9月3日，OpenAI正式发布新一代模型GPT-6 Astra，并称其为“世界上最智能的模型”。在软件工程、计算机操作和专业工作等多项测试中，Astra均大幅超过上一代GPT-5.6 Sol，并在部分指标上领先竞争对手Anthropic的Claude系列。其中，FrontierMath Tier 4得分97.6%，ARC-AGI-3最高达99.9%，ExploitBench达到100%。在更谨慎的独立评测中，截至9月7日，Artificial Analysis最新综合榜单显示，Astra与Claude Fable 5.1以53分并列第一。

这一发布被金融时报置于OpenAI与Anthropic的竞争背景下观察。过去一段时间，Anthropic凭借Claude系列和Claude Code等产品，夺走了前沿模型的技术领先叙事，而OpenAI试图借Astra重新夺回这一叙事。两家公司的竞争渊源颇深：2020年底，时任OpenAI研究副总裁的Dario Amodei带领多位成员离开，创办了Anthropic。此后很长时间里，Anthropic更多扮演追赶者角色，但过去一年局势反转，Anthropic在模型能力、Claude Code和云渠道三线并进，快速跑通了从技术到企业收入的商业化路径。

到今年5月，Anthropic最新融资估值达到9650亿美元，超过同期OpenAI的8520亿美元，成为全球估值最高的独立大模型公司。这一变化甚至在中国科技和投资圈催生了“谁是中国的Anthropic”的估值叙事。而现在，OpenAI带着GPT-6 Astra回归，试图重新确立技术领先地位，但能否像过去一样顺利赢下市场，答案并不简单。

OpenAI曾经失去的，不只是Benchmark的领先。从GPT-4开始，OpenAI一直保有模型能力和用户优势，但到2024年，这种关系开始松动。Claude 3 Opus首次在多项Benchmark上挑战GPT-4，升级后的Claude 3.5 Sonnet将Coding能力推到行业前列，在SWE-bench Verified上超过包括OpenAI o1-preview在内的公开模型。而2025年Claude Code的出现，让竞争格局发生巨变。Coding成为大模型目前商业化最成熟的场景之一。硅谷风投机构Menlo Ventures估算，2025年企业在生成式AI上的支出达到370亿美元，两年增长接近22倍，其中Coding支出达到40亿美元，成为最大的部门级AI场景。在Menlo估算的企业LLM API支出中，Anthropic的份额从2023年的12%升至40%，OpenAI则从50%降至27%；Coding模型市场中，Anthropic达到54%，OpenAI仅21%。Menlo将Anthropic的增长很大程度上归因于Claude Code。

真实企业采购数据也呈现类似趋势。企业支出管理平台Ramp今年7月数据显示，43.5%的美国企业客户为Anthropic产品付费，OpenAI为39.7%。收入和估值的变化更加直观：截至7月底，Anthropic年化收入运行率已超过650亿美元，OpenAI同期超过400亿美元。虽然统计口径不完全一致，但美国科技商业媒体Axios援引知情人士估算，即使将Anthropic调整为类似的净额口径，两者仍存在约190亿至210亿美元的差距。

面对这一局面，OpenAI开始主动攻打Anthropic的腹地。Astra被定位为“用于最困难端到端工作的模型”，重点强调Coding、Computer Use、专业工作和复杂多步骤任务，不只回答问题，还要更新CRM、处理表格、操作软件，从初始需求一直做到最终交付。这些能力恰好指向Anthropic过去一年建立商业优势的路径——软件开发、Agent和企业知识工作。更重要的是，Astra的发布并非孤立动作。今年以来，OpenAI明显加速企业业务布局：2月推出的Frontier开始把Agent接入企业数据、权限和业务系统；4月，OpenAI披露企业业务已贡献超过40%的收入，同时把模型和Codex进一步带进AWS；6月又建立Partner Network，引入Accenture、BCG、McKinsey、PwC等咨询和服务公司参与销售、集成和交付。产品边界也在拓展：Codex起初是Coding Agent，但到6月已有超过500万人每周使用，到8月中旬活跃用户突破1500万，其中约20%已是分析师、营销、运营、研究员、投资人等非开发者。7月上线的ChatGPT Work进一步把Codex的Agent能力装进普通白领的工作流，可跨应用处理资料并生成文档、表格、演示和网站，路透社将其视为Claude Cowork的竞争者。到8月，OpenAI已开始用另一套语言描述企业AI：瓶颈“不再只是模型能力”，企业需要把Agent放进真实工作流，从“让AI辅助人工作”转向“让AI独立执行完整工作”。

这与Anthropic过去一年的路径越来越相似：Claude Code先从Coding切入高价值工作流，再借AWS、Google Cloud、Microsoft和合作伙伴网络进入企业。OpenAI如今也在补齐产品、云渠道、系统集成和Agent平台。两家公司正在收敛到同一个答案：前沿模型的商业价值，或许最终要靠进入企业工作流来兑现。对OpenAI而言，Astra补上了一块重要拼图——一个更擅长Coding、Computer Use和复杂多步骤任务的底层模型。

然而，模型第一不等于商业第一。企业采购AI不像消费者永远追逐最新款，除了性能，价格、稳定性、安全合规、云渠道以及迁移成本都会影响选择。Ramp今年8月专门研究了Anthropic性能更强、价格也更贵的模型Fable 5，其7月只占Ramp样本中Anthropic企业Token使用量的6%；同期GPT-5.6 Sol占OpenAI企业Token的25%。Ramp据此提出，企业客户为“额外智能”支付的意愿可能正接近上限，当头部模型达到某个能力门槛后，企业更关心性价比。考虑到出口管制等因素，价格可能不能完全作为归因，但至少说明模型性能领先已不能直接转换成企业使用量。Anthropic显然也在解决这个问题：9月1日推出Fable 5.1时，宣传重点不再只有模型更强，新模型保持原有输入输出价格，但将Prompt Cache读取价格降至此前的四分之一，同时推出面向企业的Enterprise Frontier Safeguards，让部分敏感数据可保留在客户控制的云环境中。

在OpenAI和Anthropic都越来越接近资本市场的节点，投资者最终看的不会是谁多拿几个Benchmark第一，而是谁能把昂贵的模型能力更稳定、更高效地转化成持续收入。GPT-6帮OpenAI重新拿回了技术竞争的筹码，但商业上的胜负远未因此逆转。往后看，战场可能还会变化：随着企业内部的Agent越来越多，问题可能不再是“谁有一个更强的Agent”，而是谁能把散落在不同软件、数据和业务流程里的Agent连接起来，让它们彼此协作。这种竞争已露苗头：OpenAI把Frontier定位成统一管理企业Agent的平台，Anthropic则通过MCP尝试定义AI连接数据和工具的通用协议。到那时，真正稀缺的或许不是又一个更聪明的模型，而是连接工具、调度Agent和承接用户需求的入口。谁能把越来越多的Agent组织起来，让它们稳定完成复杂工作，谁就更有可能占据下一阶段竞争的制高点。