AI互联网-GPT-6Astra对存储的需求20260908 原文

GPT-6 对存储需求的影响分析

GPT-6 能力提升方向

• 发布时间：2026年9月3日
• 核心参数：约6万亿参数量，MOE架构
• 上下文窗口：105万token
• 最大输出：12.8万token
• API定价：每百万输出10美元，每百万输入10美元，每百万输出50美元（较GPT-5.3增长约2.5倍）

模型架构推测

• MOE架构：总参数量约6万亿，激活参数占比约8%-10%（约6000亿）
• 循环深度架构：可能采用类似Look Transformation的循环推理架构，通过多次迭代计算而非输出token，增加算力消耗但降低参数量，提升存储中间状态容量需求

能力提升亮点

1. 电操作能力

   • 在Computer Use任务上表现优异，Agent-less exam得分59.3%
   • 支持跨上下文窗口的多步流程任务
   • Codex工程化支持跨窗口信息复用

2. 视多模能力

   • 界面理解能力提升：Screen Shot理解得分92.7%（较前代提升近20%）
   • 3D重建能力提升：Bench CAD集合重合度95.9%（较前代提升约10%）

3. 安全能力

   • Exploit Bench得分100%，发现两个零日漏洞
   • 推理过程中架构设计提升安全防护能力

对存储需求的影响

1. 上下文需求

   • Agent操作和多模任务需大量上下文占用，每步操作需重复灌入上下文信息

2. 循环深度架构影响

   • 参数量未减少但中间状态容量需求上升
   • 多次迭代计算增加算力消耗，对HBM4等方案需求提升

3. 工程化机制影响

   • 跨上下文窗口持久化存储需求
   • 推理状态从HBM下沉至SSD，增加企业级存储需求

市场观点与投资建议

• 板块敏感性：存储板块对加息敏感性相对较低，现金流确定性较高
• 估值水平：海外存储板块估值处于历史低位（27年PE 3-7倍，28年PE 3-6倍）
• 未来预期：随着GPT-6及下一代模型发展，算力和存力需求将进一步提升，建议关注海外核心存储企业