OpenAI内测GPT-6 Sol，速度达Astra六倍
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载Sol与Astra的速度差距
OpenAI内部正在测试一款名为GPT-6 Sol的模型，相关信息由网友Lentils披露。从已流出的对比看，Sol的整体输出能力不及Astra，但速度优势明显：单次测试中，Sol的耗时约为Astra的六分之一。这一差距在同一项SVG生成任务上体现得较为具体——Sol大约3分钟跑完，产出约2.8万Token；Astra完成同样的任务需要约19分钟，产出约2.5万Token。两者输出量接近，时间却相差数倍，说明Sol走的是以更短时间给出相近体量结果的路线，而非在能力上做加法。对使用者而言，这意味着在需要快速迭代、频繁试错的场景里，Sol的等待成本更低；但若任务本身对输出质量要求更高，Astra仍是更强的选择。
横向对比其他模型耗时
把Sol放进更宽的参照系里，速度差异更直观。同一SVG任务中，Gemini 3.1 DeepThink耗时约29分钟，推理过程消耗约45.8万Token；Gemini 3.8 Flash则约42秒完成，输出约1.9万Token。Sol的3分钟、2.8万Token落在两者之间：比DeepThink快得多、Token消耗也少得多，但慢于Flash，输出量则高于Flash。这组数字勾勒出Sol的定位——它不是追求极速的轻量模型，也不是靠长推理堆质量的重型模型，而是在可接受的时间内产出较完整结果的一档。另一项测试中，Sol以零样本方式生成像素沙盒世界，用时15分钟、花费6万Token，说明其在开放式生成任务上同样能独立完成，不需要额外示例引导。
发布时间与内部研发节奏
围绕Sol的发布时点，网友推测可能落在9月29日的OpenAI开发者大会。这一说法来自外部观察，并非官方口径。与此同时，OpenAI内部的研究方式正在变化：截至8月中旬，每8小时可对应约3.1个Agent工作日并行；按API价格折算，中位数研究员每天的Agent推理花费超过600美元。Agent承担的工作包括写代码、搭建环境、运行评估以及排查故障。OpenAI已宣布达成自动化AI研究实习生目标，2026年8月的人均实验数创下2025年1月以来的新高。这些数字指向同一件事：实验的并行度与频次被显著抬高，研究员的角色更多转向设定方向与判断结果。
自动化研究的边界与目标
自动化程度仍有明显边界。在4到8小时的任务中，过半成功案例需要人类至少介入一次，说明长链条任务还无法完全交给Agent独立跑完。OpenAI设定的目标是2028年3月前实现自动化AI研究员，从当前状态到该目标之间，人类介入的频率是需要压缩的关键指标。对关注这条路线的人来说，Sol这类更快模型的意义不只在单次任务省下的时间，更在于它能否支撑更高频的Agent循环——当单次推理从十几分钟压到几分钟，同样的8小时里能跑的实验轮次就会增加，而这正是人均实验数创新高的底层条件之一。
为什么值得看
模型推理速度大幅提升，且AI研发进入自我加速的自动化阶段。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。