OpenAI 内部测试 GPT-6 Sol，速度可达 Astra 的 6 倍
据相关报道，OpenAI 正在内部测试一款代号为 Sol 的下一代模型，被视为 GPT-6 路线上的重要节点。初步内测数据显示，Sol 的响应速度约为现有 Astra 版本的 6 倍，在交互延迟和任务吞吐量方面均有显著提升。
内部使用画像：人均并行 3.1 个 Agent
OpenAI 同期披露的内部使用数据揭示了 AI Agent 在研发流程中的渗透程度：
- 使用强度：研究员平均每个工作日并行运行约 3.1 个 Agent。
- 资源消耗：单个研究员日均消耗的 Agent 推理资源超过 600 美元。
- 应用范围：覆盖代码生成、实验设计、文献调研、数据分析等多个研发环节。
这一规模说明，Agent 已从"辅助工具"逐步演变为研究流程中持续在线的基础设施。
Sol 模型的潜在意义
Sol 的提速并非简单的"更快一点"。结合内部 Agent 的高强度使用场景，更快的响应速度意味着：
- 更高的任务并发能力：研究员可在同一时间窗内驱动更多 Agent 处理子任务。
- 更低的交互摩擦：长链条研究任务中的等待成本被显著压缩。
- 更接近实时的研究协作：Agent 与人类研究员之间的循环反馈更接近同步体验。
"自动化研究实习生"目标达成
OpenAI 在内部沟通中宣布，已基本实现此前设定的「自动化研究实习生」目标。该定位意味着 Agent 不再局限于单点工具调用，而是能够：
- 理解模糊的研究目标并自主拆解；
- 在多步骤任务中保持上下文与目标一致性；
- 在人类研究员监督下完成可交付的工作产出。
不过，OpenAI 也强调，当前阶段仍以"实习生"而非"独立研究员"为定位，关键判断与最终决策权仍保留在人类手中。
行业观察
从 Astra 到 Sol 的速度跃迁，以及日均 600 美元的内部推理开销，反映出大模型竞争正从"模型能力"逐步延伸至Agent 工作流与单位算力效率。对开发者与企业用户而言，下一代模型的价值评估标准，可能不再仅是基准测试分数，而是"在真实工作流中能跑多快、多稳、多便宜"。