人工智能
Astra 干的活更少。这既是卖点，也正是抱怨
上线两周，OpenAI 的 Astra 在独立智能榜单上并列第一，而且只用了最接近的对手约三分之一的输出token。但让它把任务提前收尾的那个习惯，也正是用户抱怨的内容。
MAI
Astra 正式开放大约两周了——这段时间足够让上线时的benchmark和用户的抱怨在同一周内一起到齐。而两者指向的是同一个特征。
独立评测机构 Artificial Analysis 给出的 Intelligence Index，Astra 是 53 分，与 Claude Fable 5.1 并列第一，比 GPT‑5.6 Sol 高 6 分。不寻常的不是这个分数，而是 Astra 达到它所花的输出token大约只有 Fable 5.1 的三分之一：在最大努力档下，每个任务约 27,000 token 对 78,000 token。这道算术题就是这个产品的全部。
你买到的是什么
Astra（gpt-6-astra） | |
|---|---|
| 正式开放 | 2026年9月4日 |
| 输入上下文 | 110万 token |
| 最大输出 | 128K token |
| 知识截止 | 2026年4月 |
| 输入 | 每百万 token $10（缓存 $1） |
| 输出 | 每百万 token $50 |
| 模态 | 输入支持文本与图像，输出为文本 |
| 首个token时延（p95） | 8.75 秒 |
标价是 GPT‑5.6 Sol 的 2.5 倍，大多数人首先反应的也是这个数字。但这是个不该拿来反应的数字。因为 Astra 用远少的token就把任务做完，Artificial Analysis 测得它在 Intelligence Index 上的每任务成本是 $3.26，而 Fable 5.1 是 $7.63——约四成；在 Coding Agent Index 上约为 Fable 的六成。按token算它贵。按做完一件活算，它目前是前沿里最便宜的。
领先是真实的地方
提升集中在智能体式的工作上：模型自己驱动终端、浏览器或工具链，长时间跑下去的那类任务。
| Benchmark | Astra | 最强对手 | GPT‑5.6 Sol |
|---|---|---|---|
| Terminal-Bench v4.0 | 59% | Claude Fable 5.1，52% | 40% |
| AutomationBench-AA | 69% | Grok 4.6，67% | 60% |
| Coding Agent Index（Codex） | 62 | Claude Fable 5.1，62 | — |
在 Terminal-Bench 上比 Sol 高 19 个百分点，这不是一次小幅迭代的数字。在benchmark够不到的地方，一线使用者的反馈也指向同一方向：异常宽的网络调研——有开发者数出它收集的信息源是竞品的三到五倍——以及 3D 与空间推理上的明显跃升，好几个人专门点名了 Blender 和游戏引擎里的工作。
同一个习惯付出代价的地方
Artificial Analysis 同时发现，在 GDPval-AA v2 上 Astra 比 Sol 低约 45 个 Elo 点，并把原因直接归到轮次上：Astra 每个任务用了 24 轮，竞品用 45 到 60 轮。在演示呈现质量上，Sol 依然领先。
这跟token效率是同一种行为，只是从另一面看。一个提前收尾的模型，在任务本来就做得完时是省钱，在做不完时就是敷衍。用户描述的形状正是这样——在不合直觉的时刻中途停住，需要人推一把才继续。一份针对游戏引擎工作的实测评测发现，全自动运行反复消耗计划重置，产出却并不比有人监督的运行更好，结论是人的引导仍然比原始能力更重要。
换之前还有几个坑值得知道。Astra 不支持原生视频输入，所以时序和渲染上的bug，没人盯着就会溜过去。在逆向工程和安全类工作上，测试者反馈专用的 GPT‑5.6 Cyber 依然更强。还有好几个人形容它过度谨慎，把请求读得像法律条文。
关于"变笨了"的投诉
上线大约一周后，开始有人报告 Astra 变差了：代码质量下降、回答更快但更单薄、更爱堆项目符号。两位研究者把相同的提示分别投给上线当天的版本和当前版本，报告说新的那版结果更差。
"我们拿到的不是 AGI，是一次回退。" —— Pranjal Paliwal，开发者
但这件事要谨慎对待。上线后"感觉变笨"是一个反复出现的体裁——7 月 GPT‑5.6 Sol 也吃过同样的抱怨——而要把"模型变了"、"期待变了"和"在不同服务配置之间路由"区分开来非常困难。截至发稿，OpenAI 尚未就此表态。真正该记在公司账上的是这份沉默，而指控本身还没有被坐实。
结论
要做智能体类的活，买。长时间自主编码、浏览器与终端自动化、看重信息源广度的深度调研。按完成一件任务的成本算，它目前是前沿最划算的选择，而 Terminal-Bench 上的差距大到足以在生产环境里产生实际影响。
但不要把它当成起草、排版，或任何"仔细跑一遍胜过快速跑一遍"的工作的无脑升级。演示呈现上 Sol 更好，单位token更便宜，也更不急着宣布活干完了。如果你的工作是安全专向的，专用模型仍然赢。
有一件事这篇评测刻意没有下结论：Astra 把一部分推理放在潜空间而不是可读文本里，而且它是 OpenAI 按自家框架把网络能力评为"关键级"的第一个模型。那场争论是另一篇文章，我们已经写过。
参考资料： Artificial Analysis — Benchmarking GPT-6 Astra · OpenAI — The path to Astra · OpenRouter — gpt-6-astra · LLM-Stats — GPT-6 Astra · Decrypt — Users say OpenAI's newest model got dumber · MindStudio — GPT-6 Astra hands-on · Hacker News — Initial thoughts on GPT-6 Astra · CNBC — OpenAI begins rolling out Astra