GPT-6 Astra 出来以后，我第一次觉得“聊天机器人”这个词快过时了！ 9 月 3 日 OpenAI 发布它，大家都在看跑分和 3D 演示。但真正重要的是，AI 现在开始接完整的工作，而不只是回答你

Astra 更适合接收一个完整目标：

根据参考图制作 3D 场景，创建需要的文件，运行检查，发现问题后继续修改，最后交付可以打开的成果。

你描述的是结果，不再需要逐个告诉它该点哪个按钮。

这才是理解 Astra 的重点。

Astra 到底是什么

OpenAI 将 GPT-6 Astra 定位为面向复杂推理、编程、电脑操作、研究和文档制作的模型。

它可以配合浏览器、代码环境和专业软件处理多步任务。官方演示包括制作文档与演示文稿、操作科研软件、开发游戏，以及在 Blender 中建立房屋模型，再将其转换为 Unreal Engine 5 的可行走场景。

以前的 AI 更像顾问，擅长告诉你怎么做。

Astra 更接近执行者。它会继续调用工具、创建文件和检查结果，把任务往交付阶段推进。

当然，这并不意味着电脑上的所有工作都能一次做对。

它仍然会误解要求、做错细节，也可能在复杂任务中走偏。人的工作从亲自操作每一步，逐渐转向定义目标、设置边界和验收结果。

它比上一代强在哪里

直接上数据

Astra 的提升主要集中在电脑操作、工具调用和复杂工作流。

OpenAI 公布的部分测试结果如下：

・科学类任务　　　　64.6%（Sol 22.4%／Fable 52.6%）

・商务类任务　　　　41.4%（Sol 18.1%／Fable 31.4%）

・研究级数学　　　　97.6%（Sol 83.0%／Fable 87.8%）

・电脑操作能力　　　57.9%（Sol 37.3%／Fable 55.8%）

・3D设计能力　　　　95.9%（Sol 83.3%／Fable 84.3%）

这些数字不能直接等同于真实工作效率，但能看出它的能力重点。

Astra 的优势并不是每一道智力题都领先，而是在需要操作电脑、持续执行并交付成果的任务上表现更强。

所以我不会简单地说它“全面碾压”GPT-5.6 Sol 或 Claude Fable 5.1。

模型已经开始出现明显分工。选择时应该问：这份工作需要哪种能力，而不是只问哪一个模型总分最高。

如何使用方法：通过 GPT-6 Astra 实现的演示案例

1.全网 38 个最值钱的案例

https://x.com/3three_AI/status/2096483417160593721?s=20

\2. 最变态的 10 个GPT-6 Astra案例

https://x.com/3three_AI/status/2096117950327701728?s=20

其中 3D 演示特别受关注，OpenAI 的发布页展示了一个很直观的案例。

Astra 在 Blender 中建立房屋模型，再把它转换成 Unreal Engine 5 里的可行走场景。

这类任务通常横跨建模、材质、代码和游戏引擎。以前需要人在几个软件之间来回操作，现在可以从参考材料和结果要求开始，让模型继续完成中间步骤。

游戏和 3D 任务特别能检验 Agent 是否真的会工作。

代码写得出来还不够，它还要创建文件、运行程序、观察画面、发现错误，再继续修改。

不过，官方演示代表的是能力上限，不等于每个人复制一句提示词都能得到同样效果。电脑配置、工作环境、参考素材和任务说明都会影响结果。

如果你想测试，建议从一个小项目开始，例如制作一个能在浏览器打开的简单 3D 场景，而不是第一天就让它搭一座城市。

验收时重点看：

文件能否正常打开；
交互是否可用；
控制台有没有报错；
画面是否符合参考；
修改要求能否被正确执行。

Astra 不是“AGI 已经完成”的官方宣告

发布以后，有人直接把 Astra 称为 AGI。目前没有必要急着下这个结论。

AGI 本身没有统一、清晰的行业判定标准，OpenAI 也没有在 Astra 发布页中宣布“GPT-6 Astra 等于 AGI”。

更准确的说法是，Astra 让 AI 更接近一种能够接收复杂目标、调用工具并持续完成任务的工作方式。

它是否属于 AGI，可以继续讨论。

对普通用户来说，更实际的问题是：它能否把过去需要自己操作半天的工作，稳定地交回来。

为什么它的安全限制更严格

GPT-6 Astra 是 OpenAI 第一个在网络安全能力上达到 Critical 等级的广泛部署模型。

根据 OpenAI 的说明，在拥有合适工具和权限的情况下，Astra 已经能发现此前未知的安全漏洞，并开发新的利用方式，不需要人类逐步指导。

这也是为什么 OpenAI 为它加入了更严格的监控和限制。

系统如果发现 Agent 可能误解指令或偏离目标，任务可能被暂停，等待用户检查。

模型越能操作电脑，权限控制就越重要。

不要因为 Astra 能完成更长的任务，就直接给它无限的文件、账号和系统权限。删除数据、发送消息、付款、发布内容和修改生产环境等操作，仍然应该设置人工确认。

普通人什么时候该用 Astra

Astra API 的标准价格是：

GPT-5.6 Sol 的输入和输出价格分别是4美元和20美元。按 Token 单价计算，Astra约为Sol的2.5倍。

所以我不会把所有任务都切到 Astra。

普通聊天、改文案、写邮件、简单分析和一两步就能完成的代码任务，使用 Sol、Terra 等成本更低的模型通常已经够用。

下面这些工作更适合测试 Astra：

需要操作电脑或浏览器；
要在多个工具之间来回工作；
包含几十个相互依赖的步骤；
需要运行较长时间；
涉及大型代码工程；
要使用 3D、CAD 等专业软件；
最终需要交付文件，而不只是一段回答。

这里还有一个成本细节。

Astra 支持约 105 万 Token 的上下文，但单次输入超过 272K Token 后，整个请求会进入更高价格档：输入和缓存价格变为两倍，输出价格变为1.5倍。

上下文窗口很大，不代表应该把所有文件都塞进去。

先筛选资料，通常更省钱，结果也更稳定。

现在谁能用

截至 2026 年 9 月 6 日，Astra 仍在逐步开放。

GPT-6 Pro 正在面向 Pro、Business 和 Enterprise 用户推出。Plus 用户会逐步在 ChatGPT Work 与 Codex 中获得有限的 Astra 使用额度，但普通 Chat 不包含 GPT-6 Pro。

同一个账号在 Chat、Work 和 Codex 中的开放时间也可能不同。已经订阅但暂时没有看到模型，不一定是账号出了问题。

在 Codex CLI 中使用 Astra，需要升级到 0.153.0 或更高版本。桌面应用也建议更新到最新版。

开发者可以通过 Responses API 调用 gpt-6-astra。实际可用情况仍以自己的账户权限为准。

使用方法

有两种使用方式：

・ChatGPT（普通的聊天界面）

・Codex（同一个应用里的工作专用界面）

普通提问的话，用ChatGPT就够了。

但如果你想做上面演示里的那种3D或游戏，用Codex会更流畅。

原因是，Codex中AI会自己完成「创建文件」这一步。

用ChatGPT的话，需要自己手动复制粘贴代码并保存，多了一步操作。

这篇文章两种方式都写。

【用ChatGPT时】

点击聊天界面顶部的「Instant」，选择「最新」。

那就是GPT-6 Astra。

Plus用户只能在「Work」里使用。

【用Codex时】← 做3D或游戏选这个

打开电脑版ChatGPT应用（Codex在Web和手机上无法选择）。

1. 点击左上角的「ChatGPT」，选择「Codex」

2. 点「选择项目」→「新建项目」

3. 把名称设为「3D」，点「创建项目」（名称随便什么都行）

4. 在右下角的「Select model」中选择「GPT-6 Astra」

5. 思考深度设为「Ultra」（点击模型名称旁边就行）

这样，AI就会自己创建文件并保存好了。

亲身体验真本事：复制粘贴一次，做出逼真的汽车3D

接下来是这篇文章最希望大家尝试的部分。

要做的是一辆能在浏览器里运行的「逼真汽车」3D。

・车身上会倒映出天空

・车头灯会照亮地面

・可以用鼠标旋转视角，用键盘驾驶

只需要一个文件，双击就能打开。

请先按照上面的「用Codex时」的步骤，创建好「3D」项目，再进行以下操作。

【步骤1：把下面的提示词整个复制粘贴发送】

将下面文档里的全部内容复制粘贴到Codex并发送↓

https://scncmkkj807f.feishu.cn/docx/SIZMdZc5yoIV1TxH0Byc7y9ynac?from=from_copylink

什么都不用改。

【步骤2：打开文件】

Codex项目的文件夹里会生成一个「sports-coupe.html」文件。

双击打开就行。我实际试跑的结果是这样的，超级逼真，按W键前进，按A和D键转向。用鼠标拖动可以改变视角，滚动滚轮可以缩放。

车身上倒映着傍晚的天空，地面上也反射出了车的影子。隔着玻璃还能看到座椅和方向盘，这就是复制粘贴一次的效果。

这只是GPT-6 Astra能力的一小部分。

用同样的方法：

・说一句「建一座城」，曼哈顿就能一条街一条街地出现

・把房源页面丢给它，房子就变成3D，还能生成介绍视频

・传一张图片，就能得到会动的3D模型

人接下来要学会什么

过去几年，我们一直在学习怎么向 AI 提问。

Astra 出现以后，另一个能力会越来越重要：怎么把一份工作交代清楚。

你需要知道自己想得到什么，哪些步骤可以让 AI 自己决定，哪些动作必须经过批准，以及怎样判断结果合格。

AI 可以创建文件、操作软件、运行测试和修改错误。

人依然要负责方向、边界与验收。

真正拉开差距的，可能不再是谁收藏了更多提示词，而是谁更清楚自己要完成什么