出品｜虎嗅科技組  

作者｜黃天媛  

編輯｜苗正卿  

頭圖｜視覺中國

GPT-6 Astra發(fā)布后，OpenAI重新有底氣談“第一”了。

9月3日，OpenAI發(fā)布GPT-6 Astra，并將其稱為“世界上最智能的模型”。在軟件工程、計算機操作和專業(yè)工作等多項測試中，Astra均大幅超過上一代GPT-5.6 Sol，并在部分指標上領先Claude。其中FrontierMath Tier 4得分97.6%、ARC-AGI-3最高99.9%、ExploitBench達到100%。在更謹慎的獨立評測中，截至9月7日，Artificial Analysis最新綜合榜單中，Astra與Claude Fable 5.1以53分并列第一。

金融時報將這次發(fā)布直接放在OpenAI與Anthropic的競爭中觀察：過去一段時間，Anthropic奪走了前沿模型的技術領先敘事，OpenAI試圖借Astra重新奪回來。

OpenAI和Anthropic的競爭，從開始就帶著一絲同門相爭的意味。2020年底，時任OpenAI研究副總裁Dario Amodei帶著多位OpenAI成員離開，隨后創(chuàng)辦Anthropic。此后很長時間里，Anthropic更多扮演追趕者的角色。

但過去一年，局勢發(fā)生了反轉。模型能力、Claude Code和云渠道三線并進，Anthropic很快跑通了從技術到企業(yè)收入的商業(yè)化路徑。

到今年5月，Anthropic最新融資估值達到9650億美元，超過同期OpenAI的8520億美元，成為全球估值最高的獨立大模型公司。

甚至在中國科技和投資圈，“誰是中國的Anthropic”也成了新的估值敘事。

而現在，OpenAI帶著GPT-6 Astra殺了回來。但問題是，重新追回能力領先地位的OpenAI，還能過去一樣順利贏下市場嗎？

答案沒有那么簡單。

OpenAI曾經失去的，不只是Benchmark

競爭的前半程，OpenAI一直掌握著主動權。從GPT-4開始，OpenAI一直保留著模型能力和用戶優(yōu)勢。

到2024年，這種關系開始松動。Claude 3 Opus首次在多項Benchmark上挑戰(zhàn)GPT-4，升級后的Claude 3.5 Sonnet又把Coding能力推到行業(yè)前列，在SWE-bench Verified上超過包括OpenAI o1-preview在內的公開模型。（虎嗅注：benchmark，即用一套標準測試題或任務，對不同大模型的能力進行橫向比較。）

但2025年Claude Code的出現讓二者之間的競爭格局發(fā)生了巨變。

Coding成為大模型目前商業(yè)化最成熟的場景之一。硅谷風投機構Menlo Ventures估算，2025年企業(yè)在生成式AI上的支出達到370億美元，兩年增長接近22倍，其中Coding支出達到40億美元，成為最大的部門級AI場景。

在Menlo估算的企業(yè)LLM API支出中，Anthropic的份額從2023年的12%升至40%，OpenAI則從50%降至27%；Coding模型市場中，Anthropic達到54%，OpenAI只有21%。Menlo將Anthropic的增長很大程度上歸因于Claude Code。

真實企業(yè)采購數據也呈現類似趨勢。企業(yè)支出管理平臺Ramp今年7月數據顯示，43.5%的美國企業(yè)客戶為Anthropic產品付費，OpenAI為39.7%。

收入和估值的變化更加直觀。

截至7月底，Anthropic年化收入運行率已經超過650億美元；OpenAI同期超過400億美元。雖然二者的統(tǒng)計口徑并不完全一致，不過美國科技商業(yè)媒體 Axios 援引知情人士估算，即使將Anthropic調整為類似的凈額口徑，兩者仍存在約190億至210億美元的差距。

5月底，Anthropic融資后的估值達到9650億美元，也超過OpenAI今年3月的8520億美元。

過去幾年，是Anthropic追著OpenAI的模型跑。但現在，OpenAI開始追著做Anthropic的企業(yè)生意。

OpenAI開始攻打Anthropic的腹地

OpenAI將Astra定位為，“用于最困難端到端工作的模型”，重點強調Coding、Computer Use、專業(yè)工作和復雜多步驟任務。不只回答問題，還要更新CRM、處理表格、操作軟件，從一個初始需求一直做到最終交付。

它們恰好指向Anthropic過去一年建立商業(yè)優(yōu)勢的路徑——軟件開發(fā)、Agent和企業(yè)知識工作。

更重要的是，Astra的發(fā)布并不是一個孤立動作。今年以來，OpenAI明顯開始加速企業(yè)業(yè)務的布局。

2月推出的Frontier開始把Agent接入企業(yè)數據、權限和業(yè)務系統(tǒng)；4月，OpenAI披露企業(yè)業(yè)務已經貢獻超過40%的收入，同時把模型和Codex進一步帶進AWS；6月又建立Partner Network，引入Accenture、BCG、McKinsey、PwC等咨詢和服務公司參與銷售、集成和交付。

產品邊界也在不斷拓展。Codex起初是一款Coding Agent，但到6月，已經有超過500萬人每周使用Codex，到 8 月中旬，Codex 活躍用戶已突破 1500 萬。其中約20%已經是分析師、營銷、運營、研究員、投資人等非開發(fā)者。7月上線的ChatGPT Work進一步把Codex的Agent能力裝進普通白領的工作流，可以跨應用處理資料并生成文檔、表格、演示和網站。路透社將它直接視為Claude Cowork的競爭者。

到8月，OpenAI已經開始用另一套語言描述企業(yè)AI。瓶頸“不再只是模型能力”，企業(yè)需要做的是把Agent放進真實工作流，并從“讓AI輔助人工作”轉向“讓AI獨立執(zhí)行完整工作”。

這與Anthropic過去一年跑通的路徑越來越相似。Claude Code先從Coding切入高價值工作流，再借AWS、Google Cloud、Microsoft和合作伙伴網絡進入企業(yè)。OpenAI現在也在補齊產品、云渠道、系統(tǒng)集成和Agent平臺。

兩家公司正在收斂到同一個答案：前沿模型的商業(yè)價值，也許最終要靠進入企業(yè)工作流來兌現。

對于OpenAI，Astra補上了其中一塊重要的拼圖——一個更擅長Coding、Computer Use和復雜多步驟任務的底層模型。

模型第一，不等于商業(yè)第一

但對于現在來說，模型能力已經不再是競爭最重要的問題。企業(yè)采購AI，也不像消費者永遠追逐最新款產品。除了性能，價格、穩(wěn)定性、安全合規(guī)、云渠道以及遷移成本，都會影響最終選擇。

Ramp今年8月專門研究了Anthropic性能更強、價格也更貴的模型Fable 5，其7月只占Ramp樣本中Anthropic企業(yè)Token使用量的6%；同期GPT-5.6 Sol占OpenAI企業(yè)Token的25%。

Ramp據此提出，企業(yè)客戶為“額外智能”支付的意愿可能正在接近上限，當頭部模型達到某個能力門檻后，企業(yè)更關心的是性價比的問題?？紤]到出口管制等問題，價格也許不能完全作為歸因，但至少能夠說明，模型性能領先已經不能轉換成企業(yè)的使用量了。

Anthropic顯然也在解決這個問題。

9月1日推出Fable 5.1時，它宣傳的重點不再只有模型更強。新模型保持原有輸入輸出價格，但將Prompt Cache讀取價格降至此前的四分之一。與此同時，又推出面向企業(yè)的Enterprise Frontier Safeguards，讓部分敏感數據可以保留在客戶控制的云環(huán)境中。

在OpenAI和Anthropic都越來越接近資本市場的節(jié)點，投資者最終看的也不會是誰多拿幾個Benchmark第一，而是誰能把昂貴的模型能力，更穩(wěn)定、更高效地轉化成持續(xù)收入。GPT-6幫OpenAI重新拿回了技術競爭的籌碼，但商業(yè)上的勝負，還遠沒有因此逆轉。

再往后看，戰(zhàn)場可能還會繼續(xù)變化。隨著企業(yè)內部的Agent越來越多，問題可能不再只是“誰有一個更強的Agent”，而是誰能把散落在不同軟件、數據和業(yè)務流程里的Agent連接起來，讓它們彼此協作。

這種競爭已經露出苗頭：OpenAI把Frontier定位成統(tǒng)一管理企業(yè)Agent的平臺，Anthropic則通過MCP嘗試定義AI連接數據和工具的通用協議。

到那時，真正稀缺的或許不是又一個更聰明的模型，而是連接工具、調度Agent和承接用戶需求的入口。誰能把越來越多的Agent組織起來，讓它們穩(wěn)定完成復雜工作，誰就更有可能占據下一階段競爭的制高點。