GPT-6 Astra 是 OpenAI 于 2026 年 9 月 3 日发布的旗舰模型，API 模型 ID 为 gpt-6-astra。它的核心参数是：上下文窗口 1,050,000 token（其中单次最大输入 922,000、最大输出 128,000）、知识截止 2026 年 4 月 30 日、推理强度 low / medium / high / xhigh / max 五档、标准价输入 10 美元／输出 50 美元每百万 token。GPT-6 Astra参数与权重均未公开，属闭源模型、不支持微调——这一点先说明，因为"参数"在中文语境里常被理解成"参数量"，而 Astra 官方从未披露这一项。本文把能查到的规格逐项列全，并标注三个最容易被误读的地方。
GPT-6 Astra 完整规格表
| | |
|---|
| | 同期登陆 ChatGPT、API、Microsoft Foundry、AWS Bedrock |
| | GPT-6 家族在官方目录中目前仅此一个可调用型号 |
| | 闭源，无权重、不支持微调（no fine-tuning） |
| | 部分来源记作 1,048,576（2 的 20 次方） |
| | |
| | |
| | |
| | |
| low / medium / high / xhigh / max | 已移除 none 与 minimal，没有"不推理"档 |
| Responses、Chat Completions、Batch | 无 Realtime、无 Assistants、无 embeddings、无微调 |
| computer use、hosted shell、apply patch、code interpreter、web search、file search、image generation、skills、MCP、tool search | |
| | |
| temperature、top_p、logprobs、top_logprobs 已移除 | |
价格参数：三档计价与一个 27.2 万的坎
| |
|---|
| |
| |
| |
| |
| 输入 20.00 / 缓存输入 2.00 / 缓存写入 25.00 / 输出 75.00 |
| |
| 为标准价的 50%（Batch 异步、Flex 让出可用性与延迟保证） |
| 输入 11.00 / 缓存输入 1.10 / 缓存写入 13.75 / 输出 55.00 |
最容易算错的一处：27.2 万这道坎是按"整个请求"计价的，不是只对超出的部分加价。
Astra 的规则是——单次请求输入一旦超过 272,000 token，该请求的全部 token 都按长上下文费率计（输入与缓存 2 倍、输出 1.5 倍）。不能把 60 万 token 的请求拆成"27.2 万按标准价 + 32.8 万按长上下文价"来估算，那样会严重低估成本。
按 Foundry 官方表格，一次 90 万 token 的长上下文请求，光输入就约 18 美元，这就是"用大窗口替代检索"的真实代价。如果你想省钱，别忘了：同样的活儿走 8K 级别的检索管线，输入成本不到 0.1 美元。此外，Fast mode 不支持欧盟数据驻留。
5档推理强度怎么选：档位差异比想象中大
Astra 的推理强度不是"微调旋钮"，五档之间的差距大到应该当成五个共用同一份权重的不同模型。第三方 Artificial Analysis 的 Intelligence Index（v4.2）给出了完整阶梯，另加一条来自 OpenAI Codex 工程负责人的公开判断：
三个可以直接用的结论：
- medium 是性价比拐点。low → medium 是"花 84% 的钱换 3 分"，是唯一明显划算的一跳；medium 往上每一档都只加 1 分，成本却要再加 22%–39%。换句话说，Astra 的思考在 medium 档就已经基本做完了。
- Astra 开 low，强于 Sol 开 high。OpenAI Codex 工程负责人 Thibault Sottiaux 公开说过这句话，Artificial Analysis 的数据支持它：Astra-low 49 分，Sol-high 48 分；且 Astra-low 首 token 2.53 秒，Sol-high 要 11.87 秒。
- max 档不是聊天模型，是后台工人。322 秒出首 token（同价位推理模型的中位数是 3.5 秒），换来 55 分。这个形态适合代码评审、合同分析、整夜批处理，不适合任何面对用户的助手。
Astra 有一个补偿性优势：它自身输出更省 token——在指数评测全程生成约 6000 万 token，中位模型要 9000 万。所以别只看单价，要看"完成一个任务花多少钱"。有开发者用同一套代码库实测：Sol-high 用 238 次请求、花了 75 分钟、约 $31.79；Astra-medium 只用 80 次请求、51 分钟、约 $25.67，而且 Sol-high 那次还漏掉了一个启动 bug。注意这是单一开发者的测试，不是普适结论；ARC Prize 的评测就走向了相反方向——在 ARC-AGI-3 上 max 档总分反而最便宜（因每局所需动作更少）。
一个常被写错的点：GPT-6 Pro 不是另一个模型
ChatGPT 界面里显示的"GPT-6 Pro"并不是独立模型。它与 Astra 是同一套权重，"Pro"只是顶级订阅套餐里把推理强度拧到 max 档的叫法——和 API 的 low / medium / high / xhigh / max 是同一个旋钮。所以不要把它当两个模型做对比评测，也不要指望"Pro 版有额外能力"。
另外三处容易混淆的地方：
- 参数 ≠ 参数量：中文搜"参数"往往想找参数量，而 OpenAI 对 Astra 的参数量从未披露，任何标称具体参数量（如"X 万亿参数"）的说法都缺乏官方依据。
- 上下文 1,050,000 与 1,048,576：两个数字都能见到，后者是 220，属同一规格的不同表述，不影响使用。
- "上下文窗口相同"不等于"表现相同"：Astra 与 GPT-5.6 Sol 的窗口、输出上限、工具清单在纸面上几乎一致，差别在检索可靠性上——MRCR v2 8-needle 测试中，512K–1M 区段 Astra 为 96.3%、Sol 仅 73.8%，差 22.5 个百分点。这是"能不能真正用满窗口"的关键。
迁移必知：4个会直接报错的变化
从 GPT-5.6 Sol 换到 Astra 不是改个 model 字段就完事，至少四处需要改代码：
- 采样参数被整体移除：temperature、top_p、logprobs、top_logprobs 均不支持，继续传会直接报错。替代方式是把风格要求写进指令，例如把 temperature: 0.3 换成"用精确、克制的中文，不超过 5 条要点"。
- 推理强度有了地板：none 与 minimal 都不存在了，合法值只有 low 及以上。原来用 none 的场景建议先映射到 low，不要假设它等价——low 仍然会推理，成本和延迟都高于原来的 none。
- 工具调用必须走 Responses API：以 Chat Completions 为主的工具链路需要迁移。
- 可用性要自查：发布采用分批放号，企业侧走 Trusted Access Program 优先，Azure 上企业管理员需按工作区启用且默认关闭。另外，微软尚未确认 Foundry 是否开放 max 档——在设计路由表前先在你自己的部署里确认可接受值。
调用示例（官方推荐 Responses API，且 reasoning.effort 是必填思路）：
能力参数与已知边界
几个能决定选型的硬数字（标注来源，因为官方自测与第三方独立评测差距明显）：
| | | |
|---|
| | | 官方；单任务约 40 分钟 vs Sol 75 分钟 |
| | | |
| 62.7%（另有 62.7 与 95.0 两个口径） | | |
| | | |
| | | |
| | | |
Humanity's Last Exam（带工具） | | | |
| | 与 Sol 持平，落后 Claude Fable 5.1 约 5 分 | |
读这些数字前必须知道的三件事。
其一，ARC-AGI-3 的 99.9% 与 62.7% 是同一模型在同一周公布的两个数字，差别来自评测脚手架，而前一个几乎总被当成"官方成绩"引用。其二，第三方加总指数上 Astra 只与上代 Sol 持平（61 分），落后三天前发布的 Claude Fable 5.1（约 65.7 分）——也就是说，"代际跃升"集中在 OpenAI 自己选定的方向（数学、电脑操作、网络安全），而非全面智能提升。其三，它没有全面领先：Humanity's Last Exam 带工具项落后竞品近 8 个百分点，这一点在发布材料里被有意淡化。
另外两个安全相关事实值得记录：Astra 是首个在 OpenAI Preparedness Framework 下被评为"Critical"网络安全能力等级的模型，因此公开发布版会拒绝编写漏洞 PoC，更强的进攻能力被限制在邀请制的 Daybreak 项目内；它采用的新推理技术recurrent depth（循环式推理）会让思维链更难被外部监控，这一点已引起外部安全研究者的关注——如果你原本依赖推理过程日志调试 agent，可用的信息会变少，需要更多依赖输出层评测。
常见问题
Q：GPT-6 Astra 的参数量是多少？
A：官方未披露，任何具体参数量说法都没有依据。它是闭源模型，没有开放权重，也不支持微调。中文里说的"参数"通常指规格表，本文上方的完整规格表即为答案。
Q：上下文真是 105 万 token 吗？
A：是，官方口径为 1,050,000 token，其中最大输入 922,000、最大输出 128,000。但注意：输入超过 27.2 万 token 后，整个请求按长上下文费率计费。
Q：为什么我传 temperature 报错了？
A：Astra 已移除 temperature、top_p、logprobs 等采样参数，传了会直接报错而非被忽略。请改用自然语言指令描述风格。
Q：推理强度该设几档？
A：多数工作从 medium 起步——它是性价比拐点。分类与抽取类用 low；交互式复杂任务最多到 high；xhigh 与 max 留给无人盯屏的排队任务。
Q：GPT-6 Pro 和 Astra 有什么区别？
A：没有区别，是同一套权重。ChatGPT 里的"Pro"表示把推理强度开到 max 档。
Q：支持音频或视频输入吗？
A：都不支持。输入只有文本与图像，输出只有文本；接口也不含 Realtime。
Q：现在就能用吗？
A：发布为分批放号，企业侧 Trusted Access Program 优先，随后扩展到 API 与 ChatGPT 各档订阅。有 API key 不等于立刻有该模型权限，需先查项目返回的模型列表。
Q：API 免费档能用吗？
A：不能，Astra 不支持 API 免费层（Free tier）。
Q：会拿我的数据训练吗？
A：默认不会用 API 的提示与补全训练模型；符合条件的企业客户可申请零数据保留（ZDR）。
AI 速览
