OpenAI 最新模型 GPT-6 Astra 在企業級人工智能市場掀起新 1 輪競爭。OpenRouter 單週支出數據顯示，OpenAI 模型支出逾 2 年半來首次超過 Anthropic；但按美國企業付費採用率計算，Anthropic 仍然領先。這場看似逆轉的競爭，反映企業正由「選擇單一聊天模型」，轉向評估代理執行能力、成本、治理及可落實工作流程的綜合採購。
GPT-6 Astra 短期支出反超
GPT-6 Astra 推出後，OpenAI 在開發者及企業應用市場的吸金能力明顯改變。OpenRouter 於 9 月 15 日表示，平台用戶在前 1 週投放於 OpenAI 模型的金額，逾 2 年半來首次高於 Anthropic。這項比較反映 OpenRouter 平台內的實際模型消費，並非全球企業市場的完整市場佔有率。換言之，GPT-6 Astra 的短期熱度已推動 OpenAI 重奪部分前沿模型預算，但不能直接推論 Anthropic 的企業優勢已全面逆轉。
OpenAI 將 GPT-6 Astra 定位為可處理程式開發、研究、電腦操作及多步驟專業工作的模型。官方指出，模型可按既有範本製作文件、試算表及簡報，並可在用戶中途增加要求時調整工作內容。目前服務仍採分階段開放，企業管理員亦可自行決定是否在工作區啟用。GPT-6 Astra 在部分企業支出追蹤資料中佔 13%，高於 Anthropic Fable 類模型的 8%。不過，該數字來自特定支出資料集，採樣範圍及計算方式均應與其他市場指標分開解讀。
市場資料顯示，外界常把「API 或路由平台支出」與「企業付費採用率」混為一談。前者較容易受新模型推出、價格調整、預設路由及開發者測試影響；後者則較能反映企業是否已將某供應商納入採購及日常工作。因此，GPT-6 Astra 的單週突破值得留意，但仍須等待較長週期的續約、擴容及正式運作環境數據驗證。
企業採購轉向代理工作流程
GPT-6 Astra 受市場關注，核心不只是回答問題更快，而是能否完成具體可交付成果。OpenAI 表示，GPT-6 Astra 可用於電腦操作、程式編寫、資訊保安及科學任務；Snowflake 亦宣布在 Cortex AI 內向客戶提供 GPT-6 Astra 私人預覽，讓企業可在自身治理範圍內，結合 CoCo、CoWork、Cortex Agents、AI Functions 及推理工具使用模型。這類整合令競爭焦點由模型能力排行榜，轉向資料存取權限、審計、代理協作及部署速度。
OpenAI 與 Cognition 的案例提供較具體商業情境。Cognition 指出，GPT-6 Astra 可強化 Devin 的測試能力，目標是減少工程師須人工審閱的程式碼，並提高交付速度。企業若要為 GPT-6 Astra 支付較高單價，採購部門必須看到更少返工、更短開發週期或更可靠測試結果，而非只看到更高基準測試分數。
Ramp 首席經濟學家 Ara Kharazian 引述資料顯示，GPT-6 Astra 在特定前沿企業支出比較中佔 13%，Anthropic 的 Fable 類模型則佔 8%。這反映新模型促使部分高強度用戶重新配置預算，尤其是需要代理式執行、複雜推理或程式工作流程的團隊。然而，Kharazian 同時發布的 Ramp AI Index 指向另一個結論：8 月美國企業中，43.8% 曾為 Anthropic 服務付費，OpenAI 則為 39.8%。2 組數字並不矛盾，因為兩者衡量的問題不同：1 項反映企業花費金額，另 1 項則反映正在付費的公司數目。
對香港企業而言，這項差異尤其重要。金融、保險、證券及財富管理機構通常不會只因模型功能提升便全面遷移，而會檢視資料駐留、權限分級、供應商合約、輸出結果可追溯性及資訊保安責任。香港金融管理局的生成式人工智能沙盒已升級為跨行業 GenA.I. Sandbox++，涵蓋銀行、證券、財富管理、保險及強積金等場景，顯示本地採用重點正由概念驗證轉向受控測試。
Anthropic 優勢尚未被推翻
若以企業客戶覆蓋廣度衡量，Anthropic 仍具顯著基礎。Ramp AI Index 的 9 月資料顯示，在其追蹤的美國企業中，Anthropic 的付費採用比例為 43.8%，高於 OpenAI 的 39.8%。市場報道亦指，Anthropic 在部分高 AI 成熟度行業及獲創投支持企業中，已累積較深使用基礎。這代表不少企業採購決定仍受既有 Claude 工作流程、內部評估、安全程序及員工使用習慣影響，不會隨單一新品推出即時改變。
Anthropic 印度董事總經理 Irina Ghose 近期形容，企業人工智能部署正由實驗階段走向大規模應用，需求集中於更新舊有系統、提升效率及釋放創新能力。這項觀察有助理解這場競爭：企業更重視模型能否連接原有資料與系統、減少人手操作，以及在可監管範圍內持續運作。若 GPT-6 Astra 能在這些條件下建立更多可複製的成功案例，短期支出反超才可能逐步轉化為長期採用率反超。
成本亦是不能忽視的變數。OpenAI 公布，GPT-6 Astra API 標準價格為每 100 萬個輸入 token 10 美元（約港幣 HK$78），每 100 萬個輸出 token 50 美元（約港幣 HK$390）。快速模式的處理速度最高可達標準模式 2 倍，價格亦相應增至 2 倍。另一方面，Ramp 數據顯示，頂尖 AI 支出企業的人均每月 AI 開支於 8 月下跌，每 100 萬個 token 的有效價格亦較 3 月高位下跌 41%。企業不會只追逐最強模型，還會比較任務完成率、錯誤修正成本及每宗工作流程的實際回報。
OpenAI 產品團隊的 Tibo Sottiaux 此前亦承認，GPT-6 Astra 上線後曾出現過度觸發技能、上下文管理實驗導致工作提早停止，以及部分推理服務引擎影響品質等問題。團隊其後停用相關實驗並作出修正。這提醒企業決策者，即使 GPT-6 Astra 的代理能力具吸引力，正式部署時仍須設立人工覆核、備用模型、權限限制及日誌審計機制。
DevDay 前的競爭訊號
GPT-6 Astra 的出現，亦須放在 OpenAI 加快產品推出的背景下理解。9 月 15 日，OpenAI 行政總裁 Sam Altman 在社交平台預告當週將有「大量發布」，並表示 9 月 29 日 DevDay 前後還會推出更多產品；不過，他未有披露具體型號、功能或發布清單。OpenAI 已確認，DevDay 2026 將於 9 月 29 日在三藩市舉行，主題涵蓋開發者工具、技術講座、實作示範及工作坊。
從時間線看，GPT-6 Astra 先在少數機構推出，繼而進入 ChatGPT Work、Codex 及 API 等場景；Snowflake 等合作夥伴亦迅速提供企業預覽，而 OpenAI 同時推出面向金融服務的專門工作體驗。這種由基礎模型、工具鏈至行業方案的連續發布，反映 OpenAI 希望以完整平台而非單一模型爭取企業預算。OpenAI 在金融服務方案中，明確將 GPT-6 Astra 的資料檢索、金融推理及文件製作列為核心能力，並由 Morgan Stanley、Evercore 等機構參與設計。
未來數月，企業人工智能競爭的關鍵不會只是「哪個模型排名第 1」，而是 GPT-6 Astra 能否在安全、成本及工作成果之間維持穩定表現；Anthropic 則能否守住既有企業部署優勢。對香港公司而言，真正值得思考的問題是：當代理式 AI 可處理更多涵蓋整個流程的工作，管理層是否已準備好相應的資料治理、審核責任及員工再培訓制度？
