GPT-6 Astra: lancio, prezzi, caratteristiche tecniche e prime recensioni

Aggiornato il 18 settembre 2026.

Abbiamo chiamato gpt-6-astra tramite il servizio di modelli supportato dalla CLI di GlobalGPT, utilizzando input sintetici e salvando le risposte grezze. Non si è trattato né di un test diretto dell’API OpenAI né di un test dell’abbonamento ChatGPT. In questo batch, le chiamate end-to-end hanno richiesto da 4,87 a 9,07 secondi e il saldo dell’account è diminuito di 391,08 crediti.

Questa recensione illustra quali parametri abbiamo testato, quali risultati ha fornito Astra, quali hanno superato i test e dove si esauriscono i dati disponibili. Le specifiche ufficiali e i prezzi sono riportati separatamente rispetto alle nostre misurazioni.

Risultati pratici di GPT-6 Astra

Si tratta di tre attività diverse, ciascuna con una singola chiamata al modello, non di prove ripetute né di un tasso di successo misurato pari a 100%. Il tempo misurato copre l’intera richiesta CLI/provider fino alla restituzione del risultato; non abbiamo misurato il tempo necessario per ottenere il primo token. Il registro mostra i crediti interi, mentre la variazione del saldo include anche le frazioni.

Come abbiamo testato Astra tramite l’API

Abbiamo utilizzato lo stesso account GlobalGPT già esistente per tutte e tre le chiamate. Ciascuna era una richiesta nuova e senza stato, con l'attività fornita sotto forma di file di testo. L'etichetta del modello richiesta e restituita era gpt-6-astra. Il servizio ha restituito il testo della risposta, i token di input/output utilizzati e un campo relativo agli errori; nessuno dei tre risultati ha segnalato un errore. L'assegnazione delle etichette da parte del provider non costituisce una verifica indipendente del percorso del modello a monte.

Prima delle chiamate abbiamo preparato la chiave di risposta per gli ordini e le risposte relative al pacchetto delle politiche. Abbiamo poi verificato il codice generato in locale con 10 casi creati ad hoc dopo averlo ricevuto; questi non costituivano un benchmark di codifica prestabilito. Nel prompt abbiamo richiesto un formato JSON e abbiamo verificato se venisse analizzato correttamente, anziché abilitare uno schema nativo di output strutturato.

Tutti i dati inseriti sono stati inventati. Non sono stati inviati registri dei clienti, file aziendali, segreti contabili o dati personali. Non abbiamo fornito strumenti di navigazione o di controllo del computer per l’esecuzione dei compiti, né abbiamo riprovato a fornire una risposta per migliorarne il punteggio. L’interfaccia CLI non ha rivelato l’impostazione relativa allo sforzo di ragionamento né la ripartizione dei token memorizzati nella cache per queste esecuzioni.

Test 1: Astra è in grado di riconciliare dati relativi agli ordini disordinati?

Compiti e soluzioni

Il file CSV di otto righe includeva un duplicato precedente, una versione più recente, un ordine in sospeso, dei rimborsi e un ordine senza importo lordo. Le regole prevedevano di mantenere la versione più recente di ciascun ordine, escludere i pagamenti in sospeso, sottrarre i rimborsi e contrassegnare come "sconosciuto" il fatturato mancante.

Il fatturato netto previsto, di cui si conosceva l'ammontare, era di $275: Ricerca $170, e-mail $75 e social $30. Per A era necessaria una deduplicazione, per C un'esclusione, mentre per F il valore doveva rimanere sconosciuto. Un totale corretto da solo non era sufficiente per superare tutti e cinque i controlli.

Cosa ha restituito Astra

{"known_net_usd":275,"channel_known_net_usd":{"Ricerca":170,"E-mail":75,"Social":30},"unknown_order_ids":["F"],"excluded_order_ids":["C"],"replaced_order_ids":["A"]}

Tutte e cinque le verifiche hanno dato esito positivo. Ma, cosa ancora più utile, nella conclusione si leggeva: “Il fatturato netto totale rimane sconosciuto poiché nell'ordine F mancano i dati relativi al fatturato lordo.” Ha giustamente definito Search il più grande noto totale parziale, senza considerare che l'ordine via e-mail mancante avesse un valore pari a zero.

La nostra valutazione: Si è trattato di un buon risultato per un'attività di riconciliazione di portata limitata. Il modello ha rispettato le norme contabili e ha tenuto conto delle incertezze. Non si è trattato di un test su una connessione in tempo reale con un foglio di calcolo, su migliaia di transazioni, sulla conformità fiscale o su decisioni finanziarie autonome.

Test 2: Il codice generato funziona davvero?

Sostituire un calcolo errato delle entrate

Abbiamo fornito il modello difettoso sum(float(r.get('gross_usd') or 0) for r in records) e ha richiesto una funzione scritta interamente in Python in grado di gestire aggiornamenti con valori duplicati, lo stato dei pagamenti, i rimborsi, i valori mancanti, gli elenchi di ID ordinati e gli input vuoti. Doveva utilizzare internamente i centesimi come numeri interi e lasciare inalterati i record di input.

Astra ha restituito una funzione che utilizza Decimale per convertire gli importi in centesimi, conserva il valore più recente per ogni ordine e ignora gli importi lordi sconosciuti invece di inserire uno zero. Abbiamo decodificato i caratteri di escape di nuova riga nella stringa di codice restituita, abbiamo esaminato le sue importazioni e le sue operazioni e l’abbiamo eseguita localmente senza modificarne la logica.

Dieci controlli offline

L'immutabilità degli input è stata riscontrata in tutti e 10 i casi. La nostra valutazione: la funzione era utilizzabile per il contratto specificato e l'esecuzione locale ha fornito prove più convincenti rispetto a un semplice esempio di codice plausibile. Non abbiamo testato timestamp non validi, valute multiple, l'implementazione, un repository reale, le transazioni del database né le prestazioni su larga scala.

Test 3: È in grado di risolvere i conflitti tra regole in un pacchetto di grandi dimensioni?

Cinque note rilevanti su 500

Abbiamo creato un pacchetto di 73.252 caratteri contenente 500 note numerate. I fatti rilevanti erano distribuiti nelle note 037, 114, 261, 398 e 477: una vecchia regola di rimborso entro 30 giorni, una regola standard più recente di 14 giorni, un’eccezione aziendale di 30 giorni, un cambio di proprietà, il confronto tra prezzi annuali ed equivalenti mensili e una domanda per la quale mancavano le prove.

La richiesta completa riportata 17.445 token di input. Si tratta di una verifica di documenti lunghi di modesta entità, ben al di sotto della capacità di 1,05 milioni di token pubblicizzata da Astra. Le note di contesto erano semplici elementi di distrazione, quindi è stato più semplice rispetto a una raccolta disordinata di documenti reali.

Regole corrette, prezzi e incertezza

Tutte e sei le risposte erano corrette e includevano le note di supporto richieste. Per la risposta relativa al rimborso standard, è stata inoltre citata la nota sull’eccezione aziendale, che costituiva un contesto rilevante. Ha restituito gli identificatori delle note sotto forma di stringhe; non era stato richiesto alcuno schema di ID numerico.

La nostra valutazione: Astra ha risolto correttamente la revisione e l'eccezione e non ha inventato il diritto mancante. Si tratta di una prova utile per la sintesi di politiche limitate. Tuttavia, ciò non convalida la ricerca in tempo reale, i documenti legali arbitrari, il recupero di token specifici tra quasi un milione di token, né la resistenza alle istruzioni dannose incorporate nei sorgenti.

Quanto costano questi test sulle API e sui percorsi

Le tre corse segnalate 21.707 token in ingresso e 790 token in uscita. Il registro di GlobalGPT riportava 67, 105 e 219 crediti; il saldo del conto è passato da 15.477,71 a 15.086,63 crediti, con una diminuzione di 391,08 crediti. Non convertiamo tali crediti in un addebito di cassa fittizio.

A titolo di esempio di calcolo separato, applicando alle cifre riportate le tariffe standard per contesti brevi di OpenAI, ovvero $10 per milione di token in ingresso non memorizzati nella cache e $50 per milione di token in uscita, si ottiene approssimativamente $0.2566: $0.0289 per gli ordini, $0.0452 per il codice e $0.1825 per il pacchetto. Si ipotizza che i dati in ingresso non siano memorizzati nella cache e che non vi siano costi aggiuntivi. Non si tratta della fattura relativa alle nostre chiamate GlobalGPT né di un costo diretto OpenAI calcolato in base al consumo.

In questo batch, l'esecuzione del pacchetto è risultata più veloce rispetto a quella del codice, nonostante il numero maggiore di token in ingresso. Un'unica esecuzione per ogni attività non è sufficiente per stabilire una classifica in base alla latenza: la lunghezza dell'output, l'instradamento, le condizioni di accodamento e di elaborazione possono infatti variare. Non abbiamo effettuato un confronto con un concorrente equivalente.

GPT-6 Astra è disponibile?

Sì. Astra è presente nel catalogo di GlobalGPT e tutte e tre le nuove richieste hanno restituito un risultato denominato gpt-6-astra. OpenAI pubblica anche la documentazione relativa ai modelli API; l’accesso a Chat, Work e Codex è soggetto a diritti di utilizzo separati.

Le schermate riportate di seguito, risalenti al 4 settembre, si riferiscono al periodo di lancio. Il testo relativo al lancio è di natura storica e non costituisce una prova del fatto che la voce GlobalGPT non sia attualmente disponibile.

Specifiche tecniche di GPT-6 Astra

Astra accetta input di testo e immagini e genera output di testo. La sua finestra di contesto da 1,05 milioni di token soddisfa le esigenze di repository di grandi dimensioni, raccolte di documenti o cronologie estese degli agenti, mentre il limite massimo di output di 128.000 token offre spazio sufficiente per codice o report di notevole entità.

La capacità non equivale alla qualità. Una finestra da un milione di token non garantisce che ogni dettaglio venga ricordato con la stessa precisione, e l'invio della quantità massima di contesto può aumentare sia i costi che il rumore. Per lavorare in modo pratico con contesti lunghi, recupera prima i file più rilevanti e mantieni esplicite le istruzioni relative all'attività.

Se vuoi avere un'idea di come la generazione precedente gestisse i prompt di grandi dimensioni, consulta il Guida ai prezzi e al contesto di GPT-5.5. Per una visione più ampia e orientata alle attività, la guida ai casi d’uso GPT-5.5 aiuta a identificare i carichi di lavoro che potrebbero giustificare l’adozione di un modello di punta.

Prezzi dell'API GPT-6 Astra

Il documento OpenAI elenca le seguenti tariffe standard di elaborazione per prompt con un massimo di 272.000 token in ingresso:

Tariffe ricontrollate il 18 settembre 2026 rispetto a Prezzi dell'API OpenAI. Si tratta delle tariffe standard per i token API, non dei prezzi dell'abbonamento ChatGPT né degli addebiti relativi ai crediti GlobalGPT.

Quando una richiesta supera i 272.000 token di input, OpenAI applica un Moltiplicatore 2x per le velocità di input e di input memorizzato nella cache e un Moltiplicatore di 1,5 volte per le tariffe di uscita per la richiesta completa. In base alle tariffe standard indicate, ciò significa $20 per ogni milione di token in ingresso e $75 per ogni milione di token in uscita.

Per il contesto storico dei listini prezzi, si veda Prezzi GPT-5.6 e i prezzi di GPT-5.4. Confronta il carico di lavoro complessivo, non solo la velocità di input: la lunghezza dell’output, il comportamento della cache, l’uso degli strumenti e i tassi di errore o di riprova possono avere un’importanza maggiore rispetto al prezzo indicato.

Cosa c'è di veramente nuovo in GPT-6 Astra?

OpenAI Guida ai modelli più recenti mette in risalto una serie di funzionalità pensate per attività interattive e di lunga durata svolte dagli agenti.

Chiamata asincrona di strumenti

Astra può continuare a procedere anche mentre gli strumenti più lenti sono ancora in esecuzione, invece di considerare ogni chiamata a uno strumento come un arresto definitivo. Ciò può essere d’aiuto nella ricerca, nella programmazione e nelle attività operative che combinano diversi sistemi esterni con tempi di risposta diversi.

Istruzioni durante l'esecuzione dell'attività

Gli utenti possono fornire indicazioni mentre un'attività è in corso. Ciò risulta utile quando un agente è sostanzialmente in linea con gli obiettivi, ma necessita di un nuovo vincolo, di una modifica della priorità o di un ambito più ristretto. Ciò dovrebbe ridurre la necessità di annullare un'attività di lunga durata e ricominciare da capo.

Sforzo di ragionamento dinamico

Astra è in grado di regolare il livello di ragionamento applicato durante l’esecuzione di un’attività. In linea di principio, ciò le consente di dedicare maggiore impegno alle fasi complesse e minore a quelle di routine. I team dovrebbero comunque verificare se, per il proprio carico di lavoro, il miglioramento della qualità giustifichi il costo aggiuntivo in termini di token di output.

Utilizzo del computer e continuità delle attività di lunga durata

OpenAI posiziona Astra nel campo dell'interazione con il computer e delle attività che si articolano in più fasi. La questione pratica non è se sia in grado di navigare attraverso una demo, ma se sia in grado di riprendersi da situazioni impreviste, preservare l'intento dell'utente e spiegare quali modifiche ha apportato. Questi sono gli aspetti che i primi utenti dovrebbero valutare.

I lettori interessati all’evoluzione dalla chat deliberativa ai sistemi che utilizzano strumenti possono inoltre consultare GPT-5.4 Pensare e questa guida all'uso di ChatGPT Agent.

Perché Astra influenza la decisione di acquisto

Il cambiamento significativo consiste nel passare dalla valutazione di un'intelligenza artificiale in base alla qualità di una singola risposta alla valutazione della sua capacità di portare a termine un intero compito. Un agente utile potrebbe dover esaminare file, utilizzare software, attendere la disponibilità di strumenti, risolvere eventuali errori, applicare una modifica, eseguire controlli e spiegare il risultato. La risposta finale è solo una parte di tale sequenza.

Questo cambia anche la questione dei costi. Le tariffe in token di Astra sono elevate, ma il prezzo del token da solo non basta a stabilire se sia conveniente. Un confronto più appropriato è costo per attività completata con esito positivo: i costi relativi al modello e agli strumenti, i tentativi ripetuti, il tempo trascorso, la supervisione umana e la pulizia dei dati sono tutti fattori da considerare. Un modello più economico può risultare complessivamente più costoso se richiede correzioni ripetute; un'esecuzione costosa è comunque uno spreco se il modello va fuori strada o produce risultati che devono essere rifatti.

Una maggiore autonomia comporta anche standard più elevati per i controlli. Le linee guida dell’ultimo modello di OpenAI indicano che Astra è soggetta a un monitoraggio asincrono dei disallineamenti. I team dovrebbero comunque concedere a un agente solo le autorizzazioni minime necessarie, richiedere una conferma prima di azioni con conseguenze significative, mantenere un registro delle azioni e creare punti di controllo che rendano le modifiche reversibili. Un uso intensivo dei computer è utile solo quando il sistema circostante limita le possibilità di errore.

Cosa dicono i primi recensori

Esperienza iniziale attribuita

Di Matt Shumer prima recensione dell'Astra è una delle descrizioni pubbliche più dettagliate disponibili al momento del lancio. Egli descrive il modello come particolarmente efficace nell’ingegneria del backend, nell’uso del computer, nella comprensione di richieste poco precise, nella comunicazione chiara del proprio lavoro e nel mantenimento della continuità nel corso di conversazioni prolungate.

Si tratta di osservazioni qualitative formulate da un altro revisore. Aiutano a individuare le funzionalità che vale la pena testare, ma non sono misurazioni da noi effettuate e non ne attestano l'affidabilità generale.

Limiti iniziali e questioni aperte

La stessa recensione solleva però anche alcune importanti preoccupazioni. Astra può risultare lenta, consumare grandi quantità di token e continuare a perdersi nei dettagli durante lunghi periodi di lavoro autonomo. Shumer riferisce inoltre che i risultati in termini di design visivo potrebbero essere inferiori a quelli di Claude, anche quando le prestazioni del backend sono ottime.

• Velocità: Un modello in grado di ragionare, utilizzare strumenti e verificare il proprio lavoro potrebbe richiedere più tempo rispetto a un modello di chat leggero.
• Autonomia: Il fatto che il processo sia di lunga durata non significa che non richieda supervisione. Il revisore ha comunque individuato alcuni momenti in cui il modello necessitava di coordinamento o di un riorientamento.
• Utilizzo dei token: Un contesto ampio e un ragionamento esteso possono diventare rapidamente onerosi, specialmente oltre la soglia dei 272K.
• Progettazione grafica: Un codice ben scritto non garantisce automaticamente un'interfaccia esteticamente ottimale.
• Profondità delle prove: Non esistono ancora sufficienti test indipendenti e comparativi per formulare affermazioni generali in merito all'affidabilità o alla superiorità.

Il criterio fondamentale per valutare l'adozione è quindi l'efficienza, non la capacità massima. Misurate con quale frequenza Astra porta a termine correttamente l'intero compito, quanta supervisione richiede, quanti token utilizza e quanta pulizia rimane da fare. Un'esecuzione più lenta e costosa può comunque valere la pena se sostituisce ore di lavoro di un esperto, ma non se si smarrisce ripetutamente.

A chi è destinato GPT-6 Astra?

È meno probabile che Astra sia la scelta predefinita più adatta per brevi riscritture, classificazioni di routine, estrazioni semplici o lavori su grandi volumi in cui un modello più piccolo soddisfa già gli standard di qualità. Il Recensione di GPT-5.4 e Nano illustra perché l'instradamento dei modelli in base alle attività possa risultare più economico rispetto all'invio di tutto al modello di punta.

Una lista di controllo per la valutazione pratica

1. Scegli tre attività concrete con criteri di successo ben definiti.
2. Esegui gli stessi dati di input e gli stessi vincoli su Astra e sul tuo modello attuale.
3. Registrare il tempo totale trascorso, i token in entrata e in uscita, i tentativi di ripetizione e le correzioni apportate manualmente.
4. Valutare il completamento dell’attività finale separatamente dallo stile di scrittura o dalla presentazione.
5. Interruzione del test, cambio di rotta a metà attività e ripristino a seguito di un guasto intenzionale di uno strumento.
6. Adottare Astra solo nei casi in cui il miglioramento sia ripetibile e giustifichi il costo aggiuntivo.

Scegli Astra o un modello più piccolo in base all'attività da svolgere

Utilizza Astra per sintesi complesse e per lavori in cui la correttezza è più importante del prezzo unitario più basso. Per un’estrazione di routine o una breve riscrittura potrebbe essere sufficiente un modello più piccolo. Confronta il completamento con esito positivo, la supervisione e il costo totale sugli stessi input.

Per un flusso di lavoro multimodello, GPT-6 Astra, Claude Opus 5, Claude Sonnet 5 e Gemini 3.8 Flash sono presenti nel catalogo attuale di GlobalGPT. GlobalGPT è un abbonamento a sé stante; non attiva l'account a pagamento di un altro fornitore.

Il Pagina del piano annuale GlobalGPT Indica il piano Basic a $5,80 al mese, il piano Pro a $10,80 al mese e il piano Unlimited a $25 al mese con fatturazione annuale, dati verificati il 18 settembre 2026. Confronta l’impegno iniziale e l’utilizzo del modello incluso, non solo l’equivalente mensile più basso.

Cosa questa recensione continua a non dimostrare

Un precedente tentativo di Astra attraverso lo stesso percorso CLI si è concluso senza risposta. Abbiamo conservato tale errore nell'archivio dei test; non si trattava di un punteggio di qualità. Le tre chiamate andate a buon fine qui riportate dimostrano che il percorso ha funzionato per questo lotto, ma non escludono che l'errore precedente possa ripetersi.

Non abbiamo testato l’uso del computer, l’invocazione asincrona degli strumenti, la reindirizzazione a metà attività, il richiamo di un milione di token, l’accesso nativo al piano ChatGPT né il lavoro di produzione in modalità automatica. Non vi è alcuna base per affermare che Astra sia superiore a Claude, Gemini o a un modello più piccolo come OpenAI. Tali confronti richiedono compiti corrispondenti e prove ripetute.

Consiglio di acquisto: Prova Astra nei contesti lavorativi in cui è importante verificare le regole, i valori mancanti e le eccezioni. Mantieni un modello più semplice per le attività di routine che soddisfano già i tuoi obiettivi di qualità. Valuta il costo aggiuntivo in base alla riduzione delle correzioni e alla quantità di lavoro finito utilizzabile, non solo in base al nome del modello.

Domande frequenti

Si è trattato di un test diretto dell'API OpenAI?

No. Abbiamo utilizzato il servizio di modelli basato su CLI di GlobalGPT con gpt-6-astra. Il conteggio dei token e i crediti indicati si riferiscono a quel percorso; il calcolo in dollari di OpenAI è un esempio separato tratto dal listino prezzi.

GPT-6 Astra è disponibile su GlobalGPT?

Sì. Questa recensione include tre chiamate gpt-6-astra andate a buon fine tramite il servizio del modello GlobalGPT. L’abbonamento a tale piattaforma è separato dalla fatturazione dell’API di OpenAI e dai piani di ChatGPT.

Che cos’è la finestra di contesto?

OpenAI prevede 1.050.000 token di contesto, con un massimo di 922.000 token in ingresso e 128.000 token in uscita.

Plus dispone di GPT-6 Pro nella chat?

Le indicazioni del 10 settembre indicano che GPT-6 Pro è incluso nei piani Chat Pro, Business ed Enterprise idonei. Inoltre, include Astra nei piani Work e Codex; si tratta di diritti di accesso a prodotti distinti.

Come funziona il sistema di determinazione dei prezzi basato su input di lunga durata?

La pagina ufficiale del modello applica tariffe più elevate alla richiesta completa oltre i 272.000 token in ingresso: tariffe di 2 volte superiori per l'input e la cache e tariffe di 1,5 volte superiori per l'output.

Il nuovo test riguardava l'uso del computer?

No. Abbiamo testato l'analisi degli ordini sintetici, la generazione di codice con esecuzione locale e un pacchetto di testo di 500 note. L'uso del computer, gli strumenti asincroni e l'affidabilità con un milione di token non sono stati testati.

Dovrei sostituire tutti i modelli con l'Astra?

No. Confronta la qualità dei risultati, la verifica manuale, la latenza e i costi per le tue attività specifiche. Un modello di piccole dimensioni può rivelarsi la scelta migliore quando fornisce in modo affidabile la stessa risposta utilizzabile.