（AI云资讯消息）OpenAI在发布GPT-6 Astra模型后已全面进入造势模式，而英伟达掌门人黄仁勋也在几小时前加入了这场高调宣传的行列。然而，虽然Astra动用10万块GPU进行训练的消息听起来已经足够惊人，这一纪录很快将被一项规模更为宏大的训练计划超越。该计划将动用40万块GPU，其算力规模可能贯穿OpenAI位于得克萨斯州阿比林市的整个星际之门项目。
近日，OpenAI 披露其使用由 10 万张 GPU 组成的集群完成了 GPT‑6 Astra 的训练。按每块GPU每小时2.50至3.50美元的成本估算，这一规模空前的训练任务可能已让OpenAI耗资5亿至10亿美元。
以10万块GPU为基数，按每块GPU每小时2.50美元计算，训练90天和120天的成本分别为5.4亿和7.2亿美元；若按每小时3.50美元计算，则分别为7.56亿和10.08亿美元。由此推算，GPT-6 Astra的总训练成本在5.4亿至10亿美元之间。
OpenAI 这次训练任务大概率是在位于阿比林的星际之门数据中心完成。当然，如果该 AI 实验室选用 CoreWeave 的算力设施，训练成本将会大幅攀升，CoreWeave 的 GPU 算力定价约为每小时 10.5 美元。
此外，英伟达的黄仁勋几小时前公开向 OpenAI 表示祝贺，同时公布了一项规模更为庞大的 40 万张 GPU 训练任务。若此次训练任务采用英伟达 GB200 NVL72 服务器机架，且单机架功耗约为 140 千瓦，那么 OpenAI 完成此次训练将需要约 1.2 吉瓦的电力（5555.55 个机架 × 140 千瓦 × 1.5 的电源使用效率）。
GPT‑6 Astra 无需开发者为 AI 智能体要调用的每一款应用单独提供专用 API。它可以以高度类人的方式操作各类软件：生成多个智能体，跨浏览器、电子表格、网页以及桌面应用开展工作，直接输出完整文档与演示文稿，执行多步骤工作流，而不只是告知用户该如何完成任务。
简单来说，GPT‑6 Astra 的核心推理引擎采用原生多智能体架构来处理复杂问题。面对复杂任务时，模型的主调度智能体可以构建解决思路，并调度不同的子智能体并行开展多种方案测试与结果验证。这种原生任务委派机制，让模型能够有效规避死亡循环—— 也就是模型陷入反复出错的死循环，使其可以自主调试自身代码，并实时调整执行策略。
即便如此，仍有部分业内人士对 OpenAI 的 GPT‑6 Astra 是否真正实现通用人工智能（AGI）持质疑态度。毕竟在 SWE‑bench Pro、Artificial Analysis 人工智能指数、Artificial Analysis 代码智能体指数以及用于形式化数学证明的 ProofBench v1.1 基准测试中，Anthropic 的 Fable 5.1 表现依旧优于 Astra。