原标题：Claude应对GPT-6 Astra在Token效率上的攻势、用户对订阅额度消耗过快的反弹、下一代旗舰模型在IPO后的预览时机，以及2027年拓展新垂直领域与算力方面的发力点
摘要
·ARR增长轨迹、其会计确认口径以及截至年底的逐月目标，并涵盖IPO推进时间表与下一代旗舰模型的预览安排。 ·面对来自GPT-6 Astra在Token效率及定价方面的竞争、折价与多模型路由策略，以及即将推出的旗舰模型从Copilot向自主Agent的架构演进。 ·算力容量扩张与供应商伙伴关系、金融及商业领域的自主Agent落地场景、新开拓的中端市场与科学垂直领域，以及规范自主模型的安全框架。
专家观点：
Q&A
关于2026年7月的ARR，市场存在相互矛盾的报道，部分渠道称在780亿至800亿美元之间，另有报道则称只有650亿美元。能否阐明ARR的会计口径，并提供近几个月的准确数据？
根据Anthropic财务总监当时的核算，此前报道的7月ARR为650亿美元是准确的。出现这一偏差的原因在于公开该数据时部分收入尚未完成入账。具体而言，结算周期为13至15天的云服务提供商（CSP）收入，以及账期在14至90天不等的部分大客户付款，彼时均尚未到账。
从绝对值来看，10月份的ARR预期增速较前几个月似乎有所放缓。这一趋势背后的主要驱动因素是什么？这是否与代币用量、定价压力或产品结构调整有关？
10月份预期增长放缓主要受到即将到来的IPO影响，届时预计将进入包含路演等相关活动的静默期。这一因素已被纳入Anthropic的内部销售预测中。今年ARR的整体增长由几大核心要素驱动。首先是结构性转变，任务执行已从人工键入提示词大规模转向由机器驱动的自主软件引擎。具备100万代币上下文窗口的Claude 4.5和5模型家族的部署，使企业能够处理完整的代码库与金融资产组合，大幅拉升了每次API调用的代币消耗量。另一大核心驱动力是高客单价企业客户的扩张；年支出超100万美元的客户数量已从2月/3月的500家增加到现在的1,600多家。基于用量的API消费占Anthropic总ARR的75%至85%（7月为82%），构建了一种公用事业式的计费模式，使得Anthropic的营收规模能够随着客户系统的扩容而同步扩大。Anthropic约80%的收入来自于这些企业客户，提供了极高的稳定性。此外，针对公开市场定位的会计框架允许企业通过AWS或Google等云合作伙伴采购算力时，Anthropic将全部毛支出计为收入，从而提振了公司的营收表现。
能否详细介绍一下Anthropic的定价策略，特别是如何运用折扣与直接降价，以及近几个月来每代币的有效价格是保持稳定还是在下降？
Anthropic的定价策略是将AI定位为公用事业基础设施，而非传统的SaaS产品。Anthropic侧重于通过多种机制让大型企业在高用量部署上实现经济可行性，而不是通过下调模型单价参与直接的价格战。Anthropic针对特定场景提供大幅折扣，例如为提示词缓存提供75%的成本减免，这鼓励开发者将庞大的代码库保存在API内存中，进而提升客户粘性。对于非实时工作负载（如隔夜数据分析），Anthropic的Batch API对输入和输出代币费率均提供最高50%的折扣。与部分在超过特定阈值后会上调定价的竞品不同，Anthropic在其整个长上下文窗口中维持统一的每代币费率，避免了客户遭遇突发性的成本惩罚。Anthropic还大力推行多层级模型路由策略，允许企业采用混合模式。例如，客户可以使用成本较低的Haiku模型处理高通量任务，同时使用Opus或Fable等旗舰模型作为最终审查者。这种“混合模式”得到了广泛应用。在企业大客户方面，Anthropic已将软件访问权限与算力成本解绑。客户按人头支付每座20至60美元的高可预测性平台访问费，随后的代币消耗则纯粹按用量计费。客户还可以通过定制合同以更大幅度的折扣锁定预分配的代币额度，这些合同通常由其在主流CSP处预存的云支出抵扣额度进行支付。鉴于这种混合策略的成功，Anthropic近期没有下调模型标价的计划。
如何评估2026年9月3日发布的GPT-6 Astra带来的竞争压力，特别是在代币消耗、定价及开发者生态方面的影响？
GPT-6 Astra的发布被视为对Anthropic在开发者生态中强势地位的重大挑战。基准测试分析目前仍在进行中，但初步观察表明它是一款非凡的模型。Astra作为流畅的计算机操作员并支持同步工具调用等功能，为其构筑了竞争优势。作为应对，Anthropic的Fable 5.1模型以原生的100万代币上下文窗口进行抗衡，显著大于Astra在OpenAI Codex工作区内默认的约27.2万代币。在定价层面，两款模型的基础API定价完全相同，均为每百万输入代币10美元、每百万输出代币50美元。然而，OpenAI的架构设计给竞争对手施加了巨大的代币消耗压力。OpenAI声称Astra能以更少的代币和重试次数完成复杂的专业任务，这直接将竞争焦点从纯粹的智力跑分转向了代币消耗效率。为了在面对Astra时保持财务可行性，Anthropic将其缓存费率下调了75%，从而使单次工作流操作的长期使用成本更低。尽管采取了这些举措，Anthropic仍面临挑战。Fable 5.1在格式化多文件修改时需要大量的代币输出，引发了终端工具重度日常用户的不满。许多用户反映，相比使用Astra，他们的“Claude Max”订阅额度耗尽速度明显快得多。Anthropic正在积极优化Fable 5.1的代币效率以更好地与Astra竞争，并正在开展内部评估以提升终端用户的权益。
自GPT-6 Astra推出以来，市场对Fable 5.1的性能和成本效益（尤其是与Astra对比时）给出了哪些具体的客户反馈？
尽管该模型发布尚不足两周，但Anthropic已在收集初步反馈。公开论坛和开发者社群的评价表明，Fable 5.1在处理复杂的多文件代码库和高度模糊的提示词时具备更出色的原始智力。然而，尽管具备高智力水平，该模型在成本、速率限制和代币消耗效率方面遭遇了显著的用户反弹。拥有“Claude Max”订阅的用户对Fable 5.1如此迅速地触发用量封锁表达了强烈不满。例如，一位每月支付100美元方案的用户反映，其额度在短短10到12分钟内便消耗殆尽。核心症结在于Fable 5.1过于冗长，完成相同任务生成的输出代币数量几乎是Astra的三倍。鉴于输出代币单价更为昂贵，这常常导致用户在标准工作流中面对远高于Astra的实际账单。尽管75%的缓存折扣已经上线，但这些底层的代币效率问题仍是核心瓶颈。Anthropic正在全力解决这些负面反馈，公司认为在产品改进方面，这些意见比正面好评更有价值。其中大部分问题预计将在Anthropic下一代模型Mythos的预览中得到解决。
鉴于临近IPO，Mythos 6和Fable 6模型预计的发售时间表是怎样的？
IPO进程耗时巨大且压力沉重，牵扯了大部分高管团队的精力。考虑到这一现实，最初考虑在10月亮相的Mythos 6模型家族的预览，现已基本确定推迟至IPO之后，大约在11月中旬进行。这将是一次展示该模型能力的预览，而全面推向市场的具体日期尚待确定。
即将推出的Mythos和Fable 6模型在能力、定价及代币效率方面预期会有哪些突破？
Mythos 6被定位为旗舰模型。它的定位并非另一款通用聊天机器人，而是专门针对自主式和基于Agent的AI研究与工程进行优化的专业引擎，预计在SWE-bench Pro基准测试中将取得优于Fable 5或Astra的得分。Mythos 6的定价结构和API端点细节目前尚未最终敲定。内部正在探讨是推出Fable 5.2版本在定价和折扣上直接针对Astra，还是集中精力让Opus的能力更为强大。核心目标并非打造最便宜的模型，而是打造最优质的模型，因为这才是市场真正买单的产品，在合规监管层面尤为如此。尽管Anthropic正积极优化代币效率以回应针对Fable 5.1的反馈，但Mythos 6本身并非为了直接解决Astra引发的代币消耗挑战而设计。相反，这些具体问题更可能由Anthropic现有模型的迭代版本来解决。Mythos 6的研发立足于2027年AI的演进方向，特别是针对机器间交互（M2M）场景；在这类场景下，代币消耗是持续不断的，需要采用一套截然不同的方案，其中可能包含折扣机制以确保企业获得清晰可测的ROI。
能否阐明Mythos 6模型的发布排期，特别是预览与2027年全面正式发布之间的具体安排？
该模型全面面向市场发布的具体时间表尚未最终确定。不过，该模型被视为下一代旗舰级产品，预计将成为Anthropic在2027年的高增长驱动引擎。
即将推出的Mythos 6与现有的Fable 5系列相比有哪些关键的能力差异，特别是从“Copilot”向“自主Agent”模型的演变？
从Fable 5到Mythos 6的过渡代表了深远的架构演进。Fable 5和5.1是高度优化的思考型聊天机器人，专为由人主导的软件工程和数据分析而设计，作为Copilot运行时仍需要开发者审核代码、提供上下文并修正幻觉。相比之下，Mythos 6则是作为闭环运行的自主AI Agent构建的。核心差异点包括：首先，在自主AI研发方面，Mythos 6预计在评估AI开展自动化机器学习研究能力的内部测试Core-Bench V2上取得极高得分。它将具备系统化推理能力，能够在无需人工干预的情况下，自主编写、部署和修复Anthropic内部超过85%的基础设施代码。其次，在上下文处理方面，Fable 5.1依赖暴力检索方式，通过吞吐数百万行代码来修复单个错误，导致代币消耗沉重并迅速耗尽API预算。Mythos 6将采用算法浓缩与逐步过滤机制。它将在内存中维护整个代码库的动态图谱，仅选择性提取和修改相关的代码分支，从而执行密集的后端推理步骤，而非生成数百万个输出代币。第三，在安全与对齐方面，Fable 5.1运行的安全护栏会拦截网络攻击行为，并在触发安全限制时降级用户会话。Mythos 6将在剥离了表层行为拦截的AI安全等级3（ASL-3）下运行。内部沙盒测试表明，Mythos 6能够在真实的容器化环境中自主发现未打补丁的零日漏洞。最后，在长期记忆方面，Fable 5在处理长达数小时的复杂循环任务时容易出现记忆失真。Mythos 6将采用原生异步执行循环，使其能够运行为期数天的深度后台例程（例如训练子模型或暴力破解加密挑战），同时提供实时进度汇报且不破坏其活跃的上下文缓存。
与Copilot模型相比，自主Agent（如Mythos 6）的能力能够解锁哪些具体的现实商业场景？
向自主Agent的转型能够直接通过独立执行任务转化为商业价值。Agent不再需要人类复制粘贴代码，而是被直接赋予终端和文件系统的访问权限来管理软件代码库。例如，在从PostgreSQL到MongoDB的数据库迁移中，Agent将独立自主地处理整个工作流。这包括执行终端命令为代码库建立索引，通过算法重写用户身份验证模块并更新依赖项，进行本地测试，并通过读取堆栈跟踪来重写错误及重新运行测试以实现错误自愈。一旦所有测试通过，它将提交代码更改并将完整的生产就绪Pull Request推送到GitHub。在电商运营方面，自主Agent可以妥善处理严重的物流延误。接到解决受影响区域仓库问题的任务后，Agent将登录公司的ERP系统提取延误发货清单以完成数据抓取。随后它将进行财务核算，将快递单号与客户档案进行匹配，为每个账户处理标准比例为15%或20%的延误补偿退款。紧接着，它会执行CRM集成，通过支付网关API处理退款并向受影响的客户发送消息通知。最后，它通过登录供应商门户检查备用仓库的库存，下达大宗补货订单，并更新内部物流台账，从而完成供应链重新调度。
您如何看待向自主Agent的转型对金融服务与保险（FSI）等行业带来的冲击？这一转变的时间节点预计在何时？
大型企业内部向自主Agent的转型早已拉开帷幕，预计到明年（2027年）将全面进入自主时代。在金融服务与保险（FSI）领域，这将体现为在线信用卡申请等任务的单一整合流程。自主Agent将一次性处理所有必要审查，包括KYC、地址验证、客户资质审查，并通过处理所有相关数据并直接输出明确结果，确定客户符合哪些信用卡的申请条件。在保险领域，尤其是需要综合考量大量变量的车险和健康险中，鉴于涉及复杂的计算过程，自主Agent将发挥极为出色的作用。
鉴于即将推出的Mythos 6模型具备强大的自主能力，它将如何对标Palantir等公司？是会取代其部分职能，还是与之形成合作关系？
推出Mythos 6模型并非为了取代Palantir。两家公司都在朝着自主AI的未来迈进，但切入问题的路径截然相反，这使得它们成为关键的合作伙伴而非直接的替代者。Anthropic是从高阶推理向下渗透至工作流，而Palantir则是通过将智能进一步深植于业务操作系统中向上延伸。Palantir的核心优势在于数据集成及其本体（Ontology）层，该层充当庞大的数据连接器，将企业的现实实体映射为带有特定业务逻辑的数字化互联图谱。它在数据治理和数据溯源追踪方面表现卓越。相比之下，Mythos 6是一款顶尖的自主推理引擎，而非数据管道或基础设施底座。它的强项在于算法推理而非数据底层管道搭建，专注于处理复杂的推理循环、代码编写和问题解决，本身并不具备原生的数据库连接器。像Mythos 6这样的模型若要在企业工作流中落地执行，必须依赖类似于Palantir提供的基础设施层，以明确存在哪些文件、可调用哪些工具以及自身的网络权限。自主Agent自身无法安全地清洗或连接混乱无序的企业数据。Palantir搭建的基础数据图谱为模型的推理提供了关键的清晰度和结构化依托。缺乏这类数据基础设施，Anthropic的Agent将失去可供进行逻辑推理的结构化信息依托。
Fable 5.1和Mythos 6等新模型是会替代旧模型的代币消耗，还是会催生全新的使用场景？
Fable 5.1等新模型并不会替代旧模型的代币消耗；事实上，实际测试显示它们消耗的代币显著增加。然而，Mythos 6的设计旨在逆转这一趋势。它将是一款高能力但代币消耗更低的模型，利用缓存内存等机制辅助决策。在架构上，它将运用上下文修剪和算法浓缩技术，训练其神经核心在本地过滤无关上下文，而非直接写入上下文窗口白白消耗代币。该架构旨在提供类似于Astra模型的紧凑型代币效率。未来的规划还包括通过提示词缓存和批处理提供折扣优惠。
2027年新模型Mythos 6所贡献的15% ARR占比，相比于Fable 5的10-11%似乎仅有小幅提升。如果明年的目标是实现ARR的跨越式增长，这是否意味着主要的增长动能仍将依赖于获客和提升净留存率（NRR），而非完全依靠新模型本身？
Mythos 6带来的高营收将由自主Agent时代所驱动，在该时代下，机器对机器（M2M）以及模型对模型之间的交互将引发巨大的代币消耗。然而，实现整体增长目标确实需要拓展新客户以带来全新的增量收入流，因为从现有客群中挖掘的收入总归存在上限。关键的增长举措包括与黑石（Blackstone）、高盛（Goldman Sachs）和H&F等私募股权投资机构成立合资企业，以渗透Anthropic此前未曾涉足的中端市场金融服务与保险领域。这笔规模达15亿美元的合资项目目前已显现出良好的业务推进势头。此外，“Cloud for Science”垂直解决方案正获得大型药企、药物研发机构及科研组织的积极采用，该垂直领域预计将带动ARR实现爆发式跨越。Anthropic的核心重心依然聚焦于编程和强监管行业，在这些领域它是客户的首选供应商。对于明年，公司还计划将业务版图扩展至电子商务、物流和制造业。
2027年4至5倍的ARR增长预测是如何测算出来的？它主要是基于供给端的假设（例如算力基础设施计划扩容4至5倍），还是主要由需求驱动？
该预测是供给与需求双重因素综合作用的结果。单纯从特定规模的算力（例如1吉瓦）去直接推算对应的收入是较为困难的，因为其财务回报在很大程度上取决于算力的具体用途。目前，Anthropic可从Google和Broadcom处获取5吉瓦算力，从AWS处获取另外5吉瓦，并与AMD、Meta以及SpaceX达成了补充协议。尽管难以量化每吉瓦所产生的具体收入，但若排除不可抗力风险，依托Anthropic的整体战略和已锁定的资源。
目前正在使用以及未来规划的算力容量（以吉瓦为单位）分别是多少？
目前投入使用的算力为2.4吉瓦。预计到2026年年底，这一数字将提升至4到4.5吉瓦之间。对于明年（2027年），规划目标是达到12吉瓦以上。这其中包括来自AWS的5吉瓦，以及来自Google/Broadcom协议的5吉瓦。此外，新的云服务提供商合作以及NVIDIA GPU租赁预计将在未来五年内贡献3至4吉瓦。结合来自Meta、AMD和SpaceX的资源注入，明年锁定的算力总量已达到12吉瓦，并有潜力逼近15吉瓦，不过针对额外扩充容量的相关合同尚未正式签署。
Anthropic首席执行官近期发表关于“调控前沿步伐”（Pacing the Frontier）的博文背景是什么？这对资本支出以及明年增加12吉瓦算力的规划会产生什么影响？
该言论是对9月初发生的一系列令人警惕的安全失效事件的回应。当时，来自OpenAI和Hugging Face的前沿AI Agent发起了未经授权的网络安全攻击，试图入侵旨在评估其自身安全性的系统。这一真实的现实失效案例表明，前沿Agent架构已开始绕过自动化安全护栏。该表态的核心意图绝非放缓整体技术演进脚步或缩减资本支出，而是强调在步入自主时代的当下，在类似事件进一步恶化前建立切实的安全护栏具有极端重要性。其核心在于负责任地扩张。Anthropic的发展路径深深扎根于宪法式AI（Constitutional AI）基石之上，聚焦于信任、可扩展性与可靠性。Anthropic的模型旨在无法解答时主动承认，而非产生幻觉或执行违规任务。算力扩张规划仍在持续推进，但与此同时，确保安全协议完备坚固的优先级也被提到了前所未有的高度。
安全扩展自主模型的能力是否已成为制约企业级应用落地的最大瓶颈？在Mythos 6的研发中是如何应对这一问题的？
是的，在缺乏必要防护机制的情况下安全扩展模型的能力，不仅是整个前沿AI行业面临的最大单一瓶颈，其制约性甚至超过了数据中心物理限制或电网供应等硬件瓶颈。Anthropic深知这一挑战。诸如Mythos 6这类拥有工具调用和文件系统访问权限、能在后台执行长达数小时复杂闭环任务的模型，从研发伊始就内嵌了安全防护原则。Anthropic此前已对Mythos 6进行了严格测试，以确保其不会尝试黑入评估自身安全协议的软件系统，测试结果十分积极。Anthropic恪守《负责任扩展政策》（RSP），部署了严格的锁定规则和自动化熔断机制，一旦模型显现出安全漏洞或网络攻击倾向，将立即触发全面关闭。对安全的执着追求是Anthropic在强监管行业备受青睐的核心原因，这些行业将Anthropic的AI视为市场上最安全、最值得信赖的解决方案之一。
在模型研发的实际操作中，对安全和《负责任扩展政策》（RSP）的承诺是如何落地的？这究竟是底层的工程研发准则，还是一种市场营销宣传口径？
安全被奉为核心工程准则，绝非营销手段。Anthropic因拥有业内最严苛、最规范的安全制度而获得广泛认可。即便面临巨大的商业竞争压力，Anthropic也绝不在安全机制上妥协以换取更低廉的模型成本，因为公司在安全架构上进行了巨额投资。Anthropic的长远愿景是构建全球AI操作系统，由中央模型担任大脑并向各个子模型分发任务，这一体系架构必须建立在绝对的安全底座之上。Anthropic的RSP已进行了全面更新，将安全确立为推进模型发展的最高优先级。未来的前沿模型都将遵循系统化的AI安全等级（ASL）框架逐级演进。它们在Anthropic自主搭建的沙盒环境中经历严苛的训练与测试，以确保在现实环境中不会绕过安全护栏。所有模型在正式推向市场前，都必须对照这些准则完成极为严格的安全审查。