2026年9月3日，OpenAI正式发布GPT-6 Astra，并将其定位为“目前向公众部署的能力最强、对齐质量最高的模型”。两天后的9月5日，访问权限向ChatGPT Plus和Business订阅用户全面开放，同步重置了这两个层级的使用额度。API定价随之公开：标准输入每百万token $10，输出每百万token $50，较此前旗舰GPT-5.6 Sol的促销价格（$4/$20）高出2.5倍。这是GPT-6名号首次出现在普通订阅用户的账户界面里。
需要立即说明的是，“全面开放”并不意味着一次性解锁全部功能。OpenAI采用了双轨访问机制：面向公众的标准版GPT-6 Astra在模型层面拒绝执行高级网络攻击任务；而涉及漏洞利用链构造等网络安全“关键”能力的版本，则通过名为Daybreak的受信访问计划单独分发给经审查的组织机构。公开模型与内部受控模型在能力上存在实质性差异，这是此次发布最容易被忽视的一条技术边界。
一个105万token上下文窗口意味着什么
GPT-6 Astra的上下文窗口为1,050,000 token，最大输出128,000 token，知识截止日期为2026年4月30日。这个数字在工程实践中的含义是：一次调用可以将约750万个英文单词（或约150万汉字）塞入同一个请求，相当于不分章节地读入整个代码库后再回答问题，而无需依赖外部检索或分段拼接。
配套更新的Codex获得了一项实验性的笔记保留功能——它能在上下文窗口结束后将关键信息显式保存，而非像以往那样将早期工作压缩进摘要。这解决了长期运行的coding agent丢失早期上下文细节的老问题。OpenAI表示该功能将“在未来数周内”成为Astra的默认行为。
模型以文本和图片作为输入，推理强度分为低、中、高、超高和最大五个档位，对应不同的计算消耗和响应速度。API还提供Fast模式，以两倍标准价格换取约2.5倍的任务完成速度，适合对延迟敏感但不在乎成本倍增的场景。
定价逻辑：每token贵了，每任务未必
$50/百万output token是当前公开模型市场的高位定价。但OpenAI给出了一个反驳框架：单token价格和单任务成本是两件事。如果GPT-6 Astra能以更少的token和更少的重试次数完成一项任务，总账单可能并不比Sol高。据Yotta Labs整理的数据，Astra在OSWorld 2.0计算机使用基准上以72.6%的准确率完成任务，比Sol的65.7%提升约10个百分点，且每任务耗时约少47%。
这个逻辑是否成立，取决于具体工作负载。对于简单的文本摘要或格式化任务，Sol的$4/$20定价仍有显著优势。但对于复杂的多步骤agent任务——例如跨多个工具的代码调试、长文档研究分析——Astra减少重试的收益更容易覆盖单价差距。OpenAI目前没有发布足够细粒度的任务级成本数据，上述推断在发布初期还无法用第三方数据直接验证。
此外，缓存机制提供了一条降低成本的路径：已缓存的输入token仅需$1/百万，是标准输入价格的十分之一。对于反复使用长系统提示的agent应用，这个价格差异在规模化部署后将形成实质性的账单优化空间。
计算机使用与软件工程：两个具体的能力支点
OpenAI将此次发布的重心明确落在两个方向：计算机使用（computer use）和软件工程。这不是泛化的能力声明，而是有具体基准数字支撑的定位。
在OpenAI自行发布的基准测试中，Astra在Terminal-Bench 4.0上得分57.9%，Sol为37.3%，提升超过20个百分点。DeepSWE v1.1（代码工程基准）上Astra为74.1%，Sol为72.7%，差距较小但仍领先。OSWorld 2.0（模拟真实桌面操作）上Astra 72.6%，Sol为65.7%。这三个基准共同指向一件事：模型操控软件界面、编写并执行代码、在复杂工具链中导航的实际能力有了可测量的提升。
幻觉率的变化同样值得单独关注。OpenAI报告Astra在其幻觉基准上的错误率为4.2%，而Sol为12.2%——这意味着在相同任务量下，Astra产生事实性错误的频率大约是Sol的三分之一。对于文档生成、法律或合规审查、研究摘要等容错率低的场景，这个数字的下降比任何能力基准都更直接地影响实际可用性。
网络安全方向的基准数字则更为极端：Astra在ExploitBench上得分100%，Sol为78.5%。正是这个数字导致了发布延迟——OpenAI在发布前数周公开表示因网络安全风险放缓了模型的推出节奏。最终的解决方案不是降低模型能力，而是通过Daybreak计划将高危能力限定在受审查的组织内。
多通道发布的产业逻辑
GPT-6 Astra的发布通道同时覆盖ChatGPT订阅（Plus/Pro/Business/Enterprise）、OpenAI API直接调用、Amazon Web Services Bedrock以及Microsoft Azure Foundry。这种多通道策略并非简单的铺货动作，它针对的是企业AI采购的三种典型路径：直接使用ChatGPT界面、通过API自建应用、通过现有云合同采购AI能力。
对于已经在AWS或Azure上有大规模云支出的企业，通过Bedrock或Azure Foundry使用Astra，意味着可以将AI费用并入现有云合同、利用既有的安全审查和合规框架，同时无需为OpenAI新开账户和走独立的数据处理协议流程。这降低了大型企业采购的摩擦系数，也是OpenAI与Anthropic、Google在企业端竞争的关键战场之一。
API可调用的model string为gpt-6-astra。对于已经在使用OpenAI API的开发团队，切换成本主要在于定价调整和可能需要重新校准的prompt，而非架构重写。Yotta Labs的分析指出，在多模型路由架构下，将Astra切入现有系统“只是一次配置变更”——这一说法的前提是团队已经采用了OpenAI兼容的接口标准，而非将业务逻辑硬绑在某个特定模型版本上。
与Sol的历史对照：这次能力跨越有多大
GPT-5.6 Sol是GPT-6 Astra的直接前代旗舰，两者的对比数据是目前最具参照价值的横向比较。从已公开的基准数字来看，最大的跳跃出现在两端：一是网络安全（ExploitBench 78.5%→100%），二是数学推理（FrontierMath Tier 4 83.0%→97.6%）。代码工程方向的提升相对温和（DeepSWE 72.7%→74.1%）。
这个分布意味着什么？数学和安全方向的极大提升，加上幻觉率的大幅下降，共同指向“推理可靠性”而非单纯的“能力天花板”方向。换句话说，Astra在“答对的概率”上的进步，可能比在“能做新事情”上的进步更为显著。对于企业用户，这个方向的改进往往比新功能更直接地影响实际部署决策——一个在95%的情况下答对的模型，和一个在60%情况下答对但能完成更复杂任务的模型，在生产环境中的使用策略完全不同。
下一步观察什么
以下判断基于现有信息的推断，而非已确认事实。
第一，API调用稳定性将是近期最关键的信号。大规模发布初期，模型服务的延迟、错误率和限速策略往往与基准测试阶段存在差距。开发者团队在正式将Astra纳入生产工作流之前，应在自己的实际任务分布上完成独立压测，而非仅依赖OpenAI发布的基准数字。
第二，Daybreak计划的准入边界将决定网络安全能力的实际可及范围。目前尚不清楚OpenAI如何界定“受信组织”的资格标准、审查周期和能力范围。这对安全研究机构和需要使用高级漏洞分析能力的企业而言，是实质性的不确定性。
第三，多模型成本路由将从可选策略变为工程刚需。在$10/$50的定价下，将全量请求无差别地打到Astra对大多数应用而言并不经济。按任务复杂度分层路由——简单任务走低成本模型、复杂任务走Astra——将成为控制AI成本的标准实践。能否精准识别任务复杂度，本身将成为新的工程挑战。
第四，Codex的笔记保留功能需要重点跟踪。如果这一功能在数周内如期转为默认，并且在实测中真正解决了长时间agent任务的上下文断层问题，它对coding agent类应用的影响将超过模型本身的能力数字——因为它改变的是整个工作会话的信息持久化方式，而不只是单次调用的质量。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接