二零二六年九月三日，OpenAI 推出新一代旗舰模型 GPT-6 Astra，并罕有地由公司高层公开表示，这个模型「可能代表通用人工智能（AGI）」。撇开这句口号，对经营者而言，真正值得关心的问题只有一个：它对日常做生意，究竟带来什么实际改变？本文会把官方的技术数字，翻译成老板听得明、用得着的重点，并说明应该如何理性部署，而不是盲目追新。
GPT-6 Astra 是什么，为何敢提「AGI」
GPT-6 Astra 是 OpenAI 至今规模最大的一次训练成果，官方形容它在网络安全、专业工作、软件开发与科研四个范畴都是「世代级跳跃」。在多项推理基准测试中，它取得接近满分的成绩，并同场压过自家上一代 GPT-5.6 Sol 以及对手 Anthropic 的 Claude Fable 5。所谓「可能是 AGI」，指的不是它有自我意识，而是它已能够独立完成过往模型做到一半就放弃的「长流程」任务，例如连续多步的电脑操作、程序撰写与研究工作。对企业来说，这代表可以交给它的工作范围，比以往阔很多。
三个对做生意最实际的升级
第一，是推理的稳定性。Astra 在复杂、多步骤的任务上更少「中途走样」，适合处理需要一气呵成的分析、报告与流程。第二，是超长的「记忆容量」，即 context window，一次过可以读入的资料量大幅提升。第三，是知识更新到二零二六年四月底，资料相对贴近现况，减少「用旧资讯答新问题」的情况。这三点合起来，令它更适合真正的商业场景，而不只是聊天。
一百零五万 token 的上下文，实际帮到什么
Astra 的 context window 达到约一百零五万 token，意思是它可以在同一个工作阶段里，一次过消化整套合约、完整年报、甚至整个程序专案，而不需要你把资料切开几份喂给它。更重要的是准确度：在「大海捞针」式的长文检索测试中，Astra 在一百万 token 的资料里找出指定内容的准确率约为百分之九十六，而上一代 Sol 只有约百分之七十四。对要处理大量文件的行业，例如法律、会计、保险、工程投标，这个分别足以决定它「帮到手」还是「靠不住」。单次输出上限亦达到十二万八千 token，足以一次过生成长篇文件。
价钱：贵了一倍，如何用得抵
强大是有代价的。GPT-6 Astra 的 API 收费为每百万输入 token 十美元、每百万输出 token 五十美元，大约是上一代 Sol（四美元、二十美元）的一倍；若使用加速的 Fast 模式，价钱再乘二。换言之，同一份工作用 Astra 做，成本可能是用 Sol 的两倍以上。因此关键不是「全部改用最强模型」，而是分清楚哪些工序值得动用重型模型。高风险、要求极准、牵涉大量文件的任务（例如合约审阅、财务分析）值得用 Astra；日常的草拟、翻译、客服回覆等，用较平的模型往往已经足够。懂得混用，才是真正的成本控制。
老板应该如何部署
务实的做法有三步。其一，先锁定一两个「高价值、痛点明显」的工序做试点，例如把过往需要人手翻几百页的尽职审查，交给 Astra 先做初步整理。其二，建立「平贵模型分工」的原则，让团队知道什么时候用哪一个，避免无差别地烧钱。其三，把成功的做法固定成可重用的流程，令好的用法可以复制，而不是靠个别同事的手感。GPT-6 Astra 目前已陆续开放给 ChatGPT 的 Plus、Pro、Business、Enterprise 用户，并可透过 API 及 AWS、Azure 等云端平台使用，门槛其实不高，难的是用得聪明。想知道如何为公司挑选合适的 AI 模型与部署方式，欢迎前往 ai.ud.hk 了解 UD 的 AI 员工方案，让专业团队协助你把新技术落地到实际业务。
懂AI，更懂你｜UD相伴，AI不冷
