国泰海通计算机GPT旗舰新模型火线测评

发布时间：2026-09-05 一、AI总结内容 一、核心要点 1. 本次测评对象为GPT-6，3号发布后先小范围测试，当日全量推送，其核心突破为实现大模型与人类的颗粒度对齐，能从人类角度思考而非仅执行指令。 2. 技术参数方面，GPT-6采用更短思维链，单任务耗时从75降至40分钟左右，每百万token成本与GPT-5.1接近但整体成本节约约9%，ARC测试得分达99%远超前代及同类产品。 3. 安全层面，此前因“火星脸”漏洞延迟发布，已将攻击成功概率从48降至0，解决了大模型的横向扩展风险。 4. 实测表现：骑马游戏、火箭发射、糖豆人等经典任务表现优于GPT-5，一次出图无需调试，3D建模、画画等场景效率大幅提升，还支持调用电脑鼠标等工具自主完成任务。二、投资线索 1. GPT-6的技术突破或推动AI大模型向“按任务计费”模式转变，这一趋势值得持续关注；模型成本优化及效率提升相关产业链或受益于产品迭代。三、风险与关注 1. GPT-6目前存在流量消耗大的劣势，可能对高端订阅服务的承载能力构成一定压力；模型自主工具调用的安全性边界仍需长期验证。 二、音频原文（转写） 大家好，欢迎参加国泰海通计算机g b t旗舰新模型火星测评目前所谈会者均处于一定状态下面开始播报您的生命。本次电话会议仅服务于国泰海通证券正式签约客户会议音频及文字记录的内容，仅供国泰海通证券客户内部学习使用不得外发，并且必须经国泰海通证券研究所审核后方可留存国泰海通证券未授权任何媒体转发。此次电话会议相关内容未经允许和授。权转载转发均属侵权国泰海通证券将保留追究其法律责任的权利，国泰海通证券不承担因转载转发引起的任何损失及责任，市场有风险投资需谨慎提醒广大投资者谨慎做出投资决策。 哎好的，各位领导晚上好，欢迎大家来参加郭海通组织的这个电话会啊，我们想就这个计划时间来测评1下拆gbt6啊，也是今天是推了一个全量，然后前两天是呃，因为它3号就发布了嘛，然后是小范围测试，那今天早上也刚好是给大家都全量推送了，然后我们火线测评一下，然后我是国泰海东计算机的研究员，于凯文啊，那个感谢各位领导的时间。呃，那从这个就是各位领导可能也看他的这个宣传片了嘛，就就是让让这个大模型啊。 就是真正的成为一个助手嘛，我们可以通过语音来跟他交互，然后帮我们做一些事情啊，他给的开篇第一句就是说这个呃是世界上最智能和最就是直译啊，最最对齐的一个模型，然后刚好他的这个这个名字命名也是astra对吧？Chat g p t o astra那星辰嘛颗粒，然后我觉得可以就这么理解吧，就是就是他首次完成了大模型和人类的颗粒度上的对齐啊，就原来我们都是呃，用我们自己的工作流去指挥大模型去做一些任务啊，那现在是他真真真确确的，可以站在一个人类的角度去啊，思考问题啊，那这这里面其实artificial and that也做了一些测评嘛，就是它其实这个它的智能度评分上其实没有提太高 还是61。 他主要的就是他用更少的token去实现下来同等同等的一个一个任务的一个效果，包括它的这个coning的这个地方形成了2分啊，那它的它就是和前一代吧呃so模型大约节约了9%的这个费用，然后呢？他每百万通，其实它是对标的fable5.1啊，差不太多，然后单任务的销售量是从原来的75啊降到了40啊。这个其实我们在测试中也也能看到基本上像一个kimi kimi，他要能完成一个小时的这个任务基本上这个拆机六它都能在40分钟以内完成啊。 这里面可能有一些改善的点，就是它的思维链啊，变得短了啊，这里面其实我觉得可以和那个自动驾驶的那个技术对比啊，就是它因为原来思维链长是因为它很多文字的这个链路嘛，对吧，它搞很长，然后呃这个推理的这个花费就就很多，那现在呢，它很多文字推理就取消掉了，全部都是那种啊，省略了啊，那可能就是像自动驾驶，它可能有一些东西，它无法用语言来识别啊，就是靠视觉啊，反而会有更好的效果，那可能它就是这也是导致它更省钱的一个原因吧，然后它的偷思维链变短，那后续带来的问题就是它这个蒸馏啊，我可能会成本花的会越来越多了。 嗯，那再一个就是他这个坏事啊，也有一个很好的提升，这个里面也分析了啊，大概是从啊发生率，降到了这个5.6的一半啊，这是非常牛的，一个提升了。那么从他这个官网上来看吧啊诶哦，对对他官网我们现在比较大家，比较关注的就是这个arc啊，这个ags3的这个测试啊，这个测试非常大幅度一个提升啊，原来基本上像open honeys，它都做不到5%啊，然后so5.6它能做七open453 10，它一下刚到了99啊，基本上啊，就是这个测试，它代表着什么呢？ 就是这个这个人他做了其实很非常多的游戏啊，这里面就是这这个测试集里所需要的东西啊。他让大模型去完成这个测试这个测试呢，人是可以100%完成的啊，如果大模型完成了，就说明它能像人一样啊，这个它不会给你任何的提示，让你干什么，就全部都是这种按键啊，让你自己去思考，想你应该怎么办，是吧，那这个其实对于以前大模型是非常难的。你没给我任务，我怎么执行对吧？然后我们现点我们人探索嘛，其实我们人也也是能完成100%的原因就是我们会探索我们使会使用工具啊。 从这个农耕时代开始，我们就使用工具嘛，然后像我们学学这个电脑对吧，我们也不是说谁教我们就拿个鼠标上来点点就会了。其实现在大模型去做这个测试也是这个同样的原理，就是看他能不能有这个思考能力，像人一样啊，那确实gpt6说到了就是这个测试什么呢？没有任何提示，然后只是仅仅的用这些东西来找，看看能不能完成这个任务啊，这个就完成了，是吧，那其实我们从第一关中得到的，就是让这个图形和左上角的这个这个目标达成一致嘛，对吧，那这个这个过程就是让模型跃迁的一个原因吧，对吧？ 因为原来都是给他目标他去执行啊，现在就是他像人一样思考啊，为什么这这个东西在这里我更应该怎么做，然后达到一个下一关对吧，然后这个下面其实有很多镜子条啊，我们点的过程中能看到这个条的下降，对吧？那这其实也是在给模型提示啊，你这干点是没有用的啊，你需要做一些其他动作。来把这个任务完成啊，这就是这个aic呃agi任务要做的一些要实现的一些东西吧，然后可以选颜色。然后继续挑that啊，各位领导后续也可以自己来玩一玩啊，就是他有超级多游戏，然后各个明星都在都在做这个测试，就是能把这些游戏做成了，就真正的就能够证明这个模型型真的是可以和人类一样思考了，然后也包括像他gpgpt6，他在这个这个宣传片里所说的嘛，就是它真正的成为这个人类助手，你不需要再啊，键盘可能未来就取消掉了，对吧，你只需要跟它语音交互，让它调一点什么东西，然后他都能做到啊，这是他的一些呃大的，一最大的， 一个更新的点吧，对吧啊，可能也会成为一个比较里程碑的一个发布。 那还有一个比较重要的，就是它也放在第二位了，哈就是它这个安全性的问题，那之前导致gb6延迟发布的就是有一个那个hung in face那个事件嘛，对吧说是有一个漏洞，然后让这个拆gp.T6啊给抓到了，然后他从离线状态。去侵犯了一个在线的一个平台，对吧？那这个事件是啥呢？就是有一个测试啊，它是离线测试在本地，然后大模型在在这个里面测试呢，它不可以调用互联网去查答案，就存在这个本本地的这个测试集里进行工作。 那这个openai，其实它做了很很朴实的一些。提示词吧，就是他一定完成不惜一切代价的完成，这也导致他这个这个大模型他找到了一些。漏洞这个漏洞呢，就是他留留存一些信息，其他的可以连连互联网的大模型，他也能调用到这个地方的一些东西。那这个测试集的这个模型呢？ 他留了一些信息啊，让这些可以可以联网的模agent看到了，然后大家就构成了一个小团体讨论组啊，就大家就集思广益来帮解决这个问题就导致这个离线的agent啊，可以去访问互联网了，就是大家agent互相帮忙给它连上了啊，就是这样一个这个行业费的那个事件是这个这个就是啊，垂直注入和横向扩展，垂直注入就是从一个离线。然后啊，连上啊，互联网到这个航天face的这个平台，然后找到答案啊，找答案，这个过程就是横向嘛，横向扩散啊，然后回来这个就是一个比较安全性很大的一个问题。 这个当时他只是拿到答案，他就回来了啊，那这个其实你如果不加管控的话，他也可以注入病毒，留留存1些东西，对吧，那这是一个很严重的问题，那他也解决了，把这个问题解决了，从这个四48这个概率降到零啊，然后它也是开始发布了，那就是几个大的个更新吧，那也从那我们也实地给各位领导来测试一下吧，就我们几个也做了，我们一直在做几个比较经典的这个例子啊，就是这个骑马游戏的这个啊。 就是你是一个顶级的，它的游戏开发者开发一个啊骑马游戏啊，参考荒野大镖客啊，这个是我拿gbt做的，它效果其实非常好，基本上嗯肯定是比那个什么啊？小参数模型要好一点啊，我觉得看这个效果就就可以看出啊。然后这个这个人做的也是非常的牛了哟啊，这个马。我觉得这个效果是非常好的，然后他其实对比，而且他做了更完善啊，比如说包括他左下角那个地图，哇，这些都有，然后小何小何他应该是没做成啊，还没渲染成功，然后房子的这些坐标也是有的，对吧，看他那个地图上留小点儿是吧，而且画质是非常的精美的啊。 然后它可以完全可以对标这个飞波飞波五啊，我再给各位领导看一下fever5的这个这个骑马游戏啊，当时我们是用这个拆机flash对标的啊，那个就是还是有有一定的差距啊，但是该有的都有啊我觉得甚至比这个飞波五还好啊，就是这个拆机第六啊只是这样的。然后可以调这个阴天对吧啊？从这个精美度上啊，我觉得还是六会更好一点，而且它的这个时间啊，实现的更短，它大概就用了34分钟，我当时记得kimi，他用了大概一个多小时，然后修改了几次，他基本上是一次修正这个除啊，1次出啊，不不需要什么debug然后飞豹五他可能我大概用了那我，我觉得我记得是有一个多小时啊。 他更快了啊，这是他的这个那什么，然后还有就是火箭发射的这个这个场景啊。这个场景它更快啊。可能也就用了七八分钟就解决了啊。这个是他做的这个火箭发射的啊，当然他他唯一的那个劣势吧，缺点吧，就是太费这个流量了，我基本上两个任务就可以把plus的那个五小时的限额用完啊就很多bug，我其实想改啊，但我有点舍不得改啊，我就太废了啊，所以我就因为它有点不居中嘛，对吧，所以我也没改当然，你改肯定是非常好改的这个东西，所以对吧，那仅从这个效果上来看这个火焰，它已经不是那种什么一个3角的火焰了， 对吧？ 它做的很很像，那种真实的火焰的感觉很有质感，包括它的其他的一些的东西。然后这个河流，其实它仔细看是可以可以可以看到它那个回流的那个潮汐的感觉啊。大概是这样，火箭员复位就是黑天，是吧啊这效果是非常好的，而且特别快啊，基本上40分钟以内都能做完啊。然后还有一个比较难的就是这个糖豆人的游戏啊，基本上嗯，国内的模型都要改几次才能做好啊，基本上像chatbt，它一次啊，基本上就搞完了啊而且他做过了非常多的这种ai的角色，而且碰撞也非常的这个啊。 效果也非常好。是吧，就是这样。而且它这种ai，它是可以调这个智能度的啊，就是我选的是最高级的，他们确实啊那大家这个弄得。大概是这样的，然后再给各位领导对比一下那个飞舟舞的这个情况啊。 哦，先我看一下啊。飞歌舞是。我们这个不是。一些长线程的任务，我觉得差不多可以平齐了吧，但是可能飞波舞，还有一点点好处吧，就是它的质感更好一点，包括这个对，这就是飞波武做的。 我我就实际上是有bug啊，他跳这个高度无法支撑他过去啊而且从他这个。被我。还有点难度啊，要专注一点才能过去是吧，而且从它这个质感上也比那个我觉得比比那个好吧，但是它用的时间太多了，大概用了一个多小时才把这个搞完cgbt就搞了大概呃半个小时就完事了啊，他还修了几次ppt的话就一次成功啊，现在就是它比较好的一个点。啊，这个是大概是这样啊。 呃，这就是两个游戏吧，然后它它最重要的一个，一个一个功能不就是他们的柚子吧，那我也其实给各位领导做了一个这个柚子的测试啊。这是他一个比较首发的功能吧，就是帮助我们去使用电脑，这样他才能真正成为一个我们的助手嘛。这个是我