GPT-6 Astra 需求塞爆！OpenAI 主管示警：Pro 訂閱恐被迫喊卡

重點摘要

• OpenAI 核心產品負責人 Thibault Sottiaux 於 2026 年 9 月 9 日在 X 平台發文明示警，GPT-6 Astra 的使用者需求已超出公司歷史部署經驗，若情況持續，可能不得不暫時暫停新的 Pro 訂閱。
• 在 OSWorld 2.0 基準測試中，Astra 得分 72.6%，高於 GPT-5.6 Sol 的 65.7%；完成任務的模擬時間從約 75 分鐘壓縮至約 40 分鐘，能力躍升直接驅動 Token 消耗呈指數級放大。
• 摩根士丹利 9 月 7 日報告指出，Astra 將 AI 產業的瓶頸討論從需求側的資本質疑，翻轉為供給側的算力與電力極限挑戰，定價主動權可能正從供給端移向需求端。

OpenAI 核心產品負責人 Thibault Sottiaux（社群暱稱 Tibo）於 2026 年 9 月 9 日在 X 平台公開示警，GPT-6 Astra 的需求已超出公司歷史部署經驗，若情況持續，可能不得不暫時暫停新的 Pro 訂閱。這是 OpenAI 高層首次就單一模型公開發出供給側預警。Tibo 強調，即便團隊此前已多次經歷急速增長，這一次的規模是他從未碰過的。為了維持現有使用者的服務品質，團隊正在動員所有能動用的資源。如果需求持續無法紓解，公司「可能不得不暫時暫停新的 Pro 訂閱」。

GPT-6 Astra 的能力提升引爆了 AI Agent 時代的 Token 消耗乘數效應，將 AI 產業的瓶頸討論從需求側的資本質疑，徹底翻轉為供給側的算力與電力極限挑戰。

這則訊息的份量，遠超過一般的新品宣傳或公關宣告。要理解這次示警的嚴肅性，必須先看 Tibo 在 OpenAI 的權責範圍。Thibault Sottiaux 於 2024 年從 Google DeepMind 加入 OpenAI。在 DeepMind 的六年間，他參與搭建了支撐 AlphaGo、AlphaStar 等專案的基礎設施，離職前短暫領導了 Gemini 的人類資料團隊。加入 OpenAI 後，他帶領一支最初只有 30 到 40 人的小組打造了 Codex。Codex 於 2025 年 5 月公開發布後，活躍使用者以每天百萬級的速度增長，至 2026 年 7 月已達 800 萬，遠早於此前預測的 9 月里程碑。

2026 年 5 月 OpenAI 進行大規模內部重組後，ChatGPT、Codex 與開發者 API 三條產品線全部整合，統一由 Tibo 負責執行；Greg Brockman 則負責整體產品戰略。Tibo 管的，是一個面向近 10 億使用者的入口。在開發者社群中，Tibo 以頻繁幫開發者重置 Codex 額度著稱，被戲稱為「掌管 Token 水龍頭的神」，甚至出現了專門追蹤他重置動態的民間網站 TiboGPT。這種透明度讓他的每一條公開發文都被視為第一手訊號。他說從未見過這種規模，是掌握實際流量數據的人在提示某個臨界點已被突破。

Astra 的能力跳躍，為何直接放大 Token 消耗？

Tibo 的預警背後，其實是多重效應疊加的結果。Astra 不是更聰明的聊天助理，它是一個能直接操作電腦、瀏覽網頁、使用軟體、編寫和執行程式碼、完成複雜工作流的 AI Agent。它能在科學、網路安全和專業領域執行長程任務。能力邊界一旦擴張，Token 消耗就跟著等比放大。

在由 CMU 及史丹佛等團隊提出的 OSWorld 2.0 基準測試中，Astra 得分 72.6%，高於 GPT-5.6 Sol 的 65.7%，差距約 7 個百分點。更直觀的指標是完成任務的模擬時間，從約 75 分鐘壓縮至約 40 分鐘，接近減半。這組數字不只是排行榜上的勝負，更代表使用者行為已經改變。一個能把 75 分鐘工作壓到 40 分鐘的 Agent，讓使用者願意交出的任務類型截然不同。

Tibo 本人透露，他每天向 Codex 分配超過 100 個複雜任務，包括整理資源、檢查值班輪換、分析發布計畫等，並用它生成個性化的每日工作簡報。這不是偶爾問一個問題的使用模式，而是持續、並行、深度介入工作流程的 Agent。能做得越多，使用者丟過來的任務就越重。推理鏈越長、上下文長度越大、API 呼叫越多，一個任務燒掉的 Token 就越多。任務越複雜、消耗量就越大，這正是 Tibo 發出警告最直接的技術原因。

Token 需求公式在 Agent 時代如何被重寫？

在問答型 AI 時代，需求規模可以粗略用「使用者數乘以每人付費金額」來估算。這個公式在 Agent 時代少算了兩個維度。Token 總需求更接近：Agent 數量 × 每個 Agent 的任務數 × 每個任務的 Token 消耗。三個變數在 Astra 發布後同步面臨擴張壓力。

一個人可能同時跑個人助理、程式開發、研究調查、財務分析等多個 Agent，企業端從幾十個擴充到幾千個並不誇張。模型越能處理複雜工作，使用者越傾向把更重的任務往裡丟，不再留給人工。而長程任務本身就帶著更長的推理鏈、更大的上下文視窗、更頻繁的工具呼叫。這意味著，Agent 數量僅增長 20%，Token 總需求暴增 300% 在理論上完全成立。Tibo 的供給示警，和這個邏輯基本上吻合。

這種趨勢並非 OpenAI 獨有。NVIDIA 執行長黃仁勳曾指出，GitHub 程式碼提交量在數月內增長三倍，代理系統正在生產環境中產出真實工作量，推升 Token 消耗，代理式 AI 正在取代單次查詢模式。然而，Token 單價持續下探是事實，但便宜不等於划算。AI 團隊面臨的核心挑戰是找到真正能進入生產流程的使用場景以證明投資報酬率。沒有進入生產環境的 Token 消耗難以證明投資報酬率。Astra 標誌著 AI 從搜尋引擎躍升為 AI Agent，工作模式正從「人→AI→答案」演變為「人→AI Agent→任務→執行→結果」。

摩根士丹利怎麼看這次的供給壓力？

摩根士丹利在 9 月 7 日的報告裡把這個翻轉說得很清楚。GPT-6 Astra 的重要性，在於它把 AI 的瓶頸討論從「已知需求需要多少基礎設施」，翻到「模型智慧提升後，有多少工作負載在經濟上變得可行」。前者是需求側的質疑，後者是供給側的壓力。兩個框架對算力、電力與半導體產業鏈的定價都構成直接影響，但影響的方向不同。前者問資本支出能否回收，後者問需求天花板在哪。

Astra 發布後的供給示警，目前看來是在驗證後者這個假設：模型能力確實在驅動新的需求，而不是需求在等待模型。對算力和半導體投資人來說，這意味著定價主動權可能正在從供給端移向需求端。GPT-6 Astra 驅動的 AI Agent 時代，正以能力躍升引爆 Token 消耗的乘數效應，將 AI 產業的瓶頸討論從需求側的資本質疑，翻轉為供給側的算力與電力極限挑戰。

對開發者來說，真正的判斷點不是 Tibo 這次究竟會不會暫停訂閱，而是「能力提升 → 消耗放大 → 持續放量」的連鎖效應能否在自己的產品場景裡兌現。工作負載確實跟著能力提升而擴大，這條鏈就是有效的押注方向；任務量和 Token 消耗增長後使用者留存跑不出來，乘數效應就只是短暫爆量，不是結構性改變。OpenAI 選擇公開示警而不是靜默限流，本身已傳達了明確訊號。Tibo 的水龍頭還能開多久，是觀察這個指標最直接的風向球。