GPT-6 带来的变化，不只是模型更聪明，而是我们可以更细地分配任务、控制推理投入、复用上下文。对于做内容和 GEO 的团队来说，真正值得研究的不是“哪个模型最强”，而是怎样让检索、写作、核验和发布这条流程更可靠，同时把每篇合格内容的成本降下来。

一、模型越来越强，为什么内容还是不好用？

如果你用 AI 批量写过文章，大概率遇到过这种情况：第一眼看，结构完整、语句顺畅，连总结都挺像那么回事。可认真检查一下，就发现数据没出处、产品版本对不上，或者写了两千字，还是没回答读者最关心的问题。

这时候，最容易想到的解决办法就是：换一个更强的模型。

但我更建议先问一句：问题到底出在模型能力，还是工作流程？

如果没有可靠资料，没有清晰的任务边界，也没有发布前的核验环节，换模型未必能解决根本问题。

OpenAI 的 GPT-6 使用指南实际上也没有只围绕“能力升级”展开，而是把模型选择、推理等级、缓存、上下文压缩和多智能体协作放在了一起讨论。它强调的是：让不同能力服务于具体任务，并在上线前衡量成功率、延迟和每次成功任务的成本。

对于内容团队，这个思路很实用：别只想着让 AI 写得更多，先让它交付得更稳。

图片描述

二、Astra、Sol、Luna 怎么选？把它们当成不同岗位

按照上述 OpenAI 官方指南的定位，GPT-6 Astra 面向最困难的推理工作；GPT-6.1 Sol 面向复杂编码、研究和计算机操作；GPT-6 Luna 则更偏向目标明确、需要规模化处理的重复任务，比如字段提取、分类和结构化摘要。

与其死记参数，不如把它们理解成团队里的不同岗位。

下面这张表是结合内容业务给出的选型建议，并不是官方性能排名：

内容环节 建议优先评估的模型 主要考虑
文章分类、字段提取、固定格式摘要 GPT-6 Luna 任务清楚，先看格式正确率和单位成本
多来源研究、资料整理、文章整合 GPT-6.1 Sol 需要跨资料判断和多步骤执行
争议分析、复杂论证、重点内容审查 GPT-6 Astra 错误代价更高，需要更深入的判断

比如，我们准备写一篇“企业如何选择 AI 接口”的文章。提取各家文档里的价格和功能字段，不必一开始就动用最强模型；分析不同方案在复杂业务中的取舍，则值得投入更多推理资源。

当然，这不是说“小模型负责的内容不用检查”。价格、计费单位、版本号这类信息，即便只是提取，也可能出错。

任务简单，只代表处理方式可以更轻，不代表验收标准可以更松。

三、推理等级不是越高越好，要看这一步值不值得

模型选好之后，还有一个容易被忽略的变量：推理投入。

OpenAI 的指南把推理等级描述为能力与价格之间的权衡：Low 对应常规提取或小幅编辑，Medium 用于需要判断的工作，High 用于深度分析和仔细审查；更高档位则应在模型支持、且额外收益值得时间与成本时再使用。

说得直白一点：

  • 改一个标题，没必要让模型反复推演。
  • 对比三种业务方案，可以多给一些思考空间。
  • 判断两份资料是否存在实质冲突，值得认真分析。

可以从下面这套方式开始测试：

任务 建议起点 什么时候升级
标签归类、格式转换 低推理投入 出现明显歧义或规则冲突
文章提纲、方案比较 中等推理投入 无法解释取舍，遗漏关键条件
事实冲突分析、重要结论审查 高推理投入 仍未解决关键问题，再测试更高档位

这里有个重要区别：多想一会儿，不等于多知道一些事实。

如果任务需要最新价格或刚发布的产品信息，首先要补齐来源，而不是单纯提高推理等级。缺少证据时，最好的输出可能是“这项信息还无法确认”，而不是一段更流畅的猜测。

另外，上表是工作流建议，不是通用 API 参数表。实际可用的档位与参数名称，要以具体模型和接入文档为准。

四、“缓存省 95%”很吸引人，但别算错账

缓存可能是批量内容生产中最值得关注的优化点之一。

品牌介绍、写作规范、固定术语表、审核要求……这些材料经常在每次请求里重复出现。OpenAI 建议把稳定指令和参考材料放在变化的任务细节之前，并保持工具定义一致，以便复用共享上下文。官方指南提到，缓存输入的费用相较未缓存输入最高可降低 95%，具体取决于模型。

但这里一定要看清楚：

缓存输入便宜 95%，不等于整篇文章的生产成本下降 95%。

以官方公布的 GPT-6.1 Sol 标准 API 价格为例：每百万输入 token 为 2 美元，缓存输入为 0.10 美元，输出为 10 美元。这里引用的是 OpenAI 官方标准价格，不代表本站或第三方接入渠道的实际报价，价格变化请以服务方最新页面为准。

我们做一个演示算例，不是实测结果：

假设一次任务有：

  • 20,000 个输入 token；
  • 其中 15,000 个可以命中缓存；
  • 3,000 个输出 token。
费用项目 全部输入未命中缓存 15,000 个输入命中缓存
未缓存输入 $0.0400 $0.0100
缓存输入 $0 $0.0015
输出 $0.0300 $0.0300
合计 $0.0700 $0.0415

按这个假设计算，token 费用下降约 40.7%，并不是 95%。

而且，这还没有计入工具调用、失败重试、人工审核，以及可能适用的其他费用。

所以，比较靠谱的做法是把提示词拆成两层：

**稳定层：**品牌规范、写作风格、输出格式、审核规则。

**动态层：**本次主题、目标读者、新检索到的资料、当前任务要求。

然后观察真实请求中的缓存命中情况，而不是看到“最高优惠”就直接写进项目预算。

五、多智能体很适合做研究，但不适合为了热闹而分工

一篇研究型文章，往往包含几个可以独立推进的任务：

  • 查官方文档；
  • 找实际案例；
  • 收集常见问题；
  • 核对价格和功能；
  • 整理不同来源之间的分歧。

这些任务有一定独立性，适合并行处理。

OpenAI 的指南介绍，GPT-6.1 Sol 可以在 Responses API 中把独立任务分派给子智能体，再汇总结果；该多智能体能力在指南中标注为 beta。

不过，多智能体不是免费的效率提升。

Anthropic 在其研究系统的工程复盘中提到，多智能体适合向多个独立方向展开的研究，但会显著增加 token 消耗；在他们观察的数据里，多智能体系统的 token 使用量约为普通聊天的 15 倍。这个数字属于其特定系统的经验，不能直接套用到所有产品。

因此，我更建议这样安排：

让多个智能体分别找证据，让一个编辑统一组织文章，再由人工把关。

不要让五个智能体分别写五段，然后直接拼起来。这样很容易出现重复、矛盾和文风不一致。

下面是一个适合内容团队起步的流程示意：

AI 内容生产工作流：确定问题、任务分流、并行检索与核验、编辑整合、人工审核、发布复盘

配图为 GPT Image 2 生成的方法示意，不代表性能实测。

要让这个流程真正有用，每个子任务最好交付四样东西：

  1. **结论：**发现了什么。
  2. **来源：**证据在哪里。
  3. **限制：**哪些情况不适用。
  4. **待确认项：**还有什么不能下结论。

特别要注意：事实核验不是让另一个模型“觉得这段话没问题”，而是让它重新对照来源。

多个智能体意见一致，不等于事实已经被证明。

六、长任务要保存状态，自动操作要划清权限

做一篇短文，把资料放进上下文可能就够了。做系列专题、持续维护产品文档，问题就不一样了。

OpenAI 的指南介绍了上下文压缩，用于减少长对话的上下文体积，同时保留继续任务所需的状态。

对于内容工作，我建议无论采用哪种压缩方式，都单独维护一份任务记录：

  • 已确认的事实及其来源；
  • 当前使用的产品版本；
  • 尚未解决的资料冲突；
  • 已完成和未完成的环节；
  • 必须人工确认的决定。

不要只留下“我们已经研究过这个问题”这样的模糊摘要。后续写作真正需要的是证据和边界。

自动操作也是一样。官方指南建议，能用 API 或已连接工具直接完成的步骤，优先使用这些方式；需要读屏、点击或填写表单时，再考虑计算机操作能力。

对于博客流程，可以允许 AI 自动整理草稿、检查链接、生成配图，但把正式发布、删除文章和修改线上配置放在人工确认之后。

会操作后台，不代表应该拥有无限权限。

七、回到 GEO：写得更快，不等于更容易被 AI 引用

说到这里，需要把两个问题分开：

  • 用 AI 提高内容生产效率；
  • 让内容在生成式搜索回答中更容易被发现和引用。

前者是工作流问题，后者才是 GEO 关注的核心。

早期 GEO 研究围绕生成式引擎中的内容可见性展开，并报告了在其评测设置下最高约 40% 的可见性提升，同时指出不同领域的效果存在差异。这个结果不能直接理解为“照着做，本站流量就会涨 40%”。

Google 的官方说明则更务实：对于 AI Overviews 和 AI Mode，不需要一套额外的特殊优化要求；基础 SEO、可靠且以人为本的内容，仍然重要。页面要具备被索引和展示摘要的资格，才有机会作为支持链接出现。

这并不能代表所有 AI 搜索产品的规则，但至少提醒我们：别急着寻找所谓的“万能 GEO 模板”。

对于本站博客，我更建议先把下面几件事做好。

1. 一篇文章解决一个真实问题

“全面解析 AI 的未来”听起来很大，却不一定有用。

“批量生成产品文案，怎样判断缓存是否真的省钱”，反而更容易讲清楚，也更方便读者直接应用。

2. 给数字补上适用条件

不要只写“成本下降 40%”。

要说明使用什么模型、怎么算的、是否包含输出、工具和人工费用，以及这个数字是实验结果还是演示算例。

3. 关键内容不要只藏在图片里

Google 明确建议重要内容以文本形式呈现，结构化数据也应与页面可见内容保持一致。

所以，图表可以帮助理解，但正文仍要交代结论、数据和条件。

4. 把事实、建议和预测分开

“官方文档支持某项功能”是一类信息。

“我们建议内容团队这样用”是另一类。

“未来可能带来某种变化”又是第三类。

明确区分它们，比把所有句子都写得斩钉截铁更有价值。

5. 观察真实结果，不迷信自评得分

可以建立一个固定问题集，定期记录不同 AI 搜索产品是否引用本站、引用了哪篇文章、引用是否准确，再结合实际访问和转化分析。

这样的跟踪仍然会受到时间、地区和产品差异影响，但至少比给文章打一个没有公开依据的“GEO 高分”更有参考价值。

八、真正该优化的是“每篇合格文章的成本”

内容团队很容易盯着两个数字：一天生成多少篇，每篇消耗多少 token。

但如果生成了 100 篇，最后只有 20 篇能发布，这个效率可能并不高。

我更建议看这个指标：

单篇合格内容成本 = 总生产成本 ÷ 通过审核的文章数量

其中，总生产成本应该包含模型调用、检索工具、返工和人工审核，而不只是第一次生成的费用。

实际落地时，可以先选一批有代表性的任务做小规模测试，不要一开始就全站铺开。

重点记录：

指标 要回答的问题
事实错误率 有没有编造、过时信息或版本混淆？
来源可追溯性 关键结论能不能找到原始依据？
首轮审核通过率 有多少内容不需要大幅返工？
单篇合格成本 包括失败任务和人工之后，究竟花了多少？
交付时长 从开始检索到可以发布，需要多久？
发布后的效果 是否带来有效访问、引用或业务转化？

测试后再决定：哪些任务降级处理，哪些环节提高推理投入，哪些研究值得并行，哪些步骤必须交给人。

写在最后：把聪明用在该用的地方

GPT-6 给内容团队提供了更多选择，但选择变多，并不意味着每一步都要用最强配置。

更值得尝试的方向是：

简单任务轻量处理，复杂判断认真推理，重复上下文尽量复用，独立研究适度并行，正式发布之前保留审核。

对 GEO 来说，也一样。

没有哪个模型能替一篇文章保证被引用。我们能做的，是让它回答真实问题、提供可追溯的证据，并把适用范围讲清楚。

说到底，真正值得追求的不是“让 AI 多写一点”，而是：

让每一篇发布出去的内容，都更值得读，也更经得起检查。

参考资料

  1. OpenAI：GPT-6 实践指南
  2. OpenAI：Introducing GPT-6.1 Sol
  3. Anthropic：How we built our multi-agent research system
  4. GEO: Generative Engine Optimization（KDD 2024）
  5. Google Search Central：AI features and your website

本文为资料整理与应用分析，不属于本站性能实测。模型能力、测试阶段和价格可能变化，请以服务方最新文档为准。