本文来自微信公众号：字母 AI，作者：袁心玥，题图来自：视觉中国

有人说，自从 GPT-6 被爆 4 月发布后，Deepseek-V4 就不再是"最吊胃口的大模型"了。

无论是据传性能暴涨 40%、200 万 token 上下文、每百万 token 仅 $2.5/$12（输入 / 输出）的"土豆"（Spud），还是把 ChatGPT、Codex 编程引擎、Atlas 浏览器彻底融合的"超级引擎"，关于 GPT-6 的讨论在网络上沸沸扬扬，几乎所有人都在说同一件事：它很快要来了，而且"和以前不一样"。

但以上种种网传消息，没有一条得到官方的确认。

甚至连 Spud 究竟是 GPT-6 还是 GPT-5.5 都没有定论。

OpenAI 官方闪烁其词："很强""架构变化""解决更难的问题"" big model smell "……类似的模糊字眼反复出现，却硬是没透露什么关键参数和具体指标。

这不太像一次正常的产品发布，更像一场被刻意控制的预热。

信息刚刚好被控制在一个"刚好够让人兴奋，但又无法确认"的区间，让各路网友抓耳挠腮。

讨论越多，不确定性越强，期待则被不断放大。

GPT-6 还没发布，但已经开始"干活"了。

内忧外患生死局

OpenAI 正处在一个不允许失败的阶段。

从外部看，竞争不再集中在单一方向，而是同时在多个维度展开。

上有 Anthropic 用性能施压，Claude 系列持续迭代，coding/agent 能力表现突出，主打一个成本更低、效率更高；

下有 Deepseek 拿定价拆台，V4 据传超低成本 + 长上下文 + 开源，除了一直没做多模态，已被广大网友瞩目期待；

横向比较还有个 Google 在体系化推进，搜索、Agent、电商一体化，让 Gemini 变成 Google 的全栈入口。

更关键的是，多家厂商的新模型集中在同一时间窗口释放：

就在今天，Anthropic 的 Claude Mythos Preview 已通过 Project Glasswing 公开亮相，大幅提升了编码能力、推理能力和网络安全能力；

DeepSeek 也新增了"专家模式"，被认为是 V4 的前置信号；

此外，xAI 的 Grok5 被透露参数规模达 6 万亿，原计划 Q1 发布，尽管延期，但仍在逼近；Google 的 Gemini 3.2 也被期待在 Q2 推出。

过去的大模型竞争还有"代际差"：你强一代，我追一代。但现在，几乎所有公司都在同一时间给出自己的答案，亮出自己的底牌。

与此同时，OpenAI 内部的压力也在累积。

IPO 时间窗口被普遍认为指向 2026 年下半年，OpenAI 已经完成约 1220 亿美元融资，同时承诺未来几年高达 6000 亿美元级别的算力投入；

二级市场出现约 6 亿美元股份"无人接盘"的情况，有投资机构负责人公开表示：他们"无法找到机构买家"；

围绕上市节奏，Sam Altman 与公司 CFO 存在明显意见分歧：一方希望尽快推进 IPO 以抢占时间窗口，另一方则认为公司尚未准备好承受公开市场的压力。

如果说 Deepseek 需要一个先进的大模型来弥补最近频频断连的"意外事件"，挽回一下太久没有更新的"品牌形象"；对 OpenAI 来说，拿出点"真东西"则是迫在眉睫的生死局。

市场的信号已经开始变化，资本并不会等产品发布之后再判断，它会提前下注。

而现在的下注趋势，正在变得更谨慎。

在这样的背景下，GPT-6 不仅是"下一个产品"，还是 OpenAI 挽回市场信心的一次关键机会，更是一次必须成功的战略验证。

大模型的气息

如果说现在关于 GPT-6 的讨论有什么是"确定"的，不是它的性能，而是它被寄予的期望。

在最近的公开表述中，Greg Brockman 反复强调一件事：这不是一次增量更新，而是一次"我们重新思考模型开发方式"的变化。

他甚至用了一个有点玄的词，" big model smell "，大模型的气息。

他的表述是：当模型跨过某个阈值，它不再只是"更聪明"，而是开始主动理解用户意图，减少交互成本。

也就是说，如果过去是人在学习如何去使用 AI 的话，GPT-6 要做的，则是让 AI 去理解人。

围绕这一点，外界对 GPT-6 的期待也逐渐具象化：为了长任务执行需要更强的 Agent 能力；为了统一架构需要更强的原生多模态能力；为了更自然的交互需要减少提示工程；为了支撑真实使用场景必须降低幻觉率。

就在 GPT-6 被不断预热的同时，一个更关键的变化已经发生：Anthropic 的年化营收（ARR）突破 300 亿美元，超过了 OpenAI 的 250 亿美元。

虽然两者采用不同的收入确认方式，无法直接横向比较，但增长来源值得关注：Anthropic 的扩张，主要来自企业侧。

如果把 ARR 看作 token 消费的一个侧面反映，这意味着，企业侧（ToB）的 token 需求，正在超过消费侧（ToC）。

换句话讲，AI 的主战场，从"聊天"这类休闲娱乐，转向了实际应用的"工作流"。

而当模型进入工作流之后，竞争的逻辑也随之改变。

用户绑定的，不再是某一个工具，而是 token 的使用方式，以及围绕它构建的一整套流程。

在这一点上，Anthropic 已经走在前面。

除了模型本身强悍的编码能力，Anthropic 也在明显向编码与开发者场景集中，围绕 Claude Code 不断强化工作流能力，通过 harness、hook、MCP 等机制，将模型嵌入实际流程之中。

当企业的流程围绕这套机制建立，迁移成本就会迅速上升。

相比之下，OpenAI 的优势仍然集中在"使用 AI "这一层：更强的通用模型、更大的用户规模、更广的使用场景。

但这些优势，并不会自动转化为工作流中的绑定能力。

用户可以随时更换一个工具，但很难替换掉一整套已经运行的工作系统。

从这个角度看，OpenAI 并不占优。

为此 OpenAI 也在做出调整，尝试用另一种方式进入工作流：一方面通过 Codex 强化开发者场景，另一方面将这些能力与下一代模型（GPT-6）绑定，试图让模型本身承载更完整的任务流程。

这也意味着，GPT-6 所承担的，不只是性能的提升：它需要进入生产流程，证明 OpenAI 同样有能力锁定工作流，把用户留在自己的系统里。

王牌，卡在决战前夜

GPT-6 被寄予了厚望，可是问题在于，这些期望并不是能够"慢慢实现"的。

OpenAI 的上市窗口，已经基本锁定在 2026 年下半年。在进入资本市场之前，它必须回答三个问题：技术是否仍然领先；增长是否可以持续；商业模式是否成立。

而 GPT-6，很可能是这三个问题的统一答案，或者说，唯一答案。

如果 GPT-6 按时发布，它的作用不仅是"展示能力"，更是提供一个可以写进招股书的完整叙事：AI 不只是更强了，而是开始真正进入生产流程，产生可预期的收入。

但反过来，要是 GPT-6 没有达到预期，问题也会被同步放大。

在技术层面上：如果它只是"更强的 GPT-5 "，这就是一次简单的产品迭代，OpenAI 将失去"定义下一代模型"的话语权。

在增长逻辑上：当 Anthropic 以更陡的曲线扩张时，OpenAI 必须证明自己仍处在更高的增长区间，否则市场会迅速重估它的长期价值。

在商业模式上则更加根本：AI 不同于传统软件，模型的每一次调用都对应真实的计算成本。如果 GPT-6 无法改变 token 的使用方式，只是让用户"用得更多"，那么规模越大，压力越大。成本结构不会改善，利润模型依然站不住脚。

这三件事，本质上是同一个问题：OpenAI 这条路径，是否真的能跑通。

GPT-6 如果失败，不只是一个模型的失败。它会让技术叙事、增长逻辑与商业模型，在同一时间失去支撑。

而 Sam Altman，以及这家公司过去几年建立的"领先叙事"，也会出现明显的动摇。

当所有人都在等待 GPT-6 发布的那一刻，真正被验证的，从来不只是这个模型本身。

本文来自微信公众号：字母 AI，作者：袁心玥