GPT-6 是什么，大语言模型实际上如何工作？

GPT-6 不是在某一天推出的单一产品。OpenAI 分两个阶段发布了它：2026 年 9 月初推出的前沿版本 GPT-6 Astra，随后是两个面向消费者的版本 GPT-6 Sol 和 GPT-6 Luna，它们在 2026 年 10 月时替代了 ChatGPT 中的前一个模型。

首先推出 Astra，随后推出面向所有人的 Sol 和 Luna

根据 OpenAI 在维基百科上总结的说法，GPT-6 Astra 在 2026 年 9 月 3 日进入有限预览，并于第二天向付费 ChatGPT 用户推出。OpenAI 将其描述为迄今为止最能力的系统，指出在编码、数学和自主计算机使用方面取得了进展。OpenAI 副总裁 Aidan Clark 表示，该模型是该公司迄今为止最大的培训努力，并称这是 OpenAI 首次在其位于德克萨斯州的 Stargate 地点用超过 100,000 个 GPU 预训练模型。

根据 DataCamp 对 OpenAI 已发布材料的审查，OpenAI 在其内部准备框架下将 Astra 归类为"关键"网络安全能力级别。DataCamp 报告称，这个评级反映的是 Astra 帮助创建网络漏洞利用的能力，而不是自主发现加固系统中未知漏洞的能力，并且 OpenAI 在其 Daybreak 访问计划中限制了该模型的更高级网络安全任务（例如生成概念验证漏洞利用）。OpenAI 总裁 Greg Brockman 告诉记者，他认为说行业已进入他所谓的 AGI 时代是合理的，但他没有声称 OpenAI 已实现人工通用智能。

根据 OpenAI 在其开发者社区论坛上的公告和 TechCrunch 的报道，OpenAI 在 2026 年 10 月 7 日将第二波 GPT-6 引入主要 ChatGPT 应用程序，这次是为日常对话而不是专门的代理工作而构建的。Plus、Pro、Business 和 Enterprise 订阅者立即收到了称为 GPT-6 Sol 的版本；免费和 Go 层用户从第二天开始获得 GPT-6 Luna。

可见的变化："智能用户界面"

除了模型交换外，OpenAI 引入了一项称为智能用户界面的功能。根据 OpenAI 的社区帖子和 TechCrunch 的报道，ChatGPT 现在可以从文本、图表、可点击按钮、表格和计算器等小型交互工具组装回复，而不仅仅是段落形式的答案。OpenAI 产品经理 Aarush Selvan 表示，目标是使复杂主题更容易理解，解释说对许多问题最有帮助的答案并不仅仅是纯文本。该系统会逐个案例地决定图表、交互式图表或纯文本最适合问题，用户可以调整这些可视元素出现的频率。

OpenAI 自身的安全测试发现了什么

OpenAI 在其部署安全中心发布的 10 月版本的系统卡片表示，与之前的 GPT-5.6 模型相比，GPT-6 Sol 和 Luna 在多项安全措施上有所改进：对越狱尝试（包括多轮攻击）的抵抗力更强、不诚实或欺骗行为更少、大多数指标上的事实准确性更好。同一份文件还报告了这些模型在处理一系列敏感评估类别中的统计显著回归，包括自我伤害相关提示，Luna 在内部测试中在暴力和色情内容上显示了额外回归；OpenAI 自身的评估将其审查的有问题的输出描述为低严重性，仍然在其一般安全期望范围内。

根据 OpenAI 的准备框架，系统卡片还将 Sol 和 Luna 都分类为生物/化学和网络安全风险类别中的"高"能力，但低于"关键"阈值——这是比上月发布的 Astra 模型更低的风险等级，OpenAI 已将其网络安全评为关键。

大语言模型实际上如何工作

根据 IBM 的研究说明，GPT-6 与 GPT-4、Claude 或 Llama 一样，是建立在称为 Transformer 的神经网络架构之上的，该架构由谷歌研究人员在 2017 年引入。Transformer 将文本分解为称为标记的小单位，将每个标记转换为数值向量，然后使用称为自注意力的机制来确定输入中每个标记与其他每个标记的关联强度——包括文本中相距较远的标记。

在此之前，必须对模型进行训练。IBM 的说明将其描述为从庞大的数据集开始——从书籍、网站和代码中获取的数十亿或数万亿个单词——这些数据被清理、标记化并使用自监督学习通过网络进行处理，这是一种不需要人类为每个示例标记正确答案的方法。

经过训练后，该模型通过接收提示、将其转换为标记，并反复预测单个最可能的下一个标记（一次一个）直到响应完成来工作。正如 IBM 的说明所说，该系统事先不知道其最终答案；它使用在训练期间学到的统计关系逐片段生成响应，而不是检索存储的事实或像人类一样进行推理。

这对信任输出意味着什么

由于该系统是预测似是而非的文本而不是验证真实性，IBM 的说明将幻觉（自信生成但虚假的信息）列为该架构固有的局限性，以及存在于训练数据中的偏见可能在输出中被反映或放大的风险。以这种规模训练和运行模型也需要大量的计算能力和能源，这是 OpenAI 自己强调的一点，当它说 Astra 的训练运行在单个地点使用了超过 100,000 个 GPU 时。