OpenAI宣布与Airbnb达成新协议，扩大工程和产品团队对包括GPT-6 Astra在内的前沿模型访问，覆盖编码、搜索、反欺诈、客服和保险理赔等工作流。公告未披露具体采购或调用规模，强调的是企业部署范围的扩大及模型在真实工作流中效率与安全控制的权衡。
OpenAI表示，Airbnb正根据一项新协议，向工程和产品开发团队扩大开放包括GPT-6 Astra在内的前沿模型。双方的合作重点不只是让工程师使用更强的编码助手，也包括把模型接入软件开发、搜索、反欺诈、客户支持和保险理赔等与平台运营相关的工作。
OpenAI在9月23日发布的公告称，Airbnb将通过OpenAI API和Amazon Bedrock获得更广泛的模型访问权限。公告没有披露协议金额、模型调用规模或具体的商业采购承诺，因此目前更适合将其理解为企业部署范围的扩大，而不是一项已经量化的收入或产品合作协议。
从Codex编码助手到远程智能体
Airbnb此前已经在使用Codex。OpenAI称，Airbnb工程师通过内部人工智能助手编写软件，并创建由Codex以及GPT-5.6 Sol、Terra和Luna等模型驱动的远程人工智能代理。新的协议则把访问范围扩展到GPT-6 Astra，并允许团队通过两类不同的云端入口使用OpenAI模型。
这显示出企业采用前沿模型的方式正在发生变化。模型不再只是嵌入一个供员工提问的聊天窗口，而是被放进代码库、开发工具和内部流程中，承担排查问题、整理背景、提出设计方案以及推进多步骤任务等工作。对Airbnb这样的在线平台而言，模型能否与现有权限、工具和审核流程协同，往往比单次回答的质量更决定部署效果。
OpenAI引用Airbnb首席技术官Ahmad Al-Dahle的话称，Airbnb开发团队目前交付的功能数量“比一年前大约增加80%”，而OpenAI的前沿模型是开发工具链中的重要组成部分。这个数字是Airbnb方面的表述，公告没有给出计算口径、比较周期或独立验证结果，因此不能直接等同于模型带来的生产率提升。
Airbnb还向OpenAI介绍了一个非编码任务测试：一名用户在处理战略文件等工作时，据称经过三到四轮就获得了满意结果，而使用其他模型时需要超过20轮。这个例子同样属于企业案例，尚不足以说明所有用户或所有工作负载都能复制相同结果。
GPT-6 Astra的能力与限制
这项合作发生在GPT-6 Astra发布数周后。OpenAI在GPT-6 Astra介绍中，将其定位为面向复杂端到端工作的旗舰模型，覆盖计算机操作、浏览、软件工程、科学研究和专业工作。公司公布的测试包括：Astra在OSWorld 2.0计算机使用评测中得分72.6%，高于GPT-5.6 Sol的65.7%，并称结合更新后的Codex运行环境后，在Mind2Web上任务完成速度约为此前Sol体验的1.9倍。
这些数字首先反映OpenAI自己的评测设置。不同模型的系统提示、工具配置、推理投入和运行环境可能不同，企业在真实部署时还需要面对权限、数据质量、失败重试和人工审查等因素。因此，基准成绩可以说明OpenAI希望强调的能力方向，但不能单独证明Airbnb的实际业务收益。
Astra的另一个特点是安全能力与风险同时上升。OpenAI在《Path to Astra》中称，该模型首次达到其准备框架中的“关键”网络安全能力门槛，能够在特定测试中识别漏洞并开发利用链。OpenAI也表示，模型发布前曾暂停部分训练和发布工作，以强化网络隔离、监控、拒答和对越权行动的控制。
这使企业部署必须同时考虑效率和控制。能够自行浏览、修改文件、运行软件或调用外部工具的模型，理论上可以减少工程师在重复步骤上的时间，但也需要更清晰的授权边界、日志、沙箱和人工确认机制。OpenAI称，Astra在生产环境中配备了额外的监控和控制措施，并对高风险网络安全工作设置更严格的访问限制。
Airbnb把AI放进哪些业务环节
根据OpenAI的说法，Airbnb已经在搜索、欺诈预防、房客和房东支持以及保险理赔等场景使用人工智能和机器学习。模型可以帮助平台理解房客需求，识别可能存在欺诈的内容或索赔，并在行程变化后提供支持；在保险业务中，相关系统也被用于帮助房东更快完成理赔流程。
不过，公告没有说明GPT-6 Astra是否已经直接用于这些面向用户的功能，也没有披露其在其中承担的是模型推理、内容分类、客服辅助还是其他角色。更准确的表述是，OpenAI模型已被用于这些业务方向，而此次新协议主要扩大了工程和产品开发团队对前沿模型的访问。
Airbnb正在把住宿、服务、体验、机场接送和租车等内容逐步放入同一个旅行平台。OpenAI认为，更强的模型可以帮助Airbnb更快构建这些功能。对Airbnb来说，潜在价值并不只在于节省编程时间，也在于能否缩短从用户需求、产品设计到上线测试的周期。
这类变化与企业AI竞争从“能否得到答案”转向“能否把工作流变成可重复的运营能力”相呼应。AIFlux此前在OpenAI关于AI原生公司工作流的分析中提到，企业需要同时配置背景信息、工具、权限、证据链和人工审查，才能把一次性的模型试用转化为可衡量的流程。
企业采购的下一步是衡量真实任务成本
Airbnb扩大模型访问范围，也反映出企业采购正在从“选择一个最强模型”转向管理一组不同成本和能力的模型。GPT-6 Astra适合高难度推理、代码和计算机操作，但企业未必会让它处理所有任务；在大量重复、规则清晰的工作中，较低成本的模型可能更合适，而复杂环节则可以升级到Astra或交由人工审查。
OpenAI此前对GPT-5.6 Terra和Luna的定价调整，以及后来发布GPT-6 Sol和Luna，已经把模型能力、缓存效率、调用速度和每项任务成本放在同一个框架中讨论。AIFlux关于GPT-6 Sol与Luna价格和工作流经济学的报道指出，长上下文、输出长度、工具调用、缓存命中率和人工返工都会改变真实账单。
对Airbnb而言，后续更值得观察的不是“能否使用GPT-6 Astra”这一事实本身，而是模型是否能够在真实工程环境中稳定减少返工、缩短发布周期，并改善搜索、支持和风控流程。OpenAI的公告提供了企业采用方向和客户反馈，但没有披露足以独立衡量这些结果的运营数据。
从更广泛的行业角度看，这项协议说明前沿模型正沿着两个方向同时扩散：一方面，它们继续作为编码和研究工具进入企业内部；另一方面，模型开始被放进能够调用软件、数据和业务系统的长期工作流。随着这种部署变得普遍，企业需要回答的问题也会从“模型能做什么”转向“它被允许做什么、如何被监督，以及在出错时谁负责”。
来源：