模型更新
GPT-6 评测：发布日期、独立测试与选型结论
GPT-6 已经发布，但并非所有任务都值得立即升级。 OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra。发布首周的独立测试表明，它在复杂且相互关联的工作上确有进步，但也存在延迟高、费用贵、常规提示词收益不稳定的问题。API 模型标识符为 gpt-6-astra。
我们的判断是：Astra 更适合长流程、强关联任务中的高难度工作，不适合作为日常聊天或批量生成的默认选择。 当一个模型需要理解大型系统、跨工具操作、同时遵守多个约束，并交付出错代价很高的结果时，它的优势最明显。对于边界清晰的任务，GPT-5.6 级别的模型仍更经济。
来源: 发布公告; 模型文档; 开发者指南; 安全概览; 可用性指南; Artificial Analysis; 源于生产任务的编程对比; API 实测; Axios 报道; 安全专家评论。核验日期：2026 年 9 月 7 日。
快速解答
| 问题 | 截至 2026 年 9 月 7 日的答案 |
|---|---|
| GPT-6 发布了吗？ | 是。OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra。 |
| API 模型标识符是什么？ | gpt-6-astra |
| ChatGPT 可以使用 GPT-6 吗？ | GPT-6 Pro 正陆续向符合条件的 Pro、Business 和 Enterprise 套餐开放，具体取决于产品及工作区设置。 |
| Codex 和 ChatGPT Work 可以使用吗？ | 正在陆续开放。OpenAI 表示 Plus 包含 Work 和 Codex 中的访问权限，Chat 的访问规则有所不同。 |
| API 如何收费？ | Standard 模式每百万输入 token 10 美元、每百万输出 token 50 美元；缓存读取和写入另有费率。 |
| 上下文窗口有多大？ | 1,050,000 token，最多输出 128,000 token。 |
| 现在应迁移所有任务吗？ | 不应。先做任务级评估，只迁移收益足以覆盖新增成本和运行风险的工作。 |
独立测试说明了什么
早期外部证据比发布宣传更克制。它们支持能力提升的判断，但不能证明 Astra 在所有任务上都胜出，或默认就是性价比最高的选择。
| 外部测试 | 结果 | 实际意义 |
|---|---|---|
| Artificial Analysis Intelligence Index | 当前快照中 Astra max 得分 55，在 202 个模型中排名第 3 | 属于第一梯队，但并非毫无争议的第一名 |
| Artificial Analysis 速度 | 每秒输出 64.3 token，在 202 个模型中排名第 93 | 低于对比组中位数，也慢于同一平台中的 GPT-5.6 Sol max |
| Artificial Analysis 每项指数任务成本 | Astra max 为 2.57 美元，Sol max 为 1.25 美元 | 指数提高 4 分，但每项测试任务的成本约翻倍 |
| ComputingForGeeks 调试测试 | Astra、Sol、Terra 和 Luna 找到了相同的三个根因 | Astra 的优势是更好的限制说明和验证步骤，而非不同的诊断 |
| 源于生产任务的编程对比 | Astra 和 Terra 都通过了现有测试，只有 Astra 保留了关联分页状态并增加相应测试 | 测试全绿仍可能掩盖行为契约错误；Astra 在这一个任务中展现了更好的跨组件推理 |
Artificial Analysis 还测得，Astra 在 max 推理强度下首次输出 token 的等待时间约为 355 秒。这是极端配置，并非常规聊天的预期体验，但它强化了一条实用原则：最高推理强度应按需用于研究，而不应默认开启。
源于生产任务的编程测试尤其值得参考。两个智能体都通过了 712 个测试文件，但 Terra 的实现仍在一次交互中丢失了另一分页控件的状态；Astra 保留了两个状态，并专门测试了二者的关系。这支持在强关联实现任务中评估 Astra，但它仍只是厂商发布的一个案例，不代表普遍胜率。
实际体验文章发现了什么
Claire Vo 9 月 3 日的提前体验评测列出了具体任务：此前模型难以完成的 ChatPRD 功能、浏览器 QA、硬件集成以及 3D 工作。节目页面提供了演示时间戳。这是一位有经验的开发者对部分成功案例的介绍，并说明了提前体验背景，但没有提供重复试验或平均失败率。它最有价值的地方，是为读者设计自己的对比测试提供真实任务。
Matt Shumer 9 月 3 日的评测对日常使用的态度比我们偏重成本的建议更积极：他把 Astra 作为默认模型，肯定其后端工程能力和易于理解的进度汇报。他也指出，其视觉效果逊于 Claude、响应较慢，一些宏大项目会停止取得有效进展。他的大型演示依赖大量协调和现有素材。理解所谓“一条提示词启动的项目”时，这些前提很重要。
这些评测者的体验，与部分早期社区用户对意图理解和任务范围的抱怨并不一致。现有证据支持你用自己的任务测试这些行为，但无法证明哪一种体验具有代表性。
ComputingForGeeks 通过在线 API，让四个 OpenAI 模型处理同一条调试提示词。四者都识别出了相同的三个原因。Astra 耗时 75.5 秒，成本约 0.194 美元；Sol 耗时 39.3 秒，成本约 0.048 美元。评测者认为 Astra 补充的限制说明有助于避免过度泛化的诊断，但常规确认类问题不足以证明这笔溢价合理。
这个结果改变了购买时应问的问题。Astra 不必给出完全不同的答案才有价值；在高风险故障中，遗漏一条限制说明就可能造成影响。但如果所有正确答案最终都指向同一个行动，更便宜的模型就更合适。
早期社区反馈有好有坏。一位资深 Codex 用户反馈，模型有巧妙解法，但对范围的判断较弱，甚至在确定方向前提出不必要的基础设施方案。另一位开发者认为 Astra 能力强却容易过度设计简单任务。也有用户表示困难仓库任务的完成速度明显加快。这些非受控体验受提示词、仓库、产品限制和预期影响，更适合用来发现待测的失败模式，而非得出可靠的满意度评分。
一份详细社区报告称，8 个会话中的 12 轮普通仓库任务运行较长时间后，被网络安全策略标记并中止。该报告未经独立验证，但与 OpenAI 关于额外防护可能暂停或停止正常工作的提醒一致。评估 Astra 的团队应将运行后期的策略中止纳入可靠性和成本指标。
CodeRabbit 展示的 NIGHTSHIFT：在人类指导和反复迭代下，使用 GPT-6 制作的游戏。
GPT-6 Astra 有哪些变化
长上下文更实用
模型页面列出 1,050,000 token 的上下文窗口，以及 128,000 token 的最大输出。OpenAI 报告，在 512K 至 1M 区间的 MRCR v2 八针测试中，Astra 得分为 96.3%，GPT-5.6 Sol 为 73.8%。窗口大并不意味着应把所有文件都发送给模型。检索质量、来源日期、冲突处理和审核可见性仍由应用负责。
计算机操作更接近实际工作
OpenAI 报告，Astra 在 OSWorld 2.0 离线集上得分 72.6%，GPT-5.6 Sol 为 65.7%。在该公司的延迟模拟中，Astra 完成任务约需 40 分钟，而非 75 分钟。公告展示的用途包括更新记录、填写表单、操作表格、制作文档和检查网站。
正确的解读是“更多任务在技术上可行”，而非“已经能安全自治”。系统仍需要精细权限、操作预览、重要变更确认、幂等处理以及可用于恢复的审计记录。AI Agent 安全检查清单更详细地介绍了这些边界。
开发者可以在运行中调整方向
GPT-6 Astra 在 Responses API 中增加了异步工具调用和轮次内引导。慢速工具运行时，应用可以继续独立工作，再通过调用 ID 返回结果。用户也可以在 WebSocket 会话中发出修正，而不丢弃已完成工作。这些能力有利于长任务，但应用必须跟踪待处理调用、取消、超时和延迟返回的结果。
无须重建提示词即可调整推理
API 支持 low、medium、high、xhigh 和 max 推理强度。会话可以通过配置更新调整强度，同时保留已缓存的提示词前缀。Astra 不支持 none 推理设置。
安全表现改善，但监控难度增加
OpenAI 报告，在若干内部评估中，Astra 的有害或越界操作少于 GPT-5.6 Sol。该公司也表示，Astra 更能控制写入推理文本的内容，因此更难通过这些文本监控。两点都重要：行为评分改善不代表可以取消控制；可监控性下降则意味着，应评估可观察的操作、权限、输入和结果，而非把隐藏推理当作审计日志。
GPT-6 意味着 AGI 吗？
OpenAI 称 Astra 是其最智能、最对齐的模型。在发布简报中，总裁 Greg Brockman 表示，他个人认为这可能标志着 AGI 的到来，同时把判断留给用户。这是一种主张和解释，不是已经统一的测量标准。
对于购买者和开发者，以下四个问题比“是不是 AGI”更有操作价值：
- 它能否更准确地完成你的代表性任务？
- 它能否减少总耗时和审核修改？
- 它是否始终遵守你设定的权限与范围？
- 质量提升是否足以覆盖每个合格结果的完整成本？
独立证据无法解决 AGI 争论。Astra 在 Artificial Analysis 上接近榜首但并非第一，同时在一个关联编程任务和 OpenAI 的计算机操作测试中显示了更大优势。2026 年最佳 AI 模型仍取决于任务。前沿分数不会自动让某个模型成为提取、分类、常规起草或高量客服的最佳选择。
哪里可以使用 GPT-6
OpenAI 的发布文章介绍了 ChatGPT、API、Microsoft Azure 和 Amazon Bedrock 的分阶段开放计划。更新后的帮助中心按使用入口区分权限：
- ChatGPT Chat： GPT-6 Pro 正向 100 美元 Pro、200 美元 Pro、Business 和 Enterprise 套餐开放，额度有限且因套餐而异。
- ChatGPT Work 和 Codex： GPT-6 Astra 正向 Pro 用户开放；Plus 也包含在这些产品中的逐步开放权限。
- API： 开发者使用
gpt-6-astra。模型页面不支持免费 API 层级。 - 托管工作区： 管理员可能需要启用访问。公告称 Enterprise 在发布时默认关闭该权限。
这些细节可能快速变化。购买或安排上线之前，请核对文中链接的 OpenAI 帮助中心和模型页面。
如何理解 GPT-6 的价格
OpenAI 列出的 Standard API 价格为每百万输入 token 10 美元、每百万输出 token 50 美元。缓存输入每百万 1 美元，缓存写入每百万 12.50 美元。输入超过 272,000 token 的提示词，整个请求按更高费率计费。Batch 和 Flex 为 Standard 费率的一半；Fast 模式为适用费率的两倍。
每 token 价格不等于完成任务的成本。Astra 可能使用更少输出 token，或减少尝试次数。但独立调试测试中，它给出相同核心诊断的成本约为 Sol 的四倍；生产任务编程测试中，它又可能省去独立的审核修复过程。两种结果都可能发生。计算合格输出成本时，应包含重试、工具调用、审核时间、策略中止和失败。GPT-6 API 指南提供迁移与评估模板。
实用的 GPT-6 评估框架
让现有模型和 Astra 分别处理相同的 20 至 50 个代表性任务。使用固定输入，并尽可能让审核者不知道模型身份。
| 维度 | 记录内容 | 建议门槛 |
|---|---|---|
| 正确性 | 是否满足所需事实、计算和约束 | 关键字段不能退步 |
| 完成度 | 无须人工救场就能交付所需结果 | 困难任务有实质提升 |
| 范围 | 是否尝试未授权或不必要的操作 | 重要越界行为为零 |
| 审核 | 验收所需的分钟数和修改次数 | 审核工作量中位数降低 |
| 可靠性 | 超时、工具错误、重试和阻塞 | 满足工作流的 SLO |
| 成本 | 每个合格结果的 token、工具、重试及审核劳动 | 在预计业务量下有正收益 |
不要只从最简单的提示词开始。应包括信息缺失、来源矛盾、提示注入、过期数据、工具故障、权限拒绝，以及用户运行中修改要求的情况。
评估简报模板
决策：是否将[工作流]从[当前模型]迁移到 GPT-6 Astra？
任务集：[代表性生产案例]
固定输入：[来源 ID 和日期]
允许的工具：[名称和权限范围]
所需输出：[结构或验收标准]
停止条件：[证据不足、权限被拒、预算]
审核标准：正确性、完整性、范围、清晰度
成本记录：输入、输出、缓存、工具、重试、审核分钟数
上线门槛：[数值阈值和零容忍失败项]现在什么时候值得用 GPT-6
从困难、昂贵、可借助更强推理和计算机操作减少多次交接的任务开始：复杂编程、多来源研究、文档制作、表格工作，或跨专业软件的限定范围操作。在数据证明值得之前，常规步骤继续使用更快、更便宜的模型。
不要默认用 Astra 处理简短问题、批量文案、机械修改，或已经能被便宜模型可靠完成的任务。留意过度设计、最高推理强度的长延迟、运行后期安全中止，以及看起来漂亮却仍需要产品级检查的实现。
Ottermind 可以把评估变成一个连贯项目：将简报、来源集、模型输出、审核笔记和最终交付物放在一起，而非在孤立聊天中比较模型。从 AI Agent 工作空间里的一个真实结果开始，只有证据支持时再扩展。
下一步可阅读如何使用 GPT-6、编程评测和长任务指南。
常见问题
GPT-6 何时发布？
OpenAI 于 2026 年 9 月 3 日发布 GPT-6 Astra，访问权限分阶段开放。
GPT-6 和 GPT-6 Astra 是同一个名称吗？
GPT-6 是模型代际，Astra 是已发布的旗舰型号。API 标识符是 gpt-6-astra，ChatGPT 中符合条件的 Astra 选项显示为 GPT-6 Pro。
ChatGPT Plus 用户可以使用 GPT-6 吗？
OpenAI 当前帮助中心表示，Plus 用户会逐步获得 ChatGPT Work 和 Codex 中的 Astra。标准 ChatGPT Chat 中的 GPT-6 Pro 面向符合条件的 Pro、Business 和 Enterprise 套餐。开放期间各入口可能存在差异。
GPT-6 比 GPT-5.6 Sol 更好吗？
OpenAI 报告其在计算机操作、自动化、编程、长上下文、科学和若干安全评估中显著提升。但具体工作流的价值仍需受控任务测试。详见 GPT-6 与 GPT-5.6 对比。
GPT-6 支持图片、音频和视频吗？
API 模型页面列出文本和图片输入、文本输出，不直接支持音频或视频模态。工具可用性是另一类能力。
GPT-6 能安全地自主运行吗？
不能仅凭基准结果就向任何模型授予广泛的重要操作权限。应采用最小权限、明确操作边界、确认、监控与恢复控制。
