消息称 OpenAI 实现推理成本降超 50%，并同步推进新模型 Astra 与超 10T 参数 Bel

业内消息透露 OpenAI 正在内部推进多项推理成本优化方案与新一代基座模型，旨在降低模型调用成本并拓展多智能体协同能力。

• 成本降低预期：相关披露显示，OpenAI 内部优化方案有望在维持模型性能的前提下将推理成本降低 50% 以上，相关技术预计在未来数月内逐步应用于生产环境。
• 新模型研发管线：OpenAI 正同步研发面向复杂长期自主任务的多智能体协作模型家族 Astra，以及参数规模超过 10T 的基座预训练模型 Bel。
• 研发策略平衡：面对前沿大模型高昂的训练与部署成本，OpenAI 试图通过测试时扩展与强化学习技术提升单位计算成本下的智能产出效率。
• 影响/看点：若推理成本降低技术能够顺利实装，意味着开发者调用前沿智能模型的门槛将进一步下降，但超大模型 Bel 的实际普及速度仍取决于其推理阶段的算力消耗水平。
• 资料依据：
• 1. OpenAI 研究员社交平台动态（2026 年 8 月，https://x.com/ericmitchellai/status/2092843114117681461）
• 2. Wccftech 行业追踪报道（2026 年 8 月，https://wccftech.com）

本内容由 AI 生成，仅供参考，请注意甄别