21世纪经济报道记者 赵云帆

人们曾想象过通用人工智能（AGI）时代的到来，却没想过，它能有多贵。

9月，OpenAI GPT-6，也就是“Astra”大模型正式问世，并被官方称为“全球最智能、最对齐”的旗舰模型。

鉴于此，OpenAI联合创始人兼总裁格雷格·布罗克曼在发布会上豪迈放话：“未来人们或许会把这个时间、这个模型视为AGI到来的节点，”他自信地说，“至少我认为现在已经到了AGI时代了。”

布罗克曼的自信来源于Astra一项夸张的基准测试得分——在全球最权威的AGI基准“ARC-AGI-3”之上，Astra模型在其专属测试环境下，跑出了令人匪夷所思的“99.9%”。

三天后，黄仁勋在英伟达刚与OpenAI签下10万套GB200采购合同之后，也在社媒上大力声援：“AGI时代到来。”

但是AGI时代真的到来了吗？从业者也许认可，但华尔街却“半信半疑”。

强大，但昂贵

Astra模型的能力固然很强。

在Astra发布之后，数个基于该模型的官方与非官方实测用例被同步释出。

比如，某个生物研究所成员让Astra指挥另一个蛋白质预测工具AlphaFold，在9分钟内设计出了一个自然界不存在的蛋白质。而这项工程由人类研究员完成通常需要几周甚至数月。

还有知名的宾夕法尼亚大学AI实验室教授伊桑·莫利克发布的用例：Astra在他的指挥下构建出了亚历山大图书馆的3D环境，还带上了图书馆的语音导览功能。此外，还有人用它生成了3800多棵树的3D森林，没有任何两棵树是一模一样的……

但是，以上案例都不及一个Vlog的热度高。

一位用户上传了一条名为“我见过的最贵的‘Hello’，在用Codex调用GPT-6 Astra时”的视频。该视频显示，用户只是在Codex交互中简单地输入了“Hello”，却触发了Astra的高级别推理模式，激活了长上下文和智能体循环进行交互，并把Codex配额明显地烧掉了一部分。

Astra用许多用例证明它也许是历史上最“全知全能”的模型，但它仍然无法避免习惯性地小题大做。

“Astra像是一个词元（Token）怪物”——部分产品运营如此评价Astra。对于一个普通的月付订阅会员来说，Astra与一个程序员的协同工作通常只能维持几个小时。部分使用者则反馈，Astra的配额消耗是官方描述的1.5倍到2倍。

也因为消耗无法控制，一个会员的配额能执行的等价任务，反而比OpenAI GPT Sol/Luna等旧代际模型更少。

有人还尝试用Astra模型来玩游戏。

这款名为《传送门》（“Portal”）的解谜游戏，是几乎所有强势版本大模型发布之后，社区要求其完成的“必修课”。对于首次游玩的普通人类玩家来说，通关《传送门》需要耗费3小时左右。而经部分用户实测，Astra花了接近23小时完成游戏主线流程。

这已经是所有尝试过这款游戏的大模型创下的最快纪录了，但词元账单同样恐怖——Astra完成这个游戏耗费了3336次智能体循环，API总账单高达571.18美元，约合4000元人民币。

也有用户反馈，Astra模型相比过去许多模型，更多地将词元消耗用于逻辑思考环节，实际输出反而更少。而这意味着实际的词元成本将因提问者的问题设置合理性而产生巨大的差异。

企业仍然用不起

比起AI社区的评价，资本市场的投票更为真实。

9月3日Astra发布之后，乘着财报东风的英伟达股价在余下两个交易日仅温和上涨。微软股价则在9月3日上涨2.68%后，于9月4日收跌。

就在Astra发布之后，微软CEO萨提亚·纳德拉公开表态，欢迎其Azure云服务客户在他们的账户中使用Astra。

然而，市场参与者却将纳德拉的态度视为一种中性的信号。

部分投资者认为，Astra的到来无疑能提升微软等云服务商的云计算收入。但也有人指出，更重、更贵的模型可能会挑战云服务商的毛利率，并影响他们的算力资本开支决策。

还有一些市场研究机构认为，Astra固然成为了OpenAI能够将前沿智能货币化的案例之一，但是“闭环”尚未形成，Astra必须帮助企业改善业务质量，提升用户留存率，促进企业转化，从而带来更合理的MaaS业务利润率和资本密集度。

因此，Astra的发布虽然为AI社区贡献了更多有意思的、超智能的案例，却仍未能有效回答上述质疑。

事实上，早在Astra发布之前，当被问及商业化的问题时，OpenAI创始人山姆·奥特曼就一直偏向谨慎。

在今年的一次采访中，奥特曼“吐槽”OpenAI进入企业工作流面临的现实困境：目前由于企业的采购流程很长，合规审查很严，现有的系统和软件已经运行了很多年，不会因为一个新模型出现就马上换掉。当然，还有工作习惯的问题——员工习惯了原来的做法，要改过来需要时间。

“即便有Codex这样的工具，日常还是在手动处理邮件和待办事项，连开发者自己都改不过来，何况是客户。”奥特曼表示。

然而，在奥特曼抱怨企业“不够进步”的同时，企业更担心Astra的费用和安全环境不可控。

根据独立评测机构Artificial Analysis的评测结果，Astra在最高推理设置下的综合智能体任务单任务成本，比上一代的Sol模型高约75%；只有在编码智能体等少数场景中，因Codex工具的使用可以让模型减少弯路、减少调用，才可能把单价涨幅抵消掉。对于轻量问答、工单分类、合同字段抽取、基础客服这类高频重复工作，Astra的功能定位更是存在“大炮打蚊子”的明显错位。

根据英伟达相关研究估算，MetaGPT、Open Operator、Cradle等开源本地大模型或智能体中，约40%—70%的AI互动可以使用专用小模型承接，其成本和延迟都远低于前沿大模型。

然而，这种研究结论，对希望客户在整理邮件时都使用Codex的OpenAI来说，也许并不是一个好消息。