GPT-6 Astra 新模型到底有多强？功能、能力、API、JSON 输出与 ChatGPT 使用指南

阅读前速览

项	截至 2026-09-03	对开发者意味着什么
模型 ID	gpt-6-astra；另有 Astra Pro 档	新项目直接用这个 ID；工具调用走 Responses API
窗口 / 价格	105 万 token（约 92.2 万输入 + 12.8 万输出）；标准价 $10 / $50 每百万	输入超过 27.2 万会整单加价；缓存前缀才划算
JSON	官方新项目默认推荐 Structured Outputs	text.format.json_schema + 主机侧再校验

发布当日先给 Daybreak / Trusted Access；Plus、Pro、Business、Enterprise、API、AWS、Azure「随后几天」放开。免费版 ChatGPT 不在名单里。数字会变，以 developers.openai.com 为准。

GPT-6 Astra 是什么，什么时候能用

Astra 是 GPT-6 代的旗舰，用来收掉 GPT-5.6 的 Luna / Terra / Sol 分档。知识截止 2026 年 4 月 30 日。输入支持文本和图片，输出是文本。官方把它写成「最智能、也最对齐」的模型：更会把多步工作做完，也更会在指令不清时停下来问一句。

放量是分批的。9 月 3 日先给网络安全向的 Daybreak 与 Trusted Access 企业；随后几天进入 ChatGPT Plus / Pro / Business / Enterprise，以及 API、Codex、AWS、Azure。Enterprise 工作区默认关闭，要管理员打开。ChatGPT 免费档没有 Astra。Pro / Business / Enterprise 另有更高推理力度的 Astra Pro。

它也是第一款被标到 OpenAI「关键网络安全能力阈值」的模型：官方认为它可以在几乎没有人逐步指挥的情况下，发现并利用加固系统里的漏洞。完整进攻能力留在 Daybreak（Blue / Red）里；对外版本加了更严的拒绝边界，以及异步的 misalignment monitoring（错位监控）。写 Agent 的人要记住：模型更敢自己把活做完，也更需要主机侧的 Schema、权限和审批。

Brockman 的「AGI 时代」是发布会措辞。同一天的 System Card 也写了：思维链可监控性比 GPT-5.6 Sol 下降。两句话都来自 OpenAI，应当同时看。本文不争论 AGI，只写你能接进流水线的部分。

功能与能力：强在哪，弱在哪

官方强调五块：计算机使用、浏览、软件工程、科学、专业文档（能搭能跑的网站，以及更完整的文档、表格、演示文稿）。对写 JSON 管线的人，更有用的是它能把「选工具 → 调工具 → 交出对象」这条链走得更稳，并且在若干评测里用更少的输出 token 做完同一件事。

发布材料里的数字（均为 OpenAI 2026-09 口径，脚手架不同会差一截）：

• FrontierMath Tier 4 v2 97.6%；GPQA Diamond 96%；DeepSWE v1.1 74.1%（113 道长程工程题，五种语言）。
• ARC-AGI-3：ARC Prize 标准脚手架 62.7%，OpenAI Provider Adapter 99.9%。同一模型差 37 个点——差距主要在记忆与上下文压缩，不在「换一个名字就变聪明」。
• 相对 GPT-5.6 Sol：SRE-Bench 逆向 99.2% pass@4（Sol 68.7%），输出 token 大约只要四分之一；Sandbox Bench 22 个目标里解了 10 个（Sol 为 1）。

弱项同样具体。完全加固的目标上，独立实验室 Irregular 看到的成功攻击是 0；开放式实验方案问答（ProtocolQA Open-Ended）41.36%，低于博士 80 分位的 54%。英国 AISI 的供应链模拟里：不写范围限制时，499 次里有 60 次越界；写明限制后变成 500 次里 2 次。脚手架和约束，比排行榜上的百分数更值钱。

官方还列了几条新运行时能力，这才是「比上一代好用」的部分：

1. 异步工具调用（async tool calling）。 在 function / custom tool 上设 async: true，模型可以继续推理、调别的工具，或先答独立的那一段；你的应用按原来的 call_id 回填结果。
2. 回合中转向（mid-turn steering）。 模型还在干活时，可通过 WebSocket 补一句纠正或改需求；Responses API 保留已完成部分，把更新接进续写。
3. 对话中途改推理力度。 用 configuration_update 输入项升高或降低 reasoning.effort，不必重写整段 prompt 前缀，缓存还能保住。
4. 错位监控。 系统异步盯工具流量，必要时告警。这不是你应用里的校验器，不能替代 Schema。

GPT-5.6 已有的能力它都还在：computer use、Structured Outputs、流式、Programmatic Tool Calling、多 Agent、prompt 缓存、persisted reasoning、compaction、pro mode。限制也写死了：不支持 none 推理档；欧盟数据驻留下没有 Fast mode，也没有 service_tier: "priority"。Fast mode 本身不带延迟 SLA。

API：用哪个接口、改哪些参数

新项目把 model 设成 gpt-6-astra，走 Responses API。Chat Completions 还能打通，但工具调用必须用 Responses。这和我们在 DevDay 2026 预测 里写的方向一致：生产 Agent 已经收敛到 Responses + Agents SDK，Assistants API 已在 8 月 26 日退役。

最小请求长这样：

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

从 GPT-5.x 迁过来，先对这张清单：

• 推理档。 现在用 none / minimal 的，先改成 low 再对比。其余保持原来的有效档。Responses 用 reasoning.effort，Chat Completions 用 reasoning_effort。可选 low、medium、high、xhigh、max。
• 删掉的参数。 去掉 temperature、top_p、top_logprobs。Chat Completions 还要去掉 logprobs；Responses 不要再 include message.output_text.logprobs。
• 缓存。 从 GPT-5.5 及更早迁来时，把 prompt_cache_retention 换成 prompt_cache_options.ttl，例如 "30m"。请求级 reasoning.effort 不要来回改，改用 configuration_update，前缀才能命中缓存。
• 工具。 用 Responses 的 tools[]。长任务优先异步工具，避免整段推理卡在一次 HTTP 往返上。

价格（标准档，每百万 token，2026-09-03）：输入 $10，缓存读 $1，缓存写 $12.50，输出 $50（含推理 token）。输入超过 272,000，整单输入按 2 倍、输出按 1.5 倍。Batch / Flex 约为标准价一半，Fast 约为两倍。只缓存一次、不再复用的前缀，比不缓存还贵（$12.50 vs $10）。把整仓塞进一次请求、又跨过 27.2 万，账单会接近翻倍。编排层把 272K 当成硬预算，比指望模型自己省更可靠。

官方还提示：Astra 更爱提问、更跟指令、更爱列表和表格，编码任务上测试也更勤。要它自己把活做完，得在系统提示里写清「默认行动、先做出可审结果再问」；否则它会停在「要不要继续」。技能文件和 AGENTS.md 里的冲突指令，它比上一代更敏感——先审计这些文件，再怪模型「不听话」。

JSON 输出：Structured Outputs 才是默认，不是「请返回 JSON」

OpenAI 结构化输出文档写得很直：新项目从 gpt-6-astra 开始。Structured Outputs 保证输出贴合你提供的 JSON Schema——缺必填键、编造非法枚举，按文档不应再发生。它比 JSON mode 多的是遵从 Schema，而不只是「这是一段合法 JSON」。Responses API 里落点是 text.format。

REST 形状如下（与官方数学辅导示例同一套字段，换成工单分类）：

{
  "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，结果在 output_parsed；JS 用 Zod + zodTextFormat。安全拒答不一定符合 Schema，响应里会带 refusal 字段——主机要先看这个，再 JSON.parse。

两件旧事没有变，Astra 更强也不会替你做：

• strict: true 只约束模型侧。 工具 arguments 仍可能是字符串。主机还是 parse → validate → execute。我们在 Agent 为什么需要 JSON Schema 里写过：没有主机校验，换快照或关掉 strict，契约就消失。
• 工具结果和 handoff 也要有 Schema。 Astra 更会自己往下走，错误形状更容易被下一跳当成事实。入参、出参、handoff、检查点四层都要文件化，而不是只在系统提示里写「请返回 JSON」。

调试模型吐出的嵌套 JSON 时，先在浏览器本地 格式化并做语法检查，再和上周能跑的 Schema 做 Diff。不要把带用户数据或密钥的响应贴到公开 JSON 网站。

ChatGPT 使用指南：选模型、写任务、收 JSON

产品侧和 API 不是同一条管道。ChatGPT 里 Astra 走付费档额度；要稳定 Schema，最终仍应落到 API。发布后几天的用法可以按下面做。

1. 确认你的档位看见了它。 Plus 用标准 Astra，吃原有额度；Pro / Business / Enterprise 可以看到 Astra Pro。工作区若是 Enterprise，先问管理员是否打开。模型选择器里应出现 GPT-6 Astra，而不是还停在 GPT-5.6 Sol。没出现就先别改生产提示词，等放量。

2. 把它当执行者，不要当搜索框。 官方说它更会把多步任务做完：搭站点、改仓库、出文档和表格。提示里写清目标、完成定义、不能碰的边界（生产库、密钥、对外发送）。它默认爱提问；若你希望它先做再问，直接写：「先给出可审阅的草稿，再问不可逆的那一步。」

3. 要 JSON 时，把 Schema 贴进对话。 ChatGPT 没有 Responses 那种硬约束。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
}

复制结果后，在本地跑一次格式化和 Schema 对照。对话里「看起来像 JSON」不够；字段类型、枚举、多余键都要过校验器。同一份 Schema 以后才能接到 API 的 text.format，不必重写。

4. 长上下文当预算，不当垃圾桶。 105 万窗口不代表该把整本仓库、整年工单贴进去。ChatGPT 侧你看不到 272K 加价线，但粘贴越长，它越容易在无关细节上转弯。先检索、再粘贴相关文件；要对比两版 JSON，用本地 Diff，不要让模型「凭印象说哪里变了」。

5. 安全默认。 不要把密钥、Cookie、客户 PII 贴进 ChatGPT。Astra 的网络与工具能力更强，越界成本也更高。官方 System Card 里有过「给助手开满权限、关掉逐步审批」的模拟事故。人能做的最小防护：最小权限、不可逆操作要确认、工具结果当不可信输入。

6. 和 Codex / Agent 一起用时。 官方可用 $openai-docs migrate this project to GPT-6 Astra 做迁移提示。技能文件里的「先问再做」会更频繁地拦住它。改技能，而不是把同一句警告写进每一轮对话。

开发者清单：接 Astra 之前先稳住 JSON 口径

模型换代时，最亏的是「提示词能跑、对象形状全靠运气」。可以立刻做、也不依赖放量进度的几件事：

• 仓库里固定 schemas/tools/、schemas/handoffs/、schemas/outputs/。每个文件有 $id 和版本。
• 同一份 Schema 导出为 Function Calling parameters、MCP inputSchema、Responses text.format。不要为 Astra 再手写一份「几乎一样」的定义。协议差异见 MCP vs Function Calling 与 A2A Extensions。
• CI 用 ajv（或等价库）跑：示例、历史 fixture、脱敏后的线上抽样。Astra 换快照时，先 Diff Schema 和 fixture，再调 prompt。
• 新对象默认 additionalProperties: false 和显式 enum。开放扩展单独放 metadata。
• 编排层硬限制：单次输入预算低于 272K；缓存只留给会复用的系统前缀；推理档用 configuration_update 改，不改请求级字段。
• 含密钥或用户数据的 payload 只在浏览器本地看：格式化、Diff，零上传。

关键字怎么写，仍然看 JSON Schema 教程。Astra 没有发明新的字段语言；它只是把「不贴合 Schema 的输出」变得更少、把「自己往下做」变得更多。口径越稳，升级成本越低。

常见误区

• 把「AGI 时代」当成选型理由。 选型看任务完成率、token、延迟和越界率。发布会句子不能进 RFC。
• 以为 Chat Completions 加上 gpt-6-astra 就能调工具。 工具调用要 Responses。只聊天可以暂时不动。
• 继续传 temperature。 文档要求删掉。留下去，轻则忽略，重则整单失败。
• 把 105 万窗口当免费午餐。 27.2 万之后整单加价；缓存写比不缓存贵。长上下文是能力，也是账单。
• 只在 ChatGPT 里要 JSON，就当生产契约。 产品侧没有 strict。生产用 API + 主机校验。
• 关掉主机校验，因为「Astra 更听话」。 更听话等于更会把错误形状传给下一跳。监控是 OpenAI 的，门禁是你的。
• 欧盟驻留还开 Fast / priority。 Astra 不支持。用 Standard。

FAQ

现在就能在 ChatGPT 免费版用 Astra 吗？

不能。公开名单是 Plus、Pro、Business、Enterprise，以及 API / Codex / 云厂商，而且是分天放量。没在选择器里看到，就还没轮到你的账号。

GPT-6 Astra 和 Astra Pro 有什么差别？

Astra 是标准旗舰，Plus 也走这一档。Astra Pro 给 Pro / Business / Enterprise，推理力度更高、更贵。API 文档里的模型 ID 是 gpt-6-astra；Pro 档以你账号里实际出现的 ID 为准。

只要 JSON，还要不要 Structured Outputs？

要。JSON mode 只保证合法 JSON；Structured Outputs 保证键、类型、枚举。新项目官方推荐后者。主机侧仍应用同一份 Schema 再验一次。

价格会不会很快变？

会。本文数字是 2026-09-03 标准档：$10 / $50 / 百万，缓存读 $1，写 $12.50，272K 后加价。下单前打开官方 Pricing 页。

怎么调试 Astra 吐出的坏 JSON？

先看有没有 refusal，再本地格式化，对照 Schema 看缺了哪个 required、哪个枚举越界，然后和上一版 Diff。JSONSort 不上传数据。不要把含密钥的响应贴到公开站点。

结论

GPT-6 Astra 强在把长任务做完：工程、计算机使用、浏览、专业文档，以及更省输出 token 的推理。它弱在「脚手架一换分数就变」、完全加固目标上仍打不穿，以及思维链更不好盯。对 JSON 开发者，升级清单很短：模型 ID 换成 gpt-6-astra，工具走 Responses，输出走 json_schema，主机继续校验，272K 当预算天花板。

ChatGPT 里可以先用它写草稿、改仓库、要一份贴着 Schema 的 JSON；要进生产，把同一份 Schema 接到 API。模型会再换，口径应先稳定。

相关文章

• AI Agent 为什么开始需要 JSON Schema 工具、handoff 与评测的运行时契约
• OpenAI DevDay 2026 重点预测 三层能力如何收成一根 JSON 管
• MCP Tool Schema vs Function Calling 工具 JSON 的协议边界
• A2A Extensions 与 JSON 协议 多 Agent 互操作的第三层
• JSON Schema 是什么？用法与教程 关键字、required 与 additionalProperties
• JSONSort 本地 JSON 工具箱 格式化、语法校验、Diff
• 博客全部文章 更多 JSON 与 AI 开发笔记

更新日志：2026-09-04 初稿发布。事实与价格以 OpenAI 当日文档为准。