截至来源材料所载时点，GPT-6 Astra采用循环Transformer架构并非OpenAI官方确认，而是中信证券研究部基于the information等媒体报道作出的待验证判断。该判断出自中信证券2026年9月9日发布的《计算机行业智能领军（AI SOTA）系列报告13—GPT-6：循环架构升级，抬升智能上限》，来源方在表述中使用「或」「有望」，相关架构信息尚未由OpenAI官方确认。
已发生事实与来源方判断的边界
已发生事实层面：2026年9月3日，OpenAI正式发布GPT-6 Astra（来源：OpenAI官网，转引自中信证券研究部报告）。来源方引述的公开测试表现包括：ARC-AGI-3通过率从个位数升至99.9%，FrontierMath Tier 4达98%，OSWorld 2.0任务完成率从65.7%提升至72.6%、耗时从75分钟降至40分钟，编程任务Token消耗为此前的三分之一。
判断层面：来源方认为GPT-6核心技术迭代的核心或为循环Transformer架构升级，有望抬升智能上限，依据是the information等媒体的报道。这属于来源方主张，而非官方口径。
来源方如何解释循环Transformer
来源方称传统Transformer存在「时间浅层性」缺陷，有效推理深度等同于物理堆叠层数，过往提升推理能力依赖堆叠层数、扩张参数量或增加外部思维链Token，导致KV缓存爆炸式增长、显存占用过高、推理成本居高不下。
来源方对循环Transformer机制的解释是：引入层内循环迭代与持久化KV记忆，无需大幅增加物理层数与参数量，通过单层网络多次隐空间迭代提升有效推理深度，多数复杂推理步骤在隐状态内部完成，持久化KV可跨时间步、跨迭代复用。
由此来源方判断：推理瓶颈从显存IO带宽约束一定程度上转向芯片算力利用率约束，有望拉升高算力服务器需求；同时显性思维链转为隐空间计算，增加外部获取思维链的难度，对软蒸馏有影响、对硬蒸馏无影响。
常见问题
循环Transformer架构是否已被OpenAI确认？
来源材料明确写明，相关架构信息依据媒体报道，尚未由OpenAI官方确认。来源方自身也使用「或」「有望」表述，属待验证主张。
来源方判断的主要依据是什么？
依据为the information等媒体的报道，而非OpenAI官方技术文档。来源方在此基础上给出了机制解释与算力结构推演，但这些推演同样属于来源方判断。
来源方列示了哪些风险？
来源方列示的风险包括：模型技术创新、能力突破不及预期；算力基础设施适配不及预期；AI商业化落地不及预期；行业竞争加剧等。这些风险提示本身也说明相关判断存在失效条件。