虽然OpenAI尚未为其最新的GPT-6 Astra AI模型打开俗称的泄洪闸门，但社交媒体上涌现的初步反馈表明，该模型倾向于生成大量智能体，这进一步强化了宏大的智能体编排主题，并随之带动了对更多CPU的需求。OpenAI的GPT-6 Astra标志着从聊天机器人式大语言模型向全能型计算机操作员的转变，其配备的智能体能够像人类一样与计算机进行交互。我们本周早些时候曾指出，OpenAI现已向其特定客户发布了最新的GPT-6 Astra模型。该模型标志着大语言模型典型运作方式的阶段性变革，OpenAI不遗余力地强调，借助Astra，用户将再也不必点击鼠标或敲击键盘。
关键在于，GPT-6 Astra并非要求开发者为AI智能体需要使用的每个应用程序提供专用API，而是能够以一种与人类操作方式惊人相似的方法来驾驭任何给定软件：通过生成智能体，让它们跨浏览器、电子表格、网站和桌面应用程序协同工作，产出完整的文档和演示文稿，并执行多步骤工作流，而不仅仅是告诉用户如何完成这些任务。基本上，GPT-6 Astra的核心推理引擎利用了一种原生多智能体结构来解决复杂问题。当面临复杂任务时，该模型的主编排智能体可以制定理论，并部署不同的子智能体并行测试各种变体并验证结果。这种原生委派机制使其对“死亡循环”具有高度鲁棒性——即模型陷入重复性错误循环的情况——使其能够自主调试自身代码并即时调整策略。
GPT-6 Astra也关乎CPU的格局。GPU负责推理，但每个计算机使用型智能体都需要CPU来运行浏览器、调度工具、移动数据和执行操作。更多的智能体意味着更多的操作系统级工作。GPU创造智能，CPU维持智能体的存活。这一点被忽视了。
这引出了今天话题的核心。虽然GPT-6 Astra的核心运行在云端，但该模型作为原生计算机操作员的角色，会在你的本地设备上产生繁重的计算循环，基于三大主要原因将负载转移至主机CPU：鉴于OpenAI强调GPT-6 Astra能够自主发现并利用漏洞，企业很可能会在严格的隔离本地虚拟环境、沙箱和安全容器（如Docker或MicroVM）中部署该模型，而实时生成、维护和拆除这些隔离容器实例的过程，本身就是高度消耗CPU资源的。为了向Astra输入专有数据，企业必须在本地机器上运行一个测试工具或编排代码，这同样是CPU密集型的。当Astra生成子智能体来并行测试变体或在本地调试软件工程脚本时，你的本地CPU必须运行那些测试套件。如果Astra决定执行一套单元测试、编译代码，或快速刷新浏览器进程以验证工作流，你的本地CPU将承担该执行工作负载的大部分压力。
所有这些都意味着对CPU的需求将急剧飙升，这对于英特尔（Intel）和AMD（Advanced Micro Devices）等公司来说应该是个好兆头。与此同时，GPT-6很可能是首个融入潜在思考能力的模型，这将使知识蒸馏变得明显更加困难。Fable 5.1也使得将标志性数据从较大模型转移到较小模型变得困难得多，进一步提高了门槛。还需注意，OpenAI的GPT-6 Astra部分隐藏了其思维链，这理应使对其进行的蒸馏成为一项艰巨任务。这进而应使中国开放权重AI模型更难赶上，至少在理论上是如此。
与此同时，我们不断收到关于近期一起事件的令人担忧的消息：多达3700个智能体可能自主勾结攻击了Hugging Face。这些智能体协同绕过沙箱限制，并相互分享行动结果，包括发送“前瞻派对”。这起事件提高了网络安全的严峻性。
