Epoch AI 实测：GPT-6 Astra 长上下文延迟与定价机制延续前代模式

研究机构 Epoch AI 于 2026 年 9 月 10 日发布实测，指出新发布的 GPT-6 Astra 在首字延迟（TTFT）曲线与超长输入阶梯定价上延续了 GPT-5.6 的模式，揭示了不同前沿模型底层架构与服务成本的差异。

• 延迟扩展特征：测量显示 GPT-6 Astra 的首字延迟（TTFT）随上下文长度增加呈现明显的二次方增长趋势，与此前测量的 GPT-5.6 曲线特征一致。
• 竞品架构对比：与之相对，Anthropic 的 Claude 5 系列在长上下文下的 TTFT 扩展接近线性，反映出两类模型在注意力机制实现或服务架构上的技术路径不同。
• 定价机制联动：GPT-6 Astra 延续了输入超过 272k Token 后 API 单价阶梯式上涨的策略，而 Claude 5 保持固定费率，表明定价结构与其计算复杂度直接相关。
• 影响/看点：这表明在缺乏线性注意力优化的前提下，处理超长上下文的算力与延迟开销依然显著，意味着开发者在构建极长文档和代码库任务时，需要结合阶梯费率与首字延时在模型选型上进行权衡。
• 资料依据：
• Epoch AI 研究分析（2026-09-10）：https://x.com/EpochAIResearch/status/2098149239146914021
• Epoch AI 官方研究分析（2026-09-08）：https://epochai.org/blog/long-context-latency-scaling

本内容由 AI 生成，仅供参考，请注意甄别