GPT‑6 Astra 使用手册 V1.0

author: 周均扬

date： 2026.09.04

文档日期：2026-09-04
适用范围：ChatGPT Work、Codex、OpenAI API
信息口径：仅依据 OpenAI 官方公开资料；功能与可用范围可能随分批发布、订阅计划、地区及管理员设置变化。

1. 产品概述

GPT‑6 Astra 是 OpenAI 面向高难度端到端工作的旗舰模型，重点服务于复杂推理、软件工程、计算机操作、浏览与研究、专业知识工作和文档交付。它适合将“理解目标—制定计划—调用工具—执行任务—检查结果—形成交付物”串成一个持续的工作流。

官方模型标识：gpt-6-astra

1.1 发布时间与开放状态

2. 核心规格

项目 GPT‑6 Astra
模型 ID gpt-6-astra
上下文窗口 1,050,000 tokens
最大输出 128,000 tokens
知识截止日期 2026-04-30
输入模态 文本、图像
输出模态 文本
音频 / 视频原生输入 不支持
推理等级 low、medium、high、xhigh、max
none 推理等级 不支持
API Responses API、Chat Completions
工具调用 支持，但 Astra 的工具调用须使用 Responses API
Structured Outputs 支持
Streaming 支持
Fine-tuning 不支持

3. 新特性与新功能

3.1 更强的端到端复杂工作能力

Astra 将高级推理、计算机操作、浏览、编码、研究和专业内容生产组合为持续工作流。相较只回答单个问题，它更适合：

3.2 异步工具调用（Async tool calling）

应用程序执行耗时工具时，Astra 可以继续推理、调用其他工具，或处理任务中互不依赖的部分，无需完全阻塞等待。

实现要点：

  1. 在函数工具或自定义工具上设置 async: true。
  2. 应用负责实际执行工具，并维护待完成调用。
  3. 工具完成后，使用原始 call_id 返回结果。
  4. 适合数据库查询、长时间编译、远程作业、批量检索等耗时操作。

3.3 回合中途引导（Mid-turn steering）

模型工作期间，用户可以发送纠正意见、新要求或范围变更。通过 Responses API 的 WebSocket 连接，系统可以保留已完成工作，将新指令合并到继续执行的响应中。

典型用途：

3.4 对话中动态调整推理强度

可通过 configuration_update 输入项，在同一对话中提高或降低推理强度，同时尽量保留缓存的提示词前缀。

更新后的推理配置持续生效，直到新的 configuration_update 覆盖它。

3.5 更强的指令遵循与任务边界判断

Astra 更善于：

注意：它也会更敏感地遵循 AGENTS.md、技能文件和工作区说明。应定期审计这些文件，避免冲突、过时或隐藏指令影响结果。

3.6 更高效的输出

OpenAI 官方说明指出，Astra 在若干评测中以更少的输出 tokens 获得更强结果。虽然单 token 价格更高，但复杂任务的单任务估算成本可能低于早期模型。实际成本仍取决于上下文长度、输出量、推理等级、工具调用和服务层级。

3.7 更强的安全与对齐

Astra 增强了越狱鲁棒性、提示注入防护、浏览及工作场景中的授权边界判断，并在受支持的 Responses API 请求中加入异步失配监测。监测可能产生安全警报，或使会话停止并进入审核。

需要特别注意：OpenAI 将 Astra 的网络安全能力评定为 Preparedness Framework 下的 Critical 级别，因此部署了更严格的防护、访问控制与监测。

3.8 继承的成熟能力

Astra 继续支持 GPT‑5.6 已有的主要能力，包括：

4. 如何选择 Astra

4.1 适合使用 Astra 的任务

4.2 不一定需要 Astra 的任务

此类任务可考虑 GPT‑5.6 Terra；成本敏感和高吞吐工作可考虑 GPT‑5.6 Luna；复杂但不需要 Astra 全部能力的工作可考虑 GPT‑5.6 Sol。

5. ChatGPT Work 使用指南

5.1 选择模型

  1. 打开 ChatGPT Work 对话。
  2. 在输入框附近打开模型选择器。
  3. 账号获得开放资格后，选择 Astra。
  4. 先使用默认推理强度；只有任务确实需要更深分析时再提高。

不同计划和发布阶段可显示不同选项。符合条件的 Pro、Business（100 美元档）和 Enterprise 账号，Power 选项可能更新为 Terra Light、Sol Light、Sol Medium、Astra Light、Astra Medium 和 Astra Extra High。

5.2 推荐任务写法

高质量任务说明应包含：

示例：

基于所附 SRS、ICD 和测试记录，审查 Safety Supervisor 的状态机设计。
重点检查：安全动作优先级、通信超时、故障降级、恢复条件及 Trace 可追溯性。
输出：
1. 问题清单，按严重度排序；
2. 修改后的状态迁移表；
3. 缺失测试用例；
4. Markdown 审查报告。
所有结论必须指出证据来源；不确定项单独标注。

5.3 长任务中的中途修正

模型执行期间可以直接补充：

新增要求：所有安全功能同时对齐 ISO 13849 和 IEC 62061；保留已经完成的分析，更新受影响章节后继续。

明确说明“保留什么、改变什么、继续完成什么”，可减少重复工作。

6. Codex 使用指南

6.1 CLI 选择 Astra

codex -m gpt-6-astra

如果模型尚未出现在账号中，通常表示仍在分批开放、计划不支持、管理员未启用，或当前客户端尚未更新。

6.2 推荐工作方式

给 Astra 提供：

示例：

诊断并修复深度帧乱序导致的 Safety Supervisor 误降级问题。
范围仅限 adapter、event_bus 和 supervisor 模块。
先复现问题并确认根因，再修改代码；运行相关单元测试和集成测试。
不要改动公共 ICD。完成后列出变更、验证结果和残余风险。

6.3 实验性上下文管理

在受支持的 Codex 客户端中，通过 ChatGPT Plus 或 Pro 登录的用户可选择启用实验性上下文管理。Astra 可跨上下文窗口保留笔记，并搜索同一任务更早的消息和工具结果。

在 config.toml 中设置：

[features.context_management]
experimental_mode = true

然后启动一个新任务。该功能发布时默认关闭，并且 Business、Enterprise 或 API Key 登录暂不支持。

7. OpenAI API 快速入门

7.1 推荐：Responses API

Python 示例：

from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "medium"},
    input=(
        "分析下面的工业安全需求，输出风险、系统方案、验证用例和残余风险。"
    ),
)

print(response.output_text)

JavaScript 示例：

import OpenAI from "openai";

const client = new OpenAI();

const response = await client.responses.create({
  model: "gpt-6-astra",
  reasoning: { effort: "medium" },
  input: "审查所附接口契约并输出兼容性风险和修改建议。",
});

console.log(response.output_text);

7.2 Structured Outputs

当下游系统需要稳定字段时，应使用 Structured Outputs，而不是依赖自然语言格式。

典型结构：

{
  "risk_level": "high",
  "findings": [],
  "recommended_actions": [],
  "evidence": [],
  "uncertainties": []
}

Schema 应设置明确类型、必填字段、枚举和嵌套边界，并在应用侧继续做业务验证。

7.3 工具调用

Astra 进行工具调用必须使用 Responses API；Chat Completions 可用于非工具型文本请求，但不能用于 Astra 的 function calling。

工具设计建议：

7.4 推理等级设置

response = client.responses.create(
    model="gpt-6-astra",
    reasoning={"effort": "high"},
    input="完成复杂系统故障树分析。",
)

不要设置 none，否则会返回 HTTP 400。若旧应用使用 none 或 minimal，迁移时先改为 low 并进行效果、延迟和成本评测。

8. 从旧模型迁移

8.1 必改项目

  1. 将模型设为 gpt-6-astra。
  2. 工具调用迁移到 Responses API。
  3. 删除 temperature、top_p、top_logprobs。
  4. Chat Completions 还应删除 logprobs。
  5. Responses 请求应从 include 中删除 message.output_text.logprobs。
  6. 将 none 或 minimal 推理等级改为 low。

8.2 Prompt caching 变化

从 GPT‑5.5 或更早模型迁移时，将旧的 prompt_cache_retention 替换为：

{
  "prompt_cache_options": {
    "ttl": "30m"
  }
}

应重新核对缓存边界、缓存写入计费，以及长上下文请求的成本影响。

8.3 迁移验证清单

9. 提示词最佳实践

9.1 让模型更主动完成任务

如果业务希望模型在常规细节上合理推断并持续执行，可写：

根据任务说明和已有上下文推断用户意图与工作范围。对于不会实质改变结果的常规细节，作出合理假设并继续；只有缺失信息会显著改变结果或涉及额外授权时，才提出聚焦问题。持续工作直到交付物完成并验证。

9.2 控制输出风格

Astra 默认倾向使用较详细的 Markdown、列表和表格。若希望更简洁，应明确指定：

先给结论，再给必要依据。使用简洁段落；只有并列比较和操作步骤使用列表或表格。避免重复总结，技术术语首次出现时给出简短定义。

9.3 控制多智能体委派

模型具备多智能体编排能力，但是否委派及委派程度应由应用规则明确约束。例如：

只有存在两个以上互不依赖、可以并行完成的子任务时才使用子智能体；涉及同一文件或共享状态的修改由主智能体统一完成。

9.4 控制测试范围

运行与变更直接相关且能验证实际行为的测试。测试通过后，只有发现新的失败、依赖影响或未解决风险时才扩大测试范围。

10. 定价与成本控制

10.1 Standard 文本 token 价格

单位：美元 / 100 万 tokens。

项目 短上下文 超过 272K 输入 tokens 的长上下文
输入 $10.00 $20.00
缓存输入 $1.00 $2.00
缓存写入 $12.50 $25.00
输出 $50.00 $75.00

说明：

10.2 成本优化建议

11. 限制与注意事项

12. 常见问题与排错

Q1：模型列表里没有 Astra

检查账号是否已进入分批开放范围、订阅计划是否支持、客户端是否更新、Enterprise 管理员是否启用，以及当前地区或登录方式是否受限。

Q2：API 返回推理等级错误

确认未使用 none 或 minimal，改为 low、medium、high、xhigh 或 max。

Q3：工具调用失败

确认使用 Responses API。Astra 的 Chat Completions 不支持 function calling。

Q4：请求参数报错

删除 temperature、top_p、top_logprobs、logprobs，并检查 Responses 的 include 中是否仍有 message.output_text.logprobs。

Q5：请求返回 429 或 503

Q6：模型频繁询问，未继续执行

在提示词中说明允许其对常规细节作合理假设，并清楚定义仅在“会显著改变结果、涉及权限或存在不可逆风险”时询问。

Q7：输出过长或格式太复杂

明确规定最大篇幅、章节、表格数量和信息密度；要求“结论优先，只保留决策所需依据”。

13. 企业部署建议

13.1 上线前

13.2 运行中

14. 快速检查清单

15. 官方资料

  1. GPT‑6 Astra 模型规格
  2. GPT‑6 Astra 模型使用与迁移指南
  3. OpenAI API Changelog
  4. ChatGPT Work / Codex 模型选择
  5. ChatGPT Work / Codex What’s New
  6. OpenAI API 定价
  7. GPT‑6 Astra 安全概览

版权与更新说明：本手册为基于 OpenAI 官方公开资料整理的中文使用指南，不替代官方文档、服务条款、组织政策和安全要求。使用前请复核最新官方文档。