DIGITIMES 科技網於 2026 年 9 月 4 日報導指出，OpenAI 正式發表最新一代大型語言模型「GPT-6 Astra」，這是 OpenAI 自 2022 年底發表 GPT-3.5 以來的第六代主線模型。DIGITIMES 引述 The Verge、Bloomberg、Axios 等多家外媒報導，Astra 在多項基準測試中展現「世代躍進」的能力，OpenAI 總裁 Greg Brockman 在發表會上更直接宣稱：「Astra 或許就是通用人工智慧（AGI）誕生的起點。我們已正式進入 AGI 時代。」DIGITIMES 報導指出，Astra 採用 staged rollout 方式逐步開放給企業客戶與 Plus 用戶，首波僅供 ChatGPT Pro、Enterprise、API 等付費用戶使用。Sam Altman 在 X 平台發文表示「這是我們迄今最好的模型」，但同時也為「過於樂觀的 staged launch」公開道歉。

GPT-6 Astra 在技術規格上有三項重大突破。DIGITIMES 報導指出，(1) 上下文視窗擴展至 1.05M tokens：相較於 GPT-5 的 256K tokens、Astra 提升約 4 倍，這讓 Astra 可以一次處理 700 頁 A4 文件、50,000 行程式碼、或 4 小時的會議錄音轉錄文字；(2) 電腦操作能力（computer use）大幅強化：Astra 可透過螢幕截圖、鍵盤輸入、滑鼠操作直接控制電腦介面，OpenAI 內部測試中 Astra 完成「購物比價」、「填寫試算表」、「操作企業 ERP」等任務的成功率達 85~92%，相較 GPT-5 的 50~60% 大幅提升；(3) 資安能力首次觸及「Critical」最高警戒層級：根據 OpenAI 與 Anthropic 的內部分類系統，Astra 是第一個在 cyber exploit 任務上被評為「Critical」的模型，能自主發現零時差漏洞並生成可運作的 exploit code。

GPT-6 Astra 的訓練規模也是 OpenAI 史上最大的一次。DIGITIMES 引述內部消息指出，Astra 的訓練資料量達 45~50 兆 tokens（GPT-5 為 18 兆 tokens），訓練算力消耗約 350 萬 H100 GPU-小時（或等效約 5 萬張 B200）。DIGITIMES 也指出，Astra 訓練 run 用到的 GPU 數量在高峰期間超過 50 萬張 H100 + B200 同步運作，主要部署在 Microsoft Azure 的 Iowa、Wisconsin、Virginia 等 3 個資料中心。DIGITIMES 引述 SemiAnalysis 估計，Astra 完整訓練成本約 25~30 億美元（不算 OpenAI 已投入的基礎設施折舊），這也是 AI 史上單一模型最高訓練成本。

GPT-6 Astra 在基準測試上的表現領先現有主流模型，但仍存在爭議。DIGITIMES 與多家外媒報導指出，(1) ARC-AGI-3 測試：Astra 取得 99.9% 得分（OpenAI 自家報告），但第三方機構 Crypto Briefing 指出該測試題目可能「leakage 到訓練資料」，獨立驗證後實際得分為 78~85%；(2) SWE-bench Verified（軟體工程）：Astra 取得 92.5%，相較 Anthropic Claude Fable 5.1 的 88.3% 領先 4.2 個百分點；(3) ExploitBench（資安滲透）：Astra 取得 100% 滿分，這是業界首見，也引發資安界對「AI 自動駭客」的疑慮；(4) GPQA Diamond（科學推理）：Astra 取得 87.2%，與 Claude Fable 5.1 的 85.8% 相當。DIGITIMES 引述 The Decoder 等專業媒體分析：「Astra 在程式設計與資安能力確實是當代最強，但在通用智慧（general intelligence）的核心問題上是否真有突破，仍待學術界獨立驗證。」

OpenAI 為 GPT-6 Astra 設下「分階段限量開放」（staged rollout）的機制，這也是 Sam Altman 公開道歉的原因。DIGITIMES 報導指出，Astra 的開放分為三個階段：(1) 第 1 波（9 月 4 日~9 月 10 日）：僅 ChatGPT Pro、Enterprise、API 用戶可使用，每天限額 200 則訊息；(2) 第 2 波（9 月 11 日起）：ChatGPT Plus、Team 用戶可使用，每天限額 100 則訊息；(3) 第 3 波（10 月起）：ChatGPT Free 用戶可使用，每天限額 10 則訊息。Sam Altman 在發表會後於 X 平台發文道歉：「我們太樂觀了，staged launch 的第一波運作不順，部分企業用戶並未如預期收到邀請。我們會在這週內加速開放。」這個道歉反映 OpenAI 對「AGI 時刻」的高度重視，希望 Astra 能逐步、可控地釋出，避免一次性開放導致系統過載或社會衝擊。

GPT-6 Astra 的定價策略與商業模式也引發市場關注。DIGITIMES 引述 OpenAI 官方定價指出，Astra API 輸入（input）定價為每 1M tokens 25 美元、輸出（output）定價為每 1M tokens 200 美元，相較 GPT-5 的 15/60 美元分別上漲 67% 與 233%。DIGITIMES 引述 a16z 合夥人分析：「Astra 是 OpenAI 首次嘗試『用算力消耗換取高毛利』的定價策略，每一趟 Astra 推理的成本可能是 GPT-5 的 5~8 倍，但售價只漲 2~3 倍，這代表 OpenAI 預期 Astra 在企業端能創造高於 60% 的毛利率。」DIGITIMES 也引述 BeInCrypto 等媒體分析指出，Astra 的 1M tokens 上下文若以完整長度使用，單趟對話成本可達 5~20 美元，對一般消費者來說是相當昂貴的服務。

GPT-6 Astra 的發表對全球 AI 競爭格局與台灣供應鏈的影響層面廣泛。DIGITIMES 報導指出，從競爭格局角度，Astra 讓 OpenAI 在「AGI 敘事」上重新拉開與 Anthropic、Google DeepMind 的差距，但也讓微軟（Microsoft，OpenAI 最大股東）股價在發表會後單日上漲 2.8%，創歷史新高。另一方面，Astra 也讓 AI 安全、AI 法規、AI 倫理等議題再度升溫——「AI 自主發現零時差漏洞」的能力被白宮科技政策辦公室（OSTP）列為「需要監管的關鍵能力」，預期將引發新一輪 AI 安全立法辯論。從台灣供應鏈角度，Astra 訓練與推論高度依賴 NVIDIA GPU 與台積電 CoWoS 先進封裝，預期 2027 年 OpenAI 在 GPU 採購上的支出將從 2026 年的 80 億美元擴大至 130 億美元，其中超過 60% 由台廠供應鏈（廣達、緯穎、鴻海、台積電）承接。

產業展望方面，GPT-6 Astra 的發表雖然強化了 OpenAI 在 AGI 競賽中的領先地位，但也引發三項長期質疑。DIGITIMES 引述 HBR（Harvard Business Review）與 TechCrunch 分析指出：(1) AGI 定義之爭：AGI 是否已達成，取決於你採用哪一種定義（狹義 vs. 廣義），OpenAI 內部對「AGI 是否觸發與微軟的收益共享協議」可能產生爭議——這個協議設定當 OpenAI 達成 AGI 時，微軟將失去部分技術與商業權利；(2) AI 安全風險：Astra 達到 Critical 級資安能力代表「AI 自動駭客」時代來臨，這對企業資安、國家安全、社會穩定都構成重大挑戰；(3) 商業化速度：Astra 的高算力消耗、高推理成本是否能被市場接受，仍待企業客戶實際採用數據驗證。DIGITIMES 引述 Salesforce、Shopify、Stripe 等企業客戶的反饋指出，Astra 在程式設計、資安、客服自動化等場景的表現確實優於前代，但「價格太貴」、「推論太慢」、「需要大量微調」等問題仍待 OpenAI 解決。