OpenAI 已经发布 GPT-6 Astra，正式 API 型号是 gpt-6-astra。“ChatGPT-6”只是传播时的简化说法，并不是官方模型名。Astra 正在分批开放，首批是少量组织，Plus、Pro、Business、Enterprise 和 API 用户会陆续获得访问权限。因此，账号里暂时看不到它不代表消息是假的，也不能反过来说所有付费用户已经拿到。

如果只看参数，Astra 很像 GPT-5.6 Sol 的加强版：上下文同为 1,050,000 tokens，最大输出同为 128,000 tokens。但它真正改变的是 Agent 的运行方式。模型可以等待慢工具时继续处理其他工作，用户能在任务执行途中补充要求，应用还能在对话中调整推理强度而尽量保留缓存。这些能力让一次调用从“等待答案”变成“持续协调一项工作”。

先看清能力边界

Astra 支持文本和图片输入、文本输出，知识截止到 2026 年 4 月 30 日。它原生不接受音频或视频，也不支持微调。Responses API 中可使用函数、Web Search、File Search、Code Interpreter、Hosted Shell、Apply Patch、Skills、Computer Use、MCP 和 Tool Search；调用图片生成工具不等于模型本身能够原生输出图片。

推理档位包含 low、medium、high、xhigh 和 max，不支持 none 或 minimal。简单分类和低延迟流程应从 low 开始，困难编码、研究或跨软件任务再逐步提高。推理档位越高，通常意味着更长等待和更多 token，不能把 max 当作默认质量开关。

三项变化真正面向 Agent

第一项是异步工具调用。把自定义工具标记为 async: true 后，Astra 可以发出调用，同时继续推理、调用其他工具，或完成不依赖该结果的部分。真正执行工具的仍是你的应用；后台任务完成后，需要用原始 call_id 返回结果。应用必须保存任务状态，处理重启、超时、重复回调和最终失败。

第二项是 mid-turn steering。通过 Responses API 的 WebSocket 连接，用户可以在模型工作时追加“改用另一个数据源”或“不要修改数据库”之类的要求。服务器接受指令只代表它已排队，不会撤回已经显示的文本，也不能撤销已经执行的工具动作。删除、付款、发送和发布仍要在动作发生前设置确认点。

第三项是 configuration_update。长对话可以先用较低 effort 处理日常步骤，遇到困难再提高后续推理强度，同时避免重写原始 prompt 前缀。它有单 Agent、压缩与历史结构限制，接入前需要按官方指南设计会话状态。

105 万上下文背后的价格

Standard API 每百万输入 tokens 10 美元、缓存读取 1 美元、缓存写入 12.50 美元、输出 50 美元。输入一旦超过 272K，整个请求按两倍输入与缓存费率、1.5 倍输出费率计费，而不是只给超出的部分加价。Batch 和 Flex 通常是 Standard 的一半，Fast 则是两倍；搜索、Computer Use 等工具还可能单独收费。

这意味着 105 万窗口是容量，不是每轮都应塞满的目标。稳定的系统提示、工具定义和文档前缀应该尽量命中缓存；旧对话应通过检索、摘要或显式压缩控制长度。OpenAI 表示 Astra 在部分评测中能以更少输出 tokens 完成更多任务，但这是厂商评测。自己的账单仍取决于输入长度、缓存写入、工具费、重试和人工返工。

用 Responses API 开始

安装新版 SDK，并通过环境变量配置 API key：

pip install -U openai

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "medium"},
    input=(
        "Review this deployment plan. Identify rollback gaps, "
        "then return a prioritized checklist."
    ),
)

print(response.output_text)

对于带工具的应用，官方建议使用 Responses API。Chat Completions 可以保留纯文本兼容路径，但不能假设两个端点拥有完全相同的 Agent 能力。

迁移不只是换模型名

从旧模型升级时，先把 none 或 minimal 改成 low，并移除 temperature、top_p、top_logprobs 等不支持参数。工具调用迁入 Responses API；旧缓存字段也要换成新的 prompt_cache_options。随后用固定任务集比较事实错误、结构化输出、函数参数、工具重复调用、越权动作、token、工具费用和端到端时间。

Astra 的单价是 GPT-5.6 Sol 的 2.5 倍。更强模型可能减少重试和返工，从而降低一次成功任务的总成本，也可能因为不合适的长上下文和高 effort 让成本迅速上升。决定是否升级的指标应该是“完成一个任务花多少钱”，而不是单次回答看起来多聪明。

我的判断

GPT-6 Astra 的关键进步，是让 Agent 更容易被实时协调。异步工具避免所有步骤排队等待，steering 让用户不用取消整项工作就能纠偏，动态 effort 则给成本和难度提供了更细的控制。这些接口价值可能比排行榜提升更持久。

与此同时，它仍在分批开放，原生模态有限，长上下文有明显价格台阶，安全监控也可能暂停合法任务。适合的采用方式是先在研究、编码和跨工具工作流中做小流量测试，为不可逆动作保留确认，在真实成功成本稳定后再扩大范围。GPT-6 Astra 已经发布，但真正的新体验要等模型、Agent 状态机和权限设计一起到位。