GPT-6 Astra 正式發布：價格、功能、使用資格與 AI Agent 市場影響

OpenAI 已在 2026 年 9 月 3 日正式發布 GPT-6 Astra。先前那段「Put That There」預告也有了答案：Astra 的重點已從聊天回答推進到執行工作，把瀏覽器、程式碼與專業軟體串成一條能執行到底的流程。

官方在發布貼文中只用一句話定調：「你能在電腦上做的事，Astra 都能快速替你完成。」這句話有行銷成分，但新公開的 API 功能確實朝這個方向前進，包括電腦操作、非同步工具呼叫、執行中追加指令，以及跨工具的多步驟工作。

我的判斷是中性偏多。GPT-6 Astra 對高價值的研究、Coding 與複雜 Agent 任務很有吸引力，但它不是所有工作都該直接換上的預設模型。每百萬 Token 的輸入、輸出價格都是 GPT-5.6 Sol 的 2.5 倍，企業真正要比較的是「完成一項任務的總成本」，而不是只看模型排名。

GPT-6 Astra 已經發布，但不是所有帳號同時拿得到

OpenAI 已確認正式名稱為 GPT-6 Astra，API 模型代號是 gpt-6-astra。不過，「正式發布」不等於所有產品與方案在同一天全面開放。

OpenAI 的模型頁同時寫到 Plus、Pro、Business 與 Enterprise 會在未來幾天取得 Astra，但 Help Center 又明確說 Plus 不包含 Chat 裡的 GPT-6 Pro。兩份文件不一定矛盾，因為 Chat、Work、Codex 與 API 是不同產品。對使用者最實際的判斷方式，仍是看自己使用的產品與模型選單，不要只看訂閱名稱。

因此，如果你的帳號現在還看不到 Astra，不代表發布消息有誤。先確認產品、方案、工作區管理權限與地區推出進度，再決定是否需要調整流程。

GPT-6 Astra 規格與價格：貴 2.5 倍，價值要看成功率

GPT-6 Astra 的上下文視窗是 105 萬 Token，單次最多輸出 12.8 萬 Token，知識截止日為 2026 年 4 月 30 日。上下文視窗可以理解成模型一次能讀取的文字與資料總量。它支援文字與圖片輸入、文字輸出，但不支援音訊或影片輸入，也不開放 fine-tuning。

GPT-6 Astra 與 GPT-5.6 Sol 的上下文和最大輸出上限相同，所以多付的費用主要買的是更高的推理、工具使用與任務完成能力，不是更長的輸入。OpenAI 表示，Astra 在部分評測中會用更少的輸出 Token 完成工作，因此即使單價較高，單次任務的估算成本仍可能較低。這是官方評測結論，不能直接套用到每個產品。

還有兩個容易漏看的計價條件。當輸入超過 27.2 萬 Token，整筆請求的輸入與快取費率會變成 2 倍，輸出費率變成 1.5 倍。Batch 與 Flex 是標準費率的 50%，Fast mode 則是適用費率的 2 倍。

因此，我不建議把所有流量直接從 Sol 換成 Astra。最實際的做法是先把高失敗成本、高人工修正成本的任務切過去，日常分類、摘要與大量內容處理仍留在 Terra 或 Luna。只要分流做對，模型變貴不一定會讓整體產品成本上升。

「Put That There」預告，現在看是在鋪陳電腦操作

OpenAI 在發表 GPT-6 Astra 之前，先分享一段 MIT Architecture Machine Group 約 1980 年完成的「Put That There」研究影片。這套系統讓使用者一邊說「把那個放到那裡」，一邊用手勢指出物件與位置，電腦再把語音和手勢合併理解。

多模態的意思，就是系統不只處理文字，而是能結合圖片、聲音或操作狀態理解任務。當時的研究展示了更自然的人機互動。GPT-6 Astra 則把類似概念推向今天的瀏覽器、程式碼與專業軟體。

發布後再回頭看，這支預告是在為「用自然語言指揮電腦完成工作」定調，不只是暗示一個新聊天介面。這也解釋了官方發布貼文為何先談能替使用者做電腦上的事情，沒有先公布一排 Benchmark。

GPT-6 Astra 新功能，真正重要的是執行中仍能調整

GPT-6 Astra 延續 computer use、網頁搜尋、檔案搜尋、程式執行、MCP 與 Structured Outputs 等功能。Structured Outputs 是讓模型依固定欄位輸出，方便程式直接接續處理。新一代差異則集中在三個 Agent 工作流能力。

非同步工具呼叫

過去模型呼叫一個慢速工具時，往往要停下來等結果。Astra 支援 async tool calling，讓應用程式執行工具期間，模型仍可繼續推理、呼叫其他工具，或先回答不受影響的部分。

這會降低長任務被單一 API 卡住的時間，但開發者仍要管理未完成的工作、原始 call_id、逾時與失敗重試。功能變強的同時，後端狀態管理也會更複雜。

執行中追加指令

Mid-turn steering 讓使用者能在模型工作途中補充新要求，例如更正條件、改變輸出方向，或要求停止某個分支。系統會保留已完成的工作，再把更新接進同一個流程。

這項能力對 UX 的影響很大。長時間 Agent 不再只有「開始」和「取消」兩個按鈕，產品還需要顯示目前做到哪裡、哪些步驟可修改，以及新指令會影響哪些結果。

不重寫 Prompt 就能調整推理強度

開發者可以透過 configuration_update 在同一段對話中調高或調低 reasoning effort，並保留 Prompt cache。Reasoning effort 是模型願意投入多少計算進行推理。Astra 支援 low、medium、high、xhigh 與 max，但不支援 none。

這讓產品可以先用較低成本處理例行步驟，遇到驗證失敗或高風險決策時再提高推理強度。比起整段重跑，它更適合成本敏感的長流程。

市場競爭不再只看 Benchmark，而是每次成功交付多少錢

GPT-6 Astra 最重要的市場訊號，是 OpenAI 把最高階模型明確定位成「端到端工作模型」。模型頁列出的核心用途包括複雜推理、Coding、computer use、研究與文件製作，賣點已從回答品質延伸到跨工具執行。

這會讓企業採購模型時多算四筆帳：失敗重跑、人工接手、工具等待，以及安全審查。較強模型即使每百萬 Token 更貴，只要能少重跑兩次、少花半小時人工修正，總成本仍可能下降。反過來說，如果任務常被中止，或執行很久後仍交付錯誤結果，再高的評測分數也很難轉成商業價值。

我的判斷是，Astra 對 OpenAI 的最大利多在於把模型、Agent 執行環境、工具整合與安全監控綁成一套高價值產品，重新取得「最強模型」標籤反而是次要效果。最大的風險則是價格與存取限制讓 Astra 只適合少數任務，企業最後仍會採用多模型分流，未必全面押注單一供應商。

如果後續真實工作負載顯示 Astra 無法降低單次成功成本，或高風險監控經常誤判正常任務，我會把目前的中性偏多調回中性。這兩項比公開 Benchmark 更能決定企業是否長期採用。

第一款達到 Critical 資安門檻的廣泛部署模型

GPT-6 Astra 是 OpenAI 第一款達到 Critical cybersecurity threshold、又廣泛部署的模型。Critical 代表模型在取得適當工具與權限後，可能找出未知漏洞，並建立針對多個防護完善系統的攻擊方法，不需要人類逐步指揮。

能力提高也帶來新的治理成本。OpenAI 為 Astra 加入更嚴格的環境隔離、模型權重加密、完整工作軌跡監控與部署前阻斷式評估。官方表示，Astra 比 GPT-5.6 Sol 更能抵抗 jailbreak 與 prompt injection。Prompt injection 是網頁或文件裡藏著惡意指令，試圖讓 Agent 忽略原本任務。

但安全報告也留下明確警訊。在刻意要求模型躲避監控的對抗測試裡，Astra 有時能隱藏策略性失誤或特定破壞任務。OpenAI 尚未看到它用隱寫方式藏匿推理，且整體違反限制的機率仍低於 Sol，但這代表只檢查 chain of thought 並不足以保證安全。

對企業產品而言，即使模型更安全，也不該放寬權限。產品仍要使用最小權限、可復原操作、人工核准與完整稽核紀錄。模型能力越高，這些控制越不能省。

企業與開發者怎麼導入？先做一條小流量路由

最省成本的 MVP 是在現有系統加一條 Astra 路由，不必重做 Agent。先挑出 20 到 50 個真實任務，保持相同 Prompt、工具與資料，拿 GPT-6 Astra 和目前模型做對照。

評估時至少記錄五項數字：

1. 任務成功率：是否完成可驗收成果，而不是只產生流暢回答。
2. 人工修正時間：人要花多久查錯、補資料與接手。
3. 單次成功成本：把 Token、工具費用與失敗重跑一起計算。
4. 完成時間：同時觀察平均速度與最慢的一批任務。
5. 安全介入率：合法任務被暫停多少次，高風險動作又有多少次未被攔下。

API 遷移時，官方建議使用 Responses API 處理工具呼叫，把模型改成 gpt-6-astra。如果原本使用 none 或 minimal reasoning，先從 low 開始。另外要移除 temperature、top_p 與 top_logprobs 等不支援的參數。

先只換模型並建立基準，再考慮 async tool calling、mid-turn steering 或 Prompt 調整。一次改太多，最後即使結果變好，也無法知道是哪個改動真正有效。

結論：GPT-6 Astra 值得用在最難的工作，不值得全面替換

GPT-6 Astra 已正式發布，Alex Finn 對發布時間與名稱的預測也得到官方確認。原本不確定的名稱、API 規格、價格與安全定位，現在都有第一手資料可以核對。

它的產品方向比名稱更重要。OpenAI 正在把旗艦模型從「提供答案」推向「在電腦上完成工作」，而非同步工具、執行中追加指令與動態推理強度，讓長時間 Agent 更接近可以實際管理的工作流程。

不過，Astra 的 Token 單價是 GPT-5.6 Sol 的 2.5 倍，ChatGPT 與 API 也仍在分階段開放。對多數團隊來說，最實際的策略是把它放在高價值、高失敗成本的任務上，並保留 Terra、Luna 或其他模型處理大量日常工作。

如果 Astra 能在真實流程裡降低人工修正與重跑，它會是一個值得付費的旗艦模型。如果只有 Benchmark 進步，單次成功成本沒有下降，就不值得為了新名稱全面遷移。

GPT-6 Astra 常見問題

GPT-6 Astra 已經正式發布了嗎？

已正式發布。OpenAI 在 2026 年 9 月 3 日公開 GPT-6 Astra，並開始向 Trusted Access Program 的企業推出。API 與其他符合資格的方案會在未來幾天陸續開放。

ChatGPT Plus 可以使用 GPT-6 Astra 嗎？

官方模型頁提到 Plus 會在推出範圍內，但 Help Center 明確寫出 Chat 裡的 GPT-6 Pro 不包含 Plus，而是提供給 Pro $100、Pro $200、Business 與 Enterprise。不同產品的資格可能不同，應以 Chat、Work 或 Codex 各自的模型選單為準。

GPT-6 Astra API 價格是多少？

每百萬 Token 的輸入為 10 美元、快取輸入為 1 美元、快取寫入為 12.5 美元，輸出為 50 美元。輸入超過 27.2 萬 Token 時，整筆請求會套用較高費率。

GPT-6 Astra 可以處理影片或語音嗎？

API 模型支援文字與圖片輸入、文字輸出，不支援音訊或影片輸入。它可以使用 image generation 等工具，但這和模型直接接收影片不是同一件事。

公司應該立刻從 GPT-5.6 Sol 全面切換嗎？

不建議。Astra 的輸入與輸出單價都是 Sol 的 2.5 倍，先用 20 到 50 個真實任務比較成功率、人工修正、完成時間與單次成功成本，再逐步把高價值任務切換過去。

資料來源

• OpenAI：GPT-6 Astra 正式發布貼文
• OpenAI API：GPT-6 Astra Model
• OpenAI API：GPT-6 Astra Model guidance
• OpenAI API：Models 比較
• OpenAI Help Center：GPT-5.6 and GPT-6 Pro in ChatGPT
• OpenAI：Safety overview — GPT-6 Astra
• OpenAI：Path to Astra
• OpenAI：Ten advances in mathematics and theoretical computer science
• MIT Media Lab：Chris Schmandt demos Put-That-There