GPT-6 Astra 现已上线 Smart AIPI —— 75% 折扣，而真正的关键在于 Token 效率

OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra，称其为“全球最智能、最对齐的模型”。它可通过 API 使用，模型 ID 为 gpt-6-astra；现在也已在 Smart AIPI 上线，价格仅为 OpenAI 的四分之一。

发布文章本质上是营销内容。这篇不是——我们提供该模型的访问服务，因此我们能做的有用之事，就是准确告诉你它在哪些方面胜出、哪些方面落后，以及它实际会花费你多少。下方全部数据均来自 OpenAI 公布的评测表格及对其进行的独立分析。

核心结果

Astra 在计算机操作、浏览、软件工程、网络安全、科学和专业工作领域处于业界领先水平。对开发者最重要的分数如下：

其中几项值得逐一说明。Terminal-Bench 4.0 是目前最接近“智能体能否操作真实机器并完成真实工作”的测试——Astra 的 57.9% 对比 Sol 的 37.3%，这是代际跃升，而非四舍五入误差。AutomationBench（跨应用的多步骤业务工作流）中，Astra 的分数超过 Sol 的两倍。在 OSWorld 2.0 上，Astra 不仅得分更高，而且每项任务约需 40 分钟，而 Sol 为 75 分钟——时间约少 47%。对齐性这一行也不是脚注：在对抗性计算机操作安全测试中，Astra 仅有 2.4% 的时间会产生未对齐结果，Sol 则为 22.0%。如果你允许智能体接触生产环境，这个数字比一个基准测试百分点更有价值。

发布图表没有展示的三个注意事项

我们宁愿你从我们这里了解到这些，而非自行踩坑后才发现。

1. ARC-AGI-3 的 99.9% 是 Harness 结果

ARC-AGI-3 的评测方式，是将由彩色单元格组成的 64×64 网格作为 JSON 对象交给模型，并允许其将动作 Token 输出至模拟环境——没有截图、没有视频、也不会预先说明规则。99.9% 这一数字是使用 OpenAI 自己的 Responses API Harness 以及其自身的上下文管理生成的。若通过 ARC Foundation 托管的 Harness，使用普通 API 调用运行相同模型，Astra 的得分约为 62.7%。

两个数字都是真实的；它们衡量的是不同系统。但这说明了 2026 年的一件重要事实：Harness 现在已是得分的一等组成部分。当你为自己的技术栈评估模型时，应在你的 Harness 中评估它，而不是依据他人的宣传图表。

2. 综合指数出现了明显分歧

OpenAI 在公告中重点强调了 14 项基准测试。其中恰好只有一项与 Artificial Analysis Intelligence Index 重叠；后者将 Astra 排在第五名，得分为 61.2，落后于 Claude Fable 5.1 (65.7)、Claude Opus 5 (63.1) 和 Claude Fable 5 (62.1)。在 Artificial Analysis Coding Agent Index v1.4 中，Astra 得分 67.0，而 Opus 5 为 68.1，Fable 5 为 67.2。此外，Astra 在使用工具的 Humanity's Last Exam 中也输给了 Fable 5.1，得分为 57.2% 对 65.0%。

综合指数是基准测试的封装层，而封装层既可以呈现信号，也可能掩埋信号。诚实的解读是：Astra 显然是智能体、终端和计算机操作工作领域的领先模型，但在“智能”的每一项衡量指标上，它并非毫无争议的第一。请选择在你实际交付所依赖的维度上胜出的模型。

3. 网络安全能力受到限制，推理轨迹也变短了

在 OpenAI 的 Preparedness Framework 下，Astra 达到了Critical 网络安全阈值——ExploitBench 为 100%，ExploitGym 为 42.4%，而 Sol 为 30.3%；在 SRE-Bench 二进制逆向工程中，单次尝试得分为 88.0%，而 Sol 为 55.9%。在评估期间，它发现并利用了两个此前未知的零日漏洞，OpenAI 表示已将其披露给维护者。

这对你而言意味着：发布版本可以执行防御性工作——安全代码审查、打补丁——但会拒绝构建概念验证漏洞利用程序，而额外的安全检查偶尔也可能中断合法任务。在 API 中，被拦截的任务会直接停止。这是上游模型行为，不是 Smart AIPI 的限制。OpenAI 计划通过其 Daybreak 项目为经过审核的防御性工作流放宽这些限制。

OpenAI 还指出了一项真实的退步：Astra 的书面推理更难监控，因为它以更少的书面步骤解决问题，并且对自身轨迹拥有更多控制。他们自己也明确指出了这一点。如果你的安全方案依赖于阅读思维链，这是你应当了解的信息。

真正的重点：Token 效率，而不是每 Token 价格

按 OpenAI 直连每 1M tokens $10 / $50 的价格计算，Astra 相比 5.6 系列显得昂贵——从每 Token 的角度看，确实如此。但每 Token 价格是错误的衡量单位。你真正支付的是完成任务所消耗的 Token，而这正是 Astra 真正不同的地方：

• 在 DeepSWE 上，Astra 以更高分数完成任务时，输出 Token 消耗约为 GPT-5.6 Sol 的一半。
• 在 Agents' Last Exam 上，于最高得分设置下，它的输出 Token 用量比 Claude Opus 5 少约 65%。
• Gemini 3.8 Flash (73.8%) 和 Claude Opus 5 (73.7%) 在 DeepSWE 上仅与 Astra 相差不到一个百分点——但每项任务的 Token 效率约低4–5 倍。
• 在 Terminal-Bench 4.0 上，Astra 达到 57.9% 时，每项任务的预估 API 成本比 Sol 低约 9%，比 Fable 5.1 低 63%。
• 在 BenchCAD 上，Astra 以大约比 Sol 低 43%、比 Fable 5.1 低 86% 的成本，达到 95.9% 的几何重叠率。

这是一个通过做更少工作而移动帕累托曲线的模型，而不是通过更低收费实现的。这也给实验室带来了真实矛盾：如果每个 Token 能购买更多已完成的工作，那么按 Token 计费的业务要么将效率收益让利给客户，要么将其保留为利润率。在 $10 / $50 的价格下，OpenAI 选择了后者。

这正是 Smart AIPI 存在以弥合的差距。我们将折扣直接让利给你：你既能获得 Astra 的 Token 效率，也能享受每 Token 低 75% 的费率。

定价：75% 折扣，相同模型，相同 API

相同权重、相同的 OpenAI 兼容 API 形式、相同工具。唯一的区别是账单。

随 Astra 一同发布的其他功能

• Codex 中的可搜索笔记。与其将长会话压缩为一份有损摘要，Astra 会跨上下文窗口保留笔记，并能搜索更早的窗口——包括从未进入摘要的工具输出。在你的 Codex config.toml 中启用它；OpenAI 表示，它将在未来数周内成为 Astra 的默认设置。
• 更好地处理歧义。Astra 会根据上下文补全常规缺口，并且仅当答案会改变结果时才提出聚焦的问题。在 Codex 中，它可以在继续处理无关工作时异步提问。
• 在引导下保持任务聚焦。早期模型经常将任务中途的修正视为全新目标。Astra 会整合新需求，而不会丢失原始约束。
• 真正的长上下文。在最高 512K tokens 的 MRCR v2 检索中达到 100%，在 512K–1M 区间达到 96.3%。
• 已取得实际成果的科学能力。在素数间隔问题上，无穷次出现的近距离素数对的已知最佳界从 246 推进到 240；Astra 协助将其确立为 186。它还改进了一个关于大素数间隔上界的项，该上界已维持超过 80 年。

如何使用 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"}]
  }'

使用高推理强度的 Responses API

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

推理强度支持 low、medium、high 和 xhigh。Astra 会随强度显著扩展能力——早期合作伙伴报告称，更高的强度会带来更多验证轮次和对新构建版本的更多浏览器测试，而不只是更长的回答。对于长周期智能体工作，请使用 high 或 xhigh。

你实际应该运行哪一个模型？

• gpt-6-astra —— 适用于计算机操作、浏览器自动化、重度终端智能体、长周期重构，以及任何“无人值守完成任务”才是重点的场景。它的 Token 效率意味着，尽管费率更高，按完成任务计算通常反而更便宜。
• gpt-5.6-sol —— 仍然是出色的前沿编程模型，每 Token 价格也显著更低。当你无需为 Astra 的计算机操作优势付费时，它是高容量智能体编程的正确默认选择。
• gpt-5.6-terra —— 均衡的主力模型：接近旗舰级的编程质量，价格仅为 sol 的一半。
• gpt-5.6-luna —— 适用于批量工作、分类、摘要和低成本高吞吐量流水线。

四者均使用相同端点和相同密钥。切换只需修改一行，因此请在你的工作负载上对它们进行基准测试，而不是相信任何人的图表——包括这篇文章的图表。

开始使用

1. 在 smartaipi.com/signup 注册（免费额度，无需信用卡）
2. 在控制台中创建 API 密钥
3. 将基础 URL设为 https://api.smartaipi.com/v1
4. 使用模型 gpt-6-astra

已发布的最佳智能体和计算机操作模型，已投入生产环境，价格仅为标价的四分之一。