GPT-6 Astra เปิดให้ใช้งานบน Smart AIPI แล้ว — ลด 75% และประเด็นสำคัญจริง ๆ คือประสิทธิภาพการใช้โทเค็น

OpenAI ประกาศ GPT-6 Astra เมื่อวันที่ September 3, 2026 โดยเรียกว่า "โมเดลที่ฉลาดและสอดคล้องกับเจตนามนุษย์ที่สุดในโลก" โมเดลนี้พร้อมใช้งานผ่าน API ในชื่อ gpt-6-astra และพร้อมใช้งานบน Smart AIPI ทันทีในราคาเพียงหนึ่งในสี่ของ OpenAI

โพสต์เปิดตัวคือการตลาด แต่โพสต์นี้ไม่ใช่ — เราจำหน่ายสิทธิ์เข้าถึงโมเดล ดังนั้นสิ่งที่มีประโยชน์ที่เราทำได้คือบอกคุณอย่างตรงไปตรงมาว่าโมเดลชนะตรงไหน แพ้ตรงไหน และแท้จริงแล้วจะมีค่าใช้จ่ายเท่าไร ตัวเลขทั้งหมดด้านล่างมาจากตารางการประเมินที่ OpenAI เผยแพร่ และการวิเคราะห์อิสระของข้อมูลเหล่านั้น

ผลลัพธ์เด่น

Astra ล้ำสมัยที่สุดสำหรับการใช้งานคอมพิวเตอร์ การท่องเว็บ วิศวกรรมซอฟต์แวร์ ความปลอดภัยไซเบอร์ วิทยาศาสตร์ และงานระดับมืออาชีพ คะแนนที่สำคัญที่สุดสำหรับนักพัฒนา:

บางรายการควรอธิบายเพิ่มอย่างละประโยค Terminal-Bench 4.0 ใกล้เคียงที่สุดกับคำถามว่า "เอเจนต์สามารถใช้งานเครื่องจริงและทำงานจริงให้เสร็จได้หรือไม่" — คะแนน 57.9% ของ Astra เทียบกับ 37.3% ของ Sol คือการก้าวกระโดดระดับเจเนอเรชัน ไม่ใช่ความต่างเล็กน้อยจากการปัดเศษ AutomationBench (เวิร์กโฟลว์ธุรกิจหลายขั้นตอนข้ามแอปพลิเคชัน) ทำคะแนนได้มากกว่าสองเท่าของ Sol บน OSWorld 2.0 Astra ทำคะแนนสูงกว่า และ ใช้เวลาจบงานราว 40 นาทีต่องาน เทียบกับ Sol ที่ 75 นาที — ใช้เวลาน้อยลงราว 47% และแถวด้านการจัดแนวไม่ใช่เชิงอรรถ: ในการทดสอบความปลอดภัยการใช้คอมพิวเตอร์แบบโจมตี Astra ให้ผลลัพธ์ที่ไม่สอดคล้องกับเจตนา 2.4% ของเวลา เทียบกับ 22.0% ของ Sol หากคุณปล่อยให้เอเจนต์แตะระบบ production ตัวเลขนี้มีค่ามากกว่าคะแนนเบนช์มาร์กหนึ่งจุด

ข้อควรระวังสามข้อที่กราฟเปิดตัวไม่ได้บอก

เราอยากให้คุณได้ยินเรื่องเหล่านี้จากเรา มากกว่าจะค้นพบด้วยตัวเอง

1. คะแนน 99.9% บน ARC-AGI-3 เป็นผลลัพธ์จาก harness

ARC-AGI-3 ประเมินโมเดลโดยส่งกริดเซลล์สีขนาด 64×64 ในรูปแบบ JSON object ให้โมเดล แล้วอนุญาตให้โมเดลส่ง action tokens ไปยังสภาพแวดล้อมจำลอง — ไม่มีภาพหน้าจอ ไม่มีวิดีโอ และไม่มีการอธิบายกฎล่วงหน้า ตัวเลข 99.9% สร้างขึ้นโดยใช้ Responses API harness ของ OpenAI เอง พร้อมการจัดการคอนเท็กซ์ของตนเอง หากรันโมเดลเดียวกันผ่าน hosted harness ของ ARC Foundation ด้วย API calls แบบปกติ Astra จะได้คะแนนราว 62.7%

ทั้งสองตัวเลขตรงไปตรงมา เพราะวัดคนละระบบ แต่สิ่งนี้บอกบางอย่างที่สำคัญเกี่ยวกับปี 2026: harness กลายเป็นส่วนสำคัญอันดับต้น ๆ ของคะแนนแล้ว เมื่อคุณประเมินโมเดลสำหรับสแตกของตัวเอง ให้ประเมินภายใน harness ของคุณ ไม่ใช่กราฟประชาสัมพันธ์ของใคร

2. ดัชนีรวมให้ผลต่างกันอย่างชัดเจน

OpenAI เน้น 14 เบนช์มาร์กในประกาศของตน มีเพียงหนึ่งรายการที่ซ้อนทับกับ Artificial Analysis Intelligence Index ซึ่งจัด Astra ไว้อันดับห้าที่ 61.2 — ตามหลัง Claude Fable 5.1 (65.7), Claude Opus 5 (63.1) และ Claude Fable 5 (62.1) บน Artificial Analysis Coding Agent Index v1.4 Astra ได้ 67.0 เทียบกับ 68.1 ของ Opus 5 และ 67.2 ของ Fable 5 และ Astra แพ้ Fable 5.1 บน Humanity's Last Exam เมื่อใช้เครื่องมือ ด้วยคะแนน 57.2% ต่อ 65.0%

ดัชนีรวมเป็นตัวห่อหุ้มรอบเบนช์มาร์ก และตัวห่อหุ้มอาจดึงสัญญาณออกมาหรือกลบมันได้ การอ่านอย่างตรงไปตรงมาคือ Astra เป็นโมเดลชั้นนำอย่างชัดเจนสำหรับ งานแบบเอเจนต์ งานเทอร์มินัล และงานใช้งานคอมพิวเตอร์ แต่ไม่ใช่ผู้นำที่ไร้ข้อโต้แย้งในทุกมิติของ "ความฉลาด" เลือกโมเดลที่ชนะในแกนงานที่คุณนำไปใช้งานจริง

3. ความสามารถด้านไซเบอร์ถูกควบคุม และร่องรอยการให้เหตุผลสั้นลง

Astra ผ่านเกณฑ์ความมั่นคงปลอดภัยไซเบอร์ระดับ Critical ภายใต้ Preparedness Framework ของ OpenAI — 100% บน ExploitBench, 42.4% บน ExploitGym เทียบกับ 30.3% ของ Sol, และ 88.0% แบบ single-attempt บนงานวิศวกรรมย้อนกลับไบนารีของ SRE-Bench เทียบกับ 55.9% ของ Sol ระหว่างการประเมิน โมเดลค้นพบและใช้ zero-days ที่ไม่เคยทราบมาก่อนสองรายการ ซึ่ง OpenAI ระบุว่าได้เปิดเผยต่อผู้ดูแลระบบแล้ว

ผลที่ตามมาสำหรับคุณ: เวอร์ชันเปิดตัวทำงานเชิงป้องกันได้ — เช่น ตรวจสอบโค้ดเพื่อความปลอดภัยและแพตช์ — แต่ ปฏิเสธการสร้าง proof-of-concept exploits และการตรวจสอบความปลอดภัยเพิ่มเติมอาจหยุดงานที่ถูกต้องตามกฎหมายเป็นครั้งคราว ใน API งานที่ถูกบล็อกจะหยุดไปทันที นี่เป็นพฤติกรรมของโมเดลต้นทาง ไม่ใช่ข้อจำกัดของ Smart AIPI OpenAI วางแผนจะผ่อนคลายข้อจำกัดนี้สำหรับเวิร์กโฟลว์เชิงป้องกันที่ผ่านการตรวจสอบผ่านโปรแกรม Daybreak

OpenAI ยังระบุถึงการถดถอยจริงประการหนึ่ง: การให้เหตุผลแบบเขียนของ Astra ตรวจสอบติดตามได้ยากกว่า ของ Sol เพราะมันแก้ปัญหาด้วยขั้นตอนที่เขียนน้อยกว่าและควบคุม trace ของตนได้มากขึ้น พวกเขาระบุเรื่องนี้เอง ซึ่งเป็นสิ่งสำคัญหากแนวทางด้านความปลอดภัยของคุณต้องพึ่งพาการอ่าน chain-of-thought

เรื่องจริง: ประสิทธิภาพการใช้โทเค็น ไม่ใช่ราคาต่อโทเค็น

ที่ราคา $10 / $50 ต่อ 1M tokens เมื่อซื้อโดยตรงจาก OpenAI นั้น Astra ดูแพงเมื่อเทียบกับตระกูล 5.6 — และในแง่ราคาต่อโทเค็น มันแพงกว่า แต่ราคาต่อโทเค็นคือหน่วยวัดที่ผิด สิ่งที่คุณจ่ายคือ จำนวนโทเค็นที่ใช้จนงานเสร็จ และนี่คือจุดที่ Astra แตกต่างอย่างแท้จริง:

• บน DeepSWE Astra ใช้ output tokens ราวครึ่งหนึ่ง ของ GPT-5.6 Sol แต่ได้คะแนนสูงกว่า
• บน Agents' Last Exam ที่การตั้งค่าซึ่งให้คะแนนสูงสุด โมเดลใช้ output tokens น้อยกว่า Claude Opus 5 ราว 65%
• Gemini 3.8 Flash (73.8%) และ Claude Opus 5 (73.7%) ได้คะแนน DeepSWE ห่างจาก Astra ไม่ถึงหนึ่งคะแนน — แต่มีประสิทธิภาพการใช้โทเค็นต่องานต่ำกว่าราว 4–5x
• บน Terminal-Bench 4.0 Astra ทำคะแนน 57.9% โดยมีต้นทุน API โดยประมาณต่องานต่ำกว่า Sol 9% และต่ำกว่า Fable 5.1 63%
• บน BenchCAD Astra ได้ geometric overlap 95.9% ด้วยต้นทุนต่ำกว่า Sol ราว 43% และต่ำกว่า Fable 5.1 86%

นี่คือโมเดลที่เส้น Pareto ขยับด้วยการทำงาน น้อยลง ไม่ใช่ด้วยการคิดราคาถูกลง และยังสร้างความตึงเครียดที่แท้จริงให้กับแล็บต่าง ๆ: หากแต่ละโทเค็นซื้อผลงานที่เสร็จสมบูรณ์ได้มากขึ้น ธุรกิจที่คิดเงินตามโทเค็นย่อมต้องส่งต่อผลกำไรจากประสิทธิภาพให้ลูกค้า หรือเก็บไว้เป็นมาร์จิน ที่ $10 / $50 OpenAI เลือกเก็บไว้

นี่คือช่องว่างที่ Smart AIPI มีอยู่เพื่อปิดให้ได้ เราส่งต่อส่วนลดให้คุณ: คุณได้รับทั้งประสิทธิภาพการใช้โทเค็นของ Astra และ อัตราราคาต่อโทเค็นที่ต่ำกว่า 75%

ราคา: ลด 75%, โมเดลเดิม, API เดิม

weights เดิม รูปแบบ API ที่เข้ากันได้กับ OpenAI เดิม เครื่องมือเดิม ความแตกต่างมีเพียงใบแจ้งหนี้

มีอะไรเปิดตัวพร้อม Astra อีกบ้าง

• โน้ตที่ค้นหาได้ใน Codex. แทนที่จะบีบอัดเซสชันยาวให้กลายเป็นสรุปเดียวที่ข้อมูลสูญหาย Astra จะเก็บโน้ตข้าม context windows และค้นหา windows ก่อนหน้าได้ — รวมถึง output ของเครื่องมือที่ไม่เคยถูกนำไปไว้ในสรุป เปิดใช้ใน config.toml ของ Codex; OpenAI ระบุว่าจะกลายเป็นค่าเริ่มต้นสำหรับ Astra ในอีกไม่กี่สัปดาห์ข้างหน้า
• จัดการความกำกวมได้ดีขึ้น Astra เติมช่องว่างทั่วไปจากบริบท และถามคำถามที่เจาะจงเฉพาะเมื่อคำตอบจะเปลี่ยนผลลัพธ์ ใน Codex โมเดลสามารถถามแบบอะซิงโครนัสขณะทำงานอื่นที่ไม่เกี่ยวข้องต่อได้
• ยังคงอยู่กับงานแม้ได้รับการกำกับ โมเดลก่อนหน้านี้มักมองการแก้ไขระหว่างงานเป็นเป้าหมายใหม่ทั้งหมด Astra ผสานข้อกำหนดใหม่โดยไม่ทิ้งข้อจำกัดเดิม
• คอนเท็กซ์ยาวที่ใช้งานได้จริง ดึงข้อมูล MRCR v2 ได้ 100% จนถึง 512K tokens และ 96.3% ในช่วง 512K–1M
• ผลงานวิทยาศาสตร์ที่เกิดผลจริง สำหรับช่องว่างระหว่างจำนวนเฉพาะ ขอบเขตที่ดีที่สุดที่ทราบสำหรับคู่จำนวนเฉพาะใกล้กันซึ่งเกิดซ้ำไม่สิ้นสุดขยับจาก 246 เป็น 240; Astra ช่วยยืนยันที่ 186 นอกจากนี้ยังปรับปรุงพจน์หนึ่งในขอบเขตของช่องว่างระหว่างจำนวนเฉพาะขนาดใหญ่ ซึ่งคงอยู่มานานกว่า 80 ปี

วิธีใช้ GPT-6 Astra

Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

Responses API พร้อมการให้เหตุผลระดับสูง

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-6-astra",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI, Cursor, Cline, Roo Code, OpenCode, Aider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-6-astra

ระดับความพยายามในการให้เหตุผลรองรับ low, medium, high และ xhigh Astra ปรับขนาดตามระดับความพยายามอย่างมีนัยสำคัญ — พาร์ทเนอร์กลุ่มแรกระบุว่าความพยายามที่สูงขึ้นให้รอบการตรวจสอบมากขึ้นและการทดสอบบนเบราว์เซอร์มากขึ้นสำหรับบิลด์ใหม่ ไม่ใช่เพียงคำตอบที่ยาวขึ้น สำหรับงานเอเจนต์ระยะยาว ให้ใช้ high หรือ xhigh

แล้วคุณควรรันโมเดลใดจริง ๆ?

• gpt-6-astra — การใช้งานคอมพิวเตอร์ ระบบอัตโนมัติบนเบราว์เซอร์ เอเจนต์ที่ใช้เทอร์มินัลหนัก การรีแฟกเตอร์ระยะยาว และทุกงานที่หัวใจสำคัญคือการทำงานให้เสร็จโดยไม่มีคนคอยดูแล ประสิทธิภาพการใช้โทเค็นทำให้อัตราที่สูงกว่ามักมีต้นทุนสุทธิต่องานที่เสร็จต่ำกว่า
• gpt-5.6-sol — ยังคงเป็นโมเดล frontier สำหรับการเขียนโค้ดที่ยอดเยี่ยม และมีราคาต่อโทเค็นต่ำกว่าอย่างมาก เป็นค่าเริ่มต้นที่เหมาะสมสำหรับ agentic coding ปริมาณสูง ซึ่งคุณไม่ได้จ่ายเพื่อข้อได้เปรียบด้านการใช้คอมพิวเตอร์ของ Astra
• gpt-5.6-terra — ตัวทำงานหลักที่สมดุล: คุณภาพการเขียนโค้ดใกล้ระดับ flagship ในราคาครึ่งหนึ่งของ sol
• gpt-5.6-luna — งานปริมาณมาก การจัดประเภท การสรุปผล และไปป์ไลน์ throughput สูงต้นทุนต่ำ

ทั้งสี่โมเดลรันบน endpoint และ key เดียวกัน การสลับเปลี่ยนใช้โค้ดเพียงบรรทัดเดียว ดังนั้นให้เบนช์มาร์กกับเวิร์กโหลดของคุณ แทนที่จะเชื่อกราฟของใครก็ตาม — รวมถึงกราฟนี้

เริ่มต้นใช้งาน

1. สมัครใช้งาน ที่ smartaipi.com/signup (เครดิตฟรี ไม่ต้องใช้บัตรเครดิต)
2. สร้าง API key ในแดชบอร์ด
3. ตั้งค่า base URL เป็น https://api.smartaipi.com/v1
4. ใช้โมเดล gpt-6-astra

โมเดลแบบเอเจนต์และการใช้งานคอมพิวเตอร์ที่ดีที่สุดที่เผยแพร่แล้ว พร้อมใช้งานใน production ในราคาเพียงหนึ่งในสี่ของราคาป้าย