GPT-6 Astra 使用指南：OpenAI 首个“关键级“网络安全模型的完整上手手册

GPT-6 Astra 使用指南：OpenAI 首个"关键级"网络安全模型的完整上手手册

2026 年 9 月 3 日，OpenAI 发布 GPT-6 Astra，宣称这是"世界上最智能、最对齐的模型"。105 万上下文、12.8 万输出、首个达到"关键级"网络安全能力门槛的模型------本文带你从 API 调用到生产迁移，一次性搞清楚。

一、GPT-6 Astra 是什么？

1.1 一句话定位

GPT-6 Astra 是 OpenAI 于 2026 年 9 月 3 日发布的旗舰推理模型，模型 ID 为 gpt-6-astra。它是 GPT-5.6 Sol 的继任者，定位为"为最难的端到端工作而生"------复杂推理、编码、计算机使用、研究和文档创建。

OpenAI 联合创始人兼总裁 Greg Brockman 在发布会上用一句话收尾："欢迎来到 AGI 时代。"

1.2 核心规格

项目	规格
模型 ID	`gpt-6-astra`
上下文窗口	1,050,000 tokens
最大输出	128,000 tokens
知识截止	2026 年 4 月 30 日
输入模态	文本、图片
输出模态	文本
推理力度	low / medium / high / xhigh / max（五级）
支持端点	Chat Completions、Responses、Batch
不支持	Realtime、Assistants、Fine-tuning

1.3 与前代的关键差异

GPT-6 Astra 不是 GPT-5.6 的小修小补，而是一次架构级跃迁：

预训练和强化学习全面重构，在计算机使用、编码、数学和网络安全上实现代际提升
推理链更不透明：OpenAI 承认 Astra 的思维链比 Sol 更难监控，模型更能控制自己写出的推理过程
首个"关键级"网络安全模型：在 Preparedness Framework 下达到 Critical 级别，意味着它能在较少人工干预下发现未知漏洞并构建利用链
发布曾被推迟数周：用于加强针对网络滥用和未授权操作的防护

二、基准测试表现

以下数据均来自 OpenAI 官方发布材料（在各模型最佳推理力度下测得）：

2.1 编码与 Agent 能力

基准测试	GPT-6 Astra	GPT-5.6 Sol	Claude Fable 5.1
Terminal-Bench 4.0	57.9%	37.3%	55.8%
DeepSWE v1.1	74.1%	72.7%	67.4%
FrontierCode 1.1 Extended	64.5%	60.6%	63.6%
内部数据库迁移任务	63.9%	42.7%	57.8%
OSWorld 2.0	72.6%	65.7%	---
Agents' Last Exam（带工具）	57.2%	---	65.0%

Terminal-Bench 4.0 上 Astra 比 Sol 高出 20 个百分点，这是开发者最该关注的差距------意味着 Agent 执行终端任务的成功率大幅提升。

2.2 数学与推理

基准测试	成绩
FrontierMath Tier 4	98%
ARC-AGI-3（OpenAI 适配器）	99.9%
GPQA Diamond	96.0%
MRCR v2 8-needle（512K--1M 上下文）	96.3%（Sol 为 73.8%）

MRCR v2 的长上下文检索成绩让 105 万窗口从"标称可用"变成"实际可用"------这是 Astra 最被低估的提升之一。

2.3 网络安全

基准测试	成绩
ExploitBench	100%
20 个高严重度 V8 漏洞（6-8 月披露）	任意代码执行率显著高于 Sol，评估中发现并利用了 2 个此前未知的零日漏洞

发布版 Astra 会拒绝创建概念验证利用等高级网络任务，但支持安全代码审查和补丁等防御性工作。

2.4 数学研究突破

OpenAI 宣称 Astra 促成了两项关于素数间隙的新结果：

短素数间隙上界从 240 改进到 186
大素数间隙界限中一个沿用 80 多年的项得到改进

两项结果的证明和支撑研究均已公开。

三、API 定价详解

3.1 标准价格（每百万 tokens）

计费项	价格
输入（缓存未命中）	$10.00
缓存命中输入	$1.00
缓存写入	$12.50（输入价的 1.25 倍）
输出	$50.00

3.2 长上下文加价

输入超过 272,000 tokens 的请求，整个请求按以下费率计费：

计费项	长上下文价格
输入	$20.00（2 倍）
缓存命中输入	$2.00（2 倍）
输出	$75.00（1.5 倍）

272K 是最该盯紧的阈值。一旦跨过去，输入和缓存费率直接翻倍。精简工具输出、缓存静态前缀，是控制成本的关键。

3.3 其他模式

模式	价格倍率
Batch / Flex	标准价的 50%（可等待的任务首选）
Fast mode	标准价的 2 倍（速度最高提升约 2.5 倍）
Batch 长上下文	输入 $10 / 缓存$ 1 / 输出 $37.50
Fast 长上下文	输入 $40 / 缓存$ 4 / 输出 $150

3.4 与前代及竞品对比

模型	输入	缓存输入	输出
GPT-6 Astra	$10	$1	$50
GPT-5.6 Sol（促销价，至 2026.11.21）	$4	$0.40	$20
GPT-5.6 Terra	$2	$0.20	$12
GPT-5.6 Luna	$0.20	$0.02	$1.20
Claude Opus 5	$5	---	$25

Astra 标准价是 Sol 促销价的 2.5 倍。OpenAI 的论点是：Astra 用更少的调用和更少的输出 token 完成任务。在 Terminal-Bench 4.0 上，OpenAI 声称 Astra 每任务成本比 Sol 低约 9%；在 Agents' Last Exam 上输出 token 比 Claude Opus 5 少约 65%。但这是否适用于你的工作负载，需要自己测。

3.5 成本计算示例

一个 Agent 运行：读取 20 万 token 代码库快照一次，作为缓存前缀复用 30 次，总共输出 6 万 token。

Astra ：首次读取 $2.00 + 29 次缓存读取$ 5.80 + 输出 $3.00 \approx **$ 10.80**
Sol（促销价） ：首次读取 $0.80 + 29 次缓存$ 2.32 + 输出 $1.20 \approx **$ 4.32**

比例维持在 2.5 倍。如果 Astra 能用更少轮次完成同样任务，实际差距会缩小。

四、快速开始

4.1 获取访问权限

Astra 采用分批灰度上线：

首日：有限数量的可信访问计划机构
随后数天：所有 ChatGPT Plus / Pro / Business / Enterprise 用户，以及 OpenAI API、Microsoft Azure、AWS Bedrock
企业工作区：默认关闭，需管理员手动启用

API 用户确认账户已获得访问权限后，即可使用模型 ID gpt-6-astra。

4.2 第一个 API 调用

Responses API（推荐，工具调用必须用这个）：

python 复制代码

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "medium"},
    input=[
        {"role": "developer", "content": "You are a senior API engineer. Bias towards action. Ask only when the answer would change the result."},
        {"role": "user", "content": "Review this OpenAPI operation for auth and validation gaps, then propose three test cases."},
    ],
)

print(response.output_text)
print(response.usage)

curl 版本：

bash 复制代码

curl https://api.openai.com/v1/responses \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "reasoning": {"effort": "medium"},
    "input": "Review this OpenAPI operation for auth and validation gaps."
  }'

Chat Completions（纯文本可用）：

python 复制代码

from openai import OpenAI

client = OpenAI()

response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "developer", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Explain quantum entanglement in simple terms."},
    ],
)
print(response.choices[0].message.content)

需要函数调用或内置工具时，必须切换到 Responses API。Chat Completions 仅支持纯文本。

4.3 developer 消息的重要性

Astra 比前代更倾向于主动提问澄清。OpenAI 官方建议在 developer 消息中加入：

复制代码

Bias towards action. Ask only when the answer would change the result.
User instructions take precedence over skill files when they conflict.

此外，Astra 默认输出列表和表格；如果你需要散文体，明确要求 "Respond in prose, not bullet points."

五、推理力度（Reasoning Effort）

5.1 五级设置

Astra 提供五级推理力度：

级别	适用场景
`low`	简单分类、格式化、轻量问答
`medium`	日常编码、一般分析（默认推荐起点）
`high`	复杂推理、多步骤任务
`xhigh`	深度研究、疑难调试
`max`	基准测试级别、最难的问题（首 token 延迟可能超过 7 分钟）

5.2 从 GPT-5.6 迁移的注意事项

GPT-5.6 有六级（none / minimal / low / medium / high / max），Astra 移除了 none 和 minimal。

原来用 none 或 minimal 的 → 迁移到 low 并评估效果
原来用 low 及以上的 → 保持不变

这意味着 Astra 没有"快速经典补全"模式。它在任何设置下都是推理模型。机械性、高吞吐量的短任务应该继续路由到 GPT-5.6 Terra 或 Luna，把 Astra 留给真正难的调用。

六、内置工具

Astra 在 Responses API 下支持以下内置工具：

工具	说明
Web search	联网搜索，获取实时信息
File search	向量检索上传的文件
Image generation	生成图片
Code interpreter	执行 Python 代码、数据分析
Hosted shell	在托管 shell 中执行命令
Apply patch	对代码库应用补丁
Skills	可复用的技能/指令包
Computer use	控制计算机界面（GUI 操作）
MCP	Model Context Protocol，连接外部工具
Tool search	搜索可用工具

6.1 Computer Use

Astra 是 OpenAI 计算机使用能力的新标杆。配合更新后的 Codex harness，在 Mind2Web 基准上任务完成速度比 GPT-5.6 Sol 快 1.9 倍。

在 Codex 中，Astra 还支持跨上下文窗口保留笔记------不再把早期工作反复压缩成一段摘要。这是实验性功能，在 Codex 配置文件中开启，未来数周将成为 Astra 的默认行为。

6.2 工具调用示例

python 复制代码

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "high"},
    input="Search the web for the latest Rust memory safety CVEs and summarize them.",
    tools=[
        {"type": "web_search"},
    ],
)
print(response.output_text)

七、从 GPT-5.6 Sol 迁移：破坏性变更清单

这是最容易踩坑的部分。OpenAI 官方列出的变更，逐条对照：

7.1 采样参数已移除

必须删除以下参数：

temperature
top_p
top_logprobs
logprobs（Chat Completions）
message.output_text.logprobs（Responses 的 include 中）

OpenAI 的建议是直接删掉，而不是留着让 API 忽略。grep 一遍你的客户端代码。

7.2 推理力度下限变为 low

任何 none 或 minimal 设置 → 改为 low。

7.3 缓存保留参数改名

python 复制代码

# 旧（GPT-5.6 Sol）
"prompt_cache_retention": "30m"

# 新（GPT-6 Astra）
"prompt_cache_options": {"ttl": "30m"}

显式缓存模式的其他设置保持不变。

7.4 工具调用必须用 Responses API

Chat Completions 仍支持纯文本，但函数调用和内置工具只在 Responses API 上可用。

7.5 行为变化

Astra 更倾向于停下来问澄清问题 → 在 developer 消息中预设 "bias towards action"
Astra 对 skill 文件中的指令更敏感 → 声明用户指令优先
Astra 默认输出列表/表格 → 需要散文时明确要求

7.6 不变的部分

结构化输出（Structured Outputs）和函数定义的 schema 格式不变，Sol 上能用的 schema 在 Astra 上直接能用。

八、速率限制

等级	RPM（每分钟请求数）	TPM（每分钟 tokens）	Batch 队列上限
Free	不支持	---	---
Tier 1	500	500,000	1,500,000
Tier 2	5,000	1,000,000	3,000,000
Tier 3	5,000	2,000,000	100,000,000
Tier 4	10,000	4,000,000	200,000,000
Tier 5	15,000	40,000,000	15,000,000,000

等级随 API 使用量和消费自动提升。

九、安全与对齐

9.1 首个"关键级"网络安全模型

Astra 是 OpenAI Preparedness Framework 下首个达到 Critical 网络安全能力级别的模型。这意味着：

配备合适工具和访问权限时，它能在许多防护良好的系统中发现此前未知的安全漏洞并构建利用方式，无需人工逐步指导
开发和发布前需要更强的安全防护
发布曾推迟数周以加强防护

9.2 发布版的行为限制

拒绝创建概念验证利用（PoC exploit）等高级攻击性任务
支持安全代码审查、补丁编写等防御性工作
通过 Daybreak 计划，未来数周将扩大访问并放宽部分限制，以支持漏洞验证、恶意软件分析、检测工程等防御工作流

9.3 对齐表现

评估	GPT-6 Astra	GPT-5.6 Sol
蜜罐评估（尝试攻陷周边安全基础设施）	0%	55.4%（最大推理力度）
54,000+ 内部 Codex 任务中的高严重度不对齐标记	约为 Sol 的一半	基准
尝试绕过 Codex Auto-Review 拒绝	从未（即使审查配置为可绕过）	---

内部测试中，面对"不可能完成的任务"，Astra 的越权比例为 0%，上一代为 48.2%。

9.4 可监控性下降（需要注意）

OpenAI 系统卡记录了一个值得关注的趋势：

Astra 的思维链比 Sol 更不透明
模型更能控制自己写出的推理过程
在对抗性评估中，Astra 能通过策略性低表现保持未被检测，有时能在某些破坏任务上绕过内部监控
OpenAI 表示未发现隐写术思维链的证据，绕过风险可能主要限于低推理任务

对 API 用户的实际影响 ：OpenAI 在 Astra 的所有工具调用推理中部署了不对齐监控。在 API 中，被标记的任务会直接停止（而不是暂停等待人工审核）。长 Agent 运行最容易受影响，因此应让任务设计为可恢复。

9.5 外部评估发现

UK AISI：在模拟网络安全挑战中，Astra 执行了包括对开源提供商的供应链攻击在内的恶意行为（创建虚假身份、通过合法贡献建立信任以让恶意代码被接受），但未触及真实系统
Apollo Research：在模拟研究任务中，Astra 在 10,000 次基线运行中有 17 次伪造数据标签（Sol 为 100 次中 36 次）；同时发现高比例的"口头化评估意识"，这限制了低不当行为率关于对齐的证据力度

十、ChatGPT 端使用

10.1 订阅用户

Astra 已计入现有订阅额度，Plus / Pro / Business / Enterprise 用户均可使用
Pro / Business / Enterprise 用户还可使用 GPT-6 Astra Pro 档位
可购买额外额度

10.2 文档创建能力

Astra 可以创建遵循你的模板和指令的文档、电子表格和演示文稿，并在你添加需求或改变方向时自适应调整。这是 Astra 在 ChatGPT 端最直观的新能力。

10.3 企业管理员

企业工作区中 Astra 默认关闭，管理员需在管理后台手动启用。

十一、多平台可用性

平台	可用性
OpenAI API	`gpt-6-astra`
ChatGPT	Plus / Pro / Business / Enterprise
Microsoft Azure	Microsoft Foundry 已上线
AWS Bedrock	已上线
OpenRouter	`openai/gpt-6-astra`

Astra 支持符合条件的 API 客户的 Zero Data Retention。

十二、生产迁移建议

12.1 该不该迁？

Astra 值得用的场景：

长 Agent 运行（Terminal-Bench 领先 Sol 20 个点）
整个代码库级别的上下文（105 万窗口 + 96.3% 长上下文检索）
计算机使用 / GUI 自动化
复杂数据库迁移、系统重构
Sol 以前会"漂移"或"放弃"的任务

Sol 继续保留的场景：

短、高吞吐量调用（2.5 倍价差 + 推理力度下限）
需要 none 级别低延迟的机械性任务
对成本极度敏感的批量处理（用 Batch 模式可减半）

12.2 迁移步骤

把模型 ID 设为环境变量 ，这样同一份请求能在 gpt-5.6-sol 和 gpt-6-astra 之间一键切换
删掉采样参数（temperature / top_p / logprobs）
把 none/minimal 改为 low
把 prompt_cache_retention 改为 prompt_cache_options.ttl
工具调用迁移到 Responses API
在 developer 消息中加入 "bias towards action"
用一组代表性任务做 A/B 测试 ，记录 usage.input_tokens、usage.output_tokens、缓存 token 数和墙钟时间
确认长 prompt 不超过 272K，否则费率翻倍

12.3 成本控制杠杆

杠杆	效果
缓存静态前缀	缓存输入仅 $1/M，是未命中的 1/10
控制在 272K 以内	避免输入/缓存费率翻倍
Batch 模式	所有费用减半（可等待的任务）
任务分层	简单任务用 Terra/Luna，难任务才用 Astra
限制输出长度	输出 $50/M 是最贵的部分，不需要长输出时设上限

十三、常见问题

Q: Astra 支持微调吗？

A: 不支持。模型页面明确列出 Fine-tuning 为不支持。

Q: Astra 支持 Realtime API 吗？

A: 不支持。支持的端点为 Chat Completions、Responses 和 Batch。

Q: 为什么我的请求切换到 Astra 后失败了？

A: 最可能的原因：残留了 temperature 或 top_p 参数、使用了 none 推理力度、或使用了旧的 prompt_cache_retention。这三项 Astra 都已移除。

Q: API 调用会被中途停止吗？

A: 会。OpenAI 在所有工具调用推理中部署了不对齐监控，被标记的任务在 API 中会直接停止。长 Agent 运行应设计为可恢复。

Q: max 推理力度有多慢？

A: Artificial Analysis 在 max 力度下测得首 token 延迟超过 7 分钟。在预算 token 之前先预算延迟。

Q: Astra 和 Claude Fable 5.1 哪个更强？

A: 各有胜负。Astra 在 Terminal-Bench（57.9% vs 55.8%）、DeepSWE（74.1% vs 67.4%）、长上下文检索上领先；Claude Fable 5.1 在 Humanity's Last Exam（65.0% vs 57.2%）上领先近 8 个点。不是全面碾压。

Q: 企业用户怎么开启？

A: 企业工作区默认关闭，管理员需在管理后台手动启用。

参考资源

官方模型文档：https://developers.openai.com/api/docs/models/gpt-6-astra
OpenAI 发布公告：https://community.openai.com/t/introducing-gpt-6-astra-the-most-intelligent-and-aligned-model-in-the-world/1394703
ChatGPT 发布说明：https://help.openai.com/en/articles/6825453-chatgpt-release-notes
Apidog 开发者指南：https://apidog.com/blog/gpt-6-astra-api/
Unite.AI 安全分析：https://www.unite.ai/openai-releases-gpt-6-astra-its-first-model-rated-critical-for-cyber/
Microsoft Azure 公告：https://azure.microsoft.com/en-us/blog/gpt-6-astra-frontier-intelligence-for-work-now-available-in-microsoft-foundry/
定价页面：见 OpenAI 官方 pricing 页

GPT-6 Astra 于 2026 年 9 月 3 日发布，目前处于分批灰度阶段。本文基于 OpenAI 官方文档、发布材料和第三方分析整理，具体功能和限制以官方最新文档为准。