更新于2026年9月18日。.
我们的结论： GPT-6 Astra 在我们进行的三次测试中均给出了可用的答案：订单核对、Python 聚合函数以及 500 条规则的策略查询。它正确处理了缺失值和冲突规则，且生成的函数通过了 10 项离线测试。 这使其值得在需要细致分析的工作中加以考虑——但仅凭三项小规模测试，尚无法证明其生产环境的可靠性，也无法证明其优于其他模型。.
我们打了电话 通过 GlobalGPT 的基于 CLI 的模型服务访问 gpt-6-astra, ，使用合成输入并保存原始响应。这并非直接针对 OpenAI API 的测试，也不是针对 ChatGPT 订阅服务的测试。在此批次中，端到端调用耗时 4.87–9.07 秒，账户余额减少了 391.08 个积分。.
本评测展示了我们提出的要求、Astra的实际表现、通过测试的项目，以及证据的局限所在。官方规格和价格与我们的测试数据分开列出。.
目录
GPT-6 Astra 实测结果
| 测试 | 观测结果 | 行程时间 | 输入/输出令牌 | 分类账借方 |
|---|---|---|---|---|
| 订单对账 | 5/5 答案核对通过 | 5.663 秒 | 2,171 / 144 | 67 |
| Python 聚合函数 | 10/10 离线案例通过 | 9.065 秒 | 2,091 / 486 | 105 |
| 500张票据的政策文件包 | 6道题答对；全部6道题均提供了所需来源 | 4.868 秒 | 17,445 / 160 | 219 |
这三项任务各调用了一个模型，并非重复试验，也不是测得的100%成功率。计时范围涵盖从CLI/提供商请求开始到返回结果的整个过程；我们未测量首次令牌返回所需的时间。账本显示的是整数信用额，而余额变化则包含小数部分。.
我们如何通过API途径对Astra进行测试
我们使用同一个现有的 GlobalGPT 账户进行了这三次调用。每次调用都是一个全新的、无状态的请求，任务以文本文件的形式提供。请求和返回的模型标签是 gpt-6-astra. 该服务返回了答案文本、输入/输出令牌的使用情况以及一个错误字段；这三项结果均未报告任何错误。提供商的标注并非对上游模型路径的独立审计。.
我们在进行对话前准备好了命令答案键和策略包答案。随后，我们使用在收到代码后构建的10个测试用例，在本地对生成的代码进行了验证；这些用例并非预先注册的编码基准。我们在提示中要求提供JSON格式，并检查其能否被解析，而不是启用原生的结构化输出模式。.
所有输入均为虚构。未发送任何客户记录、公司文件、账户机密或个人数据。我们未为任务提供浏览或计算机控制工具，也未为提高得分而重试答案。命令行界面（CLI）未显示这些运行的推理努力设置或缓存令牌明细。.
测试 1：Astra 能否处理混乱的订单数据？
试题及答案钥匙
这份八行的CSV文件包含一个较旧的重复条目、一个较新的替换条目、一笔待处理订单、退款以及一笔未填写总金额的订单。处理规则是：保留每笔订单的最新版本，排除待处理付款，扣除退款，并将缺失的收入标记为“未知”。.
预计的已知净收入为 $275: 搜索 $170，电子邮件 $75，社交媒体 $30。A 需要进行去重，C 需要进行排除，而 F 必须保持未知。仅凭正确的总和不足以通过全部五项检查。.
阿斯特拉交还了什么
{"已知净值（美元）":275,"渠道已知净值（美元）":{"搜索":170,"电子邮件":75,"社交媒体":30},"未知订单ID":["F"],"已排除订单ID":["C"],"已替换订单ID":["A"]}
这五项检查均通过。更有价值的是，其结论指出： “由于订单F的总收入数据缺失，因此总净收入仍无法确定。” 它正确地将“搜索”称为最大的 已知 小计，且未将那笔缺失的电子邮件订单的价值计为零。.
我们的评估： 对于一项小型对账任务而言，这是一个不错的结果。该模型遵循了会计准则，并保留了不确定性。此次测试并未涉及实时电子表格连接、数千笔交易、税务合规性或自主财务决策。.
测试 2：生成的代码真的能运行吗？
替换有问题的收入计算
我们提供了有问题的样品 sum(float(r.get('gross_usd') or 0) for r in records) 并要求提供一个纯Python函数，用于处理重复更新、支付状态、退款、缺失值、已排序的ID列表以及空输入。该函数必须在内部使用整数形式的分值，并且不更改输入记录。.
Astra 返回了一个使用 十进制 将金额转换为分，为每笔订单保留最新记录，并在遇到未知总金额时跳过该行，而不是插入零。我们解析了返回的代码字符串中的换行转义序列，审查了其导入项和操作，并在不更改其逻辑的情况下在本地执行了该代码。.
十项离线检查
| 案例 | 结果 |
|---|---|
| 原始八行对账表 | 通过 |
| 输入为空 | 通过 |
| 较新的记录出现在较旧的记录之前 | 通过 |
| 最新更新将某笔订单状态更改为“待处理” | 通过 |
| 为空和为空的总金额 | 通过 |
| 若未填写退款金额，则默认为零 | 通过 |
| 0.10 + 0.20 美分 算术 | 通过 |
| 全额和部分退款 | 通过 |
| 一个收入来源完全不明的渠道 | 通过 |
| 已对未知和被排除的ID进行排序 | 通过 |
在所有10个案例中，输入不可变性也得到了体现。. 我们的评估： 该函数可用于所述合同，而本地执行提供的证据比仅凭一个合理的代码示例更为有力。我们未对格式错误的时间戳、多种货币、部署、真实仓库、数据库事务以及大规模性能进行测试。.
测试 3：它能否解决长数据包中规则冲突的问题？
500条中相关的5条笔记
我们构建了一个包含500条编号备注、共计73,252个字符的数据包。相关事实分散在备注037、114、 261、398和477号备注中：一项旧的30天退款规则、一项较新的14天标准规则、一项30天的企业例外条款、一次所有权变更、年度定价与月度等值定价的对比，以及一个缺乏证据支持的问题。.
报告的完整请求 17,445 个输入令牌. 这是一次规模不大的长文档检查，远低于Astra宣传的105万个令牌的处理能力。背景注释只是简单的干扰项，因此比处理杂乱无章的真实世界文档集要容易得多。.
正确的规则、价格与不确定性
| 问题 | 阿斯特拉的回答 | 所需证据 |
|---|---|---|
| 北方标准退款期限 | 14天 | 114 |
| 北区企业退税窗口 | 30 天 | 477 |
| 现任北队老板 | 林 | 114 |
| Atlas年度付款 | $129.60 | 261 |
| Atlas 月度等效值 | $10.80 | 261 |
| 南部地区现金退税资格 | null / 未知 | 398 |
所有六个答案均正确，并包含了所需的支撑注释。在标准退款答案中，还引用了企业例外注释，这与上下文相关。它将注释标识符作为字符串返回；系统并未要求使用数字ID模式。.
我们的评估： Astra 正确处理了修订和例外情况，并未凭空捏造缺失的权限。这是对有界策略合成有用的证据。但它无法验证正在进行的研究、任意的法律文件、在近百万个令牌中进行针式检索，也无法验证对源代码中嵌入的恶意指令的抵抗能力。.
这些 API 路由测试的成本是多少
报告的这三起事件 21,707 个输入令牌和 790 个输出令牌. GlobalGPT的账本显示有67、105和219个积分；账户余额从15,477.71变为15,086.63个积分，减少了 391.08 学分. 我们不会将这些积分转换为虚构的现金费用。.
为了说明另一种预算情况，若将 OpenAI 的短上下文标准费率（即每百万未缓存输入令牌 $10，每百万输出令牌 $50）应用于上述报告的计数，则结果约为 $0.2566：订单为 $0.0289，代码为 $0.0452，数据包为 $0.1825。此处假设输入未被缓存且无额外费用。 这并非我们 GlobalGPT 呼叫的账单，也不是按量计费的直接 OpenAI 费用。.
尽管输入令牌数量更多，但本次批处理中数据包的运行速度还是快于代码的运行速度。仅对每个任务进行一次运行无法确定延迟排名：输出长度、路由、队列和处理条件都可能各不相同。我们并未进行匹配的竞品对比测试。.
GPT-6 Astra 已经推出了吗？
是的。Astra 已列入 GlobalGPT 的产品目录，三次新调用均返回了标有 gpt-6-astra 的结果。OpenAI 还发布了 API 模型文档；Chat、Work 和 Codex 的访问权限属于各自独立的产品许可范围。.
下面的9月4日截图属于上线期间。其中的发布说明属于历史内容，并不证明今天的GlobalGPT条目不可用。.
GPT-6 Astra 规格参数
Astra 支持文本和图像输入，并生成文本输出。其 1.05M 令牌的上下文窗口规模，能够满足大型代码库、文档集合或长篇对话记录的需求，而 128K 的输出上限则为其生成大量代码或报告留出了空间。.
容量不等同于质量。拥有百万令牌的窗口并不能保证每个细节都能被同样清晰地回忆起来，而发送最大量的上下文可能会增加成本和噪声。在实际处理长上下文的工作中，应优先检索最相关的文件，并确保任务说明明确。.
如果你想了解上一代模型在处理大型提示词时的基准表现，请参阅 GPT-5.5 定价与背景指南. 若要从更广泛的任务导向角度出发，GPT-5.5 用例指南可帮助识别哪些工作负载值得采用旗舰机型。.
GPT-6 Astra API 定价
OpenAI 列出了以下针对最多 272,000 个输入令牌的提示词的标准处理速率：
2026年9月18日根据以下内容重新核对了费率： OpenAI API 定价. 这些是标准 API 令牌费率，并非 ChatGPT 的订阅价格或 GlobalGPT 的信用点数费用。.
| 代币类别 | 每100万枚代币的价格 | 是什么意思 |
|---|---|---|
| 输入 | $10.00 | 新的提示内容、历史记录、检索到的材料以及其他可计费的输入内容。. |
| 缓存输入 | $1.00 | 通过提示缓存提供的符合条件的重复输入。. |
| 缓存写入 | $12.50 | 根据适用的缓存写入定价，将写入缓存的数据。. |
| 输出 | $50.00 | 生成的答案和可计费的推理结果。. |
一旦请求的输入令牌数超过 272,000 个，OpenAI 就会应用一个 输入速率和缓存输入速率的2倍倍率 和一个 输出速率乘以1.5倍 这是完整的请求。按照所列的标准费率计算，这意味着每百万个输入代币需支付 $20，每百万个输出代币需支付 $75。.
定价范围：
这些是 OpenAI API 令牌的费率，并非 ChatGPT 的月度订阅价格，也不是 GlobalGPT 的积分。工具费用、处理层级、区域设置及其他费用可能会影响最终成本。.
有关历史费率表的背景信息，请参见 GPT-5.6 定价 以及 GPT-5.4 的定价。应比较完整的负载情况，而不仅仅是输入速率：输出长度、缓存行为、工具使用情况以及失败或重试率，这些因素可能比标价更为重要。.
GPT-6 Astra 究竟有哪些新功能？
OpenAI 的 最新机型指南 强调了一系列旨在支持长期运行的交互式代理工作的功能。.
异步工具调用
Astra 可以在其他运行较慢的工具仍在运行时继续推进工作，而不是将每次工具调用都视为硬性暂停。这有助于处理那些涉及多个响应时间各异的外部系统的研究、编码和运维任务。.
任务进行中的说明
用户可以在任务进行过程中添加指导方向。当代理总体上进展顺利，但需要新增约束条件、调整优先级或缩小范围时，此功能尤为有用。这应能减少因取消长期运行并重新开始而产生的需求。.
动态推理工作
Astra 可以调整在执行任务时所采用的推理程度。从原理上讲，这使其能够将更多精力投入到困难的步骤中，而将较少精力用于常规步骤。各团队仍应针对自身的工作负载，测试质量提升是否值得为此增加的输出令牌成本。.
计算机使用与长时间任务的连续性
OpenAI 使 Astra 能够胜任涉及多步骤的计算机交互与工作。关键不在于它能否逐点点击演示界面，而在于它能否从意外状态中恢复、保留用户的意图，并解释其所做的更改。这些正是早期采用者应重点评估的方面。.
对从“审议性聊天”到“工具使用系统”这一演变过程感兴趣的读者，还可以参阅 GPT-5.4 思考 以及这篇关于如何使用 ChatGPT Agent 的指南。.
为什么Astra会改变购买决策
一个重要的转变在于，评估人工智能的标准不再是单个答案的质量，而是看它能否完成整个任务。一个有用的智能体可能需要检查文件、操作软件、等待工具就绪、从错误中恢复、应用更改、运行检查，并解释结果。最终答案只是这一系列操作中的一环。.
这也改变了成本问题。Astra的代币费率较高，但仅凭代币价格无法判断其是否经济。更合适的比较方式是 每项成功完成的任务的成本：模型和工具费用、重试次数、耗时、人工监督以及清理工作都应计入其中。如果一个价格较低的模型需要反复调整，其总体成本反而可能更高；而如果一次昂贵的运行偏离目标或产出的结果必须重做，那依然是种浪费。.
实用指标：
针对同一代表性任务，跟踪其总成本、完成率、人工耗时、重试次数和缺陷数量。不要仅凭令牌速率或单个精心制作的演示来比较不同模型。.
更高的自主性也提高了控制标准。OpenAI的最新指南指出，Astra需接受异步失调监测。团队仍应仅向代理授予其所需的最低权限，在执行具有重大影响的操作前要求确认，保留操作记录，并设置检查点以确保更改可逆。 只有当周围系统能够限制可能出现的故障时，强大的计算能力才具有价值。.
早期评论者的评价
归因于早期的经历
马特·舒默的 《Astra》早期评测 这是发布之初可查阅的较为详尽的公开评价之一。他认为该模型在后端工程、计算机应用、理解表述不明确的请求、清晰汇报工作进展以及在长时间对话中保持连贯性等方面表现出色。.
后端工程
该评估报告突出了该模型在复杂实现工作中的出色表现，特别是在模型需要理解整个系统，而非仅生成一个孤立的小代码片段的情况下。.
计算机使用
据报道，Astra在处理浏览器和桌面式任务时，能更充分地考虑到整体目标，尽管这并不能消除对权限和验证的需求。.
意图不明确
据称，该模型更擅长根据不完整的指令推断用户试图实现的目标。.
连续性与报告
该评论称赞Astra能够在长时间的会话中保持上下文，并更清晰地说明其操作过程。.
这些是另一位评审员提出的定性观察结果。它们有助于确定值得测试的功能，但并非我们的测量结果，也不能证明其普遍可靠性。.
早期的局限性与未解问题
该评测还提出了一些重要问题。Astra 运行速度可能较慢，会消耗大量代币，而且在长时间的自主工作中仍会陷入细节之中。舒默还指出，即使其后端性能强劲，其视觉设计输出仍可能落后于 Claude。.
- 速度 一个能够进行推理、使用工具并检查结果的模型，可能比轻量级的聊天模型耗时更长。.
- 自主性： 运行时间长并不意味着无需监督。评审员仍然发现了一些需要对模型进行协调或重新引导的时刻。.
- 代币用途： 大上下文和扩展推理可能会迅速变得代价高昂，尤其是在超过 272K 的阈值之后。.
- 视觉设计： 出色的编码能力并不一定能带来最佳的界面美学效果。.
- 证据深度： 目前尚缺乏足够的独立、可比性测试，因此无法就其可靠性或优越性做出广泛论断。.
因此，采用与否的关键在于效率，而非最大能力。需要衡量Astra正确完成整个任务的频率、所需的监督程度、使用的令牌数量，以及剩余的清理工作量。如果一次运行虽然速度较慢且成本较高，但能替代数小时的专家工作，那么它仍然值得采用；但如果它反复偏离正轨，那就另当别论了。.
哪些人适合使用 GPT-6 Astra？
| 潜在匹配度 | 为什么Astra可能有帮助 | 首先应核实什么 |
|---|---|---|
| 大型代码库开发工作 | 长上下文、工具使用以及跨多个文件的更改连续性 | 回归率、测试类别、审查时间和代币成本 |
| 研究与综合 | 能够协调信息检索、分析及长篇输出工作 | 引用准确性、来源覆盖范围及缺乏依据的推论 |
| 计算机使用代理 | 专为与软件进行多步骤交互而设计 | 权限边界、界面变更后的恢复以及操作日志 |
| 大规模文档分析 | 1.05M 的上下文容量足以容纳大量源材料 | 在完整上下文中进行检索，并判断检索是否更高效 |
| 长期运行的操作 | 任务中途重定向和异步工具可以减少重启次数 | 升级行为、检查点和安全回滚 |
对于短文重写、常规分类、简单信息提取，或者在较小的模型已经能达到质量标准的大量处理任务中，Astra 可能并非最合适的默认选择。该 GPT-5.4 和 Nano 评测 说明了为什么按任务进行模型路由比将所有数据都发送至旗舰模型更为经济。.
一份实用的评估清单
- 选择三个具有明确成功标准的实际任务。.
- 在Astra和您当前的模型上运行相同的输入和约束条件。.
- 记录总耗时、输入和输出令牌、重试次数以及人工更正情况。.
- 对最终任务的完成情况与写作风格或表达方式应分别进行评分。simplified Chinese (Mainland).
- 测试中断、任务中途转向，以及从一次人为工具故障中恢复。.
- 仅在性能提升可重复且值得额外成本的情况下，才采用Astra。.
根据任务需求，选择Astra或更小尺寸的车型
在处理复杂合成任务或正确性比最低令牌价格更重要的场景中，请使用Astra。对于常规的文本提取或简短的重写任务，较小的模型可能就足够了。请针对相同的输入，比较成功完成率、监督情况和总成本。.
对于多模型工作流，, GPT-6 Astra, Claude Opus 5、Claude Sonnet 5 和 Gemini 3.8 Flash 均列于 GlobalGPT 的当前产品目录中。GlobalGPT 是一项独立的订阅服务；它不会激活其他提供商的付费账户。.
"(《世界人权宣言》) GlobalGPT年度计划页面 显示“基础版”为 $5.80/月，“专业版”为 $10.80/月，“无限版”为 $25/月（按年计费），查询日期为 2026 年 9 月 18 日。 请比较预付承诺金额和包含的机型使用量，而不仅仅是较低的月均费用。.
这项审查仍未能证明什么
此前通过同一CLI路由的一次Astra调用尝试因未收到响应而终止。我们已将该失败记录保留在测试存档中；这并不代表质量评分。此处的三次成功调用表明该路由在此批次中运行正常，但并不意味着先前的失败不会再次发生。.
我们并未测试计算机使用、异步工具调用、任务中途切换、百万令牌的回忆、原生 ChatGPT 计划访问，以及无人值守的生产工作。 目前尚无依据可断言Astra在性能上优于Claude、Gemini或更小的OpenAI模型。此类比较需要采用匹配的任务并进行多次试验。.
购买建议： 在需要检查规则、缺失值和异常情况的工作中，试用Astra。对于已经达到质量目标的常规任务，保留一个较小的模型。评估额外成本时，应以更少的修正和可用的最终成果为依据，而不仅仅看模型名称。.
常见问题
这是对 OpenAI API 的直接测试吗？
不。我们使用的是 GlobalGPT 基于 CLI 的模型服务，搭配 gpt-6-astra。报告中的令牌数量和积分均属于该服务路径；OpenAI 的美元计算则是另一份费率表示例。.
GlobalGPT 上是否支持 GPT-6 Astra？
是的。本评测包含通过 GlobalGPT 的模型服务成功发起的三个 gpt-6-astra 调用。该平台订阅与 OpenAI 的 API 计费及 ChatGPT 套餐是分开的。.
什么是上下文窗口？
OpenAI 支持 1,050,000 个上下文令牌，其中输入令牌最多 922,000 个，输出令牌最多 128,000 个。.
Plus 的聊天功能中是否包含 GPT-6 Pro？
9月10日的模型指南将GPT-6 Pro纳入了符合条件的Pro、Business和Enterprise Chat套餐。此外，“Plus”套餐还包含Work和Codex中的Astra；这些属于独立的产品授权。.
长输入定价是如何运作的？
官方模型页面规定，当输入令牌数量超过 272,000 个时，将对整个请求适用更高的费率：输入和缓存费率为 2 倍，输出费率为 1.5 倍。.
新考试是否涉及计算机使用？
不。我们测试了合成序列分析、带本地执行的代码生成，以及一个包含500个音符的文本数据包。计算机使用、异步工具以及百万令牌级别的可靠性均未进行测试。.
我是否应该把所有车型都换成Astra？
不。请针对您自己的任务，比较模型的完成质量、人工核查、响应延迟和成本。如果小型模型能可靠地给出同样有用的答案，那么它可能是更好的选择。.
