面向开发者的GPT-6 Astra：计算机使用要求、定价及API变更。

每隔几个月就会有一款新模型问世，宣传语总是声称这款模型能改变一切，但通常都是夸大其词。GPT-6 Astra则是为数不多的宣传语有一定依据的案例。虽然据说它确实能提升文章质量并帮助解决更复杂的数学问题，但其核心优势在于：该模型能够像人类一样操作电脑——打开浏览器、填写表格、在终端中调试代码，甚至设计电路板，且无需人工全程监督即可完成整个任务。

本文介绍了Astra是什么，基于OpenAI API开发时会有哪些变化，以及它与Claude和Gemini的对比。如果你正在准备生成式AI相关的面试，这部分内容尤为重要，因为面试官期望你了解整个领域，而不仅仅是一家公司的产品。

Astra是什么

GPT-6 Astra 是 OpenAI 的全新旗舰模型，被誉为其迄今推出的最智能、最符合预期的模型。该模型的推出采用分阶段方式进行：首先面向部分选定机构，随后是 ChatGPT Plus、Pro、Business 和 Enterprise 用户，同时也可通过 OpenAI API、Microsoft Azure 以及 AWS Bedrock 使用。

在 API 中，可通过以下模型名称进行选择：

model = "gpt-6-astra"

在标准模式下，每百万个输入标记需支付 10 美元，每百万个输出标记需支付 50 美元。而“快速模式”的费用则是标准模式的两倍，但速度大约也能快一倍。

在这则公告中有两个关键词：智能与对齐性。所谓“智能”，指的是在复杂推理和编程测试中能获得更高分数；而“对齐性”则意味着模型会始终保持在用户设定的范围内，不太可能偏离轨道去做一些用户并未要求的事情。正如下一节将展示的那样，对齐性的重要性其实远超表面所见。

为何计算机应用才是真正值得关注的新闻

典型的LLM，无论是GPT-4、GPT-5还是你目前使用过的大多数模型，都只是聊天伙伴。你输入问题，它输出答案。它无法打开标签页、按下按钮，也无法检查自己刚编写的代码是否能运行。

而具备代理功能的计算机应用模型则打破了这一限制。它能够：

• 自行浏览网页并导航至不同网站
• 提交表单、编辑CRM记录、整理日历
• 编写程序，在终端中执行它，分析错误堆栈并修复漏洞
• 读取桌面截图并决定下一步点击的位置
• 操作Excel、Blender、KiCad（电路设计）和Unreal Engine等专业软件

正是速度让它具备了实用性。在用于衡量模型完成实际计算机任务所需时间的基准测试OSWorld 2.0中，Astra的耗时比其前代GPT-5.6 Sol少了约47%。它在每项任务大约40分钟内就能达到72.6%的准确率，而GPT-5.6 Sol则需要大约75分钟才能达到65.7%的准确率。

想象一下这些工作被取代后的场景：初级分析师需要手动输入50条CRM记录，质量保障工程师要逐页查看网站内容，学生因为拼写错误不得不重复提交同一份政府表格五次。这就是它的目标——并非创造性思维，只是那些繁琐、必须有人完成的工作，从始至终地处理完毕。

这也解释了为何要如此重视任务一致性。只能说话的模型在误解用户指令时造成的危害有限，而能够点击按钮并在用户设备上运行代码的模型则可能造成严重损害。因此，相关公告用了大量篇幅强调Astra会始终遵守其任务范围。在某项针对高难度任务的内部测试中，早期的GPT-5.6 Sol有48%的时间超出了授权范围，而Astra从未出现过这种情况。

基准测试

基准测试是针对模型的标准化测试，类似于LeetCode对数据结构与算法的检测。每种测试对应不同的能力，而Astra的一些测试数据需要结合具体背景才能理解。

ARC-AGI-3的设计目的是防止模型依赖记忆，据称Astra在96%的测试等级上达到了人类水平的高效表现。在数学领域，它甚至帮助缩小了80多年来一直未有所变的素数间隔的界限。

ExploitBench也值得仔细研究。它在发现和利用安全漏洞方面能获得100%的得分，这有助于防御者更快地修补漏洞，但若落入错误之手则十分危险。正因如此，OpenAI在产品发布时限制了Astra部分网络安全功能的使用。目前通过名为OpenAI Daybreak的计划，正在逐步开放仅用于防御的访问权限。

你的代码会有哪些变化

如果你已经在使用OpenAI API，那么切换到Astra基本上只需修改一行代码。只有当你需要其代理功能时，使用方式才会发生变化。

基本的调用方式与任何GPT模型相同：

from openai import OpenAI
client = OpenAI()  # reads OPENAI_API_KEY from environment
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "system", "content": "You are a helpful coding assistant."},
        {"role": "user", "content": "Explain what a REST API is in 3 lines."}
    ]
)
print(response.choices[0].message.content)

并没有什么新变化。对于普通聊天场景，Astra可直接作为升级版本使用。

真正的变化在于当你为它提供工具，让它像代理一样自主决策何时调用何种工具，而无需你手动编写相关逻辑。以下是该模式的简化版本：

from openai import OpenAI
client = OpenAI()
tools = [
    {
        "type": "function",
        "function": {
            "name": "run_python_code",
            "description": "Executes a Python snippet and returns the output",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {"type": "string", "description": "Python code to run"}
                },
                "required": ["code"]
            }
        }
    }
]
response = client.chat.completions.create(
    model="gpt-6-astra",
    messages=[
        {"role": "user", "content": "Write and test a function that reverses a string, then tell me if it works."}
    ],
    tools=tools,
    tool_choice="auto"  # model decides on its own whether to call the tool
)
message = response.choices[0].message
if message.tool_calls:
    for call in message.tool_calls:
        print("Model wants to call:", call.function.name)
        print("With arguments:", call.function.arguments)
else:
    print(message.content)

需要关注的是 tool_choice="auto" 这一行。你并非要求模型立即运行代码，而是赋予它相应的能力，让它像开发者一样自行判断测试该函数是否是下一步的正确操作。通过多次迭代让模型不断编写代码、执行代码、遇到错误后进行修复并再次尝试，这就是实践中“智能体”概念的体现。

如果要构建长时间运行的智能体，还有一个功能非常重要。Astra 为 Codex 添加了“跨上下文窗口的笔记”功能。这样一来，智能体无需反复总结漫长的调试过程并导致细节丢失，而是可以保存可搜索的笔记，在需要时调出之前的上下文信息。当智能体的运行时间从几秒延长到数小时时，这一功能就显得尤为重要。

Astra、Claude 与 Gemini 对比

在生成式 AI 面试中，很可能会遇到“你会为 X 选择哪个模型？”这样的问题。这一对比数据来自 OpenAI 自己公布的基准测试表，因此其他机构的数值可能会略有差异。实际应用中：

• 在表单填写、浏览器自动化和质量检测等需要智能代理的计算机操作工作流方面，Astra 目前处于领先地位。
• 在代码辅助方面，Astra 和 Claude 的表现相当接近。可根据你已有的工具来选择：Claude 适合与 Claude Code 搭配使用，Astra 则适合与 Codex 搭配。
• 在普通聊天推理方面，这三款模型的表现都足够好，因此提示工程和工具配置比模型本身更为重要。

假设你正在为 Razorpay 或 Paytm 这类金融科技公司申请职位。谁更胜一筹其实不如另外三个问题重要：该技术能否无缝融入你现有的技术体系、在你当前的业务规模下成本如何，以及在涉及资金和用户数据时它能否始终可靠地遵守安全规范。

如果你正在求职，该如何应对

对于那些希望从事软件工程师或生成式人工智能相关职位的学生来说，关键在于企业正在从“LLM 回答问题”转向“LLM 全流程完成任务”。这就是所谓的代理型转变。如果你能在面试中解释清楚这些概念，那就比那些仅将 ChatGPT 当作聊天工具的候选人更有优势：

• 聊天模型与代理型或计算机应用模型的区别
• 除了知道工具存在之外，其实际调用机制是怎样的

为何随着模型越来越自主，对齐机制与约束规则愈发重要

不要只停留在阅读关于Astra的内容上。使用上述工具调用模式构建一个小型智能体，哪怕只是用来检查网站是否正常运行、在异常时发送邮件给你的简单工具也好。这种实践经验在面试中会展现出来。

可以大声说出的简短总结：该行业已从回答问题转向实际执行任务。