GPT-6 Astra发布后，OpenAI重拾了谈论竞争的底气。9月3日，OpenAI发布了GPT-6 Astra，宣称其是“世界上最智能的模型”。在软件工程、计算机操作和专业工作等多项测试中，Astra均大幅超越上一代GPT-5.6 Sol，部分指标甚至超过Claude。具体来看，FrontierMath Tier 4得分97.6%、ARC-AGI-3最高99.9%、ExploitBench达到100%。在更谨慎的独立评测中，截至9月7日，Artificial Analysis的最新综合榜单显示，Astra与Claude Fable 5.1以53分并列第一。金融时报将此次发布视为OpenAI与Anthropic竞争的回归：此前一段时间，Anthropic在技术叙事上占据了优势，OpenAI试图通过Astra夺回局面。
OpenAI与Anthropic的竞争自始便带有同门相争的色彩。2020年底，时任OpenAI研究副总裁Dario Amodei携多位核心成员离开，创立Anthropic。很长一段时间里，Anthropic扮演着追赶者的角色。但近一年局势发生逆转。凭借模型能力、Claude Code和云渠道三线并进，Anthropic迅速打通了从技术到企业收入的商业化路径。到今年5月，Anthropic最新融资估值达到9650亿美元，超过同期OpenAI的8520亿美元，成为全球估值最高的独立大模型公司。甚至在中国科技和投资圈，“谁是中国的Anthropic”也成了新的估值叙事。如今，OpenAI带着GPT-6 Astra强势回归。但问题是，重新追回技术领先地位的OpenAI，还能像过去一样顺利赢下市场吗？答案没那么简单。
OpenAI失去的不仅仅是基准测试的前半程，但一直掌握着主动权。从GPT-4开始，OpenAI在模型能力和用户优势上一直领先。然而到了2024年，这种关系开始松动。Claude 3 Opus首次在多项基准测试上挑战GPT-4，升级后的Claude 3.5 Sonnet又将编码能力推向行业前列，在SWE-bench Verified上超越了包括OpenAI o1-preview在内的公开模型。但2025年Claude Code的出现让竞争格局发生巨变。编码已成为大模型目前商业化最成熟的场景之一。硅谷风投机构Menlo Ventures估算，2025年企业在生成式AI上的支出达到370亿美元，两年增长近22倍，其中编码支出达40亿美元，成为最重要的部门级AI场景。在Menlo估算的企业LLM API支出中，Anthropic的份额从2023年的12%升至40%，OpenAI则从50%降至27%；在编码模型市场中，Anthropic达到54%，OpenAI仅占21%。
真实的企业采购数据也呈现类似趋势。企业支出管理平台Ramp今年7月的数据显示，43.5%的美国企业客户为Anthropic产品付费，OpenAI为39.7%。收入和估值的变化更加直观。截至7月底，Anthropic年化收入运行率已超过650亿美元，OpenAI同期超过400亿美元。虽然统计口径不完全一致，但据美国科技商业媒体Axiom援引知情人士估算，即使调整到相似口径，两者仍存在约190亿至210亿美元的差距。5月底，Anthropic融资后的估值达9650亿美元，也超过了OpenAI今年3月的8520亿美元。过去几年，是Anthropic追着OpenAI的模型跑；但现在，OpenAI开始追着做Anthropic的企业生意。
OpenAI开始攻打Anthropic的腹地。OpenAI将Astra定位为“用于最困难端到端工作的模型”，重点强调编码、计算机使用、专业工作和复杂多步骤任务。它不仅回答问题，还能更新CRM、处理表格、操作软件，从初始需求一直做到最终交付。这些能力恰好指向Anthropic过去一年建立商业优势的路径——软件开发、Agent和企业知识工作。更重要的是，Astra的发布并非孤立动作。今年以来，OpenAI明显加速了企业业务的布局。2月推出的Frontier将Agent接入企业数据、权限和业务系统；4月，OpenAI披露企业业务已贡献超过40%的收入，并将模型和Codex进一步带入AWS；6月建立合作伙伴网络，引入埃森哲、BCG、麦肯锡、普华永道等咨询公司参与销售、集成和交付。
产品边界也在不断拓展。Codex起初是一款编码Agent，但到6月已有超过500万人每周使用，8月中旬活跃用户突破1500万，其中约20%已是分析师、营销、运营、研究员、投资人等非开发者。7月上线的ChatGPT Work进一步将Codex的Agent能力装入普通白领的工作流，可跨应用处理资料并生成文档、表格、演示和网站。路透社将其直接视为Claude Cowork的竞争对手。到8月，OpenAI开始用另一套语言描述企业AI：瓶颈不再只是模型能力，而是把Agent放进真实工作流，从“让AI辅助人工作”转向“让AI独立执行完整工作”。这与Anthropic过去一年跑通的路径越来越相似。
Claude Code先从编码切入高价值工作流，再借AWS、Google Cloud、Microsoft和合作伙伴网络进入企业。OpenAI现在也在补齐产品、云渠道、系统集成和Agent平台。两家公司正在收敛到同一个答案：前沿模型的商业价值，也许最终要靠进入企业工作流来兑现。
模型领先，为何没赢下企业？对于OpenAI，Astra补上了重要拼图——一个更擅长编码、计算机使用和复杂多步骤任务的底层模型。但模型领先，不等于商业领先。对企业而言，采购AI不像消费者追逐最新款产品，性能、价格、稳定性、安全合规、云渠道以及迁移成本都会影响选择。Ramp今年8月专门研究了Anthropic性能更强、价格也更贵的模型Fable 5，其7月只占Ramp样本中Anthropic企业Token使用量的6%；同期GPT-5.6 Sol占OpenAI企业Token的25%。Ramp据此提出，企业客户为“额外智能”支付的意愿可能接近上限，当头部模型达到某个能力门槛后，企业更关心性价比。虽然出口管制等因素可能影响价格因素，但这至少说明，模型性能领先已不能直接转化为企业使用量。
Anthropic显然也在解决这个问题。9月1日推出Fable 5.1时，它宣传的重点不再只有模型更强。新模型保持原有输入输出价格，但将Prompt Cache读取价格降至此前的四分之一。与此同时，又推出面向企业的Enterprise Frontier Safeguards，让部分敏感数据可以保留在客户控制的云环境中。
在OpenAI和Anthropic都越来越接近资本市场的节点，投资者最终看的也不会是谁多拿几个Benchmark高分，而是谁能把昂贵的模型能力，更稳定、更高效地转化成持续收入。GPT-6帮OpenAI重新拿回了技术竞争的筹码，但商业上的胜负，还远没有因此逆转。再往后看，战场可能还会继续变化。随着企业内部的Agent越来越多，问题可能不再只是“谁有一个更强的Agent”，而是谁能把散落在不同软件、数据和业务流程里的Agent连接起来，让它们彼此协作。这种竞争已经露出苗头：OpenAI把Frontier定位成统一管理企业Agent的平台，Anthropic则通过MCP尝试定义AI连接数据和工具的通用协议。到那时，真正稀缺的或许不是又一个更聪明的模型，而是连接工具、调度Agent和承接用户需求的入口。谁能把越来越多的Agent组织起来，让它们稳定完成复杂工作，谁就更有可能占据下一阶段竞争的制高点。