模型也没闲着,只是各家的降价思路不太一样。

11月16日,也就是OpenAI发布6.2 Astra的前一天,阿里推出Qwen4-Max,总参数2.4万亿、每个token激活710亿参数、支持百万token上下文和原生视觉输入。

按阿里官方在自家Work360任务评测里给的数据,Qwen4-Max完成单个任务的平均费用,相比上代Qwen3.8-Max的26.58 元,这一代降到11.16元,降幅58%,缓存命中时每百万token低至0.5元,Xhigh和High两档推理强度下的token消耗比前代分别少约24%和35%,在Terminal-Bench 4.0上分别少约48%和49%。

与6.2 Astra类似,Qwen4-Max的大幅降价也有其代价。它只开放API、不开放权重,另外Artificial Analysis给到Qwen4-Max的分数是43分,这和它宣称的成本优势不太相称,且Qwen4系列的中小尺寸模型要往后才陆续开源。

Qwen4-Max推出的同一天,腾讯混元发布Hy4 flash,激活参数120亿,官方给的数据是单任务成本只有Hy4的1/20、DeepSeek-V4.1-Flash-1017忙时价的1/8,缓存命中每百万token 0.02元,在第三方模型调用平台OpenRouter上挂出的提示词价格是每百万token 0.035美元。

DeepSeek就更不用说了,虽然公司从11月15日起以算力不足为由给免费聊天加了限制,单次输入约4万汉字、加了每日对话配额、超过七天没继续的对话不再续接,但截至11月16日那一周,DeepSeek V4.1 Flash在OpenRouter上已处理创纪录的61.2万亿token,是第二名的3.8倍,调用量断层领先,挂牌价每百万提示词token只有0.036美元。

同期,还有一个由上海人工智能实验室开源的书生 S2.1 Flash模型。该模型走的是另一条路,3210亿参数、按MIT开源协议放出权重和FP8低精度版本。FP8 是一种用更少位数存权重、能压低推理开销的格式,官方口径下同任务推理成本约为前代的1/10。

把大洋两岸大模型公司公布的数字摆一起看,大家降价的位置其实不在一处,国内几家压的是单价、单次调用费和token消耗量,靠的是参数效率、缓存和开源,且受着实打实的算力约束,DeepSeek要限流、阿里只给API,都是算力不够的直接结果。

OpenAI压的是完成一个任务的总消耗,它的标价甚至没比对手低,靠的是让模型少做无效步骤、少输出没用的内容。

几种做法都落在同一个变化上,比较时,大家聚焦的已是每块钱能买到多少产出,而榜单分数退到了后面,连平台方都开始按成本做选择,比如微软在Ignite 2026上线的Auto路由会在OpenAI和Anthropic的模型之间按成本自动切换。

用哪家模型这件事,正在变成性价比决策。

过去两年,大模型公司疯狂比得分,眼下比起了谁用更少的钱把活干完。在此背景下,OpenAI挑在对手IPO前一天把一份5%的成本账摊出来,恐怕醉翁之意不只在用户,还在给ANT填认购单的那批投资者身上。

大模型价格一旦算到每件任务花了多少钱这一层,靠模型本身溢价过日子的公司会最先感到压力。

真正能拿到定价权的公司,得同时把token效率和真实交付质量做实,还得愿意把缺陷如实公开,大模型跑分时代一去不复返矣。

本文为转载内容,授权事宜请联系原著作权人。

OpenAI

  • 加州起诉OpenAI,控其模型测试疏于管控、危害公共安全
  • 机器人ETF鹏华(159278)盘中净申购900万份,政策产业层面迎来密集利好

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

OpenAI“狙击”Anthropic?

使用成本竟然降了那么多,是OpenAI“转性”了,还是不可一世的Anthropic真的撞到了铁板?

OpenAI,Anthropic,AI大模型,

图片来源:界面图库

文|旧叔笔谈

OpenAI新一代旗舰模型GPT-6.1 Astra虽迟但到,可谁也没想到,这款此前被OpenAI叫停的新模型,还是选择了一个非常“巧妙”的发布节点。

9月28日,OpenAI因原定要发布的GPT-6.1 Astra没达到公司内部对安全和对齐的要求,选择把它从发布计划里撤掉。七周后的11月17日,OpenAI终于给Astra换上6.2的新版本号重新推了出来,同行的还有一款主打日常任务的便宜型号GPT-6.2 Sol。

显而易见,Astra的发布时机异常敏感。

就在往后一天的11月18日晚,OpenAI主要竞争对手Anthropic将敲定公司IPO价格。再往后一天也就是11月19日,Anthropic会以ANT为股票代码在美股纳斯达克挂牌。

更重要的是,OpenAI这次要以“便宜”牌狙击Anthropic。

按OpenAI的说法,同样的活,用6.2 Astra干完,客户付的钱大约是 Anthropic几天前发布的Claude Fable 5.2的5%,也就是对手收100块、它只收5块。

使用成本竟然降了那么多,是OpenAI“转性”了,还是不可一世的Anthropic真的撞到了铁板?

旗舰Astra命途多舛

要理解GPT-6.2 Astra发布为什么偏偏挑在对手IPO前夜,得先回到9月28日那次撤版。

彼时,6.1 Astra所谓未达安全与对其要求,指的是不能让模型的行为与人类给出的指令、公司的安全规则保持一致,按官方说法,是它在守住授权范围、以及向用户如实说明自己做过什么这两项上没达标。

据彭博社报道,遭遇安全危机后,OpenAI还一度暂停最强模型的训练,直到把这些模型与外部网络断开之后才恢复。这段背景决定了,11月17日发布的6.2 Astra不可能只是改个版本号,因为一家公司不会在七周时间里把自己亲手撤掉的旗舰模型再原样发布,它总要解决上一版的问题。

这或许才是6.1直接被跳过、6.2新鲜出炉的关键。整体来看,新版本6.2 Astra确实把能力提了一截,但提升与防护措施同步。

简单来说,OpenAI设置了一套叫“准备框架”的内部分级,用来标记模型在网络安全、生物化学、AI自我改进这几类高风险能力上到了哪一级,级别越高意味着能力越强、需要配套的限制越多。其中,6.2 Astra和6.2 Sol两款新模型都达到最高Critical级。

此外,OpenAI还上线了一套叫Control Room的监控系统,用途是跟踪研究任务,必要时直接把模型的输出停掉。

当然,安全防护是有代价的。OpenAI承认,两款新模型在两项对齐测试里比GPT-6 Astra更容易不主动说明阻碍任务的因素,比如某个文件缺失、某个搜索工具用不了。虽然在Codex里补指令后这类漏报明显减少,但没完全消失,相关调查还在继续。

可见,6.2 Astra不是一个把所有毛病都改掉了的版本,而是一个能力更强、却也更需在旁盯着用的版本。好在,OpenAI敢在这个时点放行,说明它对模型的监控限制已经有了足够把握。

使用成本真的只有Claude的5%?

聚焦此次GPT-6.2 Astra的“大杀器”,即使用成本大约只是Claude Fable 5.2的5%,这笔账其实没有看起来那么简单。

翻开双方价目表,6.2 Astra每百万输入token 8美元、缓存输入0.40美元、输出40美元,三项比上代6 Astra的输入10美元、缓存1美元、输出50美元分别降低20%、60%和20%,但Claude Fable 5.2给出的价目同样是输入8美元、输出40美元,二者这两项一模一样。

实际上,这里的5%不是单价对比,而是单任务总价对比。

按照OpenAI在多步骤专业工作基准Agents' Last Exam上给出的结论,Astra比Claude Fable 5.2高5.5分,同时单任务成本约为后者的5%,也就是单任务对手付100块,它只付5块。

进一步来看,单任务成本等于完成任务用掉的全部token按各自费率加起来的总数,在此过程中,模型越省步骤、越少输出废话,成本就越小。

所以既然单价一样,5%就只能靠少用token省出来。

对此,OpenAI在内部自测基准GDPval v2上给了线索,6.2 Astra比6 Astra提升6.2个百分点,同时输出token少22%,此类任务覆盖咨询、金融、设计和市场营销里的真实项目,所以更少输出的token叠加更高完成率,才是Astra单任务总价被压到对手1/20的来源。

在考验拆解任务、调用工具、分多步交付成果能力的Agents' Last Exam上,Astra比上一代6 Astra高 5.2 分、单任务成本不到前代三分之一,比Claude Fable 5.2高5.5分、单任务成本约为后者的5%。

同时,还有几组OpenAI提供的官方数据指向同样结论。

在法律任务基准Harvey LAB-AA v1.1上,Astra的通过率超过Fable 5.2的两倍、成本约为其六分之一,日常款Sol在编程基准FrontierCode 2.0上只比Astra低0.5分、成本约为五分之一;第三方偏好测试AA-3D里Astra拿到1318的Elo分,排在Fable 5.2的1271和Sol的1259前面。

值得注意的是,OpenAI给出的性能、成本论据仍存在争议,核心原因在于其算法离开OpenAI自己的考题似乎就没有那么灵了。

第三方评测机构Artificial Analysis把知识工作、编程、科学和通用知识等九项评估合在一起得出的智能指数里,Astra得62分排第二,落后Fable 5.2的65分,编程项目上6.2 Astra的成绩和6 Astra 持平,6.2 Sol比6.1 Sol还降了3分。

Epoch AI的能力指数上,Astra得到174分,与Fable 5.2持平,但在从自家研究项目里抽出来的真实任务上,Astra落在Fable后面,相比上一代只有小幅提升,评测记录里还写到它会在较简单的项目上跑偏、反复做无效修正。

另外,Vals AI的综合榜把Astra和Sol排到第七和第九,两项法律基准里Astra甚至只排第11和第30。

在6.2 Astra发布当天,用户的反馈则更为直接。投资人Matt Shumer表示这两款模型基本没法用,开发者Theo Browne用七天做了一次Rust编译器重写,速度慢了56%且没有改善,称它是OpenAI发过的最差模型;6.2 Astra极速档Ultrafast的定价也是个绕不开的细节,它按标准价的三倍收费,并且2027年3月1日起涨到现价六倍,不少重度用户把这条和降价一起看,感受十分复杂。

故此,GPT-6.2 Astra使用成本只有Claude Fable 5.2的5%这件事,目前看更像是OpenAI在自家基准里、按自家token效率算出来的成本,换成第三方考核或者真实外包任务,其实际表现需继续观望。

模型降价是主旋律

OpenAI们抢着降价,国内大模型也没闲着,只是各家的降价思路不太一样。

11月16日,也就是OpenAI发布6.2 Astra的前一天,阿里推出Qwen4-Max,总参数2.4万亿、每个token激活710亿参数、支持百万token上下文和原生视觉输入。

按阿里官方在自家Work360任务评测里给的数据,Qwen4-Max完成单个任务的平均费用,相比上代Qwen3.8-Max的26.58 元,这一代降到11.16元,降幅58%,缓存命中时每百万token低至0.5元,Xhigh和High两档推理强度下的token消耗比前代分别少约24%和35%,在Terminal-Bench 4.0上分别少约48%和49%。

与6.2 Astra类似,Qwen4-Max的大幅降价也有其代价。它只开放API、不开放权重,另外Artificial Analysis给到Qwen4-Max的分数是43分,这和它宣称的成本优势不太相称,且Qwen4系列的中小尺寸模型要往后才陆续开源。

Qwen4-Max推出的同一天,腾讯混元发布Hy4 flash,激活参数120亿,官方给的数据是单任务成本只有Hy4的1/20、DeepSeek-V4.1-Flash-1017忙时价的1/8,缓存命中每百万token 0.02元,在第三方模型调用平台OpenRouter上挂出的提示词价格是每百万token 0.035美元。

DeepSeek就更不用说了,虽然公司从11月15日起以算力不足为由给免费聊天加了限制,单次输入约4万汉字、加了每日对话配额、超过七天没继续的对话不再续接,但截至11月16日那一周,DeepSeek V4.1 Flash在OpenRouter上已处理创纪录的61.2万亿token,是第二名的3.8倍,调用量断层领先,挂牌价每百万提示词token只有0.036美元。

同期,还有一个由上海人工智能实验室开源的书生 S2.1 Flash模型。该模型走的是另一条路,3210亿参数、按MIT开源协议放出权重和FP8低精度版本。FP8 是一种用更少位数存权重、能压低推理开销的格式,官方口径下同任务推理成本约为前代的1/10。

把大洋两岸大模型公司公布的数字摆一起看,大家降价的位置其实不在一处,国内几家压的是单价、单次调用费和token消耗量,靠的是参数效率、缓存和开源,且受着实打实的算力约束,DeepSeek要限流、阿里只给API,都是算力不够的直接结果。

OpenAI压的是完成一个任务的总消耗,它的标价甚至没比对手低,靠的是让模型少做无效步骤、少输出没用的内容。

几种做法都落在同一个变化上,比较时,大家聚焦的已是每块钱能买到多少产出,而榜单分数退到了后面,连平台方都开始按成本做选择,比如微软在Ignite 2026上线的Auto路由会在OpenAI和Anthropic的模型之间按成本自动切换。

用哪家模型这件事,正在变成性价比决策。

过去两年,大模型公司疯狂比得分,眼下比起了谁用更少的钱把活干完。在此背景下,OpenAI挑在对手IPO前一天把一份5%的成本账摊出来,恐怕醉翁之意不只在用户,还在给ANT填认购单的那批投资者身上。

大模型价格一旦算到每件任务花了多少钱这一层,靠模型本身溢价过日子的公司会最先感到压力。

真正能拿到定价权的公司,得同时把token效率和真实交付质量做实,还得愿意把缺陷如实公开,大模型跑分时代一去不复返矣。

本文为转载内容,授权事宜请联系原著作权人。