OpenAI于2026年9月3日发布了GPT-6 Astra。用户所说的“ChatGPT 6 Astra”并非一个独立的产品名称，而是在ChatGPT中主要以GPT-6 Pro作为选项提供，而在Work、Codex和API中则使用GPT-6 Astra作为模型名称。因此，即使在模型选择器中看不到ChatGPT 6 Astra这个名称，也并不意味着发布有误。
本次发布的重点并非仅仅是分数略有提升的新聊天模型。Astra是一款高性能代理模型，旨在在一个工作流程中从头到尾执行复杂的推理、编码、计算机使用、研究和文档制作。同时，它也是OpenAI在Preparedness Framework中首次将网络能力归类为Critical级别的模型。这就是为什么在能力提升的同时，访问控制、监控和安全中断变得更加重要的原因。
复杂的研发和编码工作通过一个智能工作引擎，最终完成文档和软件成果的场景。
先理清名称：Astra与GPT-6 Pro的关系
API模型ID是gpt-6-astra。OpenAI开发者文档将其描述为用于最困难的端到端任务的最高性能模型。在ChatGPT的聊天界面中，它将作为GPT-6 Pro选项逐步提供给支持的付费计划。在Work和Codex中，Astra这个名称可能会直接出现，并且不同产品的部署时间可能有所不同。
| 使用位置 | 显示或模型名称 | 当前公布的访问方式 |
| — | — | — |
| ChatGPT Chat | GPT-6 Pro | 逐步部署至Pro $100·$200, Business, Enterprise |
| ChatGPT Work | GPT-6 Astra | 逐步部署至Plus·Pro·Business·Enterprise，各计划使用量不同 |
| Codex | GPT-6 Astra | 逐步部署至目标计划，需要Codex CLI 0.153.0或更高版本 |
| OpenAI API | gpt-6-astra |
根据使用层级和限制访问，不支持Free API层级 |
| Azure·AWS Bedrock | GPT-6 Astra | 需单独确认各平台的区域、账户和发布状态 |
发布并非一次性向所有账户开放。模型选择器、ChatGPT Work、Codex和API的可用性在几天内可能会有所不同。对于Enterprise用户，管理员必须在工作区中启用模型访问权限，发布时可能默认禁用。
Astra的目标是长期的端到端任务
尽管现有模型也能创建代码和文档，但在多个应用程序之间切换以收集资料、判断并验证结果的过程，往往在每个阶段都容易中断上下文。Astra通过结合深度推理和计算机使用，专注于完成软件开发、研究、演示和专业文档等长期任务。
OpenAI还在Codex中引入了一项实验性功能：当上下文已满时，Astra不再将旧内容持续压缩成一个摘要，而是维护工作笔记并检索过去的上下文。这种方法旨在减少在长时间重构任务中，失败的尝试和测试结果在摘要过程中丢失的问题。然而，此功能仍处于实验阶段，未来的默认值和行为可能会改变。
基准测试数据需要结合环境来看。OpenAI的发布中提到，Astra在Terminal-Bench 4.0中取得了57.9%的成绩，在GPQA Diamond中取得了96.0%的成绩。这些是在公开评估条件下的结果，并不能保证在所有实际项目中都能达到相同的成功率。特别是，工具权限、存储大小、测试质量和请求难度会极大地影响实际生产力。
API规格与价格
根据官方模型文档，GPT-6 Astra支持1,050,000个token的上下文窗口和最多128,000个输出token。知识截止日期为2026年4月30日。它可以接收文本和图像输入，但不支持音频或视频输入。
标准API价格为每100万输入token 10美元，每100万缓存输入token 1美元，每100万缓存写入token 12.50美元，每100万输出token 50美元。超过272,000输入token的请求，其输入·缓存费用将翻倍，输出费用将增加1.5倍。Batch和Flex是Standard的50%，Fast mode是相应费用的2倍。
예시: 입력 1,000,000 토큰 + 출력 100,000 토큰
단순 표준 요금 = $10 + ($50 × 0.1) = $15此示例是排除272,000 token长文本输入附加费、缓存写入、网页搜索·计算机使用等工具调用成本的简单计算。实际成本需要根据每个请求的输入长度、输出、缓存和工具使用量进行计算。
API支持Responses API、Chat Completions、流式传输、Function calling和Structured outputs。Web search、File search、Code interpreter、Hosted shell、Apply patch、Skills、Computer use和MCP等工具也可以在Responses API中使用。目前不支持Fine-tuning。
ChatGPT计划中能期待什么？
ChatGPT Chat中的GPT-6 Pro将逐步提供给Pro $100·$200、Business和Enterprise计划。Plus用户在Astra部署期间可以在ChatGPT Work和Codex中获得有限的使用量，但不应断定Chat中的GPT-6 Pro也适用相同条件。
Astra将与现有的Work·Codex使用限额共享，并且可能比GPT-5.6 Sol更快地消耗限额。可用次数并非固定的消息数量，而是取决于任务大小、输入·输出长度、推理强度和Fast mode。购买额外积分并不能加快逐步部署的速度。
使用Codex中的Astra需要CLI 0.153.0或更高版本以及最新的ChatGPT桌面应用程序。如果模型不可见，在断定是账户问题之前，应检查应用程序·CLI版本、计划、工作区管理员的允许状态以及分阶段部署状态。
最重要的变化：Critical网络能力
OpenAI宣布Astra已达到Preparedness Framework中的Critical网络能力标准。这意味着，结合适当的工具和访问权限，即使没有人逐步指导，它也能在受良好保护的系统中发现未知漏洞并开发利用方法。
这项评估并非等同于“Astra危险，不要使用”的结论。相反，它意味着在实现高级防御研究的同时，需要更强的控制来减少误用和故障。OpenAI解释说，他们对所有工具使用推理应用监控，并对高风险用户和任务使用保守的拒绝阈值和额外检查。
从用户的角度来看，即使是正常的长时间任务也可能因安全系统而变慢或暂时暂停。在ChatGPT和Codex中，用户可能会被要求审查任务；在API中，请求可能会被中断。不应将其简单地视为故障，而应重新确认批准范围、目标资产和打算执行的工具操作。
OpenAI报告称Astra比GPT-5.6 Sol对越狱和提示注入更具抵抗力，但并未声称安全性已臻完善。它还公开了一个局限性：Astra对其思维链的更好控制增加了在某些对抗条件下规避监控的可能性。不要仅仅依赖模型的拒绝和内部监控，应单独维护应用程序的认证·授权、最小权限、沙盒和审计日志。
引入前的实用检查清单
首先，与其将Astra作为所有请求的默认模型，不如将其优先部署到那些需要高成本来证明其合理性的路径上，例如长时间推理、复杂的代码更改和多应用程序任务。对于简单的分类和简短回答，路由到更便宜的模型更为合理。
其次，不要赋予模型Tool和MCP权限超出用户权限的范围。对于操作变更、外部传输、删除和支付等不可逆转的操作，应设置服务器端策略和人工审批。
第三，将长文本输入附加费反映在成本警报中。上下文为105万token并不意味着每个请求都必须使用最大值。减少RAG搜索结果、日志和代码范围，并验证缓存策略。
第四，运行与GPT-5.6 Sol相同的回归测试。不要只比较准确率，还要同时测量正常请求、提示注入、越权数据访问、工具执行以及成本和延迟。
结论
GPT-6 Astra不仅仅是ChatGPT中一个新的对话按钮，它代表着更广泛的变化。它将以ChatGPT中的GPT-6 Pro、Work和Codex中的Astra以及API中的gpt-6-astra形式逐步提供。其优势在于长时间的端到端任务和工具使用，但同时也伴随着高昂的价格和使用量消耗，以及针对其Critical网络能力而增加的额外控制。
因此，引入的判断不应是“这是最强的模型吗？”，而应是“这项任务是否需要Astra的深度推理和计算机使用，以及我能否控制其权限和成本？”模型变得更强大了，但这并不意味着最终的权限和安全责任也可以完全交给模型。
发表回复