GPT-6 Astra 新模型到底有多強？功能、能力、API、JSON 輸出與 ChatGPT 使用指南

閱讀前速覽

項	截至 2026-09-03	對開發者意味著什麼
模型 ID	gpt-6-astra；另有 Astra Pro 檔	新專案直接用這個 ID；工具呼叫走 Responses API
視窗 / 價格	105 萬 token（約 92.2 萬輸入 + 12.8 萬輸出）；標準價 $10 / $50 每百萬	輸入超過 27.2 萬會整單加價；快取前綴才划算
JSON	官方新專案預設推薦 Structured Outputs	text.format.json_schema + 宿主側再校驗

發布當日先給 Daybreak / Trusted Access；Plus、Pro、Business、Enterprise、API、AWS、Azure「隨後幾天」開放。免費版 ChatGPT 不在名單裡。數字會變，以 developers.openai.com 為準。

GPT-6 Astra 是什麼，什麼時候能用

Astra 是 GPT-6 代的旗艦，用來收掉 GPT-5.6 的 Luna / Terra / Sol 分檔。知識截止 2026 年 4 月 30 日。輸入支援文字和圖片，輸出是文字。官方把它寫成「最智慧、也最對齊」的模型：更會把多步工作做完，也更會在指令不清時停下來問一句。

放量是分批的。9 月 3 日先給網路安全向的 Daybreak 與 Trusted Access 企業；隨後幾天進入 ChatGPT Plus / Pro / Business / Enterprise，以及 API、Codex、AWS、Azure。Enterprise 工作區預設關閉，要管理員開啟。ChatGPT 免費檔沒有 Astra。Pro / Business / Enterprise 另有更高推理力度的 Astra Pro。

它也是第一款被標到 OpenAI「關鍵網路安全能力閾值」的模型：官方認為它可以在幾乎沒有人逐步指揮的情況下，發現並利用加固系統裡的漏洞。完整進攻能力留在 Daybreak（Blue / Red）裡；對外版本加了更嚴的拒絕邊界，以及非同步的 misalignment monitoring（錯位監控）。寫 Agent 的人要記住：模型更敢自己把活做完，也更需要宿主側的 Schema、權限和審核。

Brockman 的「AGI 時代」是發布會措辭。同一天的 System Card 也寫了：思維鏈可監控性比 GPT-5.6 Sol 下降。兩句話都來自 OpenAI，應當同時看。本文不爭論 AGI，只寫你能接進流水線的部分。

功能與能力：強在哪，弱在哪

官方強調五塊：電腦使用、瀏覽、軟體工程、科學、專業文件（能搭能跑的網站，以及更完整的文件、表格、簡報）。對寫 JSON 管線的人，更有用的是它能把「選工具 → 呼叫工具 → 交出物件」這條鏈走得更穩，並且在若干評測裡用更少的輸出 token 做完同一件事。

發布材料裡的數字（均為 OpenAI 2026-09 口徑，腳手架不同會差一截）：

• FrontierMath Tier 4 v2 97.6%；GPQA Diamond 96%；DeepSWE v1.1 74.1%（113 道長程工程題，五種語言）。
• ARC-AGI-3：ARC Prize 標準腳手架 62.7%，OpenAI Provider Adapter 99.9%。同一模型差 37 個點——差距主要在記憶與上下文壓縮，不在「換一個名字就變聰明」。
• 相對 GPT-5.6 Sol：SRE-Bench 逆向 99.2% pass@4（Sol 68.7%），輸出 token 大約只要四分之一；Sandbox Bench 22 個目標裡解了 10 個（Sol 為 1）。

弱項同樣具體。完全加固的目標上，獨立實驗室 Irregular 看到的成功攻擊是 0；開放式實驗方案問答（ProtocolQA Open-Ended）41.36%，低於博士 80 分位的 54%。英國 AISI 的供應鏈模擬裡：不寫範圍限制時，499 次裡有 60 次越界；寫明限制後變成 500 次裡 2 次。腳手架和約束，比排行榜上的百分數更值錢。

官方還列了幾條新執行時能力，這才是「比上一代好用」的部分：

1. 非同步工具呼叫（async tool calling）。 在 function / custom tool 上設 async: true，模型可以繼續推理、呼叫別的工具，或先答獨立的那一段；你的應用按原來的 call_id 回填結果。
2. 回合中轉向（mid-turn steering）。 模型還在做事時，可透過 WebSocket 補一句糾正或改需求；Responses API 保留已完成部分，把更新接進續寫。
3. 對話中途改推理力度。 用 configuration_update 輸入項升高或降低 reasoning.effort，不必重寫整段 prompt 前綴，快取還能保住。
4. 錯位監控。 系統非同步盯工具流量，必要時告警。這不是你應用裡的校驗器，不能替代 Schema。

GPT-5.6 已有的能力它都還在：computer use、Structured Outputs、串流、Programmatic Tool Calling、多 Agent、prompt 快取、persisted reasoning、compaction、pro mode。限制也寫死了：不支援 none 推理檔；歐盟資料駐留下沒有 Fast mode，也沒有 service_tier: "priority"。Fast mode 本身不帶延遲 SLA。

API：用哪個介面、改哪些參數

新專案把 model 設成 gpt-6-astra，走 Responses API。Chat Completions 還能打通，但工具呼叫必須用 Responses。這和我們在 DevDay 2026 預測 裡寫的方向一致：生產 Agent 已經收斂到 Responses + Agents SDK，Assistants API 已在 8 月 26 日停用。

最小請求長這樣：

{
  "model": "gpt-6-astra",
  "input": [
    { "role": "user", "content": "把这段工单分类，只返回 JSON。" }
  ],
  "reasoning": { "effort": "low" }
}

從 GPT-5.x 遷過來，先對這張清單：

• 推理檔。 現在用 none / minimal 的，先改成 low 再對比。其餘保持原來的有效檔。Responses 用 reasoning.effort，Chat Completions 用 reasoning_effort。可選 low、medium、high、xhigh、max。
• 刪掉的參數。 去掉 temperature、top_p、top_logprobs。Chat Completions 還要去掉 logprobs；Responses 不要再 include message.output_text.logprobs。
• 快取。 從 GPT-5.5 及更早遷來時，把 prompt_cache_retention 換成 prompt_cache_options.ttl，例如 "30m"。請求級 reasoning.effort 不要來回改，改用 configuration_update，前綴才能命中快取。
• 工具。 用 Responses 的 tools[]。長任務優先非同步工具，避免整段推理卡在一次 HTTP 往返上。

價格（標準檔，每百萬 token，2026-09-03）：輸入 $10，快取讀 $1，快取寫 $12.50，輸出 $50（含推理 token）。輸入超過 272,000，整單輸入按 2 倍、輸出按 1.5 倍。Batch / Flex 約為標準價一半，Fast 約為兩倍。只快取一次、不再複用的前綴，比不快取還貴（$12.50 vs $10）。把整倉塞進一次請求、又跨過 27.2 萬，帳單會接近翻倍。編排層把 272K 當成硬預算，比指望模型自己省更可靠。

官方還提示：Astra 更愛提問、更跟指令、更愛列表和表格，程式任務上測試也更勤。要它自己把活做完，得在系統提示裡寫清「預設行動、先做出可審結果再問」；否則它會停在「要不要繼續」。技能檔案和 AGENTS.md 裡的衝突指令，它比上一代更敏感——先審查這些檔案，再怪模型「不聽話」。

JSON 輸出：Structured Outputs 才是預設，不是「請回傳 JSON」

OpenAI 結構化輸出文件寫得很直：新專案從 gpt-6-astra 開始。Structured Outputs 保證輸出貼合你提供的 JSON Schema——缺必填鍵、編造非法列舉，按文件不應再發生。它比 JSON mode 多的是遵從 Schema，而不只是「這是一段合法 JSON」。Responses API 裡落點是 text.format。

REST 形狀如下（與官方數學輔導範例同一套欄位，換成工單分類）：

{
  "model": "gpt-6-astra",
  "input": [
    { "role": "system", "content": "只按 Schema 分类，不要散文。" },
    { "role": "user", "content": "订单 A-1042 迟到两天，用户要退 99 元。" }
  ],
  "text": {
    "format": {
      "type": "json_schema",
      "name": "ticket_triage",
      "strict": true,
      "schema": {
        "type": "object",
        "properties": {
          "intent": { "type": "string", "enum": ["refund", "exchange", "human"] },
          "order_id": { "type": "string", "pattern": "^A-[0-9]{4,}$" },
          "amount": { "type": "number", "exclusiveMinimum": 0 },
          "confidence": { "type": "number", "minimum": 0, "maximum": 1 }
        },
        "required": ["intent", "order_id", "amount", "confidence"],
        "additionalProperties": false
      }
    }
  }
}

Python SDK 可以用 Pydantic + responses.parse，結果在 output_parsed；JS 用 Zod + zodTextFormat。安全拒答不一定符合 Schema，回應裡會帶 refusal 欄位——宿主要先看這個，再 JSON.parse。

兩件舊事沒有變，Astra 更強也不會替你做：

• strict: true 只約束模型側。 工具 arguments 仍可能是字串。宿主還是 parse → validate → execute。我們在 Agent 為什麼需要 JSON Schema 裡寫過：沒有宿主校驗，換快照或關掉 strict，契約就消失。
• 工具結果和 handoff 也要有 Schema。 Astra 更會自己往下走，錯誤形狀更容易被下一跳當成事實。入參、出參、handoff、檢查點四層都要檔案化，而不是只在系統提示裡寫「請回傳 JSON」。

除錯模型吐出的巢狀 JSON 時，先在瀏覽器本地 格式化並做語法檢查，再和上週能跑的 Schema 做 Diff。不要把帶使用者資料或金鑰的回應貼到公開 JSON 網站。

ChatGPT 使用指南：選模型、寫任務、收 JSON

產品側和 API 不是同一條管道。ChatGPT 裡 Astra 走付費檔額度；要穩定 Schema，最終仍應落到 API。發布後幾天的用法可以按下面做。

1. 確認你的檔位看見了它。 Plus 用標準 Astra，吃原有額度；Pro / Business / Enterprise 可以看到 Astra Pro。工作區若是 Enterprise，先問管理員是否開啟。模型選擇器裡應出現 GPT-6 Astra，而不是還停在 GPT-5.6 Sol。沒出現就先別改生產提示詞，等放量。

2. 把它當執行者，不要當搜尋框。 官方說它更會把多步任務做完：搭網站、改倉庫、出文件和表格。提示裡寫清目標、完成定義、不能碰的邊界（生產庫、金鑰、對外傳送）。它預設愛提問；若你希望它先做再問，直接寫：「先給出可審閱的草稿，再問不可逆的那一步。」

3. 要 JSON 時，把 Schema 貼進對話。 ChatGPT 沒有 Responses 那種硬約束。最低可用做法：

只输出一个 JSON 对象，不要 Markdown 围栏，不要解释。
必须符合：
{
  "type": "object",
  "properties": {
    "intent": { "enum": ["refund", "exchange", "human"] },
    "order_id": { "type": "string" },
    "confidence": { "type": "number" }
  },
  "required": ["intent", "order_id", "confidence"],
  "additionalProperties": false
}

複製結果後，在本地跑一次格式化和 Schema 對照。對話裡「看起來像 JSON」不夠；欄位型別、列舉、多餘鍵都要過校驗器。同一份 Schema 以後才能接到 API 的 text.format，不必重寫。

4. 長上下文當預算，不當垃圾桶。 105 萬視窗不代表該把整本倉庫、整年工單貼進去。ChatGPT 側你看不到 272K 加價線，但貼上越長，它越容易在無關細節上轉彎。先檢索、再貼上相關檔案；要對比兩版 JSON，用本地 Diff，不要讓模型「憑印象說哪裡變了」。

5. 安全預設。 不要把金鑰、Cookie、客戶 PII 貼進 ChatGPT。Astra 的網路與工具能力更強，越界成本也更高。官方 System Card 裡有過「給助手開滿權限、關掉逐步審核」的模擬事故。人能做的最小防護：最小權限、不可逆操作要確認、工具結果當不可信輸入。

6. 和 Codex / Agent 一起用時。 官方可用 $openai-docs migrate this project to GPT-6 Astra 做遷移提示。技能檔案裡的「先問再做」會更頻繁地攔住它。改技能，而不是把同一句警告寫進每一輪對話。

開發者清單：接 Astra 之前先穩住 JSON 口徑

模型換代時，最虧的是「提示詞能跑、物件形狀全靠運氣」。可以立刻做、也不依賴放量進度的幾件事：

• 倉庫裡固定 schemas/tools/、schemas/handoffs/、schemas/outputs/。每個檔案有 $id 和版本。
• 同一份 Schema 匯出為 Function Calling parameters、MCP inputSchema、Responses text.format。不要為 Astra 再手寫一份「幾乎一樣」的定義。協議差異見 MCP vs Function Calling 與 A2A Extensions。
• CI 用 ajv（或等價函式庫）跑：範例、歷史 fixture、去識別化後的線上抽樣。Astra 換快照時，先 Diff Schema 和 fixture，再調 prompt。
• 新物件預設 additionalProperties: false 和明確 enum。開放擴充單獨放 metadata。
• 編排層硬限制：單次輸入預算低於 272K；快取只留給會複用的系統前綴；推理檔用 configuration_update 改，不改請求級欄位。
• 含金鑰或使用者資料的 payload 只在瀏覽器本地看：格式化、Diff，零上傳。

關鍵字怎麼寫，仍然看 JSON Schema 教程。Astra 沒有發明新的欄位語言；它只是把「不貼合 Schema 的輸出」變得更少、把「自己往下做」變得更多。口徑越穩，升級成本越低。

常見誤區

• 把「AGI 時代」當成選型理由。 選型看任務完成率、token、延遲和越界率。發布會句子不能進 RFC。
• 以為 Chat Completions 加上 gpt-6-astra 就能呼叫工具。 工具呼叫要 Responses。只聊天可以暫時不動。
• 繼續傳 temperature。 文件要求刪掉。留下來，輕則忽略，重則整單失敗。
• 把 105 萬視窗當免費午餐。 27.2 萬之後整單加價；快取寫比不快取貴。長上下文是能力，也是帳單。
• 只在 ChatGPT 裡要 JSON，就當生產契約。 產品側沒有 strict。生產用 API + 宿主校驗。
• 關掉宿主校驗，因為「Astra 更聽話」。 更聽話等於更會把錯誤形狀傳給下一跳。監控是 OpenAI 的，門禁是你的。
• 歐盟駐留還開 Fast / priority。 Astra 不支援。用 Standard。

FAQ

現在就能在 ChatGPT 免費版用 Astra 嗎？

不能。公開名單是 Plus、Pro、Business、Enterprise，以及 API / Codex / 雲端廠商，而且是分天放量。沒在選擇器裡看到，就還沒輪到你的帳號。

GPT-6 Astra 和 Astra Pro 有什麼差別？

Astra 是標準旗艦，Plus 也走這一檔。Astra Pro 給 Pro / Business / Enterprise，推理力度更高、更貴。API 文件裡的模型 ID 是 gpt-6-astra；Pro 檔以你帳號裡實際出現的 ID 為準。

只要 JSON，還要不要 Structured Outputs？

要。JSON mode 只保證合法 JSON；Structured Outputs 保證鍵、型別、列舉。新專案官方推薦後者。宿主側仍應用同一份 Schema 再驗一次。

價格會不會很快變？

會。本文數字是 2026-09-03 標準檔：$10 / $50 / 百萬，快取讀 $1，寫 $12.50，272K 後加價。下單前開啟官方 Pricing 頁。

怎麼除錯 Astra 吐出的壞 JSON？

先看有沒有 refusal，再本地格式化，對照 Schema 看缺了哪個 required、哪個列舉越界，然後和上一版 Diff。JSONSort 不上傳資料。不要把含金鑰的回應貼到公開站點。

結論

GPT-6 Astra 強在把長任務做完：工程、電腦使用、瀏覽、專業文件，以及更省輸出 token 的推理。它弱在「腳手架一換分數就變」、完全加固目標上仍打不穿，以及思維鏈更不好盯。對 JSON 開發者，升級清單很短：模型 ID 換成 gpt-6-astra，工具走 Responses，輸出走 json_schema，宿主繼續校驗，272K 當預算天花板。

ChatGPT 裡可以先用它寫草稿、改倉庫、要一份貼著 Schema 的 JSON；要進生產，把同一份 Schema 接到 API。模型會再換，口徑應先穩定。

相關文章

• AI Agent 為什麼開始需要 JSON Schema 工具、handoff 與評測的執行時契約
• OpenAI DevDay 2026 重點預測 三層能力如何收成一根 JSON 管
• MCP Tool Schema vs Function Calling 工具 JSON 的協議邊界
• A2A Extensions 與 JSON 協議 多 Agent 互操作的第三層
• JSON Schema 是什麼？用法與教程 關鍵字、required 與 additionalProperties
• JSONSort 本地 JSON 工具箱 格式化、語法校驗、Diff
• 部落格全部文章 更多 JSON 與 AI 開發筆記

更新日誌：2026-09-04 初稿發布。事實與價格以 OpenAI 當日文件為準。