傳 OpenAI 將推 GPT-6 (Astra)，採循環深度架構實現去文本化推理

據報導，OpenAI 即將推出內部代號為 Astra 的 GPT-6 模型。《The Information》爆料指出，該模型採用名為「循環深度」（Recurrent Depth）的全新架構，打破傳統 Transformer 的單向運算與 Token 計費模式。新架構捨棄輸出文字形式的「思維鏈」（CoT），讓資料在連續潛空間的內部循環塊中反覆運算推導，將算力集中於純邏輯推演，並大幅節省生成中間文本的記憶體與頻寬成本。學界 2025 年論文曾證實，35 億參數模型透過內部循環 32 次，其數理與程式表現可逼近 500 億參數模型。此技術目前也正與混合專家架構（MoE）融合為 Recurrent MoE。然而，思維鏈在架構層面的「黑盒子化」引發了安全隱憂，傳 OpenAI 首席科學家 Jakub Pachocki 擔憂此次技術外洩將倒逼業界走向「不可監控」的軍備競賽。此外，業界正全面探索「去文本化」的 AI 協作，除了 Meta 的連續思維鏈與 COCONUT 專案，俄羅斯新創 Mostik 也推出無 Token 的通訊範式。由 Sasha Malysheva 與菲爾茲獎得主 Stanislav Smirnov 帶領的團隊，透過訓練輕量橋接矩陣，直接將大模型（如 GLM-5.2）的高維隱狀態投影至小模型（如 Qwen-3.5）的輸入潛空間，實現模型間無需生成文字或微調權重的語義互通。